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 PDFInfo
- 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
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
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。
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)
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)
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)
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 |
-
2015
- 2015-01-07 CN CN201510007324.2A patent/CN104601992B/zh active Active
Patent Citations (4)
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 |