CN111565315A

CN111565315A - 一种视频编码算法的评价方法

Info

Publication number: CN111565315A
Application number: CN202010291830.XA
Authority: CN
Inventors: 赵海武; 冯艺妍
Original assignee: University of Shanghai for Science and Technology
Current assignee: University of Shanghai for Science and Technology
Priority date: 2020-04-14
Filing date: 2020-04-14
Publication date: 2020-08-21

Abstract

本发明涉及一种视频编码算法的评价方法，通过大量的实验获取各种编码算法的压缩效率变化率和编码时间变化率，然后在对数域上将压缩效率变化率和编码时间变化率结合起来，建立一个基准集，将待测试编码算法与基准集进行比较，可以综合评价视频编码算法性能。本发明方法实现了视频编码快速算法和视频编码新算法的定量评价，从对数域上进行了分析，并通过最小二乘法求线性回归拟合的方法，获取视频编码算法压缩效率和压缩复杂度的权重，对视频编码产品的开发以及视频编码标准的制定具有重要参考价值。

Description

一种视频编码算法的评价方法

技术领域

本发明涉及到视频压缩编码技术领域，尤其涉及到一种视频编码算法的评价方法。

背景技术

目前，视频编码算法的评价主要从两方面考虑：压缩效率(主要通过计算BD_rate)和压缩复杂度(主要通过计算时间改变率)。对于大多数算法，压缩效率的提升往往伴随着压缩复杂度的增加，如果独立地从压缩效率和复杂度两方面进行分析，评价算法时难以权衡。例如算法A使压缩效率提高了2％，编码时间增加了20％，算法B使压缩效率增加了3％，同时编码时间增加了50％，如图1所示，那么算法A和算法B哪个更好一些呢？对于视频算法的评价，现在还没有一个公认的方法可以综合比较压缩效率和复杂度。

发明内容

为了解决上述问题，本发明的目的在于提供一种视频编码算法的评价方法，通过大量的实验获取各种编码算法的压缩效率变化率和编码时间变化率，然后在对数域上将压缩效率变化率和编码时间变化率结合起来，建立一个基准集，将待测试编码算法与基准集进行比较，可以综合评价视频编码算法性能。本方法可以客观、有效的评价各种视频编码算法。

为了达到上述目的，本发明采用如下技术方案：

一种视频编码算法的评价方法，包括如下步骤：

步骤一：选择一个视频编码标准的参考软件平台RP；

步骤二：基于RP建立配置集B，其中配置B_j(j＝1,2…,N)由RP的默认配置改变参数后得到；

步骤三：从配置集B中选取一个常用配置，作为后续评价的比较基准，记为配置B₀；

步骤四：在RP的默认配置的基础上，增加所需评价的视频编码算法A，记为B_t；

步骤五：以B₀为基准，计算B_t的压缩效率的对数平均和编码复杂度的对数平均，分别记为Elog_t和Clog_t；

步骤六：以B₀为基准，基于配置集B计算压缩效率与压缩复杂度的比重值λ；

步骤七：计算算法A的评价指标分Zlog_t，公式如下：

Zlog_t＝Elog_t+λ*Clog_t

其中，λ表示压缩效率与压缩复杂度的比重；Zlog_t越小表示算法综合性能越好。

进一步的，步骤五中所述的以B₀为基准，计算B_t的压缩效率对数平均和编码复杂度对数平均的方法，包括以下步骤：

S5-1：选择业内公认的测试序列集{V₁,V₂,...,V_m}和量化参数集{Q₁,Q₂,Q₃,Q₄}，其中Q₁<Q₂<Q₃<Q₄；

S5-2：基于RP，对于序列V_i，采用量化参数Q_q，在编码配置B₀下的编码时间记为T_iq0，所得的峰值信噪比记为P_iq0，码率记为R_iq0；

S5-3：基于添加算法A后的RP，对于序列V_i，采用量化参数Q_q，在B_t下的编码时间记为T_iqt，所得的峰值信噪比记为P_iqt，码率记为R_iqt；

S5-4：对于序列V_i，采用量化参数Q_q，计算编码复杂度C_iqt，计算公式如下：

S5-5：对于序列V_i，计算4个量化参数下复杂度的几何平均值C_it，计算公式如下：

S5-6：分别计算码率的对数Rlog_iq0和Rlog_iqt，q＝1,2,3,4，计算公式如下：

Rlog_iq0＝log(R_iq0)

Rlog_iqt＝log(R_iqt)

S5-7：以峰值信噪比为y轴，以码率的对数为x轴，建立平面直角坐标系，在坐标系中绘制点系列(Rlog_iq0,P_iq0)和(Rlog_iqt,P_iqt)，q＝1,2,3,4；

S5-8：确定积分区间。积分区间的上边界记为maxP；积分区间的下边界记为minP。计算公式如下：

maxP＝Min{Max{P_iq0|q＝1,2,3,4},Max{P_iqt|q＝1,2,3,4}}

minP＝Max{Min{P_iq0|q＝1,2,3,4},Min{P_iqt|q＝1,2,3,4}}

其中函数Min{·}表示取数值集合中的最小值，Max{·}表示取数值集合中的最大值；

S5-9：分别对点序列(Rlog_iq0，P_iq0)和(Rlog_iqt，P_iqj)(q＝1,2,3,4)，进行曲线拟合，得函数y＝f₀(x)和y＝f_t(x)；

S5-10：计算函数y＝f₀(x)的曲线与y轴、y＝minP、y＝maxP围成的区域的面积S₀，计算函数y＝f_t(x)的曲线与y轴、y＝minP、y＝maxP围成的区域的面积S_t；

S5-11：计算B_t的BD_rate，记为BDr_t，计算公式如下：

S5-12：对于序列V_i，计算编码编码效率E_it，计算公式如下：

E_it＝BDr_t+1

S5-13：对于序列V_i，计算编码复杂度的对数log(C_it)、编码效率的对数log(E_it)；

S5-14：基于测试序列集{V₁,V₂,...,V_m}，计算B_t的压缩效率的对数平均Elog_t和编码复杂度的对数平均Clog_t。计算公式如下:

进一步的，步骤六中所述的以B₀为基准，基于配置集B计算压缩效率与压缩复杂度的比重值λ的方法，包括以下步骤：

S6-1：选择业内公认的测试序列集{V₁,V₂,...,V_m}和量化参数集{Q₁，Q₂，Q₃，Q₄}，其中Q₁<Q₂<Q₃<Q₄；

S6-2：基于RP，对于序列V_i，采用量化参数Q_q，在编码配置B₀下的编码时间记为T_iq0，所得的峰值信噪比记为P_iq0，码率记为R_iq0；

S6-3：基于RP，对于序列V_i，采用量化参数Q_q，在编码配置B_j(j＝1,2…N)下的编码时间记为T_iqj，所得的峰值信噪比记为P_iqj，码率记为R_iqj；

S6-4：对于序列V_i，对于每个编码配置B_j(j＝1,2…N)，采用量化参数Q_q，计算编码复杂度C_iqj，计算公式如下：

S6-5：对于序列V_i，对于每个编码配置B_j(j＝1,2…N)，计算4个量化参数下编码复杂度的几何平均值C_ij，计算公式如下：

S6-6：对于每个编码配置B_j(j＝1,2…N)，分别计算码率的对数Rlog_iq0和Rlog_iqj，q＝1,2,3,4，计算公式如下：

Rlog_iq0＝log(R_iq0)

Rlog_iqj＝log(R_iqj)

S6-7：对于每个编码配置B_j(j＝1,2…N)，以峰值信噪比为y轴，以码率的对数为x轴，建立平面直角坐标系，在坐标系中绘制点系列(Rlog_iq0,P_iq0)和(Rlog_iqj,P_iqj)，q＝1,2,3,4；

S6-8：对于每个编码配置B_j(j＝1,2…N)，确定积分区间。积分区间的上边界记为maxP_j；积分区间的下边界记为minP_j。计算公式如下：

maxP_j＝Min{Max{P_iq0|q＝1,2,3,4},Max{P_iqj|q＝1,2,3,4}}

minP_j＝Max{Min{P_iq0|q＝1,2,3,4},Min{P_iqj|q＝1,2,3,4}}

S6-9：对于每个编码配置B_j(j＝1,2…N)，分别对点序列(Rlog_iq0,P_iq0)和(Rlog_iqj,P_iqj)(q＝1,2,3,4)，进行曲线拟合，得函数y＝f₀(x)和y＝f_j(x)；

S6-10：计算函数y＝f₀(x)的曲线与y轴、y＝minP、y＝maxP围成的区域的面积S₀，计算函数y＝f_j(x)的曲线与y轴、y＝minP、y＝maxP围成的区域的面积S_j；

S6-11：对于每个编码配置B_j(j＝1,2…N)，计算B_j的BD_rate，记为BDr_j，计算公式如下：

S6-12：对于序列V_i，对于每个编码配置B_j(j＝1,2…N)，计算编码效率E_ij，计算公式如下：

E_ij＝BDr_j+1

S6-13：对于序列V_i，对于每个编码配置B_j(j＝1,2…N)，计算编码复杂度的对数log(C_ij)、编码效率的对数log(E_ij)；

S6-14：基于测试序列集{V₁,V₂,...,V_m}，对于每个编码配置B_j(j＝1,2…N)，计算B_j的压缩效率的对数平均Rlog_j和编码复杂度的对数平均Rlog_j。计算公式如下：

S6-15：改变一系列的编码器配置参数B_j(j＝1,2…N)，建立平面直角坐标系，以压缩效率的对数平均Elog_j为纵坐标，以编码复杂度的对数平均Rlog_j为横坐标，绘制散点图；

S6-16：使用最小二乘法求散点图上样本点的最佳线性回归拟合线y＝kx+b，取λ为拟合线斜率的绝对值，即λ＝|k|。

本发明与现有技术相比，具有如下显而易见且突出的实质性特点和显著优点：

本发明方法实现了视频编码快速算法和视频编码新算法的定量评价，从对数域上进行了分析，并通过最小二乘法求线性回归拟合的方法，获取视频编码算法压缩效率和压缩复杂度的权重，对视频编码产品的开发以及视频编码标准的制定具有重要参考价值。

附图说明

图1为两种编码方式在同一质量评价方法下的率失真曲线图。

图2为本发明视频编码算法的评价方法流程图。

图3为本发明步骤五的方法流程图。

图4为本发明步骤六的方法流程图。

图5为各编码配置的编码复杂度对数和编码效率对数的散点图

图6为λ的取值示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明做进一步详细的说明。

实施例

如图2所示，一种视频编码算法的评价方法，包括如下步骤：

步骤一：选择一个视频编码标准的参考软件平台RP；比如H.265的参考软件平台HM19.5，或者AVS2的参考软件平台RD19.1等；本实施例中选取AVS2的参考软件平台RD19.1，软件测试的硬件平台为Inter Core i7-7700K，CPU@4.20GHz，内存32GB，64位操作系统。

步骤二：建立配置集B，其中配置B_j(j＝1,2…N)由视频编码器的默认配置改变参数后得到；本实施例为测试RD19.1在随机访问模式(Random Access)下194种不同参数组合。

步骤三：从配置集B中选取所选择的视频编码平台的一个常用配置，作为后续评价的比较基准，记为配置B₀；本实施例选取RD19.1在随机访问模式(Random Access)的默认配置作为配置B₀。

步骤四：在所选择的视频编码平台的默认配置的基础上，增加视频编码算法A，设为B_t。本例基于默认配置，本实施例测试了7种算法。算法1为开启Low Latency ALF(低时延自适应环路滤波)，算法2为限制CU(编码单元)为16时不向下划分，算法3为限制CU最小为32时不向下划分，算法4为限制RF(参考帧)数量为1，算法5为限制RF数量为2，算法6为限制RF数量为3，算法7为限制RF数量为5。

步骤五：以B₀为基准，计算B_t的压缩效率的对数平均和编码复杂度的对数平均，分别记为Elog_t和Clog_t。

如图3所示，所述步骤五中的测试编码时间和压缩性能的方法，包括以下步骤：

S5-1：选择业内公认的测试序列集{V₁,V₂,...,V_m}和量化参数集{Q₁,Q₂,Q₃,Q₄}(Q₁<Q₂<Q₃<Q₄)；本实例中使用AVS2标准测试集中的15个视频序列，量化参数集选取{27,32,38,45}；

S5-2：基于RP，对于序列V_i，采用量化参数Q_q，在编码配置B₀下的编码时间为T_iq0，所得的峰值信噪比记为P_iq0，码率记为R_iq0；

S5-3：基于添加算法A后的RP，对于序列V_i，采用量化参数Q_q，在B_t下的编码时间为T_iqt，所得的峰值信噪比记为P_iqt，码率记为R_iqt；；

S5-4：对于序列V_i，采用量化参数q，计算编码复杂度C_iqt，计算公式如下：

Rlog_iq0＝log(R_iq0)

Rlog_iqt＝log(R_iqt)

maxP＝Min{Max{P_iq0|q＝1,2,3,4},Max{P_iqt|q＝1,2,3,4}}

minP＝Max{Min{P_iq0|q＝1,2,3,4},Min{P_iqt|q＝1,2,3,4}}

S5-11：计算B_t的BD_rate，记为BDr_t，计算公式如下：

S5-12：对于序列V_i，计算编码编码效率E_it，计算公式如下：

E_it＝BDr_t+1

计算结果见表1：

表1实施例1中的视频编码算法

	E<sub>log</sub>	C<sub>log</sub>	Z<sub>log</sub>＝E<sub>log</sub>+λ*C<sub>log</sub>
				算法1	0.0030	0.0303	0.0417
算法2	0.0226	-0.1193	-0.0334
				算法3	0.1066	-0.3946	0.0107
算法4	0.0074	-0.0183	0.0099
				算法5	0.0055	-0.0033	0.0175
算法6	0.0037	0.0030	0.0170
				算法7	0.0002	0.0215	0.0222

步骤六：以B₀为基准，基于配置集B中配置B_j(j＝1,2…N)，计算压缩效率与压缩复杂度的比重值λ。

如图4所示，所述λ的取值方法，包括以下步骤：

S6-1：同步骤五，选择业内公认的测试序列集{V₁,V₂,...,V_m}和量化参数集{Q₁，Q₂，Q₃，Q₄},Q₁<Q₂<Q₃<Q₄；本实例中使用AVS2标准测试集中的15个视频序列，量化参数集选取{27,32,38,45}；

S6-2：基于RP，对于序列V_i，采用量化参数q，在编码配置B₀下的编码时间为T_iq0，所得的峰值信噪比记为P_iq0，码率记为R_iq0；

S6-3：基于RP，对于序列V_i，采用量化参数q，在编码配置B_j(j＝1,2…N)下的编码时间为T_iqj，所得的峰值信噪比记为P_iqj，码率记为R_iqj；

S6-4：对于序列V_i，对于每个编码配置B_j(j＝1,2…N)，采用量化参数q，计算编码复杂度C_iqj，计算公式如下：

S6-5：对于序列V_i，对于每个编码配置B_j(j＝1,2…N)，计算4个量化参数下复杂度的几何平均值Cij，计算公式如下：

S6-6：对于每个编码配置B_j(j＝1,2…N)，分别计算码率的对数Rlog_iq0和Rlog_iqj，q＝1,2,3,4。计算公式如下：

Rlog_iq0＝log(R_iq0)

Rlog_iqj＝log(R_iqj)

maxP_j＝Min{Max{P_iq0|q＝1,2,3,4},Max{P_iqj|q＝1,2,3,4}}

minP_j＝Max{Min{P_iq0|q＝1,2,3,4},Min{P_iqj|q＝1,2,3,4}}

E_ij＝BDr_j+1

S6-14：基于测试序列集{V₁,V₂,...,V_m}，对于每个编码配置B_j(j＝1,2…N)，计算B_j的压缩效率的对数平均Elog_j和编码复杂度的对数平均Clog_j。计算公式如下：

S6-15：改变一系列的编码器配置参数B_j(j＝1,2…N)，建立平面直角坐标系，以压缩效率的对数平均Elog_j为纵坐标，以编码复杂度的对数平均Clog_j为横坐标，绘制散点图,如图5所示；

S6-16：使用最小二乘法求散点图上样本点的最佳线性回归拟合线y＝kx+b，取λ为拟合线斜率的绝对值，即λ＝|k|。如图6所示，经过最小二乘法进行线性拟合后，拟合线斜率为-0.2629，则λ取0.2629。

步骤七：计算算法A的评价指标Zlog_t，公式如下：

Zlog_t＝Elog_t+λ*Clog_t

对于不同的算法，评价指标越小越好，由表1所示，算法2综合性能最好，而算法1综合性能最差。

Claims

1.一种视频编码算法的评价方法，其特征在于，包括如下步骤：

步骤一：选择一个视频编码标准的参考软件平台RP；

步骤七：计算算法A的评价指标分Zlog_t，公式如下：

Zlog_t＝Elog_t+λ*Clog_t

2.根据权利要求1所述的视频编码算法的评价方法，其特征在于，所述步骤五中的以B₀为基准，计算B_t的压缩效率对数平均和编码复杂度对数平均的方法，包括以下步骤：

Rlog_iq0＝log(R_iq0)

Rlog_iqt＝log(R_iqt)

S5-8：确定积分区间；积分区间的上边界记为maxP；积分区间的下边界记为minP；计算公式如下：

maxP＝Min{Max{P_iq0|q＝1,2,3,4},Max{P_iqt|q＝1,2,3,4}}

minP＝Max{Min{P_iq0|q＝1,2,3,4},Min{P_iqt|q＝1,2,3,4}}

S5-11：计算B_t的BD_rate，记为BDr_t，计算公式如下：

S5-12：对于序列V_i，计算编码编码效率E_it，计算公式如下：

E_it＝BDr_t+1

S5-14：基于测试序列集{V₁,V₂,...,V_m}，计算B_t的压缩效率的对数平均Elog_t和编码复杂度的对数平均Clog_t；计算公式如下：

3.根据权利要求1所述的视频编码算法的评价方法，其特征在于，所述步骤六中的以B₀为基准，基于配置集B计算压缩效率与压缩复杂度的比重值λ的方法，包括以下步骤：

Rlog_iq0＝log(R_iq0)

Rlog_iqj＝log(R_iqj)

S6-8：对于每个编码配置B_j(j＝1,2…N)，确定积分区间；积分区间的上边界记为maxP_j；积分区间的下边界记为minP_j；计算公式如下：

maxP_j＝Min{Max{P_iq0|q＝1,2,3,4},Max{P_iqj|q＝1,2,3,4}}

minP_j＝Max{Min{P_iq0|q＝1,2,3,4},Min{P_iqj|q＝1,2,3,4}}

E_ij＝BDr_j+1

S6-14：基于测试序列集{V₁,V₂,...,V_m}，对于每个编码配置B_j(j＝1,2…N)，计算B_j的压缩效率的对数平均Elog_j和编码复杂度的对数平均Clog_j；计算公式如下：

S6-15：改变一系列的编码器配置参数B_j(j＝1,2…N)，建立平面直角坐标系，以压缩效率的对数平均Elog_j为纵坐标，以编码复杂度的对数平均Clog_j为横坐标，绘制散点图；