CN104601992B - 基于贝叶斯最小风险决策的skip模式快速选择方法 - Google Patents

基于贝叶斯最小风险决策的skip模式快速选择方法 Download PDF

Info

Publication number
CN104601992B
CN104601992B CN201510007324.2A CN201510007324A CN104601992B CN 104601992 B CN104601992 B CN 104601992B CN 201510007324 A CN201510007324 A CN 201510007324A CN 104601992 B CN104601992 B CN 104601992B
Authority
CN
China
Prior art keywords
skip
patterns
skip patterns
rate distortion
distortion costs
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.)
Active
Application number
CN201510007324.2A
Other languages
English (en)
Other versions
CN104601992A (zh
Inventor
张小云
胡强
石志儒
高志勇
陈立
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN201510007324.2A priority Critical patent/CN104601992B/zh
Publication of CN104601992A publication Critical patent/CN104601992A/zh
Application granted granted Critical
Publication of CN104601992B publication Critical patent/CN104601992B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Abstract

本发明提供了一种基于贝叶斯最小风险决策的SKIP模式快速选择方法，具体步骤是：首先采用当前编码单元的SKIP模式的率失真代价作为决策特征，在线统计学习前四帧，针对不同量化参数及不同编码单元深度，通过非参数概率密度估计分别得到最优选为SKIP模式和非SKIP模式时的决策特征的条件概率分布。然后基于在线学习的统计信息，利用贝叶斯风险最小模型对剩余帧的SKIP模式进行提前判决。此方法能够在保证编码性能的情况下，可以快速的进行SKIP模式的判定，从而跳过其它不必要的预测编码模式计算，能够有效的降低HEVC编码器的编码复杂度，有利于实现HEVC编码器的实时应用。

Description

基于贝叶斯最小风险决策的SKIP模式快速选择方法
技术领域
本发明涉及视频编码技术领域，具体地，涉及一种基于贝叶斯最小风险决策的SKIP模式快速选择。
背景技术
随着科技的快速发展，人们对视觉和听觉质量的要求越来越高，高清视频和超高清视频开始被普遍关注。HEVC是新一代的视频压缩标准，被视为是ITU-T H.264/MPEG-4AVC标准的继任者。2004年开始由ISO/IEC Moving Picture Experts Group(MPEG)和ITU-TVideo Coding Experts Group(VCEG)开始制定，并于2013年1月26号正式成为国际视频编码标准。HEVC被认为不仅提升图像质量，同时也能达到H.264/MPEG-4AVC两倍压缩率即同样画面质量下比特率减少了50％。
作为新一代视频编码标准，HEVC(H.265)仍然属于预测加变换的混合编码框架。采用了更加灵活的编码结构来提高编码效率，包括编码单元(CU)、预测单元(PU)和变换单元(TU)，编码单元的最大值被称为最大编码单元(LCU)。HEVC中的预测模式也大大增加，包括：SKIP模式，Merge模式，Inter 2Nx2N，Inter Nx2N，Inter 2NxN，Inter 2NxnU，Inter 2NxnD，Inter nLx2N，Inter nRx2N，Inter NxN，Intra 2Nx2N和Intra NxN。为了得到最好编码性能，所有CU采用递归遍历的方式来找出最佳编码模式，这个过程中Rate-DistortionOptimization(RDO)技术会被采用来得到最佳的性能，但是这将带来极大的计算复杂度。同时，对于变换单元采用Residual Quad-tree Transform(RQT)分割结构，RQT是一种自适应的变换技术。对于帧间编码，其允许变换块的大小根据运动补偿块的大小进行自适应的调整；对于帧内编码，其允许变换块的大小根据帧内预测残差的特性进行自适应的调整。并且HEVC采用了样本自适应偏移(SAO：Sample Adaptive Offset)技术。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种基于贝叶斯最小风险决策的SKIP模式快速选择方法，在于保证编码性能的条件下，快速进行SKIP模式的判定尽可能的减少运算复杂度，能够极大地降低HEVC的编码复杂度。
为实现上述目的，本发明采用以下技术方案：本发明是基于新一代视频压缩标准(HEVC)，对帧间编码模式中的SKIP模式进行快速选择，该方法在保持编码性能的情况下有效的减少编码复杂度。
一种基于贝叶斯最小风险决策的SKIP模式快速选择方法，具体包括如下步骤：
步骤1：在线统计学习前四帧，采用HEVC中标准过程编码CU，并记录不同量化参数(QP)和不同编码深度下最优为SKIP模式和非SKIP模式的个数及其对应SKIP模式的率失真代价；
步骤2：通过非参数估计分别得到最优为SKIP模式和非SKIP模式的概率，及在SKIP模式下的SKIP的率失真代价条件概率分布和在非SKIP模式下的SKIP的率失真代价条件概率分布；
步骤3：对剩余帧采用基于贝叶斯最小风险决策的SKIP模式快速选择，对于给定的CU，首先检测SKIP模式并得到其率失真代价；
步骤4：根据SKIP模式的率失真代价，代入非参数估计模型中算出SKIP模式下的SKIP的率失真代价条件概率和在非SKIP模式下的SKIP的率失真代价条件概率；
步骤5：将步骤4中得到的值代入贝叶斯最小风险模型中判断本层CU最优模式是否为SKIP模式，若是SKIP模式则转步骤7，否则转步骤6；
步骤6：对本层CU的其它预测模式进行编码；
步骤7：跳过本层CU的其它预测编码模式并进入下一层CU的模式选择。
与现有技术相比，本发明具有如下的有益效果：
本发明提供的方法能够通过对SKIP模式的提前判断，能有效减少不必要的预测模式的计算，实现在较小的性能损失下降低HEVC编码的计算复杂度，使编码速度得到了大幅提高。经验证，在使用了该发明之后，在HEVC的参考编码器HM14.0下，针对多个视频序列编码器平均有50％的速度提升，而BD-rate(相同质量下的码率)仅有0.34％的增加。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1是SKIP模式和非SKIP模式直方图密度估计图；
图2是本发明一实施例的方法流程图；
图3是本发明与原始编码器每帧编码时间比较图；
图4是本发明与原始编码器率失真(RD)性能曲线比较图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明的保护范围。
如图2所示，本发明基于贝叶斯最小风险决策的SKIP模式快速选择方法的流程图：首先采用当前编码单元的SKIP模式的率失真代价作为决策特征，在线统计学习前四帧，针对不同量化参数及不同编码单元深度，通过非参数概率密度估计分别得到最优选为SKIP模式和非SKIP模式时的决策特征的条件概率分布。然后基于在线学习的统计信息，利用贝叶斯风险最小模型对剩余帧的SKIP模式进行提前判决。此方法能够在保证编码性能的情况下，可以快速的进行SKIP模式的判定，从而跳过其它不必要的预测编码模式计算，能够有效的降低HEVC编码器的编码复杂度，有利于实现HEVC编码器的实时应用。
所述方法具体实施步骤如下：
步骤(1)：在线学习前四帧，并记录各种参数，具体是：
采用HEVC中标准过程编码所有CU，并记录不同量化参数(QP)和不同编码深度(d)下最优为SKIP模式的个数和非SKIP模式的个数及其对应SKIP模式的归一化率失真代价归一化公式如下：
其中右移的位数与编码深度d相关，shift[d]＝{8，6，4，2}。
步骤(2):通过非参数估计分别得到最优为SKIP模式和非SKIP模式的概率，及在SKIP模式下的SKIP的率失真代价条件概率分布和在非SKIP模式下的SKIP的率失真代价条件概率分布，具体是：
非参数估计采用直方图方法分别得到最优为SKIP模式和非SKIP模式的概率及在SKIP模式下的SKIP的率失真代价条件概率分布和在非SKIP模式下的SKIP的率失真代价条件概率分布其中：
其中S，nS分别是SKIP和非SKIP的简写，分别表示编码单元深度d下最优为SKIP模式和非SKIP模式，而和则分别表示编码单元深度d下最优为SKIP模式和非SKIP模式的个数。
直方图密度估计是应用最早也是应用最为广泛的密度估计方法，它是用一组样本构造概率密度的经典方法，在一维情况下，实轴被划分成一些大小相等的单元格，每个单元格上估计的图像为一个阶梯形，若从每一个端点向底边作垂线以构成矩形，则得到一些由直立的矩形排在一起而构成的直方图。带宽的选择：一方面，带宽太大时，平均化的作用突出了，而淹没了宽度的细节部分，使得潜在密度函数的细节部分将不能被充分的体现；而另一方面，当带宽太小时，则随机性影响太大，而产生极不规则的形状，直方图的变化将过于剧烈以至于无法对直方图进行正确的识别。因此实验中采用最大代价值为1800，而最多单元格为600个，则每个单元格范围为3。图1是以编码视频序列BasketballDrive时按照步骤(1)的统计参数得到的直方图密度估计，其中QP＝32以及d＝1。
步骤(3)：对剩余帧采用基于贝叶斯最小风险决策的SKIP模式快速选择，对于给定的CU，首先检测SKIP模式并得到其率失真代价。
步骤(4)：根据SKIP模式的率失真代价，代入非参数估计模型中算出SKIP模式下的SKIP的率失真代价条件概率和在非SKIP模式下的SKIP的率失真代价条件概率，具体是：
根据SKIP模式的率失真代价代入直方图密度估计模型中算出SKIP模式下的SKIP的率失真代价条件概率和在非SKIP模式下的SKIP的率失真代价条件概率
步骤(5)：将步骤(4)中得到的值代入贝叶斯最小风险模型中判断本层CU最优模式是否为SKIP模式，具体是：
将步骤(4)中得到的值代入贝叶斯最小风险模型中判断本层CU最优模式是否为SKIP模式，贝叶斯最小风险模型如下：
其中S，nS分别是SKIP和非SKIP的简写，分别表示编码单元深度d下最优为SKIP模式和非SKIP模式，风险系数表示错选为非SKIP模式而实际为SKIP模式的损失，而表示错选为SKIP模式而实际为非SKIP模式的损失。实际运用中为保证编码性能风险系数比为0.25。若选为SKIP模式的风险小于选为非SKIP模式的风险则将选择为SKIP模式跳至步骤(7)，否则选择为非SKIP模式跳至步骤(6)。
步骤(6)：对本层CU的其它预测模式进行编码，具体是：
如果没有选择为SKIP模式，则进行该层的其余模式编码，即包括Inter 2Nx2N,Inter Nx2N,Inter 2NxN,Inter 2NxnU,Inter 2NxnD,Inter nLx2N,Inter nRx2N,InterNxN,Intra 2Nx2N和Inter NxN，分别计算各个模式的率失真代价，选出其中率失真代价最小的模式作为当前层的最优预测模式。
步骤(7)：如果选择为SKIP模式作为当前层的最优预测模式，则跳过本层CU的其它预测编码模式并进入下一层CU的模式选择。
整个SKIP模式提前判定流程可参照图2，而图3则为QP＝32时原始参考编码器HM14.0与使用本发明方法后编码视频序列BasketballDrive的每一帧编码时间的对比，从图可知当前四帧是统计学习的过程，此时两种编码方法的计算时间一样，而统计学习过程则是周期性更新的，更新周期为50帧。当完成统计学习后，采用本发明的方法可以大幅减少每一帧编码时间。图4则是本发明与原始参考编码器的RD性能比较图，从图可以看出两个曲线重合，表明RD性能没有明显下降。经验证，在使用了该发明之后，在HEVC的参考编码器HM14.0下，针对多个视频序列编码器平均有50％的速度提升，而BD-rate(相同质量下的码率)仅有0.34％的增加。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。

Claims (6)

1.一种基于贝叶斯最小风险决策的SKIP模式快速选择方法，其特征在于，包括如下步骤：
步骤1：在线统计学习前四帧，采用HEVC中标准过程编码CU，并记录不同量化参数和不同编码深度下最优为SKIP模式和非SKIP模式的个数及其对应SKIP模式的率失真代价；
步骤2：通过非参数估计分别得到最优为SKIP模式和非SKIP模式的概率，及在SKIP模式下的SKIP的率失真代价条件概率分布和在非SKIP模式下的SKIP的率失真代价条件概率分布；
步骤3：对剩余帧采用基于贝叶斯最小风险决策的SKIP模式快速选择，对于给定的CU，首先检测SKIP模式并得到其率失真代价；
步骤4：根据SKIP模式的率失真代价，代入非参数估计模型中算出SKIP模式下的SKIP的率失真代价条件概率和在非SKIP模式下的SKIP的率失真代价条件概率；
步骤5：将步骤4中得到的值代入贝叶斯最小风险模型中判断本层CU最优模式是否为SKIP模式，若是SKIP模式则转步骤7，否则转步骤6；
步骤6：对本层CU的其它预测模式进行编码；
步骤7：跳过本层CU的其它预测编码模式并进入下一层CU的模式选择；
其中在步骤1中：在线学习前四帧，采用HEVC中标准过程编码每一个CU，并记录不同量化参数和不同编码单元深度d下最优为SKIP模式的个数和非SKIP模式的个数及其对应SKIP模式的率失真代价归一化公式如下：
其中右移的位数与编码深度d相关，shift[d]＝{8，6，4，2}；S，nS分别是SKIP和非SKIP的简写。
2.根据权利要求1所述的基于贝叶斯最小风险决策的SKIP模式快速选择方法，其特征在于，步骤2中：非参数估计采用直方图方法分别得到最优为SKIP模式和非SKIP模式的概率及在SKIP模式下的SKIP的率失真代价条件概率分布和在非SKIP模式下的SKIP的率失真代价条件概率分布其中：
其中分别表示编码单元深度d下最优为SKIP模式和非SKIP模式，而和则分别表示编码单元深度d下最优为SKIP模式和非SKIP模式的个数。
3.根据权利要求2所述的基于贝叶斯最小风险决策的SKIP模式快速选择方法，其特征在于，步骤4中：根据SKIP模式的率失真代价代入直方图密度估计模型中算出SKIP模式下的SKIP的率失真代价条件概率和在非SKIP模式下的SKIP的率失真代价条件概率
4.根据权利要求1所述的基于贝叶斯最小风险决策的SKIP模式快速选择方法，其特征在于，步骤5中：将步骤4中得到的值代入贝叶斯最小风险模型中判断本层CU最优模式是否为SKIP模式，贝叶斯最小风险模型如下：
其中分别表示编码单元深度d下最优为SKIP模式和非SKIP模式，风险系数表示错选为非SKIP模式而实际为SKIP模式的损失，而表示错选为SKIP模式而实际为非SKIP模式的损失；若选为SKIP模式的风险小于选为非SKIP模式的风险则将选择为SKIP模式否则选择为非SKIP模式。
5.根据权利要求4所述的基于贝叶斯最小风险决策的SKIP模式快速选择方法，其特征在于，为保证编码性能，风险系数比为0.25。
6.根据权利要求1-5任一项所述的基于贝叶斯最小风险决策的SKIP模式快速选择方法，其特征在于，步骤6中：如果没有选择为SKIP模式，则进行该层的其余模式编码，即包括Inter 2Nx2N,Inter Nx2N,Inter 2NxN,Inter 2NxnU,Inter 2NxnD,Inter nLx2N,InternRx2N,Inter NxN,Intra 2Nx2N和Inter NxN，分别计算各个模式的率失真代价，选出其中率失真代价最小的模式作为当前层的最优预测模式。
CN201510007324.2A 2015-01-07 2015-01-07 基于贝叶斯最小风险决策的skip模式快速选择方法 Active CN104601992B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510007324.2A CN104601992B (zh) 2015-01-07 2015-01-07 基于贝叶斯最小风险决策的skip模式快速选择方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510007324.2A CN104601992B (zh) 2015-01-07 2015-01-07 基于贝叶斯最小风险决策的skip模式快速选择方法

Publications (2)

Publication Number Publication Date
CN104601992A CN104601992A (zh) 2015-05-06
CN104601992B true CN104601992B (zh) 2018-07-03

Family

ID=53127447

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510007324.2A Active CN104601992B (zh) 2015-01-07 2015-01-07 基于贝叶斯最小风险决策的skip模式快速选择方法

Country Status (1)

Country Link
CN (1) CN104601992B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105407357B (zh) * 2015-12-04 2019-07-05 上海交通大学 基于聂曼-皮尔逊准则的skip模式快速选择方法
CN105430396B (zh) * 2015-12-15 2019-04-19 浙江大学 采用分类的方式决策编码块大小的视频编码方法
CN106803962B (zh) * 2017-02-16 2019-10-18 南京理工大学 基于贝叶斯准则的3d视频深度图帧内预测模式选择方法
CN108632615A (zh) * 2018-04-09 2018-10-09 首都师范大学 一种基于运动矢量分析的hevc提前判断skip模式的方法
CN110072113B (zh) * 2019-05-17 2023-03-10 华侨大学 一种基于贝叶斯决策的3d-hevc深度图帧间快速算法
CN111031303B (zh) * 2019-11-21 2021-01-26 郑州轻工业大学 基于贝叶斯决策定理的3d-hevc快速深度编码方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101448159A (zh) * 2009-01-08 2009-06-03 北京航空航天大学 一种基于率失真代价和模式频率的快速帧间模式选择方法
CN101527851A (zh) * 2009-04-10 2009-09-09 清华大学深圳研究生院 H.264中p帧模式的快速选择方法
CN102984521A (zh) * 2012-12-12 2013-03-20 四川大学 基于时域相关性的高性能视频编码帧间模式判决方法
CN104243997A (zh) * 2014-09-05 2014-12-24 南京邮电大学 一种质量可分级hevc视频编码方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120281761A1 (en) * 2011-05-02 2012-11-08 Futurewei Technologies, Inc. System and Method for Macroblock Transcoding

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101448159A (zh) * 2009-01-08 2009-06-03 北京航空航天大学 一种基于率失真代价和模式频率的快速帧间模式选择方法
CN101527851A (zh) * 2009-04-10 2009-09-09 清华大学深圳研究生院 H.264中p帧模式的快速选择方法
CN102984521A (zh) * 2012-12-12 2013-03-20 四川大学 基于时域相关性的高性能视频编码帧间模式判决方法
CN104243997A (zh) * 2014-09-05 2014-12-24 南京邮电大学 一种质量可分级hevc视频编码方法

Also Published As

Publication number Publication date
CN104601992A (zh) 2015-05-06

Similar Documents

Publication Publication Date Title
CN104601992B (zh) 基于贝叶斯最小风险决策的skip模式快速选择方法
CN109688414B (zh) 一种vvc帧内编码单元候选预测模式缩减及块划分提前终止方法
TWI581612B (zh) 導出運動資訊的方法
TWI791252B (zh) 在高級運動向量預測模式中的圖像解碼方法
TWI711297B (zh) 利用量化係數分量與圖框間預測資訊解碼視訊資料的方法
CN106937116B (zh) 基于随机训练集自适应学习的低复杂度视频编码方法
CN107566846B (zh) 视频编码跳过模式决策方法、装置、设备及存储介质
KR20130002284A (ko) 픽셀 분류에 따른 오프셋 조정을 이용하는 비디오 부호화 방법 및 그 장치, 비디오 복호화 방법 및 그 장치
CN103873861A (zh) 一种用于hevc的编码模式选择方法
CN104969552A (zh) 存储减少的帧内预测模式决策
CN108184119A (zh) 推导量化参数的方法
CN114501010B (zh) 图像编码方法、图像解码方法及相关装置
KR20110010324A (ko) 영상의 부호화 방법 및 장치, 영상 복호화 방법 및 장치
CN103348681A (zh) 用于确定参考单元的方法和装置
Chen et al. Improving video coding quality by perceptual rate-distortion optimization
WO2022121787A1 (zh) 视频预测编码的方法及装置
CN101554058B (zh) 基于帧内预测进行编码和解码的方法和装置
CN114339218A (zh) 图像编码方法、图像编码装置、电子设备和可读存储介质
CN108989818B (zh) 一种图像编码参数调整方法及装置
CN117480778A (zh) 残差编码和视频编码方法、装置、设备和系统
CN104333755B (zh) HEVC中B帧的基于SKIP/Merge RD Cost的CU提前终止方法
CN108881905B (zh) 基于概率的帧内编码器优化方法
CN108322740B (zh) 一种编码复杂度可控的编码方法
CN105407357B (zh) 基于聂曼-皮尔逊准则的skip模式快速选择方法
Liu et al. Video coding and processing: a survey

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