CN104394409A - 基于空域相关性的hevc预测模式快速选择方法 - Google Patents
基于空域相关性的hevc预测模式快速选择方法 Download PDFInfo
- Publication number
- CN104394409A CN104394409A CN201410674880.0A CN201410674880A CN104394409A CN 104394409 A CN104394409 A CN 104394409A CN 201410674880 A CN201410674880 A CN 201410674880A CN 104394409 A CN104394409 A CN 104394409A
- Authority
- CN
- China
- Prior art keywords
- unit
- coding
- coding unit
- prediction mode
- optimum prediction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000010187 selection method Methods 0.000 title abstract 4
- 238000000034 method Methods 0.000 claims description 52
- 238000013139 quantization Methods 0.000 claims description 24
- 230000033001 locomotion Effects 0.000 claims description 23
- 238000007500 overflow downdraw method Methods 0.000 claims description 4
- 230000032798 delamination Effects 0.000 claims description 2
- 230000006835 compression Effects 0.000 description 6
- 238000007906 compression Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Landscapes
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明公开了一种基于空域相关性的HEVC预测模式快速选择方法，主要解决现有技术速度慢，实时性差的问题。其实现步骤为：1.输入视频序列，统计前10个帧间编码帧中编码单元最佳预测模式与其最佳空域参考编码单元最佳预测模式之间的概率关系，构建概率表；2.从第11个帧间编码帧开始，对具有最佳空域参考编码单元的时域同质待编码单元，求出最佳空域参考编码单元最佳预测模式；3.选择使得概率之和大于概率阈值且数量最少的预测模式作为编码单元的候选预测模式；4.根据候选预测模式对编码单元进行编码，得到最佳预测模式，并更新概率表。本发明利用空域相关性，跳过冗余的预测模式，提高了预测模式选择的速度，可用于实时视频应用。
Description
技术领域
本发明属于视频处理领域，特别涉及一种预测模式快速选择方法，可用于高效率视频编码HEVC标准中对帧间编码单元的预测模式选择过程。
背景技术
伴随着高清视频技术的发展和成熟，人们的日常生活中涌现了大量的高清视频。然而，高分辨率带来的较大的数据量使得高清视频对视频编解码算法的压缩性能要求更高。之前的视频编解码标准不再能很好地满足高清视频对压缩性能的要求，下一代视频压缩编码标准应运而生。2010年4月在德国德累斯顿召开了联合视频编码小组JCT-VC第一次会议上，确定了新一代视频编码标准的名称为高效率视频编码HEVC，并于2013年4月13日，第一版高效率视频编码HEVC视频压缩标准被接受成为国际电信联盟的正式标准。高效率视频编码HEVC的目标是，相对于H.264/AVC的高档次，保证相同视频质量的前提下，降低50％的比特率，极大降低传输视频信号的带宽。
高效率视频编码HEVC依然延续了H.26x的帧内和帧间预测，残差，量化与变换，熵编码等混合编码框架。不同的是，为了提高压缩效率，HEVC采用了更灵活的编码单元，其编码块从64×64开始按照四叉树的形式逐层递归，不同编码深度的四叉树块，又分为编码单元，预测单元和变换单元。
高效率视频编码HEVC标准中帧间编码单元预测模式的选取要对SKIP,Inter_2N×2N,Inter_2N×N,Inter_N×2N,Inter_2N×nU,Inter_2N×nD,Inter_nL×2N,Inter_nR×2N,Intra_2N×2N,Intra_N×N这10种候选预测模式进行率失真代价函数的计算，找出率失真代价函数值最小的模式作为当前编码单元的预测模式，这使得HEVC编码复杂度急剧上升，给HEVC的实时实现带来极大困难。因此需要在保证率失真性能基本不变的前提下，降低HEVC编码时间和计算复杂度。
目前为止，已提出的预测模式快速选择算法主要有以下几种：
JCTVC-F045提案是由Ryeong Hee Gweon,Yung-Lyul Lee,和Jeongyeon Lim于2011年7月在托里诺举行的联合视频编码小组JCT-VC会议上提出的。该提案给出一个基于编码单元提前终止的快速算法，通过编码块标识CBF的取值对编码单元的预测模式简化判决，如果CBF值为0，跳过余下的预测模式遍历过程。这称为编码块标识快速模式判决CFM方法。
JCTVC-G543提案是由Jungyoup Yang,Jaehwan Kim,Kwanghyun Won等人于2011年11月在日内瓦会议上提出的。该提案提出一个早期SKIP模式检测算法，在计算Inter_2N×2N模式的率失真代价函数之后，检测运动矢量差值DMV和编码块标识CBF，若Inter_2N×2N模式的DMV等于(0,0)，并且CBF等于0，则当前编码单元的最佳预测模式就被提前设定为SKIP模式，不再对其余的预测模式进行遍历，因此就略过了其余预测模式的率失真代价函数计算，从而在较小的编码效率损失下大大降低了编码复杂度。这称为早期SKIP模式检测ESD方法。
Novel Fast PU Decision Algorithm for The HEVC Video Standard，由Jong-Hyeok Lee和C.-S.Park等人在2013年图像处理国际会议ICIP上提出的一种在随机接入配置下基于时空域相关性、深度相关性和块运动复杂度BMC的预测模式快速选择算法。该算法详细介绍了块运动复杂度，并根据块运动复杂度把编码单元划分为不同的运动区域，以此来设计部分模式搜索过程。具有复杂运动特征的编码单元，运动复杂度较大。用阈值Th1和Th2来区分运动复杂程度，其中Th1为1，Th2为3。如下式所示：
若编码单元属于缓慢运动的编码单元，则只进行SKIP和Inter_2N×2N模式搜索，略过其余所有模式；若编码单元属于适中运动的编码单元，模式搜索过程除了进行SKIP和Inter_2N×2N，还要加上Inter_2N×N和Inter_N×2N模式搜索；若编码单元属于快运动的编码单元，则按照HEVC原始算法遍历所有的预测模式。
CFM方法和ESD方法与原始HEVC方法相比，都在编码时间上有了较大的提升，但是仅对相对平缓的编码单元进行了预测模式的提前略过，对于很多运动中的编码单元都没有处理，而且编码速度还有待提升。Jong-Hyeok Lee的方法把运动区域划分为不同运动特征的区域，对CFM方法和ESD方法在时间和模式略过的区域上有所进步，但是方法相对比较复杂，时间仍有待提升。
发明内容
本发明的目的在于针对上述已有技术中的不足，提出一种基于空域相关性的HEVC预测模式自适应快速选择算法，以在保持视频图像压缩性能基本不变的前提下，缩短编码时间，满足HEVC帧间编码的快速要求。
实现本发明的基本思想是：保持HEVC编码方案其他部分不变，在预测模式选择过程中，根据已编码视频帧的结果，构建空域相邻编码单元最佳预测模式和待编码单元最佳预测模式的概率关系表，并从当前帧待编码单元的最佳空域参考编码单元中找出最佳预测模式，通过概率阈值从表中自适应选择候选预测模式，略过其余预测模式的率失真代价函数的计算，降低编码复杂度，以提高HEVC编码速度。
根据上述思路，本发明的技术方案包括如下步骤：
(1)输入视频序列，统计前10个帧间编码帧中编码单元的最佳预测模式与其最佳空域参考编码单元的最佳预测模式之间的概率关系：
1a)判断编码单元是否为时域同质编码单元：
若编码单元的时延配置条件为低时延，则根据视频序列的分辨率、编码单元的量化参数和编码深度求得率失真代价函数阈值ThRD；
若编码单元的时延配置条件为随机接入，则根据视频序列的分辨率、编码单元的量化参数、时域分层和编码深度求得率失真代价函数阈值ThRD；
如果编码单元SKIP模式的率失真代价函数值小于所求出的率失真代价函数阈值ThRD，则该编码单元为时域同质编码单元，执行步骤1b)；否则，遍历高效率视频编码标准中的所有预测模式；
1b)判断编码单元是否具有最佳空域参考编码单元：若高效率视频编码标准中，通过运动融合方法得到的具有最佳运动参数的预测单元所在的编码单元为空域相邻编码单元，则该编码单元具有最佳空域参考编码单元，执行步骤1c)；否则，遍历高效率视频编码标准中的所有预测模式；
1c)判断编码单元的时延配置条件，并统计概率关系：
若时延配置条件为低时延，则在[20,26]、[27,31]、[32,36]、[37,41]这四种不同量化参数范围中，分别对0,1,2,3这四个编码深度，统计其当前编码单元最佳预测模式与最佳空域参考编码单元最佳预测模式之间的概率关系；
若时延配置条件为随机接入，在[20,26]、[27,31]、[32,36]、[37,41]这四种不同量化参数范围中，分别对1,2,3,4这四个时域分层，统计其在0,1,2,3这四个编码深度时的当前编码单元最佳预测模式与最佳空域参考编码单元最佳预测模式之间的概率关系；
(2)判断编码单元的时延配置条件，构建概率关系表：
若时延配置条件为低时延，则根据量化参数范围和编码深度情况下编码单元最佳预测模式与最佳空域参考编码单元最佳预测模式之间的概率关系，构建概率关系表；
若时延配置条件为随机接入，则根据量化参数范围、编码深度和时域分层情况下编码单元最佳预测模式与最佳空域参考编码单元最佳预测模式之间的概率关系，构建概率关系表；
(3)从第11个帧间编码帧开始，判断待编码单元是否为时域同质编码单元：若待编码单元为时域同质编码单元，执行步骤(4)，否则，遍历高效率视频编码标准中的所有预测模式，执行步骤(9)；
(4)判断待编码单元是否具有最佳空域参考编码单元：若待编码单元具有最佳空域参考编码单元，求出最佳空域参考编码单元的最佳预测模式，执行步骤(5)；否则，遍历高效率视频编码标准中所有的预测模式，执行步骤(9)；
(5)统计所有已编码单元中以步骤(4)得到的最佳预测模式为其最佳空域参考编码单元最佳预测模式的编码单元个数，若编码单元个数小于10，则遍历高效率视频编码标准中的所有预测模式，执行步骤(9)；否则，执行步骤(6)；
(6)把步骤(2)概率表中预测模式的概率从大到小排序，选择使得概率之和大于相对应时延配置条件、量化参数范围、时域分层和编码深度情况下的概率阈值且模式数量最少的一种或多种预测模式作为编码单元的候选预测模式；
(7)根据候选预测模式，按照高效率视频编码标准中的编码流程对编码单元进行编码，得到最佳预测模式；
(8)对待编码单元进行编码完后，记录该编码单元最佳预测模式和最佳空域参考编码单元最佳预测模式，更新步骤(2)中的概率关系表；
(9)对下一个编码单元重复执行步骤(3)到步骤(8)。
本发明与现有方法相比具有如下优点：
(a)本发明由于根据编码单元与参考编码单元的空域相关性，对时域同质的编码单元进行预测模式快速选择，模式选择结果更加精确；
(b)本发明由于减少了预测模式候选个数，使得预测模式选择计算复杂度减小，减少了大量的编码时间。
附图说明
图1是本发明的实现流程图；
图2为运动融合方法的空域候选位置；
图3为运动融合方法的时域候选位置。
具体实施方式
下面将结合附图和实施例对本发明作进一步详细描述。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体操作过程，但本发明的保护范围不限于下述实施例。
参照图1，本发明的具体实现步骤如下：
步骤一：输入视频序列，统计前10个帧间编码帧中编码单元的最佳预测模式与其最佳空域参考编码单元的最佳预测模式之间的概率关系。
1a)判断编码单元是否为时域同质编码单元：
编码视频序列的分辨率有416×240、832×480、1280×720、1920×1080、2560×1600五种，量化参数QP取值范围为[20,41]，时域分层分为1、2、3、4，编码深度分为0、1、2、3四种；表1至表4分别表示在低时延配置时，416×240、832×480、1280×720、1920×1080四种分辨率下不同编码深度的率失真代价函数阈值，表5至表20分别表示在随机接入配置下，416×240、832×480、1920×1080、2560×1600四种分辨率下，不同时域分层时，不同编码深度的率失真代价函数阈值。率失真代价函数阈值由公式(1)确定：
ThRD＝exp(a+b×QP) (1)
其中exp是指数函数；参数a和b是表示阈值的对数与量化参数QP之间的回归系数，a为回归系数中的常数，b为回归系数中的一次项的系数，a和b的数值由具体视频序列的分辨率、编码条件、时域分层和编码深度确定。公式(1)也可以写成如下形式：
ThRD＝exp(a)×exp(b×QP) (2)
低时延和随机接入编码配置时的率失真代价函数阈值如表1至表20所示：
表1 416×240率失真代价函数阈值
| 编码深度 | 阈值ThRD |
| 0 | 805.6×exp(0.1676×QP) |
| 1 | 324.71×exp(0.1603×QP) |
| 2 | 100.05×exp(0.1665×QP) |
| 3 | 11.855×exp(0.2003×QP) |
表2 832×480率失真代价函数阈值
| 编码深度 | 阈值ThRD |
| 0 | 693.9×exp(0.1742×QP) |
| 1 | 191.08×exp(0.1758×QP) |
| 2 | 91.118×exp(0.1616×QP) |
| 3 | 18.461×exp(0.1684×QP) |
表3 1280×720率失真代价函数阈值
| 编码深度 | 阈值ThRD |
| 0 | 843.79×exp(0.1459×QP) |
| 1 | 35.835×exp(0.2013×QP) |
| 2 | 64.82×exp(0.1555×QP) |
| 3 | 18.461×exp(0.1684×QP) |
表4 1920×1080率失真代价函数阈值
| 编码深度 | 阈值ThRD |
| 0 | 1524.1×exp(0.1407×QP) |
| 1 | 304.55×exp(0.1593×QP) |
| 2 | 51.32×exp(0.1749×QP) |
| 3 | 9.9588×exp(0.2031×QP) |
表5 416×240时域分层为1时率失真代价函数阈值
| 编码深度 | 阈值ThRD |
| 0 | 2340.5×exp(0.1223×QP) |
| 1 | 2899.4×exp(0.1223×QP) |
| 2 | 3335.2×exp(0.1223×QP) |
| 3 | 3659.4×exp(0.1223×QP) |
表6 416×240时域分层为2时率失真代价函数阈值
| 编码深度 | 阈值ThRD |
| 0 | 282.38×exp(0.1535×QP) |
| 1 | 339.09×exp(0.1535×QP) |
| 2 | 378.1×exp(0.1535×QP) |
| 3 | 402.15×exp(0.1535×QP) |
表7 416×240时域分层为3时率失真代价函数阈值
| 编码深度 | 阈值ThRD |
| 0 | 89.914×exp(0.1544×QP) |
| 1 | 107.87×exp(0.1544×QP) |
| 2 | 120.16×exp(0.1544×QP) |
| 3 | 127.68×exp(0.1544×QP) |
表8 416×240时域分层为4时率失真代价函数阈值
| 编码深度 | 阈值ThRD |
| 0 | 20.839×exp(0.1657×QP) |
| 1 | 24.719×exp(0.1657×QP) |
| 2 | 22.227×exp(0.1657×QP) |
| 3 | 28.606×exp(0.1657×QP) |
表9 832×480时域分层为1率失真代价函数阈值
| 编码深度 | 阈值ThRD |
| 0 | 463.32×exp(0.1601×QP) |
| 1 | 552.67×exp(0.1601×QP) |
| 2 | 612.16×exp(0.1601×QP) |
| 3 | 646.75×exp(0.1601×QP) |
表10 832×480时域分层为2率失真代价函数阈值
| 编码深度 | 阈值ThRD |
| 0 | 134.75×exp(0.1641×QP) |
| 1 | 160.09×exp(0.1641×QP) |
| 2 | 176.62×exp(0.1641×QP) |
| 3 | 185.86×exp(0.1641×QP) |
表11 832×480时域分层为3率失真代价函数阈值
| 编码深度 | 阈值ThRD |
| 0 | 39.94×exp(0.1784×QP) |
| 1 | 46.779×exp(0.1784×QP) |
| 2 | 50.876×exp(0.1784×QP) |
| 3 | 52.778×exp(0.1784×QP) |
表12 832×480时域分层为4率失真代价函数阈值
| 编码深度 | 阈值ThRD |
| 0 | 5.3525×exp(0.1994×QP) |
| 1 | 6.1391×exp(0.1994×QP) |
| 2 | 6.5383×exp(0.1994×QP) |
| 3 | 6.6421×exp(0.1994×QP) |
表13 1920×1080时域分层为1率失真代价函数阈值
| 编码深度 | 阈值ThRD |
| 0 | 785.09×exp(0.1421×QP) |
| 1 | 954.4×exp(0.1421×QP) |
| 2 | 1077.3×exp(0.1421×QP) |
| 3 | 1160×exp(0.1421×QP) |
表14 1920×1080时域分层为2率失真代价函数阈值
| 编码深度 | 阈值ThRD |
| 0 | 425.13×exp(0.1403×QP) |
| 1 | 517.28×exp(0.1403×QP) |
| 2 | 584.45×exp(0.1403×QP) |
| 3 | 629.86×exp(0.1403×QP) |
表15 1920×1080时域分层为3率失真代价函数阈值
| 编码深度 | 阈值ThRD |
| 0 | 125.9×exp(0.1483×QP) |
| 1 | 151.96×exp(0.1483×QP) |
| 2 | 170.33×exp(0.1483×QP) |
| 3 | 182.1×exp(0.1483×QP) |
表16 1920×1080时域分层为4率失真代价函数阈值
| 编码深度 | 阈值ThRD |
| 0 | 23.664×exp(0.1602×QP) |
| 1 | 28.227×exp(0.1602×QP) |
| 2 | 31.264×exp(0.1602×QP) |
| 3 | 33.031×exp(0.1602×QP) |
表17 2560×1600时域分层为1率失真代价函数阈值
| 编码深度 | 阈值ThRD |
| 0 | 824.04×exp(0.1507×QP) |
| 1 | 992.27×exp(0.1507×QP) |
| 2 | 1109.5×exp(0.1507×QP) |
| 3 | 1183.3×exp(0.1507×QP) |
表18 2560×1600时域分层为2率失真代价函数阈值
| 编码深度 | 阈值ThRD |
| 0 | 164.42×exp(0.1588×QP) |
| 1 | 196.39×exp(0.1588×QP) |
| 2 | 217.83×exp(0.1588×QP) |
| 3 | 230.45×exp(0.1588×QP) |
表19 2560×1600时域分层为3率失真代价函数阈值
| 编码深度 | 阈值ThRD |
| 0 | 50.68×exp(0.1616×QP) |
| 1 | 60.366×exp(0.1616×QP) |
| 2 | 66.767×exp(0.1616×QP) |
| 3 | 70.439×exp(0.1616×QP) |
表20 2560×1600时域分层为4率失真代价函数阈值
| 编码深度 | 阈值ThRD |
| 0 | 19.812×exp(0.1641×QP) |
| 1 | 23.538×exp(0.1641×QP) |
| 2 | 25.968×exp(0.1641×QP) |
| 3 | 27.326×exp(0.1641×QP) |
根据编码单元的时延配置条件、视频序列分辨率、时域分层、量化参数QP和编码深度，根据相对应的表求出率失真代价函数阈值ThRD，如果编码单元SKIP模式的率失真代价函数值小于所求出的率失真代价函数阈值ThRD，则该编码单元为时域同质编码单元，执行步骤1b)；否则，遍历高效率视频编码标准中的所有预测模式；
1b)判断编码单元是否具有最佳空域参考编码单元：
1b1)按照附图2中A1->B1->B0->A0->(B2)的顺序得到空域候选预测单元，其中A0、A1、B0、B1和B2分别表示位于当前编码单元左下、左边、右上、上边和左上位置的预测单元，只有当A1,B1,B0,A0中有一个不可用或者帧内编码的时候使用B2；
1b2)根据附图3所示C和H位置选取时域候选预测单元，C和H分别表示位于当前编码单元中心和右下位置的预测单元，当位于H处的预测单元为不可得、帧内模式、位于编码单元的边界之外这三种情况时，使用C位置，其他情况都使用H位置；
1b3)获得空域和时域融合候选预测单元之后，如果融合候选预测单元总个数没有达到常数5，则在候选列表的尾端添加上零矢量融合候选预测单元；
1b4)当融合候选预测单元数达到5之后，从中选出一个具有最佳运动参数的预测单元，称为最佳参考预测单元，若最佳参考预测单元为空域相邻预测单元，则它所在的编码单元为最佳空域参考编码单元，执行步骤1c)，否则，遍历高效率视频编码标准中的所有预测模式；
1c)统计编码单元最佳预测模式与最佳空域参考编码单元最佳预测模式之间的概率关系：
1c1)从最佳空域参考编码单元的8种最佳预测模式中选择SKIP模式，计算编码单元的最佳预测模式分别为10种预测模式的概率，即这10种预测模式所对应的编码单元分别在最佳空域参考编码单元的最佳预测模式为SKIP模式的编码单元中占的比例，其中最佳空域参考编码单元的8种最佳预测模式包括：SKIP,Inter_2N×2N,Inter_N×2N,Inter_2N×N,Inter_2N×nU,Inter_2N×nD,Inter_nL×2N,Inter_nR×2N，编码单元的10种最佳预测模式包括：SKIP,Inter_2N×2N,Inter_N×2N,Inter_2N×N,Inter_2N×nU,Inter_2N×nD,Inter_nL×2N,Inter_nR×2N,Intra_2N×2N,Intra_N×N；
1c2)重复步骤1c1)，分别选择最佳空域参考编码单元的最佳预测模式为其他7种预测模式，计算编码单元的最佳预测模式为上述10种预测模式的概率。
步骤二：构建低时延和随机接入时延配置条件下编码单元最佳预测模式与最佳空域参考编码单元最佳预测模式之间的概率关系表：
若时延配置条件为低时延，则在[20,26]、[27,31]、[32,36]、[37,41]这四种不同量化参数范围中，分别对0,1,2,3这四个编码深度，根据步骤一所得的当前编码单元最佳预测模式与最佳空域参考编码单元最佳预测模式之间的概率关系，构建概率关系表；
若时延配置条件为随机接入，则在[20,26]、[27,31]、[32,36]、[37,41]这四种不同量化参数范围中，分别对1,2,3,4这四个时域分层，根据步骤一所得的在0,1,2,3这四个编码深度时当前编码单元最佳预测模式与最佳空域参考编码单元最佳预测模式之间的概率关系，构建概率关系表。
步骤三：从第11个帧间编码帧开始，判断待编码单元是否为时域同质编码单元：若待编码单元为时域同质编码单元，执行步骤四，否则，遍历高效率视频编码标准中的所有预测模式，执行步骤九。
步骤四：判断待编码单元是否具有最佳空域参考编码单元：若待编码单元具有最佳空域参考编码单元，求出最佳空域参考编码单元的最佳预测模式，执行步骤五；否则，遍历高效率视频编码标准中所有的预测模式，执行步骤九。
步骤五：统计所有已编码单元中以步骤四得到的最佳预测模式为其最佳空域参考编码单元最佳预测模式的编码单元个数，若编码单元个数小于10，则遍历高效率视频编码标准中的所有预测模式，执行步骤九；否则，执行步骤六。
步骤六：根据模式选择经验给出概率阈值，并根据概率阈值选择候选预测模式。
6a)根据模式选择经验给出概率阈值：
在低时延配置条件下，不同量化参数范围下的概率阈值如表21所示：
表21 低时延自适应概率阈值
表21中，Ratio_skip表示编码深度为0,1,2且最佳空域参考编码单元最佳预测模式为SKIP的概率阈值，Ratio_default表示编码深度为0,1,2且最佳空域参考编码单元最佳预测模式为除SKIP之外的其余预测模式的概率阈值，Ratio_Depth3表示编码深度为3时且最佳空域参考编码单元最佳预测模式为所有预测模式的概率阈值；
在随机接入配置条件下，不同时域分层与量化参数范围情况下的概率阈值如表22所示：
表22 随机接入自适应概率阈值
表22中，Ratio_skip表示编码深度为0,1,2且最佳空域参考编码单元最佳预测模式为SKIP的概率阈值，Ratio_default表示编码深度为0,1,2且最佳空域参考编码单元最佳预测模式为除SKIP之外的其余预测模式的概率阈值，Ratio_Depth3_skip表示编码深度为3且最佳空域参考编码单元最佳预测模式为SKIP的概率阈值，Ratio_Depth3_default表示编码深度为3且最佳空域参考编码单元最佳预测模式为除SKIP之外的其余预测模式的概率阈值；
6b)选择候选预测模式：
6b1)将步骤二概率表中的预测模式概率按照从大到小的顺序排序；
6b2)选择使得预测模式的概率之和大于步骤6a)所求得的相对应时延配置条件、量化参数范围、时域分层和编码深度情况下的概率阈值，且模式数量最少的一种或多种预测模式作为编码单元的候选预测模式，若最佳空域参考编码单元最佳预测模式为SKIP,Inter_2N×2N,Inter_N×2N,Inter_2N×N，要求候选预测模式总数不多于4个；若最佳空域参考编码单元最佳预测模式为Inter_2N×nU，Inter_2N×nD，Inter_nL×2N,Inter_nR×2N，要求候选预测模式总数不多于5个。
步骤七：根据候选预测模式，按照高效率视频编码标准中的编码流程对编码单元进行编码，得到最佳预测模式。
步骤八：对待编码单元进行编码完后，记录该编码单元最佳预测模式和最佳空域参考编码单元最佳预测模式，更新步骤二中的概率关系表。
步骤九：对下一个编码单元重复执行步骤三到步骤八。
本发明的效果可通过以下仿真进一步说明：
1.实验环境
使用VS2010编码环境，用参考软件HM16.0进行测试，编码配置条件为低时延配置和随机接入配置。
实验测试的视频序列详细信息如表23：
表23 视频序列详细信息
2.实验内容
使用本发明方法、CFM快速方法、ESD快速方法和Jong-Hyeok Lee快速方法分别对表23中的所有视频序列进行编码，记录编码时间和率失真性能估计量BD-PSNR，结果如表24-表26，其中表24是本发明方法与CFM快速方法编码性能的比较，表25是本发明方法与ESD快速方法编码性能的比较，表26是本发明方法与Jong-Hyeok Lee快速方法编码性能的比较。
表24-表26中的，表示本发明方法与现有快速方法相比时间变化量，其中Timepro表示视频序列应用本发明所用的时间，Timeref表示视频序列采用CFM快速方法、ESD快速方法或Jong-Hyeok Lee快速方法所用的时间。“-”表示本发明方法比现有快速方法在时间方面提速了。BD-PSNR表示在给定的同等码率下，两种方法的亮度峰值信噪比PSNR-Y的差异，其单位是dB，“-”表示本发明方法比现有快速方法降低了亮度峰值信噪比PSNR-Y。
表24 本发明方法与CFM快速方法比较
由表24可见，本发明方法与CFM快速方法相比，低时延配置时在BD-PSNR平均降低0.01861dB的情况下，编码时间平均提速了15.31％；随机接入配置时在BD-PSNR平均降低0.00928dB的情况下，编码时间平均提速了16.01％。
表25 本发明方法与ESD快速方法比较
由表25可见，本发明方法与ESD快速方法相比，低时延配置时在BD-PSNR平均降低0.04793dB的情况下，编码时间平均提速了22.72％，随机接入配置时在BD-PSNR平均降低0.03367dB的情况下，编码时间平均提速了21.33％。
表26 本发明方法与Jong-Hyeok Lee快速方法比较
由表26可见，本发明方法与Jong-Hyeok Lee快速方法相比，随机接入配置时在BD-PSNR平均增加0.0256dB的情况下，编码时间平均提速了9.04％。
综上所述，本发明利用空域相关性，跳过冗余的预测模式，进一步提升了预测模式选择的速度，为HEVC标准的实时实现提供了技术基础。
上述描述为本发明的优选实例，显然本领域的研究人员可参考本发明的优选实例和附图对本发明做出各种修改和替换，这些修改和替换都应落入本发明的保护范围之内。
Claims (2)
1.一种基于空域相关性的HEVC预测模式快速选择方法，包括如下步骤：
(1)输入视频序列，统计前10个帧间编码帧中编码单元的最佳预测模式与其最佳空域参考编码单元的最佳预测模式之间的概率关系：
1a)判断编码单元是否为时域同质编码单元：
若编码单元的时延配置条件为低时延，则根据视频序列的分辨率、编码单元的量化参数和编码深度求得率失真代价函数阈值ThRD；
若编码单元的时延配置条件为随机接入，则根据视频序列的分辨率、编码单元的量化参数、时域分层和编码深度求得率失真代价函数阈值ThRD；
如果编码单元SKIP模式的率失真代价函数值小于所求出的率失真代价函数阈值ThRD，则该编码单元为时域同质编码单元，执行步骤1b)；否则，遍历高效率视频编码标准中的所有预测模式；
1b)判断编码单元是否具有最佳空域参考编码单元：若高效率视频编码标准中，通过运动融合方法得到的具有最佳运动参数的预测单元所在的编码单元为空域相邻编码单元，则该编码单元具有最佳空域参考编码单元，执行步骤1c)；否则，遍历高效率视频编码标准中的所有预测模式；
1c)判断编码单元的时延配置条件，并统计概率关系：
若时延配置条件为低时延，则在[20,26]、[27,31]、[32,36]、[37,41]这四种不同量化参数范围中，分别对0,1,2,3这四个编码深度，统计其当前编码单元最佳预测模式与最佳空域参考编码单元最佳预测模式之间的概率关系；
若时延配置条件为随机接入，在[20,26]、[27,31]、[32,36]、[37,41]这四种不同量化参数范围中，分别对1,2,3,4这四个时域分层，统计其在0,1,2,3这四个编码深度时的当前编码单元最佳预测模式与最佳空域参考编码单元最佳预测模式之间的概率关系；
(2)判断编码单元的时延配置条件，构建概率关系表：
若时延配置条件为低时延，则根据量化参数范围和编码深度情况下编码单元最佳预测模式与最佳空域参考编码单元最佳预测模式之间的概率关系，构建概率关系表；
若时延配置条件为随机接入，则根据量化参数范围、编码深度和时域分层情况下编码单元最佳预测模式与最佳空域参考编码单元最佳预测模式之间的概率关系，构建概率关系表；
(3)从第11个帧间编码帧开始，判断待编码单元是否为时域同质编码单元：若待编码单元为时域同质编码单元，执行步骤(4)，否则，遍历高效率视频编码标准中的所有预测模式，执行步骤(9)；
(4)判断待编码单元是否具有最佳空域参考编码单元：若待编码单元具有最佳空域参考编码单元，求出最佳空域参考编码单元的最佳预测模式，执行步骤(5)；否则，遍历高效率视频编码标准中所有的预测模式，执行步骤(9)；
(5)统计所有已编码单元中以步骤(4)得到的最佳预测模式为其最佳空域参考编码单元最佳预测模式的编码单元个数，若编码单元个数小于10，则遍历高效率视频编码标准中的所有预测模式，执行步骤(9)；否则，执行步骤(6)；
(6)把步骤(2)概率表中预测模式的概率从大到小排序，选择使得概率之和大于相对应时延配置条件、量化参数范围、时域分层和编码深度情况下的概率阈值且模式数量最少的一种或多种预测模式作为编码单元的候选预测模式；
(7)根据候选预测模式，按照高效率视频编码标准中的编码流程对编码单元进行编码，得到最佳预测模式；
(8)对待编码单元进行编码完后，记录该编码单元最佳预测模式和最佳空域参考编码单元最佳预测模式，更新步骤(2)中的概率关系表；
(9)对下一个编码单元重复执行步骤(3)到步骤(8)。
2.根据权利要求1所述的基于空域相关性的HEVC预测模式快速选择方法，其中所述步骤1a)和1b)中的率失真代价函数阈值ThRD，由如下公式确定：
ThRD＝exp(a+b×QP)，
其中exp是指数函数；QP为编码单元的量化参数，取值范围为[20,41]；参数a和b是表示阈值的对数与量化参数QP之间的回归系数，a为回归系数中的常数，b为回归系数中的一次项的系数，a和b的数值由具体视频序列的分辨率、编码条件、时域分层和编码深度确定。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410674880.0A CN104394409B (zh) | 2014-11-21 | 2014-11-21 | 基于空域相关性的hevc预测模式快速选择方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410674880.0A CN104394409B (zh) | 2014-11-21 | 2014-11-21 | 基于空域相关性的hevc预测模式快速选择方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104394409A true CN104394409A (zh) | 2015-03-04 |
| CN104394409B CN104394409B (zh) | 2017-09-26 |
Family
ID=52612237
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410674880.0A Expired - Fee Related CN104394409B (zh) | 2014-11-21 | 2014-11-21 | 基于空域相关性的hevc预测模式快速选择方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104394409B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105430407A (zh) * | 2015-12-03 | 2016-03-23 | 同济大学 | 应用于h.264到hevc转码的快速帧间模式决策方法 |
| CN105635736A (zh) * | 2016-03-14 | 2016-06-01 | 杭州电子科技大学 | 一种简单快速的合并方法 |
| CN105704494A (zh) * | 2016-03-09 | 2016-06-22 | 西安电子科技大学 | 基于深度相关性的屏幕内容编码帧间快速编码方法 |
| CN108989801A (zh) * | 2018-07-27 | 2018-12-11 | 福州大学至诚学院 | 一种基于时空特性的自适应模式选择快速方法 |
| CN110213588A (zh) * | 2019-06-25 | 2019-09-06 | 浙江大华技术股份有限公司 | 空域候选运动信息获取方法、装置、编解码器及存储装置 |
| CN110677668A (zh) * | 2018-07-01 | 2020-01-10 | 北京字节跳动网络技术有限公司 | 空间运动压缩 |
| CN111212292A (zh) * | 2020-01-16 | 2020-05-29 | 郑州轻工业大学 | 基于h.266的自适应cu分区和跳过模式方法 |
| CN111726626A (zh) * | 2020-06-18 | 2020-09-29 | 上海兆芯集成电路有限公司 | 集成电路及用于视频解码的概率表存储方法 |
| WO2024077767A1 (zh) * | 2022-10-14 | 2024-04-18 | 北京大学深圳研究生院 | 一种面向学习模型的编码决策处理方法、装置及设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101179729A (zh) * | 2007-12-20 | 2008-05-14 | 清华大学 | 一种基于帧间模式统计分类的h.264宏块模式选择方法 |
| WO2012126045A1 (en) * | 2011-03-23 | 2012-09-27 | Canon Kabushiki Kaisha | Modulo embedding of video parameters |
| CN103297774A (zh) * | 2013-05-13 | 2013-09-11 | 清华大学深圳研究生院 | 一种视频编码中b帧的快速编码方法 |
| WO2013155666A1 (en) * | 2012-04-16 | 2013-10-24 | Mediatek Singapore Pte. Ltd. | Methods and apparatuses of intra mode coding for hevc |
-
2014
- 2014-11-21 CN CN201410674880.0A patent/CN104394409B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101179729A (zh) * | 2007-12-20 | 2008-05-14 | 清华大学 | 一种基于帧间模式统计分类的h.264宏块模式选择方法 |
| WO2012126045A1 (en) * | 2011-03-23 | 2012-09-27 | Canon Kabushiki Kaisha | Modulo embedding of video parameters |
| WO2013155666A1 (en) * | 2012-04-16 | 2013-10-24 | Mediatek Singapore Pte. Ltd. | Methods and apparatuses of intra mode coding for hevc |
| CN103297774A (zh) * | 2013-05-13 | 2013-09-11 | 清华大学深圳研究生院 | 一种视频编码中b帧的快速编码方法 |
Non-Patent Citations (3)
| Title |
|---|
| JONG-HYEOK: "Novelfast PU decision algorithm for the HEVC video standard", 《IEEE INTERNATIONAL CONFERENCE ON IMAGE PROCESSING》 * |
| 张新晨: "一种HEVC帧内预测快速算法", 《计算机工程》 * |
| 钟国韵: "时空域相关性的快速HEVC帧间模式判决方法", 《东华理工大学学报( 自然科学版)》 * |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105430407A (zh) * | 2015-12-03 | 2016-03-23 | 同济大学 | 应用于h.264到hevc转码的快速帧间模式决策方法 |
| CN105430407B (zh) * | 2015-12-03 | 2018-06-05 | 同济大学 | 应用于h.264到hevc转码的快速帧间模式决策方法 |
| CN105704494A (zh) * | 2016-03-09 | 2016-06-22 | 西安电子科技大学 | 基于深度相关性的屏幕内容编码帧间快速编码方法 |
| CN105704494B (zh) * | 2016-03-09 | 2018-08-17 | 西安电子科技大学 | 基于深度相关性的屏幕内容编码帧间快速编码方法 |
| CN105635736A (zh) * | 2016-03-14 | 2016-06-01 | 杭州电子科技大学 | 一种简单快速的合并方法 |
| CN105635736B (zh) * | 2016-03-14 | 2018-11-13 | 杭州电子科技大学 | 一种简单快速的合并方法 |
| CN110677668A (zh) * | 2018-07-01 | 2020-01-10 | 北京字节跳动网络技术有限公司 | 空间运动压缩 |
| US11595683B2 (en) | 2018-07-01 | 2023-02-28 | Beijing Bytedance Network Technology Co., Ltd. | Priority-based non-adjacent merge design |
| CN108989801A (zh) * | 2018-07-27 | 2018-12-11 | 福州大学至诚学院 | 一种基于时空特性的自适应模式选择快速方法 |
| CN108989801B (zh) * | 2018-07-27 | 2021-10-08 | 福州大学至诚学院 | 一种基于时空特性的自适应模式选择快速方法 |
| CN110213588A (zh) * | 2019-06-25 | 2019-09-06 | 浙江大华技术股份有限公司 | 空域候选运动信息获取方法、装置、编解码器及存储装置 |
| CN111212292A (zh) * | 2020-01-16 | 2020-05-29 | 郑州轻工业大学 | 基于h.266的自适应cu分区和跳过模式方法 |
| CN111212292B (zh) * | 2020-01-16 | 2023-04-28 | 郑州轻工业大学 | 基于h.266的自适应cu分区和跳过模式方法 |
| CN111726626A (zh) * | 2020-06-18 | 2020-09-29 | 上海兆芯集成电路有限公司 | 集成电路及用于视频解码的概率表存储方法 |
| CN111726626B (zh) * | 2020-06-18 | 2022-05-03 | 格兰菲智能科技有限公司 | 集成电路及用于视频解码的概率表存储方法 |
| WO2024077767A1 (zh) * | 2022-10-14 | 2024-04-18 | 北京大学深圳研究生院 | 一种面向学习模型的编码决策处理方法、装置及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104394409B (zh) | 2017-09-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104394409A (zh) | 基于空域相关性的hevc预测模式快速选择方法 | |
| CN110784712B (zh) | 一种编解码方法、装置及存储介质 | |
| CN101309421B (zh) | 帧内预测模式选择方法 | |
| CN1719735A (zh) | 编码源图像序列的方法和设备 | |
| CN106412585A (zh) | 内部预测模式编码的方法 | |
| CN105141954A (zh) | 一种hevc帧间编码快速模式选择方法 | |
| CN103997646A (zh) | 一种高清视频编码中快速帧内预测模式选择方法 | |
| CN105917648A (zh) | 具有非对称分区的帧内块复制预测以及编码器侧搜索图案、搜索范围和用于分区的方法 | |
| CN104883565A (zh) | 一种高效视频编码的帧内预测模式决策方法及装置 | |
| CN104639940B (zh) | 一种快速hevc帧内预测模式选择方法 | |
| CN104333754B (zh) | 基于预测模式快速选择的shvc增强层视频编码方法 | |
| CN104023233A (zh) | 一种hevc快速帧间预测方法 | |
| CN104333756B (zh) | 基于时域相关性的hevc预测模式快速选择方法 | |
| CN101888546B (zh) | 一种运动估计的方法及装置 | |
| CN105898332B (zh) | 针对3d-hevc编码标准的快速深度图帧内模式判决方法 | |
| CN114222145A (zh) | 一种低复杂度的快速vvc帧内编码方法 | |
| CN104853191A (zh) | 一种hevc的快速编码方法 | |
| CN105306957A (zh) | 自适应环路滤波方法和设备 | |
| CN103533355A (zh) | 一种hevc快速编码方法 | |
| CN105657420A (zh) | 一种面向hevc的快速帧内预测模式判决方法和装置 | |
| CN104601992B (zh) | 基于贝叶斯最小风险决策的skip模式快速选择方法 | |
| CN105681808A (zh) | 一种scc帧间编码单元模式的快速决策方法 | |
| CN103596003B (zh) | 高性能视频编码的帧间预测快速模式选择方法 | |
| CN104581152A (zh) | 一种hevc帧内预测模式选择加速方法 | |
| CN104333755B (zh) | HEVC中B帧的基于SKIP/Merge RD Cost的CU提前终止方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170926 |