CN108184115A - Hevc帧内cu划分和pu预测模式选择方法及系统 - Google Patents

Hevc帧内cu划分和pu预测模式选择方法及系统 Download PDF

Info

Publication number
CN108184115A
CN108184115A CN201711481714.9A CN201711481714A CN108184115A CN 108184115 A CN108184115 A CN 108184115A CN 201711481714 A CN201711481714 A CN 201711481714A CN 108184115 A CN108184115 A CN 108184115A
Authority
CN
China
Prior art keywords
blocks
grain direction
direction range
texture
histogram
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
Application number
CN201711481714.9A
Other languages
English (en)
Other versions
CN108184115B (zh
Inventor
贺小勇
吴永科
蔡敏
荆朝霞
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.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
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 South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN201711481714.9A priority Critical patent/CN108184115B/zh
Publication of CN108184115A publication Critical patent/CN108184115A/zh
Application granted granted Critical
Publication of CN108184115B publication Critical patent/CN108184115B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
    • H04N19/96—Tree coding, e.g. quad-tree coding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/109—Selection of coding mode or of prediction mode among a plurality of temporal predictive coding modes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/12—Selection from among a plurality of transforms or standards, e.g. selection between discrete cosine transform [DCT] and sub-band transform or selection between H.263 and H.264
    • H04N19/122—Selection of transform size, e.g. 8x8 or 2x4x8 DCT; Selection of sub-band transforms of varying structure or type
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Discrete Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本发明公开了一种HEVC帧内CU划分和PU预测模式选择方法及系统，方法包括：依次提取编码模式待选择的CTU；将180度帧内预测角度划分为8个纹理方向范围，并采用直方图统计的方法结合直方图的可叠加特性得到不同CU尺寸下的纹理方向范围‑幅度分布直方图以及相应的最佳纹理方向范围、纹理强度和纹理复杂度；根据CU块的纹理复杂度确定CU块是否进行划分；根据PU块的纹理强度、PU块的最佳纹理方向范围和相邻PU块的预测模式，确定候选模式列表；计算候选模式的率失真代价，选择率失真代价最小的模式作为PU块的最优预测模式。本发明大幅减少了计算复杂度和计算量，实现了PU最优预测模式的快速选择，可广泛应用视频编码领域。

Description

HEVC帧内CU划分和PU预测模式选择方法及系统
技术领域
本发明涉及视频编码领域，尤其是一种HEVC帧内CU划分和PU预测模式选择方法及系统。
背景技术
数字视频压缩编码技术发展迅速，从20世纪90年代以来，一直是国内外的研究热点，其主要目标是在一定的计算资源内，在相同的视频重建质量的基础上追求尽可能高的编码效率。高性能视频编码(High Efficiency Video Coding，HEVC)标准是最新一代国际视频编码标准，与上一代编码标准H.264/AVC相比，实现了约50％的比特率降低。
对于帧内预测来说，HEVC支持从64×64到4×4的灵活编码单元尺寸和多达35种预测模式，其中包括33个方向预测模式、DC模式和planar模式，使得HEVC的帧内预测的复杂性高于H.264/AVC，33个方向预测模式如图1所示。
HEVC编码采用基于编码树单元(Coding Tree Unit，CTU)的四叉树编码结构，主要包括基于编码单元(CodingUnit，CU)进行编码的过程，基于预测单元(PredictionUnit，PU)进行预测的过程，基于变换单元(TransformactionUnit，TU)进行变换的过程。
CU的大小可以为64×64、32×32、16×16或者8×8。当CU大小为8×8时，PU可以为8×8，也可以为4×4。当CU块大小为其他尺寸时，PU的大小与CU的大小一致。
梯度算法是一种较为常见的图像处理算法，主要用于检测图像局部显著性变化，梯度值越大，则像素值变化越剧烈，当前图像纹理复杂度越高。
目前的帧内编码加速算法按照针对的是编码模式决策还是编码单元划分决策，分为两大类：快速CU大小决策和快速编码模式决策。
对于CU大小的快速决策方法大致可以分以下为三类：
第一类是根据相邻CU的深度对当前CU的深度范围进行估计。
第二类是根据CU的纹理特性来确定CU的深度，例如CU的梯度值、方差等参数。
第三类是基于编码代价即HAD代价和RDO代价进行CU单元的提前划分或者提前终止划分。
而为了加速帧内编码模式决策过程，通常会采用一种基于三步算法的帧内模式决策算法，该方法具体包括以下过程：
(1)粗选择过程(RMD)根据每个模式的从35个帧内模式中选择若干个哈德马代价(HAD cost)最小的模式保存到一个候选模式列表中。
(2)根据相邻块间较强的相关性，利用当前块周围邻近块得到三个最可能模式(MPM)加入到该候选模式列表中。
(3)候选模式列表中所有模式通过RDO过程，选择率失真代价(RD cost)最小的模式为当前编码块的最佳预测模式。
在以上三步算法的基础上，基于块方向检测的帧内预测模式决策方法被提出来用于进一步降低模式决策的复杂度，该方法进一步减少了需要进行RMD和RDO的帧内预测模式的数量。然而，目前基于块方向检测的帧内预测模式决策方法仍存在着以下缺陷或不足：
1)未合理利用不同CU尺寸下的纹理可叠加、纹理复杂度等特性来(根据深度)进行CU划分，计算量有待进一步减少；
2)PU预测模式的候选模式列表数量仍较多，导致PU最优预测模式选择的速度不快。
发明内容
为解决上述技术问题，本发明的目的在于：提供一种计算量小和快速的HEVC帧内CU划分和PU预测模式选择方法及系统。
本发明所采取的第一技术方案是：
HEVC帧内CU划分和PU预测模式选择方法，包括以下步骤：
从一帧候选图像中依次提取编码模式待选择的CTU；
对提取的CTU进行预划分，将180度帧内预测角度划分为8个纹理方向范围，并采用直方图统计的方法结合直方图的可叠加特性得到不同CU尺寸下的纹理方向范围-幅度分布直方图以及相应的最佳纹理方向范围、纹理强度和纹理复杂度；
根据CU块的纹理复杂度确定CU块是否进行划分，从而递归完成CTU的四叉树划分，得到相应的PU块；
根据PU块的纹理强度、PU块的最佳纹理方向范围和相邻PU块的预测模式，确定候选模式列表；
计算候选模式列表中候选模式的率失真代价，选择率失真代价最小的候选模式作为PU块的最优预测模式。
进一步，所述对提取的CTU进行预划分，将180度帧内预测角度划分为8个纹理方向范围，并采用直方图统计的方法结合直方图的可叠加特性得到不同CU尺寸下的纹理方向范围-幅度分布直方图以及相应的最佳纹理方向范围、纹理强度和纹理复杂度这一步骤，具体包括：
对提取的64×64 CTU预划分为16个16×16 CU块，并将每个16×16 CU块预划分为4个8×8CU块；
分别根据sobel算子计算得到4个8×8CU块的纹理方向范围-幅度分布直方图，然后根据计算得到的直方图得到并保存每个8×8CU块的最佳纹理方向范围、纹理强度和纹理复杂度；
利用纹理方向范围-幅度分布直方图的可叠加性计算得到所有CU尺寸下的纹理方向范围-幅度分布直方图以及相应的最佳纹理方向范围、纹理强度和纹理复杂度。
进一步，所述分别根据sobel算子计算得到4个8×8 CU块的纹理方向范围-幅度分布直方图，然后根据计算得到的直方图得到并保存每个8×8 CU块的最佳纹理方向范围、纹理强度和纹理复杂度这一步骤，具体包括：
从CU块左上角开始提取3×3像素矩阵；
使用sobel算子对提取的3×3像素矩阵进行卷积运算，得到45°、0°、-45°、-90°和-135°这五个方向的梯度值G45°、G0°、G-45°、G-90°和G-135°；
根据得到的梯度值G45°、G0°、G-45°、G-90°和G-135°计算27°、-27°、-63°和-117°这四个方向的梯度值G27°、G-27°、G-63°和G-117°；
根据45°、27°、0°、-27°、-63°、-45°、-90°、-117°和-135°这9个方向将-135°～45°的帧内预测角度划分为8个纹理方向范围，并以梯度值为0的方向所在的纹理方向范围作为提取的3×3像素矩阵的最佳纹理方向范围；
将与提取的3×3像素矩阵的最佳纹理方向范围垂直的纹理方向范围两个边界所在方向的梯度值的均值作为最佳纹理方向范围的幅值；
从CU块左上角开始按从左到右，自上而下的顺序平移3×3像素矩阵直至遍历完CU块，然后统计所有3×3像素矩阵，最终生成CU块的纹理方向范围-幅度分布直方图；
将生成的直方图中最高幅度的纹理方向范围作为CU块的最佳纹理方向范围，将生成的直方图中的最高幅值作为CU块的纹理强度，将生成的直方图中与最佳纹理方向范围垂直的纹理方向范围的幅值作为CU块的纹理复杂度。
进一步，所述利用纹理方向范围-幅度分布直方图的可叠加性计算得到所有CU尺寸下的纹理方向范围-幅度分布直方图以及相应的最佳纹理方向范围、纹理强度和纹理复杂度这一步骤，具体包括：
将4个相邻8×8CU块的纹理方向范围-幅度分布直方图相加，得到并保存16×16CU块的纹理方向范围-幅度分布直方图，然后根据16×16CU块的纹理方向范围-幅度分布直方图得到并保存16×16CU块的最佳纹理方向范围、纹理强度和纹理复杂度；
将4个相邻16×16CU块的纹理方向范围-幅度分布直方图相加，得到并保存32×32CU块的纹理方向范围-幅度分布直方图，然后根据32×32CU块的纹理方向范围-幅度分布直方图得到并保存32×32CU块的最佳纹理方向范围、纹理强度和纹理复杂度；
将4个相邻32×32CU块的纹理方向范围-幅度分布直方图相加，得到并保存64×64CU块的纹理方向范围-幅度分布直方图，然后根据64×64CU块的纹理方向范围-幅度分布直方图得到并保存64×64CU块的最佳纹理方向范围、纹理强度和纹理复杂度。
进一步，所述根据CU块的纹理复杂度确定CU块是否进行划分，从而递归完成CTU的四叉树划分，得到相应的PU块这一步骤，具体包括以下步骤：
S31、判断64×64CU块的纹理复杂度Tc1是否小于预设的第一经验阈值Th1，若是，则直接结束CTU的四叉树划分流程；反之，则将64×64CU块划分为4个32×32CU块，然后执行步骤S32；
S32、判断4个32×32CU块中任一个32×32CU块的纹理复杂度Tc2是否小于预设的第二经验阈值Th2，若是，则执行步骤S37；反之，则将该32×32CU块划分为4个16×16CU块，然后执行步骤S33；
S33、判断4个16×16CU块中任一个16×16CU块的纹理复杂度Tc3是否小于预设的第三经验阈值Th3，若是，则执行步骤S36；反之，则将该16×16CU块划分为4个8×8CU块，然后执行步骤S34；
S34、判断4个8×8CU块中任一个8×8CU块的纹理复杂度Tc4是否小于预设的第四经验阈值Th4，若是，则直接执行步骤S35；反之，则将该8×8CU块下的PU块尺寸设为4×4，然后执行步骤S35；
S35、判断是否已经遍历4个8×8CU块，若是，则执行步骤S33，反之，则执行步骤S34；
S36、判断是否已经遍历4个16×16CU块，若是，则执行步骤S32，反之，则执行步骤S33；
S37、判断是否已经遍历4个32×32CU块，若是，则结束CTU的四叉树划分流程，反之，则执行步骤S32。
进一步，所述根据PU块的纹理强度、PU块的最佳纹理方向范围和相邻PU块的预测模式，确定候选模式列表这一步骤，具体包括：
输入当前PU块的最佳纹理方向范围和纹理强度，并根据当前PU块的尺寸选择相应的纹理强度阈值；
判断当前PU块的纹理强度是否小于相应的纹理强度阈值，若是，则将DC和Planar模式加入候选模式列表，反之，则将最大幅度的预测纹理方向范围对应的角度预测模式加入候选模式列表；
根据相邻块间的相关性，利用当前PU块周围的邻近块得到三个最可能模式加入到候选模式列表中。
进一步，所述计算候选模式列表中候选模式的率失真代价，选择率失真代价最小的候选模式作为PU块的最优预测模式这一步骤，具体为：
将候选模式列表中的所有模式进行率失真代价优化，选择率失真代价最小的候选模式作为PU块的最优预测模式，所述率失真代价JRDO的计算公式为：
JRDO＝SSE+λ×Rtotal，
其中，SSE表示原始编码块与其重建块之间误差的平方和，λ为给定的比例系数，Rtotal是利用候选模式列表中的模式编码PU块一共需要的比特数。
本发明所采取的第二技术方案是：
HEVC帧内CU划分和PU预测模式选择系统，包括：
CTU提取模块，用于从一帧候选图像中依次提取编码模式待选择的CTU；
直方图计算模块，用于对提取的CTU进行预划分，将180度帧内预测角度划分为8个纹理方向范围，并采用直方图统计的方法结合直方图的可叠加特性得到不同CU尺寸下的纹理方向范围-幅度分布直方图以及相应的最佳纹理方向范围、纹理强度和纹理复杂度；
CU块划分模块，用于根据CU块的纹理复杂度确定CU块是否进行划分，从而递归完成CTU的四叉树划分，得到相应的PU块；
候选模式列表确定模块，用于根据PU块的纹理强度、PU块的最佳纹理方向范围和相邻PU块的预测模式，确定候选模式列表；
最优预测模式选择模块，用于计算候选模式列表中候选模式的率失真代价，选择率失真代价最小的候选模式作为PU块的最优预测模式。
进一步，所述候选模式列表确定模块包括：
输入与选择模块，输入当前PU块的最佳纹理方向范围和纹理强度，并根据当前PU块的尺寸选择相应的纹理强度阈值；
判断模块，用于判断当前PU块的纹理强度是否小于相应的纹理强度阈值，若是，则将DC和Planar模式加入候选模式列表，反之，则将最大幅度的预测纹理方向范围对应的角度预测模式加入候选模式列表；
邻近块模式加入模块，用于根据相邻块间的相关性，利用当前PU块周围的邻近块得到三个最可能模式加入到候选模式列表中。
本发明所采取的第三技术方案是：
HEVC帧内CU划分和PU预测模式选择系统，包括：
存储器，用于存储程序；
处理器，用于加载所述程序以执行如第一技术方案所述的HEVC帧内CU划分和PU预测模式选择方法。
本发明的有益效果是：本发明HEVC帧内CU划分和PU预测模式选择方法及系统，对提取的CTU进行预划分，将180度帧内预测角度划分为8个纹理方向范围，并采用直方图统计的方法结合直方图的可叠加特性得到不同CU尺寸下的纹理方向范围-幅度分布直方图以及相应的最佳纹理方向范围、纹理强度和纹理复杂度，利用了直方图统计的方法得到像素块纹理方向范围-幅度分布结果，并结合直方图纹理可叠加特征来进行CU划分，大幅减少了计算复杂度和计算量；根据PU块的纹理强度、PU块的最佳纹理方向范围和相邻PU块的预测模式，确定候选模式列表，减少了PU预测模式的候选模式列表数量，从而实现了PU最优预测模式的快速选择。
附图说明
图1是HECV的33个帧内角度预测方向示意图；
图2是本发明HEVC帧内CU划分和PU预测模式选择方法的整体流程图；
图3为本发明HEVC帧内CU划分和PU预测模式选择方法的一种具体实施流程图；
图4是本发明CU块的纹理方向范围-幅度分布直方图的一种计算流程图；
图5是本发明sobel算子在45°、0°、-45°、-90°和-135°这五个方向的卷积模板；
图6是本发明提出的在27°、-27°、-63°和-117°这四个方向的方向算子的卷积模板；
图7是本发明8个纹理方向范围的划分示意图；
图8是本发明纹理方向范围-幅度分布直方图的一种示例图；
图9是本发明帧内PU预测模式选择的一种实施流程图。
具体实施方式
下面结合说明书附图和具体实施例对本发明作进一步解释和说明。对于本发明实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
本发明一种计算量小和快速的HEVC帧内CU划分和PU预测模式选择方案，主要利用直方图统计的方法得到像素块纹理方向范围-幅度分布结果，大幅减少了计算复杂度，实现了CTU四叉树的快速划分和PU最优预测模式的快速选择。
参照图2，本发明的基本过程为：首先从一帧候选图像中依次提取编码模式待选择的CTU；然后对提取的CTU进行预划分，将180度帧内预测角度划分为8个纹理方向范围，统计各个CU尺寸下的纹理方向范围-幅度分布直方图，并得到相应的最佳纹理方向范围、纹理强度和纹理复杂度；接着根据CU纹理复杂度与其四叉树编码划分的相关性完成CTU四叉树的快速划分；再接着根据PU块的纹理强度、最佳纹理方向范围和相邻PU块的预测模式，确定候选模式列表；最后通过RDO(率失真代价优化)计算候选模式列表中候选模式的率失真代价，选择RD代价最小的模式作为PU块最优预测模式。
如图3所示，本发明HEVC帧内CU划分和PU预测模式选择方法的一种具体实施方式主要包括如下步骤：
步骤1：从一帧候选图像(预先给定)中依次提取编码模式待选择的编码树单元CTU，每个CTU包含64×64个像素。提取CTU的具体过程沿用了现有HEVC的CTU提取流程。
步骤2：对提取的CTU进行预划分，将180度帧内预测角度划分为8个纹理方向范围，然后用直方图统计的方法得到不同CU尺寸下的纹理方向范围-幅度分布直方图，并根据得到的直方图获得并保存相应的最佳纹理方向范围、纹理强度和纹理复杂度。
步骤2的具体步骤如下：
步骤2.1：将64×64CTU块预划分为16个16×16CU块，每一个16×16块预划分为4个8×8块。
步骤2.2：分别计算得到4个8×8CU块的纹理方向范围-幅度分布直方图，然后根据纹理方向范围-幅度分布直方图得到并保存每个8×8CU块的最佳纹理方向范围、纹理强度和纹理复杂度。
如图4所示，步骤2.2的具体步骤如下：
步骤2.2.1：从CU块左上角开始提取3×3像素矩阵。
步骤2.2.2：使用sobel算子对3×3像素矩阵进行卷积运算，得到45°、0°、-45°、-90°和-135°五个方向的梯度值G0°、G-45°、G-90°、G-135°和G45°。G0°、G-45°、G-90°、G-135°和G45°的具体计算公式如下式(1)～(5)所示：
上述公式中，f(m，n)表示坐标为(m，n)的像素值。
步骤2.2.3：利用G0°、G-45°、G-90°、G-135°和G45°计算27°、-27°、-63°和-117°方向的梯度值G27°、G-27°、G-63°和G-117°。梯度值G27°、G-27°、G-63°和G-117°的计算公式如式(6)～(9)所示：
G27°＝G-45°-G-90° (6)
G-27°＝G-90°-G-135° (7)
G-63°＝G0°+G-135° (8)
G-117°＝G-45°-G0° (9)
如图5所示，本发明在45°、0°、-45°、-90°和-135°这5个方向沿用了现有的sobel算子矩阵。此外，如图6所示，本发明还新增了27°、-27°、-63°、-117°这四个方向的算子矩阵，这四个方向的算子矩阵根据式(6)～(9)和图5的卷积模板计算而生成。
步骤2.2.4：如图7所示，9个梯度值G0°、G-45°、G-90°、G-135°、G45°、G27°、G-27°、G-63°和G-117°依次排序，上述9个值代表的方向将-135°～45°的帧内预测角度分割为8个纹理方向范围P1～P8。本发明将零点(梯度值为0的方向)所在的纹理方向范围作为3×3像素矩阵的最佳纹理方向范围。例如G-90°为正值，G-63°为负值，则零点位于这两者之间，此时选取P6作为3×3像素矩阵的最佳纹理方向范围。又如G-90°刚好为0，则比较|G-63°|和|G-117°|，若|G-63°|较小，选取P6作为3×3像素矩阵的最佳纹理方向范围，否则选取P7。
步骤2.2.5：将与3×3像素矩阵的最佳纹理方向范围垂直的纹理方向范围的两个边界所在方向的梯度值的均值作为该最佳纹理方向范围的幅值。例如，图7中P6的幅值为(|G0°|+|G27°|)/2。
步骤2.2.6：从CU块左上角开始按从左到右，自上而下的顺序平移3×3像素矩阵重复步骤2.2.2～2.2.5直到遍历完当前CU块，然后统计所有3×3像素矩阵，生成当前CU块的纹理方向范围-幅度分布直方图，如图8所示。
步骤2.2.7：将纹理方向范围-幅度分布直方图中最高幅度的纹理方向范围作为当前CU块的最佳纹理方向范围，最高幅值作为当前CU块的纹理强度，以及将直方图中与最佳纹理方向范围垂直的纹理方向范围的幅值作为该CU块的纹理复杂度。例如，图8所示的直方图代表的CU块的最佳纹理方向范围为P6，纹理强度为18106，纹理复杂度1574。
步骤2.3：利用纹理方向范围-幅度分布直方图的可叠加性计算得到所有CU尺寸下的纹理方向范围-幅度分布直方图和相应最佳纹理方向范围、纹理强度和纹理复杂度。
步骤2.3的具体步骤如下：
步骤2.3.1：将4个相邻8×8CU块的纹理方向范围-幅度分布直方图相加，得到并保存16×16CU块的纹理方向范围-幅度分布直方图，然后根据16×16CU块的纹理方向范围-幅度分布直方图得到并保存16×16CU块的最佳纹理方向范围、纹理强度和纹理复杂度；
步骤2.3.2：将4个相邻16×16CU块的纹理方向范围-幅度分布直方图相加，得到并保存32×32CU块的纹理方向范围-幅度分布直方图，然后根据32×32CU块的纹理方向范围-幅度分布直方图得到并保存32×32CU块的最佳纹理方向范围、纹理强度和纹理复杂度；
步骤2.3.3：将4个相邻32×32CU块的纹理方向范围-幅度分布直方图相加，得到并保存64×64CU块的纹理方向范围-幅度分布直方图，然后根据64×64CU块的纹理方向范围-幅度分布直方图得到并保存64×64CU块的最佳纹理方向范围、纹理强度和纹理复杂度。
步骤3：根据CU块的纹理复杂度决定CU块划分与否，从而递归完成当前CTU的四叉树划分。
如图3所示，步骤3的具体步骤如下：
步骤3.1：如果64×64CU块的纹理复杂度Tc1小于第一经验阈值Th1，则直接执行64×64PU块的帧内预测(即步骤4和步骤5)，当前CTU帧内CU划分和PU编码模式选择已经完成；反之则将64×64CU划分为4个32×32CU块，然后执行步骤3.2；
步骤3.2：任取一个32×32CU块，如果该32×32CU块的纹理复杂度Tc2小于第二经验阈值Th2，则执行32×32PU块的帧内预测(即步骤4和步骤5)，然后执行步骤3.7；否则将32×32CU块划分为4个16×16CU块，然后执行步骤3.3；
步骤3.3：任取一个16×16CU块，如果该16×16CU块的纹理复杂度Tc3小于第三经验阈值Th3，则执行16×16PU块的帧内预测(即步骤4和步骤5)，然后执行步骤3.6；否则将16×16CU块划分为4个8×8CU块，然后执行步骤3.4。
步骤3.4：任取一个8×8CU块，如果8×8CU块的纹理复杂度Tc4小于第四经验阈值Th4，则执行8×8PU块的帧内预测(即步骤4和步骤5)，然后执行步骤3.5；否则将该8×8CU节点下的PU尺寸设为4×4，并计算每一个4×4PU块的最佳纹理方向范围和纹理强度(计算方法与8×8CU块的相同即步骤2.2)，然后执行4×4PU块的帧内预测(即步骤4和步骤5)，接着执行步骤3.5。
步骤3.5：如果已经遍历当前4个8×8CU块，则执行步骤3.3；否则执行步骤3.4。
步骤3.6：如果已经遍历当前4个16×16CU块，则执行步骤3.2；否则执行步骤3.3。
步骤3.7：如果已经遍历当前4个32×32CU块，当前CTU帧内CU划分和PU编码模式快速选择已经完成。
如图9所示，步骤4和步骤5的具体步骤如下：
步骤4：根据PU块的纹理强度、最佳纹理方向范围(因PU块由CU块划分而来，故可根据CU块的纹理强度、最佳纹理方向范围、纹理复杂度得到PU块的纹理强度、最佳纹理方向范围、纹理复杂度)和相邻PU块的预测模式，确定候选模式列表。
步骤4具体包括以下步骤：
步骤4.1：输入当前PU块的最佳纹理方向范围和纹理强度，并根据PU块尺寸选择相应的纹理强度阈值。
步骤4.2：如果PU块的纹理强度小于相应的纹理强度阈值，则将DC和Planar模式加入候选模式列表，否则将最大幅度的预测纹理方向范围对应的角度预测模式加入候选模式列表，预测纹理方向范围和角度预测模式的对应关系如下表1所示。
表1
纹理方向范围 预测角度 角度预测模式
P1 45°～27° 2、3、4、5
P2 27°～0° 6、7、8、9、10
P3 0°～-27° 10、11、12、13、14
P4 -27°～-45° 15、16、17、18
P5 -45°～-63° 18、19、20、21
P6 -63°～-90° 22、23、24、25、26
P7 -90°～-117° 26、27、28、29、30
P8 -117°～-135° 31、32、33、34
步骤4.3：根据相邻块间较强的相关性，利用当前PU块周围的邻近块得到三个最可能模式(MPM)加入到该候选模式列表中。
步骤5：将最终候选模式列表中的所有模式进行RDO过程，计算出每个候选模式的RD代价，选择RD代价最小的模式作为PU块最优预测模式。
RD代价JRDO的计算如公式(10)所示：
JRDO＝SSE+λ·Rtotal (10)
其中，SSE表示原始编码块与其重建块之间误差的平方和，Rtotal是利用候选模式列表中的预测模式mode编码该PU块一共需要的比特数。λ为给定的比例系数，一般为不大于1的常数。
本发明一种HEVC帧内CU划分和PU预测模式选择方法及系统，与现有技术相比，具有如下特点和优点：
(1)利用CU块的纹理复杂度快速得到CTU四叉树的划分；
(2)根据sobel算子划分180度帧内预测角度为8个纹理方向范围，与现有的sobel算子相比，在很小的计算量增加的基础上，将纹理的划分精度提高了一倍。
(3)根据PU块的纹理强度、最佳纹理方向范围和相邻PU块的预测模式，减少了角度预测模式的候选模式列表数量，从而实现PU最优预测模式的快速选择。
(4)利用不同CU尺寸下的纹理方向范围-幅度分布直方图的叠加性，使用8×8CU的纹理方向范围-幅度分布直方图得到16×16CU、32×32CU、64×64CU的纹理方向范围-幅度分布直方图，大幅减少了计算量。
(5)不用保存8×8CU的纹理方向范围-幅度分布直方图，节约了存储空间。
(6)保留所用CU尺寸下像素矩阵的最佳纹理方向范围和纹理强度，进行PU块最优预测模式选择时可直接调用这些数据，能以较少的存储空间开销大幅减少计算量。
以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (10)

1.HEVC帧内CU划分和PU预测模式选择方法，其特征在于：包括以下步骤：
从一帧候选图像中依次提取编码模式待选择的CTU；
对提取的CTU进行预划分，将180度帧内预测角度划分为8个纹理方向范围，并采用直方图统计的方法结合直方图的可叠加特性得到不同CU尺寸下的纹理方向范围-幅度分布直方图以及相应的最佳纹理方向范围、纹理强度和纹理复杂度；
根据CU块的纹理复杂度确定CU块是否进行划分，从而递归完成CTU的四叉树划分，得到相应的PU块；
根据PU块的纹理强度、PU块的最佳纹理方向范围和相邻PU块的预测模式，确定候选模式列表；
计算候选模式列表中候选模式的率失真代价，选择率失真代价最小的候选模式作为PU块的最优预测模式。
2.根据权利要求1所述的HEVC帧内CU划分和PU预测模式选择方法，其特征在于：所述对提取的CTU进行预划分，将180度帧内预测角度划分为8个纹理方向范围，并采用直方图统计的方法结合直方图的可叠加特性得到不同CU尺寸下的纹理方向范围-幅度分布直方图以及相应的最佳纹理方向范围、纹理强度和纹理复杂度这一步骤，具体包括：
对提取的64×64CTU预划分为16个16×16CU块，并将每个16×16CU块预划分为4个8×8CU块；
分别根据sobel算子计算得到4个8×8CU块的纹理方向范围-幅度分布直方图，然后根据计算得到的直方图得到并保存每个8×8CU块的最佳纹理方向范围、纹理强度和纹理复杂度；
利用纹理方向范围-幅度分布直方图的可叠加性计算得到所有CU尺寸下的纹理方向范围-幅度分布直方图以及相应的最佳纹理方向范围、纹理强度和纹理复杂度。
3.根据权利要求2所述的HEVC帧内CU划分和PU预测模式选择方法，其特征在于：所述分别根据sobel算子计算得到4个8×8CU块的纹理方向范围-幅度分布直方图，然后根据计算得到的直方图得到并保存每个8×8CU块的最佳纹理方向范围、纹理强度和纹理复杂度这一步骤，具体包括：
从CU块左上角开始提取3×3像素矩阵；
使用sobel算子对提取的3×3像素矩阵进行卷积运算，得到45°、0°、-45°、-90°和-135°这五个方向的梯度值G45°、G0°、G-45°、G-90°和G-135°；
根据得到的梯度值G45°、G0°、G-45°、G-90°和G-135°计算27°、-27°、-63°和-117°这四个方向的梯度值G27°、G-27°、G-63°和G-117°；
根据45°、27°、0°、-27°、-63°、-45°、-90°、-117°和-135°这9个方向将-135°～45°的帧内预测角度划分为8个纹理方向范围，并以梯度值为0的方向所在的纹理方向范围作为提取的3×3像素矩阵的最佳纹理方向范围；
将与提取的3×3像素矩阵的最佳纹理方向范围垂直的纹理方向范围两个边界所在方向的梯度值的均值作为最佳纹理方向范围的幅值；
从CU块左上角开始按从左到右，自上而下的顺序平移3×3像素矩阵直至遍历完CU块，然后统计所有3×3像素矩阵，最终生成CU块的纹理方向范围-幅度分布直方图；
将生成的直方图中最高幅度的纹理方向范围作为CU块的最佳纹理方向范围，将生成的直方图中的最高幅值作为CU块的纹理强度，将生成的直方图中与最佳纹理方向范围垂直的纹理方向范围的幅值作为CU块的纹理复杂度。
4.根据权利要求3所述的HEVC帧内CU划分和PU预测模式选择方法，其特征在于：所述利用纹理方向范围-幅度分布直方图的可叠加性计算得到所有CU尺寸下的纹理方向范围-幅度分布直方图以及相应的最佳纹理方向范围、纹理强度和纹理复杂度这一步骤，具体包括：
将4个相邻8×8CU块的纹理方向范围-幅度分布直方图相加，得到并保存16×16CU块的纹理方向范围-幅度分布直方图，然后根据16×16CU块的纹理方向范围-幅度分布直方图得到并保存16×16CU块的最佳纹理方向范围、纹理强度和纹理复杂度；
将4个相邻16×16CU块的纹理方向范围-幅度分布直方图相加，得到并保存32×32CU块的纹理方向范围-幅度分布直方图，然后根据32×32CU块的纹理方向范围-幅度分布直方图得到并保存32×32CU块的最佳纹理方向范围、纹理强度和纹理复杂度；
将4个相邻32×32CU块的纹理方向范围-幅度分布直方图相加，得到并保存64×64CU块的纹理方向范围-幅度分布直方图，然后根据64×64CU块的纹理方向范围-幅度分布直方图得到并保存64×64CU块的最佳纹理方向范围、纹理强度和纹理复杂度。
5.根据权利要求4所述的HEVC帧内CU划分和PU预测模式选择方法，其特征在于：所述根据CU块的纹理复杂度确定CU块是否进行划分，从而递归完成CTU的四叉树划分，得到相应的PU块这一步骤，具体包括以下步骤：
S31、判断64×64CU块的纹理复杂度Tc1是否小于预设的第一经验阈值Th1，若是，则直接结束CTU的四叉树划分流程；反之，则将64×64CU块划分为4个32×32CU块，然后执行步骤S32；
S32、判断4个32×32CU块中任一个32×32CU块的纹理复杂度Tc2是否小于预设的第二经验阈值Th2，若是，则执行步骤S37；反之，则将该32×32CU块划分为4个16×16CU块，然后执行步骤S33；
S33、判断4个16×16CU块中任一个16×16CU块的纹理复杂度Tc3是否小于预设的第三经验阈值Th3，若是，则执行步骤S36；反之，则将该16×16CU块划分为4个8×8CU块，然后执行步骤S34；
S34、判断4个8×8CU块中任一个8×8CU块的纹理复杂度Tc4是否小于预设的第四经验阈值Th4，若是，则直接执行步骤S35；反之，则将该8×8CU块下的PU块尺寸设为4×4，然后执行步骤S35；
S35、判断是否已经遍历4个8×8CU块，若是，则执行步骤S33，反之，则执行步骤S34；
S36、判断是否已经遍历4个16×16CU块，若是，则执行步骤S32，反之，则执行步骤S33；
S37、判断是否已经遍历4个32×32CU块，若是，则结束CTU的四叉树划分流程，反之，则执行步骤S32。
6.根据权利要求1所述的HEVC帧内CU划分和PU预测模式选择方法，其特征在于：所述根据PU块的纹理强度、PU块的最佳纹理方向范围和相邻PU块的预测模式，确定候选模式列表这一步骤，具体包括：
输入当前PU块的最佳纹理方向范围和纹理强度，并根据当前PU块的尺寸选择相应的纹理强度阈值；
判断当前PU块的纹理强度是否小于相应的纹理强度阈值，若是，则将DC和Planar模式加入候选模式列表，反之，则将最大幅度的预测纹理方向范围对应的角度预测模式加入候选模式列表；
根据相邻块间的相关性，利用当前PU块周围的邻近块得到三个最可能模式加入到候选模式列表中。
7.根据权利要求1所述的HEVC帧内CU划分和PU预测模式选择方法，其特征在于：所述计算候选模式列表中候选模式的率失真代价，选择率失真代价最小的候选模式作为PU块的最优预测模式这一步骤，具体为：
将候选模式列表中的所有模式进行率失真代价优化，选择率失真代价最小的候选模式作为PU块的最优预测模式，所述率失真代价JRDO的计算公式为：
JRDO＝SSE+λ×Rtotal，
其中，SSE表示原始编码块与其重建块之间误差的平方和，λ为给定的比例系数，Rtotal是利用候选模式列表中的模式编码PU块一共需要的比特数。
8.HEVC帧内CU划分和PU预测模式选择系统，其特征在于：包括：
CTU提取模块，用于从一帧候选图像中依次提取编码模式待选择的CTU；
直方图计算模块，用于对提取的CTU进行预划分，将180度帧内预测角度划分为8个纹理方向范围，并采用直方图统计的方法结合直方图的可叠加特性得到不同CU尺寸下的纹理方向范围-幅度分布直方图以及相应的最佳纹理方向范围、纹理强度和纹理复杂度；
CU块划分模块，用于根据CU块的纹理复杂度确定CU块是否进行划分，从而递归完成CTU的四叉树划分，得到相应的PU块；
候选模式列表确定模块，用于根据PU块的纹理强度、PU块的最佳纹理方向范围和相邻PU块的预测模式，确定候选模式列表；
最优预测模式选择模块，用于计算候选模式列表中候选模式的率失真代价，选择率失真代价最小的候选模式作为PU块的最优预测模式。
9.根据权利要求8所述的HEVC帧内CU划分和PU预测模式选择系统，其特征在于：所述候选模式列表确定模块包括：
输入与选择模块，输入当前PU块的最佳纹理方向范围和纹理强度，并根据当前PU块的尺寸选择相应的纹理强度阈值；
判断模块，用于判断当前PU块的纹理强度是否小于相应的纹理强度阈值，若是，则将DC和Planar模式加入候选模式列表，反之，则将最大幅度的预测纹理方向范围对应的角度预测模式加入候选模式列表；
邻近块模式加入模块，用于根据相邻块间的相关性，利用当前PU块周围的邻近块得到三个最可能模式加入到候选模式列表中。
10.HEVC帧内CU划分和PU预测模式选择系统，其特征在于：包括：
存储器，用于存储程序；
处理器，用于加载所述程序以执行如权利要求1-7任一项所述的HEVC帧内CU划分和PU预测模式选择方法。
CN201711481714.9A 2017-12-29 2017-12-29 Hevc帧内cu划分和pu预测模式选择方法及系统 Active CN108184115B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711481714.9A CN108184115B (zh) 2017-12-29 2017-12-29 Hevc帧内cu划分和pu预测模式选择方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711481714.9A CN108184115B (zh) 2017-12-29 2017-12-29 Hevc帧内cu划分和pu预测模式选择方法及系统

Publications (2)

Publication Number Publication Date
CN108184115A true CN108184115A (zh) 2018-06-19
CN108184115B CN108184115B (zh) 2022-01-18

Family

ID=62549100

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711481714.9A Active CN108184115B (zh) 2017-12-29 2017-12-29 Hevc帧内cu划分和pu预测模式选择方法及系统

Country Status (1)

Country Link
CN (1) CN108184115B (zh)

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108965925A (zh) * 2018-08-08 2018-12-07 广州酷狗计算机科技有限公司 多媒体资源编码、多媒体流解码方法、装置、设备及介质
CN109618169A (zh) * 2018-12-25 2019-04-12 中山大学 用于hevc的帧内决策方法、装置和存储介质
CN109688414A (zh) * 2018-12-19 2019-04-26 同济大学 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
CN110620926A (zh) * 2018-06-20 2019-12-27 浙江大学 一种帧内预测模式编解码方法及装置
CN111757129A (zh) * 2020-07-07 2020-10-09 福州大学 一种面向vvc的快速帧内预测方法
CN111770340A (zh) * 2020-07-23 2020-10-13 腾讯科技（深圳）有限公司 视频编码方法、装置、设备以及存储介质
CN111885382A (zh) * 2020-06-23 2020-11-03 北京工业职业技术学院 帧内色度预测模式快速选择
CN111970512A (zh) * 2020-07-23 2020-11-20 浙江大华技术股份有限公司 编码方法、设备及具有存储功能的装置
WO2020259589A1 (en) * 2019-06-25 2020-12-30 Zhejiang Dahua Technology Co., Ltd. Systems and methods for inter-frame prediction
CN112312132A (zh) * 2020-10-23 2021-02-02 深圳市迪威码半导体有限公司 一种基于直方图统计的hevc帧内简化算法
CN112381077A (zh) * 2021-01-18 2021-02-19 南京云创大数据科技股份有限公司 一种人脸图像信息的隐藏方法
CN112601087A (zh) * 2020-11-23 2021-04-02 郑州轻工业大学 一种针对h.266/vvc的快速cu分裂模式决策方法
CN112822490A (zh) * 2019-11-15 2021-05-18 北京博雅慧视智能技术研究院有限公司 一种基于感知的帧内编码单元尺寸快速决策的编码方法
CN114449265A (zh) * 2019-03-28 2022-05-06 华为技术有限公司 用于帧内平滑的方法和装置
CN114513661A (zh) * 2022-04-20 2022-05-17 宁波康达凯能医疗科技有限公司 一种基于方向检测的帧内图像模式决策方法与系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102843559A (zh) * 2012-09-12 2012-12-26 清华大学 基于纹理特性的hevc帧内预测模式的快速选择方法及装置
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
CN103428499A (zh) * 2013-08-23 2013-12-04 清华大学深圳研究生院 编码单元的划分方法及使用该方法的多视点视频编码方法
US20140126635A1 (en) * 2011-11-16 2014-05-08 Alexander Zheludkov Optimal intra prediction in block-based video coding
CN105120292A (zh) * 2015-09-09 2015-12-02 厦门大学 一种基于图像纹理特征的视频编码帧内预测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140126635A1 (en) * 2011-11-16 2014-05-08 Alexander Zheludkov Optimal intra prediction in block-based video coding
CN102843559A (zh) * 2012-09-12 2012-12-26 清华大学 基于纹理特性的hevc帧内预测模式的快速选择方法及装置
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
CN103428499A (zh) * 2013-08-23 2013-12-04 清华大学深圳研究生院 编码单元的划分方法及使用该方法的多视点视频编码方法
CN105120292A (zh) * 2015-09-09 2015-12-02 厦门大学 一种基于图像纹理特征的视频编码帧内预测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JIEFENG GUO等: "Gradient Based Fast CU Splitting and Mode Decision Algorithm for HEVC Intra Prediction", 《2014 INTERNATIONAL CONFERENCE ON ANTI-COUNTERFEITING, SECURITY AND IDENTIFICATION (ASID)》 *
WEI JIANG等: "Gradient Based Fast Mode Decision Algorithm for Intra Prediction in HEVC", 《2012 2ND INTERNATIONAL CONFERENCE ON CONSUMER ELECTRONICS, COMMUNICATIONS AND NETWORKS (CECNET)》 *
许东旭等: "多策略的HEVC帧内快速预测算法", 《计算机工程》 *

Cited By (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110620926B (zh) * 2018-06-20 2022-01-04 浙江大学 一种帧内预测模式编解码方法及装置
CN110620926A (zh) * 2018-06-20 2019-12-27 浙江大学 一种帧内预测模式编解码方法及装置
CN108965925A (zh) * 2018-08-08 2018-12-07 广州酷狗计算机科技有限公司 多媒体资源编码、多媒体流解码方法、装置、设备及介质
CN109688414A (zh) * 2018-12-19 2019-04-26 同济大学 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
CN109618169B (zh) * 2018-12-25 2023-10-27 中山大学 用于hevc的帧内决策方法、装置和存储介质
CN109618169A (zh) * 2018-12-25 2019-04-12 中山大学 用于hevc的帧内决策方法、装置和存储介质
US11431988B2 (en) 2019-03-28 2022-08-30 Huawei Technologies Co., Ltd. Method and apparatus for intra smoothing for intra sub-partitions
CN114449265A (zh) * 2019-03-28 2022-05-06 华为技术有限公司 用于帧内平滑的方法和装置
CN114449265B (zh) * 2019-03-28 2023-07-07 华为技术有限公司 用于帧内平滑的方法和装置
WO2020259589A1 (en) * 2019-06-25 2020-12-30 Zhejiang Dahua Technology Co., Ltd. Systems and methods for inter-frame prediction
CN112822490A (zh) * 2019-11-15 2021-05-18 北京博雅慧视智能技术研究院有限公司 一种基于感知的帧内编码单元尺寸快速决策的编码方法
CN111885382A (zh) * 2020-06-23 2020-11-03 北京工业职业技术学院 帧内色度预测模式快速选择
CN111885382B (zh) * 2020-06-23 2023-04-18 北京工业职业技术学院 帧内色度预测模式快速选择
CN111757129A (zh) * 2020-07-07 2020-10-09 福州大学 一种面向vvc的快速帧内预测方法
CN111757129B (zh) * 2020-07-07 2023-07-07 福州大学 一种面向vvc的快速帧内预测方法
CN111770340B (zh) * 2020-07-23 2022-03-15 腾讯科技（深圳）有限公司 视频编码方法、装置、设备以及存储介质
CN111970512B (zh) * 2020-07-23 2023-09-29 浙江大华技术股份有限公司 编码方法、设备及具有存储功能的装置
CN111970512A (zh) * 2020-07-23 2020-11-20 浙江大华技术股份有限公司 编码方法、设备及具有存储功能的装置
CN111770340A (zh) * 2020-07-23 2020-10-13 腾讯科技（深圳）有限公司 视频编码方法、装置、设备以及存储介质
CN112312132B (zh) * 2020-10-23 2022-08-12 深圳市迪威码半导体有限公司 一种基于直方图统计的hevc帧内简化算法
CN112312132A (zh) * 2020-10-23 2021-02-02 深圳市迪威码半导体有限公司 一种基于直方图统计的hevc帧内简化算法
CN112601087A (zh) * 2020-11-23 2021-04-02 郑州轻工业大学 一种针对h.266/vvc的快速cu分裂模式决策方法
CN112381077B (zh) * 2021-01-18 2021-05-11 南京云创大数据科技股份有限公司 一种人脸图像信息的隐藏方法
CN112381077A (zh) * 2021-01-18 2021-02-19 南京云创大数据科技股份有限公司 一种人脸图像信息的隐藏方法
CN114513661B (zh) * 2022-04-20 2022-09-06 宁波康达凯能医疗科技有限公司 一种基于方向检测的帧内图像模式决策方法与系统
CN114513661A (zh) * 2022-04-20 2022-05-17 宁波康达凯能医疗科技有限公司 一种基于方向检测的帧内图像模式决策方法与系统

Also Published As

Publication number Publication date
CN108184115B (zh) 2022-01-18

Similar Documents

Publication Publication Date Title
CN108184115A (zh) Hevc帧内cu划分和pu预测模式选择方法及系统
CN105721878B (zh) Hevc视频编解码中执行帧内预测的图像处理装置及方法
CN107801024B (zh) 一种用于帧内预测的边界滤波方法
CN103533364B (zh) 确定纹元方向的方法及设备，编码方法及设备，存储介质
CN104754357B (zh) 基于卷积神经网络的帧内编码优化方法及装置
CN108712648B (zh) 一种深度视频快速帧内编码方法
CN111462261B (zh) 针对h.266/vvc的快速cu分区和帧内决策方法
CN105208387B (zh) 一种hevc帧内预测模式快速选择方法
CN103517069A (zh) 一种基于纹理分析的hevc帧内预测快速模式选择方法
CN107896330A (zh) 一种用于帧内和帧间预测的滤波方法
US20120039389A1 (en) Distortion weighing
CN105120290B (zh) 一种深度视频快速编码方法
US11323702B2 (en) Apparatus and a method for associating a video block partitioning pattern to a video coding block
CN108124154A (zh) 帧间预测模式的快速选择方法、装置及电子设备
CN109819250A (zh) 一种多核全组合方式的变换方法和系统
CN109672894A (zh) 一种帧间预测方法、装置及存储介质
CN107852492A (zh) 用于对图像进行编码和解码的方法和设备
CN106375764A (zh) 一种结合方向预测和块复制预测的视频帧内编码方法
CN106034235A (zh) 计算编码失真度和编码模式控制的方法及其系统
CN104883566B (zh) 一种适用于hevc标准的帧内预测块大小划分的快速算法
CN106688238A (zh) 改进后的深度图帧内编码的参考像素点选择和滤波
CN103716641B (zh) 预测图像生成方法和装置
CN103888763A (zh) 一种基于hevc的帧内编码方法
CN107295336A (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
CN102035997B (zh) 一种基于模式预测和方向排序的图像锐化方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant