CN104639940B - 一种快速hevc帧内预测模式选择方法 - Google Patents
一种快速hevc帧内预测模式选择方法 Download PDFInfo
- Publication number
- CN104639940B CN104639940B CN201510098386.9A CN201510098386A CN104639940B CN 104639940 B CN104639940 B CN 104639940B CN 201510098386 A CN201510098386 A CN 201510098386A CN 104639940 B CN104639940 B CN 104639940B
- Authority
- CN
- China
- Prior art keywords
- intra prediction
- current
- prediction mode
- roughing
- mode
- 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
本发明公开了一种快速HEVC帧内预测模式选择方法，其在帧内预测模式粗选后，充分利用了粗选的帧内预测模式对应的基于哈德玛变换的代价值的统计特性，充分考虑了视频纹理方向与帧内预测模式角度的相关性，对于不同尺寸的预测单元类型，通过阈值的方法来快速筛减粗选后的帧内预测模式或者通过计算粗选的帧内预测模式的连续性来反映预测单元的纹理方向，从而筛选掉相应不必要的粗选的帧内预测模式，这样不会引入过多的额外计算量；其在验证最有可能预测模式的过程中，充分考虑了粗选的帧内预测模式和最有可能预测模式的相关性，及视频图像本身的空间相关性，快速的获得了最终的最优帧内预测模式，在保证视频编码质量的前提下，减少了帧内编码复杂度。
Description
技术领域
本发明涉及一种视频编解码技术，尤其是涉及一种快速HEVC帧内预测模式选择方法。
背景技术
随着计算机技术的快速发展和终端处理能力的不断增强，人们对数字视频信息的要求越来越高，以满足视频实时监控、数字流媒体、超高清视频等领域的应用。国际电信联盟(ITU-T)与移动图像专家组(MPEG)成立了视频编码联合专家组(Joint CollaborativeTeam on Video Coding，JCT-VC)致力于研究新一代高效视频编码标准(High EfficiencyVideo Coding，HEVC)，其核心目标是在H.264/AVC高级档次的基础上，将压缩效率提高一倍，即在保证相同视频压缩质量的前提下，编码码率降低为原来的50％。
帧内编码是HEVC编码技术的一个重要组成部分，它充分利用视频图像的空间相关性提高编码效率。HEVC帧内编码提出了基于四叉树结构的编码单元递归划分技术和多角度多数量帧内预测模式选择技术，HEVC帧内编码采用三个基本单元即编码单元(CodingUnit,CU)、预测单元(Prediction Unit,PU)和变换单元(Transform Unit,TU)，根据率失真代价值(Rate-distortion Cost,RD Cost)从多达35种帧内预测模式中进行最优帧内预测模式的选择。编码单元递归划分技术和多角度多数量帧内预测模式选择技术的使用，虽然能够更加灵活和精细的进行预测编码，使得压缩编码后的效果更能符合视频图像本身的特性，但是也带来了较大的编码复杂度，较长的编码时间，这极不利于HEVC走向实时视频应用。因此，在保证压缩编码质量的前提下，降低HEVC帧内编码复杂度具有一定的研究价值和现实意义。
从HEVC开始制定到现在，众多学者在H.264/AVC的基础上针对HEVC编码复杂度都提出了优化改进的方法。石飞宇等人提出的一种快速帧内预测模式选择算法，其通过将35种帧内预测模式进行分级计算，利用其中17种帧内预测模式即可以选择出当前预测单元的最优帧内预测模式，实验结果表明，与原始算法相比，该快速帧内预测模式选择算法减少的时间平均可以达到50％以上，但是引起的码率变化过大，码率上升严重。齐美彬等人提出的一种结合图像纹理方向和空间相关性的HEVC帧内模式快速选择算法，其减少了RMD(RoughMode Decision)粗选过程中的候选模式数量，尽管实验效果较好，但是D类和C类视频测试序列的效果没有给出，其普遍适用性有待证实。Jiang等人提出的一种基于图像梯度模式直方图的帧内模式选择快速算法，其将每种帧内模式的梯度信息通过直方图的形式表现出来，然后根据PU单元的尺寸，选择出相应进入RMD粗选过程和率失真代价值计算的候选模式数量，但是对于每类PU单元都要用索贝尔算子计算梯度矢量信息，带来了额外的计算量，反而导致最后减少的编码时间有限。Motrac A Sd等人利用图像的纹理特性在连续视频帧图像上具有一致性的特点，提出使用相邻帧相同位置处已编码PU单元和同一帧相邻已编码PU单元的帧内预测模式来减少进行粗选过程的帧内预测模式，有一定的效果，但是该方法会引起比特率明显升高。
上述这些算法一般都可以进行帧内预测模式的快速选择，在一定程度上减少了帧内编码时间，但是很多算法引起的码率上升严重，且有的算法会引入额外的计算量或者算法的普遍适用性有待证实。
发明内容
本发明所要解决的技术问题是提供一种在保证视频编码质量的前提下，能够有效地减少帧内编码复杂度的快速HEVC帧内预测模式选择方法，其引起的码率上升基本可以忽略不计，且适应于各类视频测试序列。
本发明解决上述技术问题所采用的技术方案为：一种快速HEVC帧内预测模式选择方法，其特征在于包括以下步骤：
①将视频序列中当前待编码的视频帧定义为当前编码帧；
②将当前编码帧中当前待编码的最大编码单元定义为当前最大编码单元；
③将当前最大编码单元中当前待处理的编码单元对应的预测单元定义为当前预测单元；
④在当前预测单元下，对35种帧内预测模式进行粗选，得到当前预测单元的N个粗选的帧内预测模式，其中，若当前预测单元的尺寸大小大于8×8，则N＝3，若当前预测单元的尺寸大小为8×8或4×4，则N＝8；然后提取出当前预测单元的每个粗选的帧内预测模式的数字标识及每个粗选的帧内预测模式对应的基于哈德玛变换的代价值；再按当前预测单元的N个粗选的帧内预测模式各自对应的基于哈德玛变换的代价值从小到大的顺序，将当前预测单元的N个粗选的帧内预测模式各自的数字标识排列构成当前数字标识序列，记为NP，并将当前预测单元的N个粗选的帧内预测模式各自对应的基于哈德玛变换的代价值排列构成当前代价值序列，记为CCL；
⑤判断当前预测单元的尺寸大小是否大于8×8，如果是，则执行步骤⑥；否则，执行步骤⑦；
⑥计算当前代价值序列CCL中的第2个元素的值CCL(2)与第1个元素的值CCL(1)的差值ΔT1，ΔT1＝CCL(2)-CCL(1)，然后判断ΔT1是否大于设定的第一阈值T1，如果ΔT1大于设定的第一阈值T1，则为当前预测单元保留当前代价值序列CCL中的第1个元素对应的粗选的帧内预测模式，并将保留的粗选的帧内预测模式记为m(1)，且将保留的粗选的帧内预测模式的个数赋值给num，接着执行步骤⑨；如果ΔT1小于或等于设定的第一阈值T1，则计算当前代价值序列CCL中的第3个元素的值CCL(3)与第2个元素的值CCL(2)的差值ΔT2，ΔT2＝CCL(3)-CCL(2)，然后判断ΔT2是否大于设定的第二阈值T2，如果是，则为当前预测单元保留当前代价值序列CCL中的前2个元素各自对应的粗选的帧内预测模式并将按序保留的第1个粗选的帧内预测模式和第2个粗选的帧内预测模式对应记为m(1)和m(2)，且将保留的粗选的帧内预测模式的个数赋值给num，接着执行步骤⑨，否则，为当前预测单元保留当前代价值序列CCL中的所有元素各自对应的粗选的帧内预测模式，并将按序保留的第1个粗选的帧内预测模式和第2个粗选的帧内预测模式对应记为m(1)和m(2)，且将保留的粗选的帧内预测模式的个数赋值给num，接着执行步骤⑨；
⑦若当前预测单元的所有粗选的帧内预测模式均为角度帧内预测模式，且当前数字标识序列NP中的所有元素的值连续，则为当前预测单元保留当前代价值序列CCL中的第1个元素对应的粗选的帧内预测模式，并将保留的粗选的帧内预测模式记为m(1)，且将保留的粗选的帧内预测模式的个数赋值给num，接着执行步骤⑨；
若当前预测单元的所有粗选的帧内预测模式中有7个为角度帧内预测模式，且当前数字标识序列NP中与这7个角度帧内预测模式对应的所有元素的值连续，而剩余的1个为Planar模式或为DC模式，则为当前预测单元保留当前代价值序列CCL中的前2个元素各自对应的粗选的帧内预测模式，并将按序保留的第1个粗选的帧内预测模式和第2个粗选的帧内预测模式对应记为m(1)和m(2)，且将保留的粗选的帧内预测模式的个数赋值给num，接着执行步骤⑨；
若当前预测单元的所有粗选的帧内预测模式中有6个为角度帧内预测模式，且当前数字标识序列NP中与这6个角度帧内预测模式对应的所有元素的值连续，而剩余的2个为Planar模式和DC模式，则为当前预测单元保留当前代价值序列CCL中的前3个元素各自对应的粗选的帧内预测模式，并将按序保留的第1个粗选的帧内预测模式和第2个粗选的帧内预测模式对应记为m(1)和m(2)，且将保留的粗选的帧内预测模式的个数赋值给num，接着执行步骤⑨；
若当前预测单元的所有粗选的帧内预测模式中为数字标识连续的角度帧内预测模式的个数少于6个，则为当前预测单元保留当前代价值序列CCL中的所有元素各自对应的粗选的帧内预测模式，接着执行步骤⑧；
⑧判断当前代价值序列CCL中是否存在4个及4个以上的元素的值相同，如果存在，则为当前预测单元保留当前代价值序列CCL中的前4个元素各自对应的粗选的帧内预测模式，并将按序保留的第1个粗选的帧内预测模式和第2个粗选的帧内预测模式对应记为m(1)和m(2)，且将保留的粗选的帧内预测模式的个数赋值给num，接着执行步骤⑨；如果不存在，则为当前预测单元保留当前代价值序列CCL中元素的值小于或等于α×CCL(1)的所有元素各自对应的粗选的帧内预测模式，并将按序保留的第1个粗选的帧内预测模式和第2个粗选的帧内预测模式对应记为m(1)和m(2)，且将保留的粗选的帧内预测模式的个数赋值给num，接着执行步骤⑨，其中，α为比例系数，CCL(1)表示当前代价值序列CCL中的第1个元素的值；
⑨获取当前预测单元的3个最有可能预测模式及当前预测单元的预测模式验证个数numCand，将当前预测单元的第1个最有可能预测模式、第2个最有可能预测模式和第3个最有可能预测模式对应记为mpm(1)、mpm(2)和mpm(3)，其中，mpm(1)、mpm(2)和mpm(3)各自对应的基于哈德玛变换的代价值从小到大，numCand∈[1,3)；
⑩判断当前预测单元的尺寸大小是否大于8×8，如果是，则执行步骤否则，执行步骤
当numCand＝＝1，且num＝＝1时，判断m(1)与mpm(1)是否相同，如果相同，则将m(1)作为当前预测单元的最优帧内预测模式，然后执行步骤如果不相同，则计算m(1)和mpm(1)各自的率失真代价值，将值最小的率失真代价值对应的预测模式作为当前预测单元的最优帧内预测模式，然后执行步骤
当numCand＝＝1，且num＝＝2或num＝＝3时，判断m(1)与mpm(1)是否相同，如果相同，则将m(1)作为当前预测单元的最优帧内预测模式，然后执行步骤如果不相同，则当m(2)与mpm(1)相同时，计算m(1)和m(2)各自的率失真代价值，将值最小的率失真代价值对应的预测模式作为当前预测单元的最优帧内预测模式，然后执行步骤当m(2)与mpm(1)不相同时，执行步骤
当numCand＝＝2时，判断m(1)与mpm(1)是否相同，如果相同，则将m(1)作为当前预测单元的最优帧内预测模式，然后执行步骤如果不相同，则执行步骤
当numCand＝＝1，且num＝＝1时，判断m(1)与mpm(1)是否相同，如果相同，则将m(1)作为当前预测单元的最优帧内预测模式，然后执行步骤如果不相同，则计算m(1)和mpm(1)各自的率失真代价值，将值最小的率失真代价值对应的预测模式作为当前预测单元的最优帧内预测模式，然后执行步骤
当numCand＝＝1，且num等于2至8中的任一个值时，判断m(2)与mpm(1)是否相同，如果相同，则计算m(1)和m(2)各自的率失真代价值，将值最小的率失真代价值对应的预测模式作为当前预测单元的最优帧内预测模式，然后执行步骤如果不相同，则执行步骤
当numCand＝＝2，且num＝＝1时，判断m(1)与mpm(1)是否相同或m(1)与mpm(2)是否相同，如果m(1)与mpm(1)相同或m(1)与mpm(2)相同，则将m(1)作为当前预测单元的最优帧内预测模式，然后执行步骤如果m(1)与mpm(1)不相同且m(1)与mpm(2)不相同，则计算m(1)、mpm(1)和mpm(2)各自的率失真代价值，将值最小的率失真代价值对应的预测模式作为当前预测单元的最优帧内预测模式，然后执行步骤
当numCand＝＝2，且num等于2至8中的任一个值时，判断m(1)与mpm(1)是否相同或m(2)与mpm(1)是否相同，如果m(1)与mpm(1)相同或m(2)与mpm(1)相同，则计算m(1)和m(2)各自的率失真代价值，将值最小的率失真代价值对应的预测模式作为当前预测单元的最优帧内预测模式，然后执行步骤如果m(1)与mpm(1)不相同且m(2)与mpm(1)不相同，则执行步骤
计算为当前预测单元保留的各个粗选的帧内预测模式和当前预测单元的前numCand个最有可能预测模式各自的率失真代价值，将值最小的率失真代价值对应的预测模式作为当前预测单元的最优帧内预测模式，然后执行步骤
将当前最大编码单元中下一个待处理的编码单元对应的预测单元作为当前预测单元，然后返回步骤④继续执行，直至当前最大编码单元中的所有编码单元各自对应的预测单元处理完毕，再执行步骤
将当前编码帧中下一个待编码的最大编码单元作为当前最大编码单元，然后返回步骤③继续执行，直至当前编码帧中的所有最大编码单元处理完毕，再执行步骤
将视频序列中下一帧待编码的视频帧作为当前编码帧，然后返回步骤②继续执行，直至视频序列中的所有视频帧处理完毕。
所述的步骤⑥中取取T2＝2T1，其中，depth表示当前预测单元对应的编码单元的编码深度。
所述的步骤⑧中取α＝1.15。
与现有技术相比，本发明的优点在于：
1)本发明方法在帧内预测模式粗选后，充分利用了粗选的帧内预测模式对应的基于哈德玛变换的代价值的统计特性，充分考虑了视频纹理方向与帧内预测模式角度的相关性，对于不同尺寸的预测单元类型，通过阈值的方法来快速筛减粗选后的帧内预测模式或者通过计算粗选的帧内预测模式的连续性来反映预测单元的纹理方向，从而筛选掉相应不必要的粗选的帧内预测模式，这样不会引入过多的额外计算量。
2)本发明方法在验证最有可能预测模式的过程中，充分考虑了粗选的帧内预测模式和最有可能预测模式的相关性，及视频图像本身的空间相关性，快速的获得了最终的最优帧内预测模式，这样就在保证了视频编码质量的前提下，有效的减少了帧内编码复杂度。
3)本发明方法通过粗选和精选两个层面来进行帧内预测模式的快速选择，所引起的码率变化可以忽略不计，且对各类视频测试序列均有较好的效果。
附图说明
图1为HEVC中一个最大编码单元的递归划分过程示意图；
图2为HEVC中35种帧内预测模式的示意图；
图3为HEVC测试模型中最优帧内预测模式的选择过程示意图；
图4为本发明方法的总体实现框图；
图5a为利用本发明方法和HM12.0原始算法对D类视频测试序列BQ Square进行帧内预测模式选择后的编码性能曲线对比图；
图5b为利用本发明方法和HM12.0原始算法对C类视频测试序列BQ Mall进行帧内预测模式选择后的编码性能曲线对比图；
图5c为利用本发明方法和HM12.0原始算法对E类视频测试序列Vidyo1进行帧内预测模式选择后的编码性能曲线对比图；
图5d为利用本发明方法和HM12.0原始算法对B类视频测试序列Basketball Drive进行帧内预测模式选择后的编码性能曲线对比图；
图5e为利用本发明方法和HM12.0原始算法对A类视频测试序列People on thestreet进行帧内预测模式选择后的编码性能曲线对比图；
图6a为在QP＝32条件时利用HM12.0原始算法对视频测试序列Basketball pass进行帧内预测模式选择后的视频编码主观质量图；
图6b为在QP＝32条件时利用本发明方法对视频测试序列Basketball pass进行帧内预测模式选择后的视频编码主观质量图；
图6c为在QP＝32条件时利用HM12.0原始算法对视频测试序列Johnny进行帧内预测模式选择后的视频编码主观质量图；
图6d为在QP＝32条件时利用本发明方法对视频测试序列Johnny进行帧内预测模式选择后的视频编码主观质量图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
HEVC编码技术采用了三个基本单元，即编码单元(CU)、预测单元(PU)和变换单元(TU)来进行预测、编码和变换的过程。最大尺寸的编码单元为最大编码单元(LargestCoding Unit,LCU)，最大编码单元采用递归四叉树的结构来确定相应编码单元的尺寸，大小从64×64到8×8，对应的编码深度Depth从0-3，如图1所示。预测单元为进行预测模式选择过程的基本单元，对于帧内编码，每个预测单元都对应于相同尺寸的编码单元，当编码单元的尺寸是8×8时，所对应的预测单元可以进一步划分为4个尺寸为4×4的预测单元。对于每种尺寸的预测单元，HEVC编码标准提供了33个角度帧内预测模式，模式2到模式34，2个非角度帧内预测模式0(Planar模式)和模式1(DC模式)，如图2所示，共35个帧内预测模式。
HEVC测试模型(HEVC Test Model,HM)采用三个步骤完成最优帧内预测模式的选择过程。如图3所示，第一，在每个预测单元下，对35种帧内预测模式进行粗选过程(RoughMode Decision,RMD)，即对每种帧内预测模式下的残差计算基于哈德玛变换的代价值(theSum of the Absolute Transform coefficient Differences,SATD)根据预测单元的尺寸选出代价值最小的前若干个帧内预测模式作为粗选子集，粗选子集的数目根据预测单元大小给出；第二，考虑到预测单元之间的空间相关性，引入最有可能预测模式的概念(MostProbable Mode,MPM)并验证MPM是否在粗选列表中，组成帧内率失真优化(RateDistortion Optimization,RDO)候选预测模式；第三，对于帧内率失真优化候选预测模式列表中的帧内预测模式依次进行率失真代价的精密计算，从中选择出代价值最小的帧内预测模式作为最优帧内预测模式。
本发明提出的一种快速HEVC帧内预测模式选择方法，其总体实现框图如图4所示，其包括以下步骤：
①将视频序列中当前待编码的视频帧定义为当前编码帧。
②将当前编码帧中当前待编码的最大编码单元(LCU)定义为当前最大编码单元。
③将当前最大编码单元中当前待处理的编码单元对应的预测单元定义为当前预测单元。
一个最大编码单元由若干个编码单元组成，编码单元有四种尺寸大小，分别为64×64、32×32、16×16、8×8，除8×8以外的其余尺寸大小的编码单元，一个编码单元对应一个同尺寸大小的预测单元，而尺寸大小为8×8的编码单元可以进一步划分为4个尺寸大小为4×4的预测单元，因此预测单元有五种尺寸大小，分别为64×64、32×32、16×16、8×8、4×4。
④在当前预测单元下，对35种帧内预测模式进行粗选，得到当前预测单元的N个粗选的帧内预测模式，其中，若当前预测单元的尺寸大小大于8×8，则N＝3，若当前预测单元的尺寸大小为8×8或4×4，则N＝8；然后提取出当前预测单元的每个粗选的帧内预测模式的数字标识及每个粗选的帧内预测模式对应的基于哈德玛变换的代价值；再按当前预测单元的N个粗选的帧内预测模式各自对应的基于哈德玛变换的代价值从小到大的顺序，将当前预测单元的N个粗选的帧内预测模式各自的数字标识排列构成当前数字标识序列，记为NP，并将当前预测单元的N个粗选的帧内预测模式各自对应的基于哈德玛变换的代价值排列构成当前代价值序列，记为CCL。
⑤判断当前预测单元的尺寸大小是否大于8×8，如果是，则执行步骤⑥；否则，执行步骤⑦。
⑥由于当前预测单元的尺寸大小为64×64或32×32或16×16，粗选的帧内预测模式的数量N为3个，经统计实验得知保留粗选以后的前1个帧内预测模式(即值最小的基于哈德玛变换的代价值对应的帧内预测模式)或前2个帧内预测模式(即值最小的基于哈德玛变换的代价值对应的帧内预测模式和值次小的基于哈德玛变换的代价值对应的帧内预测模式)可以有较高的命中率成为最优帧内预测模式，因此本发明计算当前代价值序列CCL中的第2个元素的值CCL(2)与第1个元素的值CCL(1)的差值ΔT1，ΔT1＝CCL(2)-CCL(1)，然后判断ΔT1是否大于设定的第一阈值T1，如果ΔT1大于设定的第一阈值T1，则为当前预测单元保留当前代价值序列CCL中的第1个元素对应的粗选的帧内预测模式，并将保留的粗选的帧内预测模式记为m(1)，且将保留的粗选的帧内预测模式的个数赋值给num，此处num＝1，接着执行步骤⑨；如果ΔT1小于或等于设定的第一阈值T1，则计算当前代价值序列CCL中的第3个元素的值CCL(3)与第2个元素的值CCL(2)的差值ΔT2，ΔT2＝CCL(3)-CCL(2)，然后判断ΔT2是否大于设定的第二阈值T2，如果是，则为当前预测单元保留当前代价值序列CCL中的前2个元素各自对应的粗选的帧内预测模式(即为当前预测单元保留当前代价值序列CCL中的第1个元素对应的粗选的帧内预测模式和当前代价值序列CCL中的第2个元素对应的粗选的帧内预测模式)，并将按序保留的第1个粗选的帧内预测模式和第2个粗选的帧内预测模式对应记为m(1)和m(2)，且将保留的粗选的帧内预测模式的个数赋值给num，此处num＝2，接着执行步骤⑨，否则，为当前预测单元保留当前代价值序列CCL中的所有元素各自对应的粗选的帧内预测模式，即为当前预测单元保留3个粗选的帧内预测模式，并将按序保留的第1个粗选的帧内预测模式和第2个粗选的帧内预测模式对应记为m(1)和m(2)，且将保留的粗选的帧内预测模式的个数赋值给num，此处num＝3，接着执行步骤⑨。
在本实施例中，取取T2＝2T1，其中，depth表示当前预测单元对应的编码单元的编码深度。
⑦当前预测单元的尺寸大小为8×8或4×4，粗选的帧内预测模式的数量N为8个，本发明根据当前数字标识序列NP中的元素的连续性，将8个粗选的帧内预测模式分为四种类型，分别为全部连续、七个连续、六个连续、无连续类型，再根据不同的类型，对8个粗选的帧内预测模式进行缩减，具体过程为：
若当前预测单元的所有粗选的帧内预测模式均为角度帧内预测模式，且当前数字标识序列NP中的所有元素的值连续，则表示当前预测单元具有极强的纹理方向，按照某一方向进行预测可以得到最优的帧内预测效果，直接保留粗选的基于哈德玛变换的代价值最小的帧内预测模式，将粗选的8个帧内预测模式缩减为1个，即为当前预测单元保留当前代价值序列CCL中的第1个元素对应的粗选的帧内预测模式，并将保留的粗选的帧内预测模式记为m(1)，且将保留的粗选的帧内预测模式的个数赋值给num，此处num＝1，接着执行步骤⑨。在此，假设NP中的元素的值为4、7、9、8、5、6、10、11，则认为NP中的所有元素的值连续；而若假设NP中的元素的值为4、7、9、8、5、6、10、12，则认为NP中的所有元素的值不连续。
若当前预测单元的所有粗选的帧内预测模式中有7个为角度帧内预测模式，且当前数字标识序列NP中与这7个角度帧内预测模式对应的所有元素的值连续，而剩余的1个为Planar模式或为DC模式，则表示当前预测单元具有极强的纹理方向，按照某一方向进行预测可以得到较优的帧内预测效果，保留粗选的基于哈德玛变换的代价值最小的帧内预测模式和基于哈德玛变换的代价值次小的帧内预测模式，将粗选的8个帧内预测模式缩减为2个，即为当前预测单元保留当前代价值序列CCL中的前2个元素各自对应的粗选的帧内预测模式(即为当前预测单元保留当前代价值序列CCL中的第1个元素对应的粗选的帧内预测模式和当前代价值序列CCL中的第2个元素对应的粗选的帧内预测模式)，并将按序保留的第1个粗选的帧内预测模式和第2个粗选的帧内预测模式对应记为m(1)和m(2)，且将保留的粗选的帧内预测模式的个数赋值给num，此处num＝2，接着执行步骤⑨。
若当前预测单元的所有粗选的帧内预测模式中有6个为角度帧内预测模式，且当前数字标识序列NP中与这6个角度帧内预测模式对应的所有元素的值连续，而剩余的2个为Planar模式和DC模式，则表示当前预测单元具有一定的纹理方向，按照某一方向进行预测在一定条件下可以得到较优的帧内预测效果，保留粗选的基于哈德玛变换的代价值最小的帧内预测模式、基于哈德玛变换的代价值次小的帧内预测模式和基于哈德玛变换的代价值第三小的帧内预测模式，将粗选的8个帧内预测模式缩减为3个，即为当前预测单元保留当前代价值序列CCL中的前3个元素各自对应的粗选的帧内预测模式(即为当前预测单元保留当前代价值序列CCL中的第1个元素对应的粗选的帧内预测模式、当前代价值序列CCL中的第2个元素对应的粗选的帧内预测模式和当前代价值序列CCL中的第3个元素对应的粗选的帧内预测模式)，并将按序保留的第1个粗选的帧内预测模式和第2个粗选的帧内预测模式对应记为m(1)和m(2)，且将保留的粗选的帧内预测模式的个数赋值给num，此处num＝3，接着执行步骤⑨。
若当前预测单元的所有粗选的帧内预测模式中为数字标识连续角度帧内预测模式的个数少于6个，则表示当前预测单元有2个及以上的纹理方向或者不具备特别明显的纹理方向，考虑到视频编码质量，对粗选的8个帧内预测模式不进行缩减，即为当前预测单元保留当前代价值序列CCL中的所有元素各自对应的粗选的帧内预测模式，即为当前预测单元保留8个粗选的帧内预测模式，接着执行步骤⑧。在此，数字标识连续的角度帧内预测模式的个数少于6个包括了多种情况，数字标识不连续表示数字标识连续的角度帧内预测模式的个数为0个；数字标识部分连续，部分不连续，也是其中一种情况。
⑧判断当前代价值序列CCL中是否存在4个及4个以上的元素的值相同，如果存在，则对粗选的8个帧内预测模式缩减为4个，即为当前预测单元保留当前代价值序列CCL中的前4个元素各自对应的粗选的帧内预测模式(即为当前预测单元保留当前代价值序列CCL中的第1个元素对应的粗选的帧内预测模式、当前代价值序列CCL中的第2个元素对应的粗选的帧内预测模式、当前代价值序列CCL中的第3个元素对应的粗选的帧内预测模式和当前代价值序列CCL中的第4个元素对应的粗选的帧内预测模式)，并将按序保留的第1个粗选的帧内预测模式和第2个粗选的帧内预测模式对应记为m(1)和m(2)，且将保留的粗选的帧内预测模式的个数赋值给num，此处num＝4，接着执行步骤⑨；如果不存在，则表示当前预测单元的8个粗选的帧内预测模式各自的数字标识及8个粗选的帧内预测模式各自对应的基于哈德玛变换的代价值均较为分散，因此本发明将当前代价值序列CCL中元素的值大于某个阈值的所有元素各自对应的粗选的帧内预测模式排除，动态的缩减粗选的帧内预测模式的数量，即为当前预测单元保留当前代价值序列CCL中元素的值小于或等于α×CCL(1)的所有元素各自对应的粗选的帧内预测模式，例如：假设当前代价值序列CCL中有2个元素的值均小于或等于α×CCL(1)，则这2个元素各自对应的粗选的帧内预测模式保留，并将按序保留的第1个粗选的帧内预测模式和第2个粗选的帧内预测模式对应记为m(1)和m(2)，且将保留的粗选的帧内预测模式的个数赋值给num，此处num的值为1至8中的一个值，即有可能仅保留1个，也有可能保留8个，接着执行步骤⑨，其中，α为比例系数，根据实验和经验得到在本实施例中可取α＝1.15，CCL(1)表示当前代价值序列CCL中的第1个元素的值。
⑨在HM平台中，一个预测单元的最有可能预测模式有3个，利用HM平台获取当前预测单元的3个最有可能预测模式及当前预测单元的预测模式验证个数numCand，将当前预测单元的第1个最有可能预测模式、第2个最有可能预测模式和第3个最有可能预测模式对应记为mpm(1)、mpm(2)和mpm(3)，其中，mpm(1)、mpm(2)和mpm(3)各自对应的基于哈德玛变换的代价值从小到大，numCand∈[1,3)，即numCand的值为1或者2。
⑩判断当前预测单元的尺寸大小是否大于8×8，如果是，则执行步骤否则，执行步骤
当numCand＝＝1，且num＝＝1时，判断m(1)与mpm(1)是否相同，如果相同，则将m(1)作为当前预测单元的最优帧内预测模式，然后执行步骤如果不相同，则计算m(1)和mpm(1)各自的率失真代价值，将值最小的率失真代价值对应的预测模式作为当前预测单元的最优帧内预测模式，然后执行步骤
当numCand＝＝1，且num＝＝2或num＝＝3时，判断m(1)与mpm(1)是否相同，如果相同，则将m(1)作为当前预测单元的最优帧内预测模式，然后执行步骤如果不相同，则当m(2)与mpm(1)相同时，计算m(1)和m(2)各自的率失真代价值，将值最小的率失真代价值对应的预测模式作为当前预测单元的最优帧内预测模式，然后执行步骤当m(2)与mpm(1)不相同时，执行步骤
当numCand＝＝2，且num＝＝1或num＝＝2或num＝＝3时，判断m(1)与mpm(1)是否相同，如果相同，则将m(1)作为当前预测单元的最优帧内预测模式，然后执行步骤如果不相同，则执行步骤
当numCand＝＝1时表示当前预测单元的左侧已编码预测单元的最优帧内预测模式和上侧已编码预测单元的最优帧内预测模式相同；当numCand＝＝2时表示当前预测单元的左侧已编码预测单元的最优帧内预测模式和上侧已编码预测单元的最优帧内预测模式不相同。
当numCand＝＝1，且num＝＝1时，判断m(1)与mpm(1)是否相同，如果相同，则将m(1)作为当前预测单元的最优帧内预测模式，然后执行步骤如果不相同，则计算m(1)和mpm(1)各自的率失真代价值，将值最小的率失真代价值对应的预测模式作为当前预测单元的最优帧内预测模式，然后执行步骤
当numCand＝＝1，且num等于2至8中的任一个值时，判断m(2)与mpm(1)是否相同，如果相同，则计算m(1)和m(2)各自的率失真代价值，将值最小的率失真代价值对应的预测模式作为当前预测单元的最优帧内预测模式，然后执行步骤如果不相同，则执行步骤
当numCand＝＝2，且num＝＝1时，判断m(1)与mpm(1)是否相同或m(1)与mpm(2)是否相同，如果m(1)与mpm(1)相同或m(1)与mpm(2)相同，则将m(1)作为当前预测单元的最优帧内预测模式，然后执行步骤如果m(1)与mpm(1)不相同且m(1)与mpm(2)不相同，则计算m(1)、mpm(1)和mpm(2)各自的率失真代价值，将值最小的率失真代价值对应的预测模式作为当前预测单元的最优帧内预测模式，然后执行步骤
当numCand＝＝2，且num等于2至8中的任一个值时，判断m(1)与mpm(1)是否相同或m(2)与mpm(1)是否相同，如果m(1)与mpm(1)相同或m(2)与mpm(1)相同，则计算m(1)和m(2)各自的率失真代价值，将值最小的率失真代价值对应的预测模式作为当前预测单元的最优帧内预测模式，然后执行步骤如果m(1)与mpm(1)不相同且m(2)与mpm(1)不相同，则执行步骤
当numCand＝＝1时表示当前预测单元的左侧已编码预测单元的最优帧内预测模式和上侧已编码预测单元的最优帧内预测模式相同；当numCand＝＝2时表示当前预测单元的左侧已编码预测单元的最优帧内预测模式和上侧已编码预测单元的最优帧内预测模式不相同。
计算为当前预测单元保留的各个粗选的帧内预测模式和当前预测单元的前numCand个最有可能预测模式各自的率失真代价值，将值最小的率失真代价值对应的预测模式作为当前预测单元的最优帧内预测模式，然后执行步骤
将当前最大编码单元中下一个待处理的编码单元对应的预测单元作为当前预测单元，然后返回步骤④继续执行，直至当前最大编码单元中的所有编码单元各自对应的预测单元处理完毕，再执行步骤
将当前编码帧中下一个待编码的最大编码单元作为当前最大编码单元，然后返回步骤③继续执行，直至当前编码帧中的所有最大编码单元处理完毕，再执行步骤
将视频序列中下一帧待编码的视频帧作为当前编码帧，然后返回步骤②继续执行，直至视频序列中的所有视频帧处理完毕。
以下对本发明方法进行测试，以说明本发明方法的有效性和可行性。
本发明方法在HEVC测试模型HM12.0上进行，实验平台的硬件配置为：Inter(R)-Core(TM)i3-2130CPU，主频为3.40GHZ，内存为4.00GB，操作系统：64位Windows 7。开发工具为：Microsoft Visual Studio 2010。测试试验中选用了五类标准视频测试序列，encoder_intra_main配置，全I帧编码，参考软件的主要编码配置参数如表1所示。
表1 HM模型主要参数配置
| 参数 | 配置 |
| 编码帧数 | 100 |
| QP | 22 27 32 37 |
| 图像组长度 | 8 |
| 最大编码深度 | 4 |
令ΔPSNR(Peak Signal to Noise Rate)和ΔBR(Bit Rate)分别表示峰值信噪比的变化幅度和码率的变化幅度，编码时间的变化百分比用ΔT表示，其中，THM和Tpro对应表示HM12.0和本发明方法所用的编码时间。
表2给出了利用本发明方法对五类标准视频测试序列进行快速帧内预测模式选择后的编码性能情况。与HM12.0原始平台相比，本发明方法在全I帧编码模式下编码时间的变化百分比ΔT平均减少了26.90％，码率的变化幅度ΔBR平均增加了0.086％，客观视频质量即峰值信噪比的变化幅度ΔPSNR仅仅降低了0.061dB，有效的降低了帧内编码复杂度，而编码性能近乎不变。
表2五类标准视频测试序列进行快速帧内预测模式选择的编码性能
图5a给出了利用本发明方法和HM12.0原始算法对D类视频测试序列BQ Square进行帧内预测模式选择后的编码性能曲线对比图；图5b给出了利用本发明方法和HM12.0原始算法对C类视频测试序列BQ Mall进行帧内预测模式选择后的编码性能曲线对比图；图5c给出了利用本发明方法和HM12.0原始算法对E类视频测试序列Vidyo1进行帧内预测模式选择后的编码性能曲线对比图；图5d给出了利用本发明方法和HM12.0原始算法对B类视频测试序列Basketball Drive进行帧内预测模式选择后的编码性能曲线对比图；图5e给出了利用本发明方法和HM12.0原始算法对A类视频测试序列People on the street进行帧内预测模式选择后的编码性能曲线对比图。从图5a至图5e中可以知道，与HM12.0原始算法相比，利用本发明方法进行帧内预测模式选择后编码性能曲线近乎重合，这说明利用本发明方法的视频编码客观质量近乎保持不变。
图6a给出了在QP＝32条件时利用HM12.0原始算法对视频测试序列Basketballpass进行帧内预测模式选择后的视频编码主观质量图；图6b给出了在QP＝32条件时利用本发明方法对视频测试序列Basketball pass进行帧内预测模式选择后的视频编码主观质量图；图6c给出了在QP＝32条件时利用HM12.0原始算法对视频测试序列Johnny进行帧内预测模式选择后的视频编码主观质量图；图6d给出了在QP＝32条件时利用本发明方法对视频测试序列Johnny进行帧内预测模式选择后的视频编码主观质量图。比较图6a和图6b，比较图6c和图6d可以发现，利用本发明方法进行帧内预测模式的选择对于视频编码主观质量方面几乎没有任何影响，编码效果稳定。
Claims (3)
1.一种快速HEVC帧内预测模式选择方法，其特征在于包括以下步骤：
①将视频序列中当前待编码的视频帧定义为当前编码帧；
②将当前编码帧中当前待编码的最大编码单元定义为当前最大编码单元；
③将当前最大编码单元中当前待处理的编码单元对应的预测单元定义为当前预测单元；
④在当前预测单元下，对35种帧内预测模式进行粗选，得到当前预测单元的N个粗选的帧内预测模式，其中，若当前预测单元的尺寸大小大于8×8，则N＝3，若当前预测单元的尺寸大小为8×8或4×4，则N＝8；然后提取出当前预测单元的每个粗选的帧内预测模式的数字标识及每个粗选的帧内预测模式对应的基于哈德玛变换的代价值；再按当前预测单元的N个粗选的帧内预测模式各自对应的基于哈德玛变换的代价值从小到大的顺序，将当前预测单元的N个粗选的帧内预测模式各自的数字标识排列构成当前数字标识序列，记为NP，并将当前预测单元的N个粗选的帧内预测模式各自对应的基于哈德玛变换的代价值排列构成当前代价值序列，记为CCL；
⑤判断当前预测单元的尺寸大小是否大于8×8，如果是，则执行步骤⑥；否则，执行步骤⑦；
⑥计算当前代价值序列CCL中的第2个元素的值CCL(2)与第1个元素的值CCL(1)的差值ΔT1，ΔT1＝CCL(2)-CCL(1)，然后判断ΔT1是否大于设定的第一阈值T1，如果ΔT1大于设定的第一阈值T1，则为当前预测单元保留当前代价值序列CCL中的第1个元素对应的粗选的帧内预测模式，并将保留的粗选的帧内预测模式记为m(1)，且将保留的粗选的帧内预测模式的个数赋值给num，接着执行步骤⑨；如果ΔT1小于或等于设定的第一阈值T1，则计算当前代价值序列CCL中的第3个元素的值CCL(3)与第2个元素的值CCL(2)的差值ΔT2，ΔT2＝CCL(3)-CCL(2)，然后判断ΔT2是否大于设定的第二阈值T2，如果是，则为当前预测单元保留当前代价值序列CCL中的前2个元素各自对应的粗选的帧内预测模式并将按序保留的第1个粗选的帧内预测模式和第2个粗选的帧内预测模式对应记为m(1)和m(2)，且将保留的粗选的帧内预测模式的个数赋值给num，接着执行步骤⑨，否则，为当前预测单元保留当前代价值序列CCL中的所有元素各自对应的粗选的帧内预测模式，并将按序保留的第1个粗选的帧内预测模式和第2个粗选的帧内预测模式对应记为m(1)和m(2)，且将保留的粗选的帧内预测模式的个数赋值给num，接着执行步骤⑨；
⑦若当前预测单元的所有粗选的帧内预测模式均为角度帧内预测模式，且当前数字标识序列NP中的所有元素的值连续，则为当前预测单元保留当前代价值序列CCL中的第1个元素对应的粗选的帧内预测模式，并将保留的粗选的帧内预测模式记为m(1)，且将保留的粗选的帧内预测模式的个数赋值给num，接着执行步骤⑨；
若当前预测单元的所有粗选的帧内预测模式中有7个为角度帧内预测模式，且当前数字标识序列NP中与这7个角度帧内预测模式对应的所有元素的值连续，而剩余的1个为Planar模式或为DC模式，则为当前预测单元保留当前代价值序列CCL中的前2个元素各自对应的粗选的帧内预测模式，并将按序保留的第1个粗选的帧内预测模式和第2个粗选的帧内预测模式对应记为m(1)和m(2)，且将保留的粗选的帧内预测模式的个数赋值给num，接着执行步骤⑨；
若当前预测单元的所有粗选的帧内预测模式中有6个为角度帧内预测模式，且当前数字标识序列NP中与这6个角度帧内预测模式对应的所有元素的值连续，而剩余的2个为Planar模式和DC模式，则为当前预测单元保留当前代价值序列CCL中的前3个元素各自对应的粗选的帧内预测模式，并将按序保留的第1个粗选的帧内预测模式和第2个粗选的帧内预测模式对应记为m(1)和m(2)，且将保留的粗选的帧内预测模式的个数赋值给num，接着执行步骤⑨；
若当前预测单元的所有粗选的帧内预测模式中为数字标识连续的角度帧内预测模式的个数少于6个，则为当前预测单元保留当前代价值序列CCL中的所有元素各自对应的粗选的帧内预测模式，接着执行步骤⑧；
⑧判断当前代价值序列CCL中是否存在4个及4个以上的元素的值相同，如果存在，则为当前预测单元保留当前代价值序列CCL中的前4个元素各自对应的粗选的帧内预测模式，并将按序保留的第1个粗选的帧内预测模式和第2个粗选的帧内预测模式对应记为m(1)和m(2)，且将保留的粗选的帧内预测模式的个数赋值给num，接着执行步骤⑨；如果不存在，则为当前预测单元保留当前代价值序列CCL中元素的值小于或等于α×CCL(1)的所有元素各自对应的粗选的帧内预测模式，并将按序保留的第1个粗选的帧内预测模式和第2个粗选的帧内预测模式对应记为m(1)和m(2)，且将保留的粗选的帧内预测模式的个数赋值给num，接着执行步骤⑨，其中，α为比例系数，CCL(1)表示当前代价值序列CCL中的第1个元素的值；
⑨获取当前预测单元的3个最有可能预测模式及当前预测单元的预测模式验证个数，将当前预测单元的第1个最有可能预测模式、第2个最有可能预测模式和第3个最有可能预测模式对应记为mpm(1)、mpm(2)和mpm(3)，将当前预测单元的预测模式验证个数记为numCand，其中，mpm(1)、mpm(2)和mpm(3)各自对应的基于哈德玛变换的代价值从小到大，numCand∈[1,3)；
⑩判断当前预测单元的尺寸大小是否大于8×8，如果是，则执行步骤否则，执行步骤
当numCand＝＝1，且num＝＝1时，判断m(1)与mpm(1)是否相同，如果相同，则将m(1)作为当前预测单元的最优帧内预测模式，然后执行步骤如果不相同，则计算m(1)和mpm(1)各自的率失真代价值，将值最小的率失真代价值对应的预测模式作为当前预测单元的最优帧内预测模式，然后执行步骤
当numCand＝＝1，且num＝＝2或num＝＝3时，判断m(1)与mpm(1)是否相同，如果相同，则将m(1)作为当前预测单元的最优帧内预测模式，然后执行步骤如果不相同，则当m(2)与mpm(1)相同时，计算m(1)和m(2)各自的率失真代价值，将值最小的率失真代价值对应的预测模式作为当前预测单元的最优帧内预测模式，然后执行步骤当m(2)与mpm(1)不相同时，执行步骤
当numCand＝＝2时，判断m(1)与mpm(1)是否相同，如果相同，则将m(1)作为当前预测单元的最优帧内预测模式，然后执行步骤如果不相同，则执行步骤
当numCand＝＝1，且num＝＝1时，判断m(1)与mpm(1)是否相同，如果相同，则将m(1)作为当前预测单元的最优帧内预测模式，然后执行步骤如果不相同，则计算m(1)和mpm(1)各自的率失真代价值，将值最小的率失真代价值对应的预测模式作为当前预测单元的最优帧内预测模式，然后执行步骤
当numCand＝＝1，且num等于2至8中的任一个值时，判断m(2)与mpm(1)是否相同，如果相同，则计算m(1)和m(2)各自的率失真代价值，将值最小的率失真代价值对应的预测模式作为当前预测单元的最优帧内预测模式，然后执行步骤如果不相同，则执行步骤
当numCand＝＝2，且num＝＝1时，判断m(1)与mpm(1)是否相同或m(1)与mpm(2)是否相同，如果m(1)与mpm(1)相同或m(1)与mpm(2)相同，则将m(1)作为当前预测单元的最优帧内预测模式，然后执行步骤如果m(1)与mpm(1)不相同且m(1)与mpm(2)不相同，则计算m(1)、mpm(1)和mpm(2)各自的率失真代价值，将值最小的率失真代价值对应的预测模式作为当前预测单元的最优帧内预测模式，然后执行步骤
当numCand＝＝2，且num等于2至8中的任一个值时，判断m(1)与mpm(1)是否相同或m(2)与mpm(1)是否相同，如果m(1)与mpm(1)相同或m(2)与mpm(1)相同，则计算m(1)和m(2)各自的率失真代价值，将值最小的率失真代价值对应的预测模式作为当前预测单元的最优帧内预测模式，然后执行步骤如果m(1)与mpm(1)不相同且m(2)与mpm(1)不相同，则执行步骤
计算为当前预测单元保留的各个粗选的帧内预测模式和当前预测单元的前numCand个最有可能预测模式各自的率失真代价值，将值最小的率失真代价值对应的预测模式作为当前预测单元的最优帧内预测模式，然后执行步骤
将当前最大编码单元中下一个待处理的编码单元对应的预测单元作为当前预测单元，然后返回步骤④继续执行，直至当前最大编码单元中的所有编码单元各自对应的预测单元处理完毕，再执行步骤
将当前编码帧中下一个待编码的最大编码单元作为当前最大编码单元，然后返回步骤③继续执行，直至当前编码帧中的所有最大编码单元处理完毕，再执行步骤
将视频序列中下一帧待编码的视频帧作为当前编码帧，然后返回步骤②继续执行，直至视频序列中的所有视频帧处理完毕。
2.根据权利要求1所述的一种快速HEVC帧内预测模式选择方法，其特征在于所述的步骤⑥中取取T2＝2T1，其中，T1表示设定的第一阈值，T2表示设定的第二阈值，depth表示当前预测单元对应的编码单元的编码深度。
3.根据权利要求1或2所述的一种快速HEVC帧内预测模式选择方法，其特征在于所述的步骤⑧中取α＝1.15。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510098386.9A CN104639940B (zh) | 2015-03-06 | 2015-03-06 | 一种快速hevc帧内预测模式选择方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510098386.9A CN104639940B (zh) | 2015-03-06 | 2015-03-06 | 一种快速hevc帧内预测模式选择方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104639940A CN104639940A (zh) | 2015-05-20 |
| CN104639940B true CN104639940B (zh) | 2017-10-10 |
Family
ID=53218181
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510098386.9A Active CN104639940B (zh) | 2015-03-06 | 2015-03-06 | 一种快速hevc帧内预测模式选择方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104639940B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105812796B (zh) * | 2016-03-21 | 2018-10-26 | 同济大学 | 一种scc帧间编码单元备选预测模式缩减方法 |
| CN106131546B (zh) * | 2016-07-26 | 2018-12-18 | 王靖韬 | 一种提前确定hevc合并和跳过编码模式的方法 |
| CN107483931B (zh) * | 2017-08-01 | 2019-10-08 | 南京邮电大学 | 一种基于显著度的hevc帧内编码深度划分快速决策方法 |
| CN107509075A (zh) * | 2017-08-07 | 2017-12-22 | 福建星网智慧科技股份有限公司 | 一种用于avs2视频编码的快速划分cu的方法 |
| CN108600754A (zh) * | 2018-05-09 | 2018-09-28 | 哈尔滨工业大学 | 一种用于高效视频编码的快速预测方向决策方法 |
| CN109246430B (zh) * | 2018-09-06 | 2022-02-01 | 北方工业大学 | 虚拟现实360度视频快速帧内预测和cu划分提前决策 |
| CN109547780B (zh) * | 2018-10-26 | 2020-06-23 | 武汉天娱动画设计有限公司 | 图像编码方法及装置 |
| CN109361924B (zh) * | 2018-10-26 | 2020-11-10 | 西安科锐盛创新科技有限公司 | 图像编码方法及装置 |
| CN112118444B (zh) * | 2019-06-20 | 2022-11-25 | 杭州海康威视数字技术股份有限公司 | 编码方法及装置 |
| CN113301331B (zh) * | 2021-05-25 | 2022-11-04 | 哈尔滨工业大学 | 基于通用视频编码标准的帧内预测编码模式快速决策方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101202915A (zh) * | 2007-12-06 | 2008-06-18 | 北京大学深圳研究生院 | 一种帧内预测模式的选择方法及装置 |
| CN103297781A (zh) * | 2013-06-07 | 2013-09-11 | 安科智慧城市技术（中国）有限公司 | 一种基于纹理方向的hevc帧内编码方法、装置和系统 |
| CN103338371A (zh) * | 2013-06-07 | 2013-10-02 | 东华理工大学 | 一种快速高效率视频编码帧内模式判决方法 |
| CN103517069A (zh) * | 2013-09-25 | 2014-01-15 | 北京航空航天大学 | 一种基于纹理分析的hevc帧内预测快速模式选择方法 |
| CN103888763A (zh) * | 2014-03-24 | 2014-06-25 | 北京工业大学 | 一种基于hevc的帧内编码方法 |
| CN103997645A (zh) * | 2014-04-29 | 2014-08-20 | 长沙理工大学 | 一种快速的hevc帧内编码单元和模式决策方法 |
| CN104052994A (zh) * | 2014-04-14 | 2014-09-17 | 嘉兴职业技术学院 | 分级自适应的hevc帧内预测模式快速决策方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009131539A1 (en) * | 2008-04-22 | 2009-10-29 | Agency For Science, Technology And Research | A method and system for detecting and tracking hands in an image |
-
2015
- 2015-03-06 CN CN201510098386.9A patent/CN104639940B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101202915A (zh) * | 2007-12-06 | 2008-06-18 | 北京大学深圳研究生院 | 一种帧内预测模式的选择方法及装置 |
| CN103297781A (zh) * | 2013-06-07 | 2013-09-11 | 安科智慧城市技术（中国）有限公司 | 一种基于纹理方向的hevc帧内编码方法、装置和系统 |
| CN103338371A (zh) * | 2013-06-07 | 2013-10-02 | 东华理工大学 | 一种快速高效率视频编码帧内模式判决方法 |
| CN103517069A (zh) * | 2013-09-25 | 2014-01-15 | 北京航空航天大学 | 一种基于纹理分析的hevc帧内预测快速模式选择方法 |
| CN103888763A (zh) * | 2014-03-24 | 2014-06-25 | 北京工业大学 | 一种基于hevc的帧内编码方法 |
| CN104052994A (zh) * | 2014-04-14 | 2014-09-17 | 嘉兴职业技术学院 | 分级自适应的hevc帧内预测模式快速决策方法 |
| CN103997645A (zh) * | 2014-04-29 | 2014-08-20 | 长沙理工大学 | 一种快速的hevc帧内编码单元和模式决策方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104639940A (zh) | 2015-05-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104639940B (zh) | 一种快速hevc帧内预测模式选择方法 | |
| TWI466549B (zh) | 運動預測方法 | |
| CN104023233B (zh) | 一种hevc快速帧间预测方法 | |
| CN101385347B (zh) | 视频帧内预测编码/解码的装置与方法 | |
| CN102484719B (zh) | 对视频编码的方法和设备及对视频解码的方法和设备 | |
| CN109792516A (zh) | 图像和视频编解码中用于帧内色度编解码的方法及装置 | |
| KR101700358B1 (ko) | 영상의 부호화 방법 및 장치, 그 복호화 방법 및 장치 | |
| US20140126635A1 (en) | Optimal intra prediction in block-based video coding | |
| CN103997646A (zh) | 一种高清视频编码中快速帧内预测模式选择方法 | |
| CN103248895B (zh) | 一种用于hevc帧内编码的快速模式估计方法 | |
| CN104853192B (zh) | 预测模式选择方法及装置 | |
| CN103067704B (zh) | 一种基于编码单元层次提前跳过的视频编码方法和系统 | |
| KR20190062273A (ko) | 영상 변환 신경망 및 영상 역변환 신경망을 이용한 영상 처리 방법 및 장치 | |
| CN104853191B (zh) | 一种hevc的快速编码方法 | |
| CN107277506B (zh) | 基于自适应运动矢量精度的运动矢量精度选择方法及装置 | |
| CN104811729B (zh) | 一种视频多参考帧编码方法 | |
| CN102415097A (zh) | 失真加权 | |
| CN105721866B (zh) | 一种编码单元划分方法及装置 | |
| Ting et al. | Gradient-based PU size selection for HEVC intra prediction | |
| KR101724212B1 (ko) | 인트라 모드 결정 방법 및 장치 | |
| CN107295336B (zh) | 基于图像相关性的自适应快速编码单元划分方法及装置 | |
| CN102547257B (zh) | 一种获得最优预测模式的方法及装置 | |
| EP1921865A2 (en) | Obtaining a motion vector in block-based motion estimation | |
| CN110868593B (zh) | 基于区域决策树的视频cu快速划分 | |
| KR20110036401A (ko) | 영상의 부호화 방법 및 장치, 그 복호화 방법 및 장치 |
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 |