基于时空域相关性的屏幕内容帧间快速编码算法
【图文】:
J降难∪?1复杂度分析HEVC采用递归方式对LCU进行四叉树结构的划分,在一个LCU内递归遍历0~3深度的CU,根据率失真优化模型选择最佳的CU分割尺寸。在确定最优CU划分深度的过程中,需要进行85次递归过程,这使得编码复杂度大大增加。预测编码过程中,不同尺寸的CU可以继续划分成不同大小PU。针对每个PU块,HEVC需要遍历Skip、Merge和2种帧内模式以及8种帧间模式,其中interN×N和intraN×N只有当前CU深度值为3时才可用。HEVC-SCC的预测过程还增加了IBC和PLT模式,其中当CU尺寸为64×64时,PLT模式不存在,如图1所示。图1PU模式Fig.1ModesofPUHEVC-SCC编码新技术的加入降低了码率,但同时也引入了更大的编码复杂度。为了更清楚地了解编码新技术的加入对编码性能的影响,本文分别在全帧内、低延时和随机访问配置下测试了Map、CADWaveform、WordEditing和PCBLayout共4个屏幕内容标准测试序列的编码情况。图2中BDBR(Bj錙ntegaardDeltaBitRate)[18]表示相同图像质量条件下码率的变化百分比,Δt表示编码时间的改变,其计算公式为:Δt=tSCC/tno-SCC(1)其中:tSCC表为增加SCC新编码技术所用的编码时间,tno-SCC表示未增加新技术所用的编码时间。图2不同编码配置下编码新技术引起的编码性能变化Fig.2Changesforcodingperformanceowingtonewtechnologiesindifferentconfigurations由图2可以看出,,在不同的配置下码率均是下降的,而编码时间是上升的。全帧内编码时,编码时间平均上升321.73%,码率平均下降62.74%;低延时编码时,编码时间平均上升113.49%,码率平均下降53.88%;随机访问编码时,编码时间平均上升121.17%,码率平均下降59.74%。2HEVC-SCC帧间快速编码算法HEVC-SCC中,每个CU深度级和模式决策
U。针对每个PU块,HEVC需要遍历Skip、Merge和2种帧内模式以及8种帧间模式,其中interN×N和intraN×N只有当前CU深度值为3时才可用。HEVC-SCC的预测过程还增加了IBC和PLT模式,其中当CU尺寸为64×64时,PLT模式不存在,如图1所示。图1PU模式Fig.1ModesofPUHEVC-SCC编码新技术的加入降低了码率,但同时也引入了更大的编码复杂度。为了更清楚地了解编码新技术的加入对编码性能的影响,本文分别在全帧内、低延时和随机访问配置下测试了Map、CADWaveform、WordEditing和PCBLayout共4个屏幕内容标准测试序列的编码情况。图2中BDBR(Bj錙ntegaardDeltaBitRate)[18]表示相同图像质量条件下码率的变化百分比,Δt表示编码时间的改变,其计算公式为:Δt=tSCC/tno-SCC(1)其中:tSCC表为增加SCC新编码技术所用的编码时间,tno-SCC表示未增加新技术所用的编码时间。图2不同编码配置下编码新技术引起的编码性能变化Fig.2Changesforcodingperformanceowingtonewtechnologiesindifferentconfigurations由图2可以看出,在不同的配置下码率均是下降的,而编码时间是上升的。全帧内编码时,编码时间平均上升321.73%,码率平均下降62.74%;低延时编码时,编码时间平均上升113.49%,码率平均下降53.88%;随机访问编码时,编码时间平均上升121.17%,码率平均下降59.74%。2HEVC-SCC帧间快速编码算法HEVC-SCC中,每个CU深度级和模式决策过程都需要计算率失真代价,这使得计算复杂度非常高。如果跳过不必要的深度级和预测模式的率失真代价计算,则可以有效地降低编码复杂度。2.1运动静止检测与HEVC标准测试序列相比,HEVC-SCC的标准测试序列时域相关性较强。在帧间编码过程中,运动和静止区域的编码特性不同,因此本文?
【作者单位】: 宁波大学信息科学与工程学院;
【基金】:浙江省自然科学基金资助项目(LY16F010002,LY15F010005,LY17F010005) 宁波市自然科学基金资助项目(2015A610127,2015A610124) 宁波大学科研基金(理)/学科项目(xkxl1502)~~
【分类号】:TN919.81
【相似文献】
相关期刊论文 前10条
1 曹青松;周继惠;李健;刘丹;;钢丝绳电磁检测信号的时空域理论分析[J];机械工程学报;2013年04期
2 曾庆跃;丁友东;;基于时空域特征的垂直划痕检测与修复[J];计算机工程;2010年09期
3 汲清波;张兴周;项学智;;基于时空域融合的红外弱小目标检测新方法[J];弹箭与制导学报;2008年01期
4 周宁;李在铭;;基于时空域集成判决的微小运动目标检测方法[J];光电子.激光;2009年11期
5 胡涛涛;樊祥;马东辉;韩磊;冯源;;基于时空域融合的红外弱小目标检测算法[J];弹箭与制导学报;2011年02期
6 龙云利;唐宏斌;徐晖;安玮;;采用马尔可夫自回归模型的红外杂波时空域融合抑制[J];红外与激光工程;2012年03期
7 张志杰;邹建华;;基于时空域特征的视频拷贝检测方法[J];模式识别与人工智能;2012年02期
8 闵超波;张俊举;常本康;孙斌;李英杰;;采用边界评价的红外视频运动目标时空域分割方法[J];红外与激光工程;2013年10期
9 唐玉军;王睿;赵岩;;二维时空域连续小波变换在目标跟踪中的应用[J];计算机与现代化;2011年03期
10 王诗言;于慧敏;;运动场景下的时空域跟踪模型及原始-对偶算法[J];浙江大学学报(工学版);2013年04期
相关会议论文 前2条
1 邹丽晖;陈杰;张娟;窦丽华;;一种基于时空域流形的视频序列图像拼接算法[A];第二十九届中国控制会议论文集[C];2010年
2 杨煜;冯正和;;用于CDMA系统的时空域联合处理[A];1999年全国微波毫米波会议论文集(下册)[C];1999年
相关博士学位论文 前1条
1 Yusely Ruiz Gonzalez;时空域的脑电模式研究[D];浙江大学;2010年
相关硕士学位论文 前5条
1 游青艳;基于时空域的网络监控视频去噪研究[D];哈尔滨工业大学;2013年
2 李敬娜;基于时空域的视频显著性的研究与应用[D];北京邮电大学;2015年
3 沈淑娟;基于时空域信息的视频字幕提取算法研究[D];西安电子科技大学;2004年
4 徐抗;基于时空域约束的深度图像修复及提取算法研究[D];上海交通大学;2014年
5 徐飞;视频云服务测试技术研究[D];电子科技大学;2013年
本文编号:2530030
本文链接:https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/2530030.html