结合内容特性与纹理类型的HEVC-SCC帧内预测快速算法

发布时间：2021-01-03 20:47

　　本文提出了一种结合内容特性与纹理类型的HEVC-SCC帧内预测快速算法。利用自然内容和屏幕内容视频DCT变换后系数能量分布不同的特点,结合当前预测单元（Prediction Unit, PU）梯度信息,将编码树单元（Coding Tree Unit, CTU）分成自然内容CTU,简单屏幕内容CTU和复杂屏幕内容CTU。对于自然内容CTU,选择35种传统帧内模式作为候选模式,跳过帧内块复制（Intra Block Copy, IBC）和调色板（Palette mode, PLT）模式;对于简单屏幕内容CTU,选择DC,PLANAR,水平和垂直模式作为候选模式,跳过IBC和PLT模式;对于复杂屏幕内容CTU,选择IBC和PLT模式,跳过其他候选模式。实验结果表明,在全I帧条件下,该算法相较于SCM-8.3可以节省38.55%的编码时间,大幅度降低了编码复杂度的同时只增加了1.82%的码率。 

【文章来源】：信号处理. 2020年03期 北大核心

【文章页数】：7 页

【部分图文】：

“BasketballScreen”序列的第一帧

“区域1”表示只包含自然内容的区域,其内容较丰富,边缘较平滑;“区域2”表示只包含屏幕内容的区域,像素值取值较少(大面积白色背景区域),边缘较锐利。图2给出了区域1和区域2经过DCT变换后的能量分布。白色的点所在的区域表示DCT系数较大,能量较集中;深色的点所在区域表示DCT系数较小,颜色越深,其能量越低。由于自然内容,图像的边缘区域较为平滑,因此,DCT变换后大部分能量集中在低频区域,中高频部分系数很小(黑色点)的区域较大,如图2(a)和(c)所示。对于屏幕内容,由于边缘较锐利,中高频系数较多,从图2(b)和(d)可以看出,其能量分布较分散,未呈现明显的能量集中现象。因此,本文利用屏幕内容图像和自然内容图像在频率域统计特性的特点,分成自然内容CTU和屏幕内容CTU。根据以上分析,作为屏幕图像和自然图像CTU的判断值S[18]定义如下:

图3是算法的整体流程图,具体步骤描述如下:1)帧内预测开始,计算一帧图像的预判值PS,如果PS>TH2,则判断该帧图像为屏幕图像帧;如果PS<TH1,则该帧图像为自然图像帧。在这两者范围内的图像,判定为混合内容图像帧。


本文编号：2955462