CN108989801B - 一种基于时空特性的自适应模式选择快速方法 - Google Patents

一种基于时空特性的自适应模式选择快速方法 Download PDF

Info

Publication number
CN108989801B
CN108989801B CN201810838667.7A CN201810838667A CN108989801B CN 108989801 B CN108989801 B CN 108989801B CN 201810838667 A CN201810838667 A CN 201810838667A CN 108989801 B CN108989801 B CN 108989801B
Authority
CN
China
Prior art keywords
video
mode selection
mode
thr
adaptive
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
CN201810838667.7A
Other languages
English (en)
Other versions
CN108989801A (zh
Inventor
叶张帆
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.)
Fujian Haoyue Technology Co ltd
Original Assignee
FUZHOU UNIVERSITY ZHICHENG COLLEGE
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 FUZHOU UNIVERSITY ZHICHENG COLLEGE filed Critical FUZHOU UNIVERSITY ZHICHENG COLLEGE
Priority to CN201810838667.7A priority Critical patent/CN108989801B/zh
Publication of CN108989801A publication Critical patent/CN108989801A/zh
Application granted granted Critical
Publication of CN108989801B publication Critical patent/CN108989801B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H04N19/10—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
    • 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
    • H04N19/107—Selection of coding mode or of prediction mode between spatial and temporal predictive coding, e.g. picture refresh
    • 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
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/157—Assigned coding mode, i.e. the coding mode being predefined or preselected to be further used for selection of another element or parameter
    • 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)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本发明涉及一种基于时空特性的自适应模式选择快速方法，首先根据视频不同的编码特性将其分为简单、一般和复杂三个等级。其次，利用编码单元的时域/空域相关性构建模式选择预测算法，并利用该算法预测当前编码单元的最佳分割模式。最后，根据视频的分类特性，应用自适应阈值调整算法选取概率大的前几种分割模式作为最终的候选模式。本发明能够在保证编码质量的前提下，降低编码复杂度。

Description

一种基于时空特性的自适应模式选择快速方法
技术领域
本发明涉及视频编码领域，特别是一种基于时空特性的自适应模式选择快速方法。
背景技术
模式选择作为编码的重要环节，其准确度及效率将直接影响编码质量和计算复杂度。为了提高预测精度，H.265/HEVC在模式选择环节增加了多种帧内和帧间预测模式，但同时，繁琐的模式选择过程给编码的计算复杂度带来巨大压力。模式选择的准确度将直接影响总体编码的质量及效率。因此，基于的帧间模式选择的快速优化算法对H.265/HEVC的应用具有重要意义。
发明内容
有鉴于此，本发明的目的是提出一种基于时空特性的自适应模式选择快速方法，能够在保证编码质量的前提下，降低编码复杂度的目的。
本发明采用以下方案实现：一种基于时空特性的自适应模式选择快速方法，包括以下步骤：
步骤S1：根据视频的不同编码特性，将视频分为简单、一般和复杂三个等级；
步骤S2：利用基于时域/空域相关性的模式选择预测算法，预测出当前编码单元的最佳候选模式；
步骤S3：根据步骤S1中得到的视频复杂程度，自适应调整阈值大小以控制候选模式集合的范围，最终优化模式选择过程。
其中，步骤S1具体为：将视频输入基于空间信息(Spatial perceptualInformation，SI)和时间信息(Temporal perceptual Information，TI)的视频预处理系统。该系统可根据SI和TI数值将视频序列分为简单、一般和复杂三个等级。
进一步地，步骤S1具体包括以下步骤：
步骤S11：将视频序列随机抽取50帧进行SI/TI算法预处理；
步骤S12：令视频总体特征指标Vtot为：
Vtot＝VSI+VTI；
式中，VSI和VTI分别为视频的空间特征值与视频的时间特性值；
步骤S13：当视频总体特性指标Vtot越大时，该视频的编码复杂度也越大。根据视频总体特征指标Vtot的值，将输入的视频分为三个等级，判定标准为：
Figure BDA0001745070220000021
式中，Thrl和Thrh为两个决定视频复杂度的阈值；当Vtot＜Thrl时，判定该视频为简单视频；当Vtot＞Thrh时，判定该视频为纹理复杂或快速运动视频，即编码复杂视频；否则为复杂度一般视频。
进一步地，步骤S11具体为：SI和TI可用于表示视频的空间特性和时间特性。当视频空间上的纹理细节越丰富时，其SI值越大；当视频时间上运动越快时，其TI值越大。基于Sobel滤波器的SI/TI的计算方法对抽取的50帧视频进行预处理，具体采用下式：
Figure BDA0001745070220000022
式中，y(i,j)表示预处理后的图像帧，i和j分别代表输入图像帧第i行和第j行的像素；Gv(i,j)和Gh(i,j)分别代表图像经过垂直和水平方向第一次卷积得到的3×3矩阵。
进一步地，为了在不同纹理特性和运动特性的视频中获得良好而稳定的性能，本发明通过测试实验，将所述Thrl和Thrh的值分别设为34和73。
较佳的，步骤S2中，基于时/空域的模式选择预测算法介绍如下：视频是由一系列连续的图像帧组成，各帧之间具有一定的相似性，存在冗余。在对当前编码单元进行编码时，可参考时空域已编码单元的最佳模式，利用相关性预测出当前的编码模式。考虑到视频序列具有不同的编码特性，相邻编码块对当前编码块的影响也不尽相同。例如，在纹理复杂的视频序列中，编码块之间的差异性较大，空域相邻编码块对当前块的影响也越小；在快速运动的序列中，前后视频帧间差异越大，时域参考块和当前块的相似性越小。因此，本发明将根据不同的视频特性调整时/空域参考单元对当前编码块的影响。
进一步地，所述步骤S2具体包括以下步骤：
步骤S21：定义时域参考的编码单元对当前编码块的影响因子α以及空域参考块的影响因子β为：
Figure BDA0001745070220000031
Figure BDA0001745070220000032
步骤S22：根据时域参考单元的最佳分割模式Mi以及空域参考单元的最佳分割模式Mj(包括当前块左边和上方的已编码单元)预测出当前编码单元的最佳分割模式Mcur：
Figure BDA0001745070220000033
式中，N为时域和空域总的参考个数，i为时域中参考单元的序号；j为时域中参考单元的序号。
进一步地，所述步骤S3具体包括以下步骤：
步骤S31：将初始模式阈值TS0定义为：
Figure BDA0001745070220000041
式中，Cmin、Cnormal和Cmax为三个不同的常数值；
步骤S32：将各视频帧的阈值根据视频内容进行自适应调整：
TSf＝ωTS0+(1-ω)TSf-1；
式中，TSf为第f帧视频分配的阈值；ω为自适应调整系数；
步骤S33：假定第i个候选模式被选为最佳模式的概率为pi，则各个模式的执行条件为：
Figure BDA0001745070220000042
进一步地，步骤S31中，Cmin、Cnormal和Cmax的值分别为0.34、0.51和0.68。
进一步地，步骤S32中，ω的值为0.43。
与现有技术相比，本发明有以下有益效果：本发明能够在保证编码质量的前提下，降低编码复杂度。本发明能够平衡编码质量和计算复杂度。
附图说明
图1为本发明的方法流程示意图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
如图1所示，本实施例提供了一种基于时空特性的自适应模式选择快速方法，包括以下步骤：
步骤S1：根据视频的不同编码特性，将视频分为简单、一般和复杂三个等级；
步骤S2：利用基于时域/空域相关性的模式选择预测算法，预测出当前编码单元的最佳候选模式；
步骤S3：根据步骤S1中得到的视频复杂程度，自适应调整阈值大小以控制候选模式集合的范围，最终优化模式选择过程。
其中，步骤S1具体为：将视频输入基于空间信息(Spatial perceptualInformation，SI)和时间信息(Temporal perceptual Information，TI)的视频预处理系统。该系统可根据SI和TI数值将视频序列分为简单、一般和复杂三个等级。
在本实施例中，步骤S1具体包括以下步骤：
步骤S11：将视频序列随机抽取50帧进行SI/TI算法预处理；
步骤S12：令视频总体特征指标Vtot为：
Vtot＝VSI+VTI；
式中，VSI和VTI分别为视频的空间特征值与视频的时间特性值；
步骤S13：当视频总体特性指标Vtot越大时，该视频的编码复杂度也越大。根据视频总体特征指标Vtot的值，将输入的视频分为三个等级，判定标准为：
Figure BDA0001745070220000061
式中，Thrl和Thrh为两个决定视频复杂度的阈值；当Vtot＜Thrl时，判定该视频为简单视频；当Vtot＞Thrh时，判定该视频为纹理复杂或快速运动视频，即编码复杂视频；否则为复杂度一般视频。
在本实施例中，步骤S11具体为：SI和TI可用于表示视频的空间特性和时间特性。当视频空间上的纹理细节越丰富时，其SI值越大；当视频时间上运动越快时，其TI值越大。基于Sobel滤波器的SI/TI的计算方法对抽取的50帧视频进行预处理，具体采用下式：
Figure BDA0001745070220000062
式中，y(i,j)表示预处理后的图像帧，i和j分别代表输入图像帧第i行和第j行的像素；Gv(i,j)和Gh(i,j)分别代表图像经过垂直和水平方向第一次卷积得到的3×3矩阵。
在本实施例中，为了在不同纹理特性和运动特性的视频中获得良好而稳定的性能，本发明通过测试实验，将所述Thrl和Thrh的值分别设为34和73。
较佳的，在本实施例中，步骤S2中，基于时/空域的模式选择预测算法介绍如下：视频是由一系列连续的图像帧组成，各帧之间具有一定的相似性，存在冗余。在对当前编码单元进行编码时，可参考时空域已编码单元的最佳模式，利用相关性预测出当前的编码模式。考虑到视频序列具有不同的编码特性，相邻编码块对当前编码块的影响也不尽相同。例如，在纹理复杂的视频序列中，编码块之间的差异性较大，空域相邻编码块对当前块的影响也越小；在快速运动的序列中，前后视频帧间差异越大，时域参考块和当前块的相似性越小。因此，本发明将根据不同的视频特性调整时/空域参考单元对当前编码块的影响。
在本实施例中，所述步骤S2具体包括以下步骤：
步骤S21：定义时域参考的编码单元对当前编码块的影响因子α以及空域参考块的影响因子β为：
Figure BDA0001745070220000071
Figure BDA0001745070220000072
步骤S22：根据时域参考单元的最佳分割模式Mi以及空域参考单元的最佳分割模式Mj(包括当前块左边和上方的已编码单元)预测出当前编码单元的最佳分割模式Mcur：
Figure BDA0001745070220000073
式中，N为时域和空域总的参考个数，i为时域中参考单元的序号；j为时域中参考单元的序号。
在本实施例中，所述步骤S3具体包括以下步骤：
步骤S31：将初始模式阈值TS0定义为：
Figure BDA0001745070220000074
式中，Cmin、Cnormal和Cmax为三个不同的常数值；
步骤S32：将各视频帧的阈值根据视频内容进行自适应调整：
TSf＝ωTS0+(1-ω)TSf-1；
式中，TSf为第f帧视频分配的阈值；ω为自适应调整系数；
步骤S33：假定第i个候选模式被选为最佳模式的概率为pi，则各个模式的执行条件为：
Figure BDA0001745070220000081
在本实施例中，步骤S31中，Cmin、Cnormal和Cmax的值分别为0.34、0.51和0.68。
在本实施例中，步骤S32中，ω的值为0.43。
在本实施例中，为研究每种分割模式被选为最佳模式的可能性，本实施例基于不同分辨率的测试视频设计了统计实验，分别记录每种模式被选为最佳模式的概率，并将结果整理于表1中。
表1不同分割模式被选为最佳模式的概率
Figure BDA0001745070220000082
从表1可知，不同分割模式被选为最佳模式的概率不同。特别对于Skip和对称划分模式(2N×2N和2N×N)而言，被选为最佳模式的概率较大。为了提高编码质量，在给定模式阈值允许的前提下，还将测试概率大的前几种分割模式。
为验证本实施例所提算法的有效性，本实施例在H.265/HEVC标准测试平台HM(HM16.0)进行验证，并采用H.265/HEVC标准测试视频进行测试。其中，编码结构采用RamdomAccess和Low Delay，量化参数为25,30,35,40，结果采用BDPSNR和BDBR作为评价标准。测试结果如表2、表3所示。
表2 Ramdom Access结构中实验结果
Figure BDA0001745070220000091
表3 Low Delay结构中实验结果
Figure BDA0001745070220000092
结果表明，本实施例提出的一种基于时空特性的自适应模式选择快速算法可在几乎不改变编码质量的情况下，节省约61％的编码时间，大大降低编码的计算复杂度。此外，本算法还可和其他优化算法相结合，应用于多视点、3D及全景视频的应用场景。
以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (5)

1.一种基于时空特性的自适应模式选择快速方法，其特征在于：包括以下步骤：
步骤S1：根据视频的不同编码特性，将视频分为简单、一般和复杂三个等级；
步骤S2：利用基于时域/空域相关性的模式选择预测算法，预测出当前编码单元的最佳候选模式；
步骤S3：根据步骤S1中得到的视频复杂程度，自适应调整阈值大小以控制候选模式集合的范围，最终优化模式选择过程；
所述步骤S1具体包括以下步骤：
步骤S11：将视频序列随机抽取50帧进行空间信息和时间信息算法，即SI/TI算法预处理；
步骤S12：令视频总体特征指标Vtot为：
Vtot＝VSI+VTI；
式中，VSI和VTI分别为视频的空间特征值与视频的时间特性值；
步骤S13：根据视频总体特征指标Vtot的值，将输入的视频分为三个等级，判定标准为：
Figure FDA0003147871760000011
式中，Thrl和Thrh为两个决定视频复杂度的阈值；当Vtot＜Thrl时，判定该视频为简单视频；当Vtot＞Thrh时，判定该视频为纹理复杂或快速运动视频，即编码复杂视频；否则为复杂度一般视频；
所述步骤S2具体包括以下步骤：
步骤S21：定义时域参考的编码单元对当前编码块的影响因子α以及空域参考块的影响因子β为：
Figure FDA0003147871760000021
Figure FDA0003147871760000022
步骤S22：根据时域参考单元的最佳分割模式Mi以及空域参考单元的最佳分割模式Mj预测出当前编码单元的最佳分割模式Mcur：
Figure FDA0003147871760000023
式中，N为时域和空域总的参考个数，i为时域中参考单元的序号；j为时域中参考单元的序号；
所述步骤S3具体包括以下步骤：
步骤S31：将初始模式阈值TS0定义为：
Figure FDA0003147871760000024
式中，Cmin、Cnormal和Cmax为三个不同的常数值；
步骤S32：将各视频帧的阈值根据视频内容进行自适应调整：
TSf＝ωTS0+(1-ω)TSf-1；
式中，TSf为第f帧视频分配的阈值；ω为自适应调整系数；
步骤S33：假定第i个候选模式被选为最佳模式的概率为pi，则各个模式的执行条件为：
Figure FDA0003147871760000025
2.根据权利要求1所述的一种基于时空特性的自适应模式选择快速方法，其特征在于：步骤S11具体为：基于Sobel滤波器的SI/TI的计算方法对抽取的50帧视频进行预处理，具体采用下式：
Figure FDA0003147871760000031
式中，y(i,j)表示预处理后的图像帧，i和j分别代表输入图像帧第i行和第j行的像素；Gv(i,j)和Gh(i,j)分别代表图像经过垂直和水平方向第一次卷积得到的3×3矩阵。
3.根据权利要求1所述的一种基于时空特性的自适应模式选择快速方法，其特征在于：所述Thrl和Thrh的值分别为34和73。
4.根据权利要求1所述的一种基于时空特性的自适应模式选择快速方法，其特征在于：步骤S31中，Cmin、Cnormal和Cmax的值分别为0.34、0.51和0.68。
5.根据权利要求1所述的一种基于时空特性的自适应模式选择快速方法，其特征在于：步骤S32中，ω的值为0.43。
CN201810838667.7A 2018-07-27 2018-07-27 一种基于时空特性的自适应模式选择快速方法 Active CN108989801B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810838667.7A CN108989801B (zh) 2018-07-27 2018-07-27 一种基于时空特性的自适应模式选择快速方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810838667.7A CN108989801B (zh) 2018-07-27 2018-07-27 一种基于时空特性的自适应模式选择快速方法

Publications (2)

Publication Number Publication Date
CN108989801A CN108989801A (zh) 2018-12-11
CN108989801B true CN108989801B (zh) 2021-10-08

Family

ID=64551720

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810838667.7A Active CN108989801B (zh) 2018-07-27 2018-07-27 一种基于时空特性的自适应模式选择快速方法

Country Status (1)

Country Link
CN (1) CN108989801B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112188310B (zh) * 2020-09-28 2022-08-16 北京金山云网络技术有限公司 测试序列构建方法、装置、电子设备及存储介质
CN114727107B (zh) * 2021-01-04 2024-01-23 北京金山云网络技术有限公司 一种视频处理方法、装置、设备及介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104333756A (zh) * 2014-11-19 2015-02-04 西安电子科技大学 基于时域相关性的hevc预测模式快速选择方法
CN104394409A (zh) * 2014-11-21 2015-03-04 西安电子科技大学 基于空域相关性的hevc预测模式快速选择方法
CN104581181A (zh) * 2013-10-11 2015-04-29 中国科学院深圳先进技术研究院 一种基于备选模式列表优化的帧内编码方法
CN107749984A (zh) * 2017-10-24 2018-03-02 福州大学 基于模式映射的多视点视频编码复杂度控制方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9787982B2 (en) * 2011-09-12 2017-10-10 Qualcomm Incorporated Non-square transform units and prediction units in video coding
US9955187B2 (en) * 2014-03-28 2018-04-24 University-Industry Cooperation Group Of Kyung Hee University Method and apparatus for encoding of video using depth information

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104581181A (zh) * 2013-10-11 2015-04-29 中国科学院深圳先进技术研究院 一种基于备选模式列表优化的帧内编码方法
CN104333756A (zh) * 2014-11-19 2015-02-04 西安电子科技大学 基于时域相关性的hevc预测模式快速选择方法
CN104394409A (zh) * 2014-11-21 2015-03-04 西安电子科技大学 基于空域相关性的hevc预测模式快速选择方法
CN107749984A (zh) * 2017-10-24 2018-03-02 福州大学 基于模式映射的多视点视频编码复杂度控制方法

Also Published As

Publication number Publication date
CN108989801A (zh) 2018-12-11

Similar Documents

Publication Publication Date Title
CN106961606B (zh) 基于纹理划分特征的hevc帧内编码模式选择方法
CN111355956B (zh) 一种hevc帧内编码中基于深度学习的率失真优化快速决策系统及其方法
CN110087087A (zh) Vvc帧间编码单元预测模式提前决策及块划分提前终止方法
CN109302610B (zh) 一种基于率失真代价的屏幕内容编码帧间快速编码方法
CN105959699B (zh) 一种基于运动估计和时空域相关性的快速帧间预测方法
CN103517069A (zh) 一种基于纹理分析的hevc帧内预测快速模式选择方法
CN108924558B (zh) 一种基于神经网络的视频预测编码方法
CN111263145B (zh) 基于深度神经网络的多功能视频快速编码方法
CN111988628B (zh) 基于强化学习的vvc的快速帧内编码方法
CN108989801B (zh) 一种基于时空特性的自适应模式选择快速方法
CN109905712A (zh) 基于ResNet的HEVC帧内编码快速模式决策算法
CN111246219B (zh) 一种vvc帧内cu深度快速划分方法
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
CN107071497B (zh) 一种基于时空相关性的低复杂度视频编码方法
CN107690069B (zh) 一种数据驱动的级联视频编码方法
Huang et al. Modeling acceleration properties for flexible intra hevc complexity control
CN110677644B (zh) 一种视频编码、解码方法及视频编码帧内预测器
KR100912429B1 (ko) 고속 움직임 추정을 위한 영상 검색 방법
CN106878754A (zh) 一种3d视频深度图像帧内预测模式选择方法
CN110446040A (zh) 一种适用于hevc标准的帧间编码方法与系统
CN114257819A (zh) 基于时空深度信息的vcc编码单元快速划分方法
CN111246218B (zh) 基于jnd模型的cu分割预测和模式决策纹理编码方法
CN116827921A (zh) 一种流媒体的音视频处理方法、装置及设备
CN101061722A (zh) 采用自适应搜索策略的快速多帧运动估计
CN114173131A (zh) 一种基于帧间相关性的视频压缩方法及系统

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230724

Address after: Room 1108, Floor 11, Building 11, Fujian Road Administration Industry and Trade Industrial Park, No. 76, Houshan Village, Nanyu Town, Minhou County, Fuzhou City, 350000

Patentee after: Fujian Haoyue Technology Co.,Ltd.

Address before: 350002 No.50, Yangqiao West Road, Gulou District, Fuzhou City, Fujian Province

Patentee before: FUZHOU UNIVERSITY ZHICHENG College