CN112218083A - 高效视频编码标准帧内图像码率估计方法 - Google Patents

Abstract

一种高效视频编码标准帧内图像码率估计方法，由确定边长、确定基本计算单元大小、确定图像的标准差、确定图像类型、获得纹理简单图像模型参数、估计纹理简单图像码率、获得纹理复杂图像模型参数、估计纹理复杂图像码率步骤组成。本发明解决了现有技术需要执行全部编码或部分编码过程算法复杂度高、对于不同纹理复杂图像使用相同的码率估计模型码率估计准确度低，没有同时考虑图像内容特性和编码参数对于图像码率影响的技术问题。本发明具有码率估计准确、模型参数计算简单、算法运行速度快等优点，可用于视频编码、视频通信等领域中。

Description

高效视频编码标准帧内图像码率估计方法

技术领域

本发明属于视频编码技术领域，具体涉及到高效视频编码标准帧内图像码率估计方法。

背景技术

在视频多媒体通信系统中，由摄像机采集的原始视频数据量非常庞大，如此庞大的原始视频如果不经过编码是无法在当前的多媒体系统中有效地传输和存储。视频编码是保证视频多媒体通信系统有效运行的关键技术，视频编码的目的是用更少的编码码率获得更高质量的编码重建视频。

目前随着高清设备的大量普及，面向高清视频的高效视频编码标准被广泛采用，使用高效视频编码标准编码视频时，需要综合各种因素给视频选择一组优化的编码参数组合，从而获得更加优化的编码性能。高效视频编码标准在选择优化的编码参数组合时通常使用拉格朗日率失真优化的方法，在此方法中需要用到图像编码的码率信息。视频图像的真实的编码码率信息只有在图像全部编码完成之后才能获得，但是编码图像要耗费大量时间，所以通过全编码过程获得图像码率信息的方式由于复杂度过高的技术问题，在实际应用中很少采用。

目前采用部分编码过程的方式获得图像码率的估计值，即对图像进行部分编码操作，然后基于相关编码信息，例如预测块的残差信息、量化后的变换系数、熵编码的上下文模型等，得到图像码率估计值。相比于全编码过程的方式，基于部分编码过程的图像码率估计方法虽然降低了一定的复杂度，但其仍然要执行部分编码操作，所以其复杂度仍然较高。特别是对于一些实时性要求较高的视频多媒体通信应用，例如视频会议、视频监控，基于部分编码过程的方式仍然不适用。另外，不同的图像具有不同的内容特性，对于不同内容复杂程度的图像，其对应的优化的码率估计模型形式通常不一样。但目前部分码率估计模型对于所有的图像类型都使用相同的模型形式，例如幂函数形式，这类方法的码率估计准确度还有待于提升。此外，视频图像的内容特性及编码参数配置(例如量化参数)是影响图像码率的两个基本因素，一些图像码率估计方法只考虑了图像的内容特性，并没有考虑同样对图像码率有重要影响的编码参数。所以这类方法的复杂度虽然很低，但其码率估计的准确度很难保证。

发明内容

本发明所要解决的技术问题在于克服上述现有技术的缺点，提供一种码率估计准确、模型参数计算简单、计算速度快的高效视频编码标准帧内图像码率估计方法。

解决上述技术问题所采用的技术方案是由下述步骤组成：

(1)确定边长

输入视频图像的空间分辨率，按照式(1)得到边长l：

其中round()为四舍五入取整函数，w_p为图像宽，h_p为图像高，γ∈[0.5,3.5]，σ∈[0.05,0.4]，w_c∈{88,89,...,704}，h_c∈{72,73,...,576}。

(2)确定基本计算单元大小

基本计算单元为矩形像素块，由边长l确定基本计算单元的宽w_b和高h_b：

w_b＝αl (2)

h_b＝βl (3)

其中α∈{0.5,1,1.5,2,2.5,3}，β∈{0.5,1,1.5,2,2.5,3}。

(3)确定图像的标准差

基本计算单元的标准差按式(4)确定：

其中sd(i)表示视频第i幅帧内图像的标准差，i∈{1,2,..,N_p}，N_p是视频的总图像数、取值为有限的正整数，int()为下取整函数，x(i,k,j)表示视频第i幅帧内图像第k个基本计算单元第j个像素的亮度值，k、j为有限的正整数。

(4)确定图像类型

第i幅帧内图像满足sd(i)≥T_sd，此图像被分类为纹理复杂图像，第i幅帧内图像满足sd(i)＜T_sd，此图像被分类为纹理简单图像，其中T_sd为复杂度分类阈值参数，T_sd∈[6,16]。

(5)获得纹理简单图像模型参数

对于纹理简单图像，根据式(5)和式(6)分别获得用于码率估计的两个模型参数θ₁和θ₂：

θ₁＝ξ₁+ξ₂sd(i)²+ξ₃sd(i)⁴ (5)

其中ξ₁，ξ₂，ξ₃，ξ₄，ξ₅，ξ₆为模型参数，ξ₁∈[1000,3000]，ξ₂∈[-200,-10]，ξ₃∈[0,5]，ξ₄∈[-20,0]，ξ₅∈[100,500]，ξ₆∈[-1000,0]。

(6)估计纹理简单图像码率

根据式(7)得到纹理简单图像的第一种码率估计值R_f,bpp，码率估计值R_f,bpp的单位是像素每比特：

其中QP表示用于编码的量化参数。

根据式(8)得到纹理简单图像的第二种码率估计值R_f,bit，第二种码率估计值R_f,bit的单位是比特：

根据式(9)得到纹理简单图像的第三种码率估计值R_f,kbps，第三种码率估计值R_f,kbps的单位是千比特每秒：

其中f表示视频的帧率。

(7)获得纹理复杂图像模型参数

对于纹理复杂图像，当量化参数满足QP＜T_QP时，按照式(10)和式(11)分别获得用于码率估计的两个模型参数θ₃和θ₄，其中T_QP为量化参数分段阈值参数，T_QP∈{1,2,…51}：

θ₃＝ψ₁+ψ₂(In(sd(i)))² (10)

θ₄＝ψ₃+ψ₄sd(i)+ψ₅sd(i)³ (11)

其中In()是以自然常数e为底的对数函数，ψ₁、ψ₂、ψ₃、ψ₄、ψ₅为模型参数，ψ₁∈[-2,-0.01]，ψ₂∈[-1,0)，ψ₃∈[0,3]，ψ₄∈[0.01,2]，ψ₅∈[-1,0)。

量化参数满足QP≥T_QP时，按照式(12)和式(13)分别获得用于码率估计的两个模型参数θ₅和θ₆：

其中exp()是以自然常数e为底的指数函数，ψ₆、ψ₇、ψ₈、ψ₉、ψ₁₀、ψ₁₁为模型参数，ψ₆∈[-1,0]，ψ₇∈(0,1]，ψ₈∈(0,1]，ψ₉∈[-10,-0.1]，ψ₁₀∈[-50,-5]，ψ₁₁∈[-20000,-1000]。

(8)估计纹理复杂图像码率

量化参数满足QP＜T_QP时，按照式(14)、式(15)、式(16)分别获得纹理复杂图像对应的三种码率估计值R_g,bpp、R_g,bit、R_g,kbps：

R_g,bpp＝θ₃QP+θ₄ (14)

R_g,bit＝w_ph_p(θ₃QP+θ₄) (15)

量化参数满足QP≥T_QP时，按照式(17)、式(18)、式(19)分别获得纹理复杂图像对应的三种码率估计值R_g,bpp、R_g,bit、R_g,kbps：

在本发明的确定边长步骤(1)中，所述的γ最佳为2.312,σ最佳为0.1098，w_c最佳为176，h_c最佳为144。

在本发明的确定基本计算单元大小步骤(2)中，所述的α最佳为1,β最佳为1。

在本发明的确定图像类型步骤(4)中，所述的T_sd最佳为9.5。

在本发明的获得纹理简单图像模型参数步骤(5)中，所述的ξ₁最佳为2214.6626,ξ₂最佳为-95.4408,ξ₃最佳为1.1889,ξ₄最佳为-6.4966,ξ₅最佳为258.6685，ξ₆最佳为-476.0452。

在本发明的获得纹理复杂图像模型参数步骤(7)中，所述的T_QP最佳为22，ψ₁最佳为-0.1515，ψ₂最佳为-0.0099，ψ₃最佳为1.3448，ψ₄最佳为0.4092，ψ₅最佳为-0.0003，ψ₆最佳为-0.000204，ψ₇最佳为0.000017，ψ₈最佳为0.000490，ψ₉最佳为-1.693003，ψ₁₀最佳为-17.2364，ψ₁₁最佳为-4109.83。

由于本发明采用确定图像类型步骤、获得纹理简单图像模型参数步骤、估计纹理简单图像码率步骤、获得纹理复杂图像模型参数步骤、估计纹理复杂图像码率步骤，解决了现有技术需要执行全部编码或部分编码过程算法复杂度高、对于不同纹理复杂图像使用相同的码率估计模型码率估计准确度低，没有同时考虑图像内容特性和编码参数对于图像码率影响的技术问题。本发明具有码率估计准确、模型参数计算简单、算法运行速度快等优点，可用于视频编码、视频通信等领域中。

附图说明

图1是本发明实施例1的流程图。

具体实施方式

下面结合附图和实施例对本发明进一步详细说明，但本发明不限于下面的实施例。

实施例1

在图1中，本实施例的高效视频编码标准帧内图像码率估计方法由下述步骤组成：

(1)确定边长

输入视频图像的空间分辨率，按照式(1)得到边长l：

其中round()为四舍五入取整函数，w_p为图像宽，h_p为图像高，γ∈[0.5,3.5]，σ∈[0.05,0.4]，w_c∈{88,89,...,704}，h_c∈{72,73,...,576}，本实施例的γ取值为2.312,σ取值为0.1098，w_c取值为176，h_c取值为144。

(2)确定基本计算单元大小

基本计算单元为矩形像素块，由边长l确定基本计算单元的宽w_b和高h_b：

w_b＝αl (2)

h_b＝βl (3)

其中α∈{0.5,1,1.5,2,2.5,3}，β∈{0.5,1,1.5,2,2.5,3}，本实施例的α取值为1,β取值为1。

(3)确定图像的标准差

基本计算单元的标准差按式(4)确定：

其中sd(i)表示视频第i幅帧内图像的标准差，i∈{1,2,..,N_p}，N_p是视频的总图像数、取值为有限的正整数，int()为下取整函数，x(i,k,j)表示视频第i幅帧内图像第k个基本计算单元第j个像素的亮度值，k、j为有限的正整数。

(4)确定图像类型

第i幅帧内图像满足sd(i)≥T_sd，此图像被分类为纹理复杂图像，第i幅帧内图像满足sd(i)＜T_sd，此图像被分类为纹理简单图像，其中T_sd为复杂度分类阈值参数，T_sd∈[6,16]，本实施例的T_sd取值为9.5。

(5)获得纹理简单图像模型参数

对于纹理简单图像，根据式(5)和式(6)分别获得用于码率估计的两个模型参数θ₁和θ₂：

θ₁＝ξ₁+ξ₂sd(i)²+ξ₃sd(i)⁴ (5)

其中ξ₁、ξ₂、ξ₃、ξ₄、ξ₅、ξ₆为模型参数，ξ₁∈[1000,3000]，ξ₂∈[-200,-10]，ξ₃∈[0,5]，ξ₄∈[-20,0]，ξ₅∈[100,500]，ξ₆∈[-1000,0]，本实施例的ξ₁取值为2214.6626,ξ₂取值为-95.4408,ξ₃取值为1.1889,ξ₄取值为-6.4966,ξ₅取值为258.6685，ξ₆取值为-476.0452。

(6)估计纹理简单图像码率

根据式(7)得到纹理简单图像的第一种码率估计值R_f,bpp，码率估计值R_f,bpp的单位是像素每比特：

其中QP表示用于编码的量化参数。

根据式(8)得到纹理简单图像的第二种码率估计值R_f,bit，第二种码率估计值R_f,bit的单位是比特：

根据式(9)得到纹理简单图像的第三种码率估计值R_f,kbps，第三种码率估计值R_f,kbps的单位是千比特每秒：

其中f表示视频的帧率。

(7)获得纹理复杂图像模型参数

对于纹理复杂图像，当量化参数满足QP＜T_QP时，按照式(10)和式(11)分别获得用于码率估计的两个模型参数θ₃和θ₄，其中T_QP为量化参数分段阈值参数，T_QP∈{1,2,…51}：

θ₃＝ψ₁+ψ₂(In(sd(i)))² (10)

θ₄＝ψ₃+ψ₄sd(i)+ψ₅sd(i)³ (11)

其中In()是以自然常数e为底的对数函数，ψ₁、ψ₂、ψ₃、ψ₄、ψ₅为模型参数，ψ₁∈[-2,-0.01]，ψ₂∈[-1,0)，ψ₃∈[0,3]，ψ₄∈[0.01,2]，ψ₅∈[-1,0)。本实施例的T_QP取值为22，ψ₁取值为-0.1515，ψ₂取值为-0.0099，ψ₃取值为1.3448，ψ₄取值为0.4092，ψ₅取值为-0.0003。

量化参数满足QP≥T_QP时，按照式(12)和式(13)分别获得用于码率估计的两个模型参数θ₅和θ₆：

其中exp()是以自然常数e为底的指数函数，ψ₆、ψ₇、ψ₈、ψ₉、ψ₁₀、ψ₁₁为模型参数，ψ₆∈[-1,0]，ψ₇∈(0,1]，ψ₈∈(0,1]，ψ₉∈[-10,-0.1]，ψ₁₀∈[-50,-5]，ψ₁₁∈[-20000,-1000]。本实施例的ψ₆取值为-0.000204，ψ₇取值为0.000017，ψ₈取值为0.000490，ψ₉取值为-1.693003，ψ₁₀取值为-17.2364，ψ₁₁取值为-4109.83。

(8)估计纹理复杂图像码率

量化参数满足QP＜T_QP时，按照式(14)、式(15)、式(16)分别获得纹理复杂图像对应的三种码率估计值R_g,bpp、R_g,bit、R_g,kbps：

R_g,bpp＝θ₃QP+θ₄ (14)

R_g,bit＝w_ph_p(θ₃QP+θ₄) (15)

量化参数满足QP≥T_QP时，按照式(17)、式(18)、式(19)分别获得纹理复杂图像对应的三种码率估计值R_g,bpp、R_g,bit、R_g,kbps：

上述方法解决了现有技术需要执行全部编码或部分编码过程算法复杂度高、对于不同纹理复杂图像使用相同的码率估计模型码率估计准确度低，没有同时考虑图像内容特性和编码参数对于图像码率影响的技术问题，具有码率估计准确、模型参数计算简单、算法运行速度快等优点。

实施例2

本实施例的高效视频编码标准帧内图像码率估计方法由下述步骤组成：

在确定边长步骤(1)中，输入视频图像的空间分辨率，按照式(1)得到边长l：

其中round()为四舍五入取整函数，w_p为图像宽，h_p为图像高，γ∈[0.5,3.5]，σ∈[0.05,0.4]，w_c∈{88,89,...,704}，h_c∈{72,73,...,576}，本实施例的γ取值为0.5,σ取值为0.05，w_c取值为88，h_c取值为72。

在确定基本计算单元大小步骤(2)中，基本计算单元为矩形像素块，由边长l确定基本计算单元的宽w_b和高h_b：

w_b＝αl (2)

h_b＝βl (3)

其中α∈{0.5,1,1.5,2,2.5,3}，β∈{0.5,1,1.5,2,2.5,3}，本实施例的α取值为0.5,β取值为0.5。

在确定图像类型步骤(4)中，如果第i幅帧内图像满足sd(i)≥T_sd，则此图像被分类为纹理复杂图像，如果第i幅帧内图像满足sd(i)＜T_sd，则此图像被分类为纹理简单图像，其中T_sd为复杂度分类阈值参数，T_sd∈[6,16]，本实施例的T_sd取值为6。

在获得纹理简单图像模型参数步骤(5)中，对于纹理简单图像，根据式(5)和式(6)分别获得用于码率估计的两个模型参数θ₁和θ₂：

θ₁＝ξ₁+ξ₂sd(i)²+ξ₃sd(i)⁴ (5)

其中ξ₁、ξ₂、ξ₃、ξ₄、ξ₅、ξ₆为模型参数，ξ₁∈[1000,3000]，ξ₂∈[-200,-10]，ξ₃∈[0,5]，ξ₄∈[-20,0]，ξ₅∈[100,500]，ξ₆∈[-1000,0]，本实施例的ξ₁取值为1000,ξ₂取值为-200,ξ₃取值为0，ξ₄取值为-20,ξ₅取值为100，ξ₆取值为-1000。

在获得纹理复杂图像模型参数步骤(7)中，对于纹理复杂图像，当量化参数满足QP＜T_QP时，按照式(10)和式(11)分别获得用于码率估计的两个模型参数θ₃和θ₄，其中T_QP为量化参数分段阈值参数，T_QP∈{1,2,…51}：

θ₃＝ψ₁+ψ₂(In(sd(i)))² (10)

θ₄＝ψ₃+ψ₄sd(i)+ψ₅sd(i)³ (11)

其中In()是以自然常数e为底的对数函数，ψ₁、ψ₂、ψ₃、ψ₄、ψ₅为模型参数，ψ₁∈[-2,-0.01]，ψ₂∈[-1,0)，ψ₃∈[0,3]，ψ₄∈[0.01,2]，ψ₅∈[-1,0)。本实施例的T_QP取值为1，ψ₁取值为-2，ψ₂取值为-1，ψ₃取值为0，ψ₄取值为0.01，ψ₅取值为-1。

量化参数满足QP≥T_QP时，按照式(12)和式(13)分别获得用于码率估计的两个模型参数θ₅和θ₆：

其中exp()是以自然常数e为底的指数函数，ψ₆、ψ₇、ψ₈、ψ₉、ψ₁₀、ψ₁₁为模型参数，ψ₆∈[-1,0]，ψ₇∈(0,1]，ψ₈∈(0,1]，ψ₉∈[-10,-0.1]，ψ₁₀∈[-50,-5]，ψ₁₁∈[-20000,-1000]。本实施例的ψ₆取值为-1，ψ₇取值为0.001，ψ₈取值为0.001，ψ₉取值为-10，ψ₁₀取值为-50，ψ₁₁取值为-20000。

其它步骤与实施例1相同。

实施例3

本实施例的高效视频编码标准帧内图像码率估计方法由下述步骤组成：

在确定边长步骤(1)中，输入视频图像的空间分辨率，按照式(1)得到边长l：

其中round()为四舍五入取整函数，w_p为图像宽，h_p为图像高，γ∈[0.5,3.5]，σ∈[0.05,0.4]，w_c∈{88,89,...,704}，h_c∈{72,73,...,576}，本实施例的γ取值为3.5,σ取值为0.4，w_c取值为704，h_c取值为576。

在确定基本计算单元大小步骤(2)中，基本计算单元为矩形像素块，由边长l确定基本计算单元的宽w_b和高h_b：

w_b＝αl (2)

h_b＝βl (3)

其中α∈{0.5,1,1.5,2,2.5,3}，β∈{0.5,1,1.5,2,2.5,3}，本实施例的α取值为3,β取值为3。

在确定图像类型步骤(4)中，如果第i幅帧内图像满足sd(i)≥T_sd，则此图像被分类为纹理复杂图像，如果第i幅帧内图像满足sd(i)＜T_sd，则此图像被分类为纹理简单图像，其中T_sd为复杂度分类阈值参数，T_sd∈[6,16]，本实施例的T_sd取值为16。

在获得纹理简单图像模型参数步骤(5)中，对于纹理简单图像，根据式(5)和式(6)分别获得用于码率估计的两个模型参数θ₁和θ₂：

θ₁＝ξ₁+ξ₂sd(i)²+ξ₃sd(i)⁴ (5)

其中ξ₁、ξ₂、ξ₃、ξ₄、ξ₅、ξ₆为模型参数，ξ₁∈[1000,3000]，ξ₂∈[-200,-10]，ξ₃∈[0,5]，ξ₄∈[-20,0]，ξ₅∈[100,500]，ξ₆∈[-1000,0]，本实施例的ξ₁取值为3000,ξ₂取值为-10,ξ₃取值为5，ξ₄取值为0,ξ₅取值为500，ξ₆取值为0。

在获得纹理复杂图像模型参数步骤(7)中，对于纹理复杂图像，当量化参数满足QP＜T_QP时，按照式(10)和式(11)分别获得用于码率估计的两个模型参数θ₃和θ₄，其中T_QP为量化参数分段阈值参数，T_QP∈{1,2,…51}：

θ₃＝ψ₁+ψ₂(In(sd(i)))² (10)

θ₄＝ψ₃+ψ₄sd(i)+ψ₅sd(i)³ (11)

其中In()是以自然常数e为底的对数函数，ψ₁、ψ₂、ψ₃、ψ₄、ψ₅为模型参数，ψ₁∈[-2,-0.01]，ψ₂∈[-1,0)，ψ₃∈[0,3]，ψ₄∈[0.01,2]，ψ₅∈[-1,0)。本实施例的T_QP取值为51，ψ₁取值为-0.01，ψ₂取值为-0.001，ψ₃取值为3，ψ₄取值为2，ψ₅取值为-0.001。

量化参数满足QP≥T_QP时，按照式(12)和式(13)分别获得用于码率估计的两个模型参数θ₅和θ₆：

其中exp()是以自然常数e为底的指数函数，ψ₆、ψ₇、ψ₈、ψ₉、ψ₁₀、ψ₁₁为模型参数，ψ₆∈[-1,0]，ψ₇∈(0,1]，ψ₈∈(0,1]，ψ₉∈[-10,-0.1]，ψ₁₀∈[-50,-5]，ψ₁₁∈[-20000,-1000]。本实施例的ψ₆取值为0，ψ₇取值为1，ψ₈取值为1，ψ₉取值为-0.1，ψ₁₀取值为-5，ψ₁₁取值为-1000。

其它步骤与实施例1相同。

为了验证本发明的有益效果，发明人采用本发明实施例1的方法对高效视频编码标准国际制定组织推荐的4个标准视频和服(Kimonol)，克里斯汀和莎拉(KristenAndSara)，赛马(RaceHorses)，公园景观(ParkScene)进行了实验，实验如下：

选择高效视频编码标准国际制定组织推荐的编码器HM16.0，在量化参数QP分别设置为12、17、22、27、32，编码视频的第一幅图像，第一幅图像类型为帧内图像，编码后即可以获得图像的真实码率值及编码时间。使用本发明实施例1的方法得到不同视频在不同量化参数设置下的估计码率值，并统计方法运行的时间。方法运行的主要软硬件环境为：Windows 10操作系统，处理器为Intel(R)Core(TM)i7-8565U CPU(1.80GHz)，内存8.00GB。

采用式(20)-式(22)所示的BA_f,bpp、BA_f,bit、BA_f,kbps分别衡量本发明实施例1的方法对于纹理简单图像在像素每比特bpp、比特bit、千比特每秒kbps三个指标下的码率估计准确度：

其中R_f,bpp,act、R_f,bit,act、R_f,kbps,act分别表示HM16.0编码完纹理简单图像后得到的图像真实的像素每比特bpp、比特bit、千比特每秒kbps。

采用式(23)-式(25)所示的BA_g,bpp、BA_g,bit、BA_g,kbps分别衡量本发明实施例1的方法对于纹理复杂图像在像素每比特bpp、比特bit、千比特每秒kbps三个指标下的码率估计准确度，

其中R_g,bpp,act、R_g,bit,act、R_g,kbps,act分别表示HM16.0编码完纹理复杂图像后得到的图像真实的像素每比特bpp、比特bit、千比特每秒kbps。

从式(7)-式(9)、式(14)-式(16)、式(17)-式(19)可以看出，三个码率指标像素每比特bpp、比特bit、千比特每秒kbps之间是等比例的换算关系，所以对于同样的一幅视频图像在同样的量化参数设置下，本发明实施例1的方法在像素每比特bpp、比特bit、千比特每秒kbps三个指标下对应的三个码率估计准确度是一样的，即BA_f,bpp＝BA_f,bit＝BA_f,kbps，BA_g,bpp＝BA_g,bit＝BA_g,kbps。

采用算法运行的时间评判算法的复杂度，如式(26)-式(28)所示，采用ATC_f,bpp、ATC_f,bit、ATC_f,kbps分别衡量本发明实施例1的方法对于纹理简单图像在像素每比特bpp、比特bit、千比特每秒kbps三个指标下估计码率值时的复杂度变化。

其中AT_f,bpp,act、AT_f,bit,act、AT_f,kbps,act分别表示HM16.0编码完纹理简单图像后得到图像真实像素每比特bpp、比特bit、千比特每秒kbps需要运行的时间，AT_f,bpp、AT_f,bit、AT_f,kbps分别表示本发明实施例1的方法得到的纹理简单图像像素每比特bpp、比特bit、千比特每秒kbps估计值需要运行的时间。

如式(29)-式(31)所示，采用ATC_g,bpp、ATC_g,bit、ATC_g,kbps分别衡量本发明实施例1的方法对于纹理复杂图像在像素每比特bpp、比特bit、千比特每秒kbps三个指标下估计码率值时的复杂度变化。

其中AT_g,bpp,act、AT_g,bit,act、AT_g,kbps,act分别表示HM16.0编码完纹理复杂图像后得到图像真实像素每比特bpp、比特bit、千比特每秒kbps需要运行的时间，AT_g,bpp、AT_g,bit、AT_g,kbps分别表示本发明实施例1的方法得到的纹理复杂图像像素每比特bpp、比特bit、千比特每秒kbps估计值需要运行的时间。

使用实施例1的方法，和服(Kimonol)和克里斯汀和莎拉(KristenAndSara)中的第一幅图像被判定为纹理简单图像，而赛马(RaceHorses)和公园景观(ParkScene)中的第一幅图像被判定为纹理复杂图像。表1和表2分别表示纹理简单图像和纹理复杂图像对应的实验结果。

表1纹理简单图像对应的码率估计准确度及运行时间比较

由表1可见，对于纹理简单图像，本发明实施例1的方法对应的BA_f,bpp、BA_f,bit、BA_f,kbps都为6.55％，即估计的码率值与真实的码率值之间只有6.55％的偏差，说明本发明实施例1的方法能准确地得到图像码率估计值。对于纹理简单图像，本发明实施例1的方法对应的ATC_f,bpp，ATC_f,bit、ATC_f,kbps分别为96.456％、96.445％、96.446％，即与HM16.0实际编码运行的时间相比，本发明实施例1的方法减少了超过96％的运行时间，大大降低了运算复杂度。

表2纹理复杂图像对应的码率估计准确度及运行时间比较

由表2可见，实验数据也能得到表1类似的结论，即相比于HM16.0实际编码的方法，本发明实施例1的方法可以准确估计纹理复杂图像码率的同时显著降低算法的运算复杂度。

Claims (6)

1.一种高效视频编码标准帧内图像码率估计方法，其特征在于由下述步骤组成：

(1)确定边长

输入视频图像的空间分辨率，按照式(1)得到边长l：

其中round()为四舍五入取整函数，w_p为图像宽，h_p为图像高，γ∈[0.5,3.5]，σ∈[0.05,0.4]，w_c∈{88,89,...,704}，h_c∈{72,73,...,576}；

(2)确定基本计算单元大小

基本计算单元为矩形像素块，由边长l确定基本计算单元的宽w_b和高h_b：

w_b＝αl (2)

h_b＝βl (3)

其中α∈{0.5,1,1.5,2,2.5,3}，β∈{0.5,1,1.5,2,2.5,3}；

(3)确定图像的标准差

基本计算单元的标准差按式(4)确定：

其中sd(i)表示视频第i幅帧内图像的标准差，i∈{1,2,..,N_p}，N_p是视频的总图像数、取值为有限的正整数，int()为下取整函数，x(i,k,j)表示视频第i幅帧内图像第k个基本计算单元第j个像素的亮度值，k、j为有限的正整数；

(4)确定图像类型

第i幅帧内图像满足sd(i)≥T_sd，此图像被分类为纹理复杂图像，第i幅帧内图像满足sd(i)＜T_sd，此图像被分类为纹理简单图像，其中T_sd为复杂度分类阈值参数，T_sd∈[6,16]；

(5)获得纹理简单图像模型参数

对于纹理简单图像，根据式(5)和式(6)分别获得用于码率估计的两个模型参数θ₁和θ₂：

θ₁＝ξ₁+ξ₂sd(i)²+ξ₃sd(i)⁴ (5)

其中ξ₁，ξ₂，ξ₃，ξ₄，ξ₅，ξ₆为模型参数，ξ₁∈[1000,3000]，ξ₂∈[-200,-10]，ξ₃∈[0,5]，ξ₄∈[-20,0]，ξ₅∈[100,500]，ξ₆∈[-1000,0]；

(6)估计纹理简单图像码率

根据式(7)得到纹理简单图像的第一种码率估计值R_f,bpp，码率估计值R_f,bpp的单位是像素每比特：

其中QP表示用于编码的量化参数；

根据式(8)得到纹理简单图像的第二种码率估计值R_f,bit，第二种码率估计值R_f,bit的单位是比特：

根据式(9)得到纹理简单图像的第三种码率估计值R_f,kbps，第三种码率估计值R_f,kbps的单位是千比特每秒：

其中f表示视频的帧率；

(7)获得纹理复杂图像模型参数

对于纹理复杂图像，当量化参数满足QP＜T_QP时，按照式(10)和式(11)分别获得用于码率估计的两个模型参数θ₃和θ₄，其中T_QP为量化参数分段阈值参数，T_QP∈{1,2,…51}：

θ₃＝ψ₁+ψ₂(In(sd(i)))² (10)

θ₄＝ψ₃+ψ₄sd(i)+ψ₅sd(i)³ (11)

其中In()是以自然常数e为底的对数函数，ψ₁、ψ₂、ψ₃、ψ₄、ψ₅为模型参数，ψ₁∈[-2,-0.01]，ψ₂∈[-1,0)，ψ₃∈[0,3]，ψ₄∈[0.01,2]，ψ₅∈[-1,0)；

量化参数满足QP≥T_QP时，按照式(12)和式(13)分别获得用于码率估计的两个模型参数θ₅和θ₆：

其中exp()是以自然常数e为底的指数函数，ψ₆、ψ₇、ψ₈、ψ₉、ψ₁₀、ψ₁₁为模型参数，ψ₆∈[-1,0]，ψ₇∈(0,1]，ψ₈∈(0,1]，ψ₉∈[-10,-0.1]，ψ₁₀∈[-50,-5]，ψ₁₁∈[-20000,-1000]；

(8)估计纹理复杂图像码率

量化参数满足QP＜T_QP时，按照式(14)、式(15)、式(16)分别获得纹理复杂图像对应的三种码率估计值R_g,bpp、R_g,bit、R_g,kbps：

R_g,bpp＝θ₃QP+θ₄ (14)

R_g,bit＝w_ph_p(θ₃QP+θ₄) (15)

量化参数满足QP≥T_QP时，按照式(17)、式(18)、式(19)分别获得纹理复杂图像对应的三种码率估计值R_g,bpp、R_g,bit、R_g,kbps：

2.根据权利要求1所述的高效视频编码标准帧内图像码率估计方法，其特征在于：在确定边长步骤(1)中，所述的γ取值为2.312,σ取值为0.1098，w_c取值为176，h_c取值为144。

3.根据权利要求1所述的高效视频编码标准帧内图像码率估计方法，其特征在于：在确定基本计算单元大小步骤(2)中，所述的α取值为1,β取值为1。

4.根据权利要求1所述的高效视频编码标准帧内图像码率估计方法，其特征在于：在确定图像类型步骤(4)中，所述的T_sd取值为9.5。

5.根据权利要求1所述的高效视频编码标准帧内图像码率估计方法，其特征在于：在获得纹理简单图像模型参数步骤(5)中，所述的ξ₁取值为2214.6626,ξ₂取值为-95.4408,ξ₃取值为1.1889,ξ₄取值为-6.4966,ξ₅取值为258.6685，ξ₆取值为-476.0452。

6.根据权利要求1所述的高效视频编码标准帧内图像码率估计方法，其特征在于：在获得纹理复杂图像模型参数步骤(7)中，所述的T_QP取值为22，ψ₁取值为-0.1515，ψ₂取值为-0.0099，ψ₃取值为1.3448，ψ₄取值为0.4092，ψ₅取值为-0.0003，ψ₆取值为-0.000204，ψ₇取值为0.000017，ψ₈取值为0.000490，ψ₉取值为-1.693003，ψ₁₀取值为-17.2364，ψ₁₁取值为-4109.83。

Images