HEVC中CU划分和帧内模式决策的快速算法研究

发布时间：2020-06-27 00:35

【摘要】：随着数字多媒体时代的到来和互联网技术的高速发展,人们每天都会产生海量的数字图像信息,而我们面对的视频图像信息一般都是经过压缩处理之后的。视频编码(压缩)是多媒体技术的关键部分,旨在减少数据冗余并简化信息量。在当前信息高度繁荣的时代,与视觉相关的业务逐渐成为主流,数字媒体电视、远程教育和监控、短视频和直播等业务逐步融入人们的生活,改变着人们的生活习惯以及生产方式。数字化程度越来越高,同时网络基础设施不断升级和完善,高清化视频和多样化的应用场景逐渐变得普及,为了解决不断增长的高性能编码需求,新型视频编码标准(HEVC)逐渐取代H.264标准,走到视频编码舞台的中心。为了加速编码时间,提高HEVC标准的性能,节省带宽,本文针对HEVC编码标准的CU划分和模式预测提出了一种快速算法。本文先介绍了HEVC基础知识、编码框架、率失真等技术,以及分析了CU划分和模式预测过程。目前的率失真优化技术不能很好地考虑主观评价的缺点;在帧内预测编码的CU划分方面,现有算法没有完全考虑空域中的信息;在PU块模式决策方面,HEVC率失真计算的复杂度依然很高,还有更大优化空间,针对上述问题,本文展开了以下研究:首先,本文简单的介绍了HEVC的发展历程和总结当前的研究现状,然后对HEVC的系统架构和相关知识进行介绍。接着,重点对HEVC率失真优化技术、帧内预测编码中CU划分和模式预测过程展开了深入的研究,为本文算法的提出奠定了理论基础。其次,本文先对HEVC中率失真优化算法进行分析,通过改变失真测度,提出一种基于视觉特性的率失真优化算法。然后,在分析CU块分割与帧内预测图像纹理值之间的关系的基础上,提出了一种基于图像纹理信息的快速CU分割算法。在帧内预测模式选择的过程中,通过对HEVC编码中预测模式的统计分析,提出了分类处理的思想,然后根据SATD排序来精简用于进入RDO过程的候选模式,从而减少预测模式的数量。最后,通过实验测试本文所提算法的性能优劣。实验结果表明,与HM16.16编码器中的算法相比,在全帧内(AI)模式测试中,本文提出的CU划分和模式决策快速算法的编码图像质量几乎不变时,编码时间平均节约了52.7%,而编码BD-rate仅增加了0.61%,有效的提高了编码效率。
【学位授予单位】：广东工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN919.81
【图文】：

曲线图,率失真,曲线图,可分级

图 2-8 率失真曲线图Fig.2-8 Rate distortion curve chart中，率失真优化技术应用很多，如基于率失真优化的运动估计和量化参数选择等等。量化是视频编码中引起通常通过拉格朗日优化来求解率失真函数的最优解。VC 扩展标准VC 视频编码标准发布于 2013 年，为了增强其功能，针了以下几方面扩展：多层编码和多视点扩展、3D 扩展式扩展、可分级扩展。层和可分级扩展多层视频扩展和 SHVC 扩展的开发。在多层编码扩展中

示意图,四叉树结构,预测编码,向下

图 3-5 CU 分割及其对应的四叉树结构Fig.3-5 CU Segmentation and Its Corresponding Quadtree Structure在 HEVC 标准中中，帧内预测编码 CU 划分处理分为两部分：CU 块向下划分和向修剪过程[9]，CU为 32 × 32的分割和修剪示意图如图 3-6 所示，其中黑色向下的箭头表示割过程，向上的虚线框和箭头为 CU 块修剪过程。CU 划分流程：先对深度为 0 的 LCU 层（CU_Depth = 0）进行预测编码，计算其失真代价值（RD_Cost），然后，以四叉树的形式递归向下分割成四个子 CU 单元，时，四个子 CU 块的所在 CU 深度为 1（CU_Depth = 1）。以同样的方式，分别对_Depth 为 1 和 2 的 CU 块进行预测编码，并计算其 RD_Cost 的大小，直到分割到_Depth = 3 的 CU 块(8 × 8)时，停止向下分割。CU 修剪的过程刚好相反，其从 C度为 3 的层开始，计算 4 个子 CU 块（8 × 8）率失真代价总和与其父 CU 块的率失代价相比较，如果父 CU 的 RD_Cost 大于子 CU 的 RD_Cost 和，则选择子 CU 作为前分割的结果，反之，选择父 CU。依次往上修剪，当满足 CU_Depth = 0 条件时，

【相似文献】