HI,欢迎来到学术天下网

HEVC编码快速算法的研究

分享到:
  • 论文详细
作者:
吴良堤
导师:
冯桂
学科专业:
信息与通信工程 
文献出处:
华侨大学 2016年
关键词:
视频编码论文  帧内预测论文  帧间预测论文  编码时间论文  

摘要:高效率视频编码(High Efficiency Video Coding,HEVC)是由视频编码联合小组(Joint Collaborative Team on Video Coding,JCT-VC)制定的新一代视频编码标准,其目的是为了满足市场对更高质量视频的需求。与上一代视频编码标准H.264/AVC相比,HEVC提供了许多新的编码技术,如编码单元(Coding Unit,CU)的四叉树递归分割等,使其具有更高的压缩率。然而,这也导致了编码复杂度更高。因此,针对HEVC编码快速算法的研究至关重要。本文首先对HEVC的编码框架进行了介绍,并对其中的编码关键技术进行了简述。然后针对其编码特点,提出了一系列帧内、帧间编码的快速算法。帧内预测编码优化包含两部分:宏观级优化和微观级优化。在宏观级上:首先,分析了当前最大编码单元(Largest Coding Unit,LCU)与空间邻近已编码LCU分割深度的相似度,以此来缩减当前LCU的深度范围;其次,基于贝叶斯准则分析变换差绝对值之和(Sum of Absolute Transformed Difference,SATD)与编码块分割的相关性,提前终止每一个CU深度级的分割过程。实验结果表明,在全帧内(All Intra,AI)编码配置下,与HM10.1原始算法相比较,本文提出的帧内宏观级快速算法编码时间平均减少了34.7%,而BDBR增加了1.00%,Y BDPSNR下降了0.04dB。在微观级上:首先,根据当前预测单元(Prediction Unit,PU)纹理与模式代价的相关性,以及基于统计分析的结果,提出了粗略模式决策(Rough Mode Decision,RMD)和率失真优化(Rate Distortion Optimization,RDO)的快速模式决策算法,以减少计算的候选模式数;然后,在分析当前变换单元(Transform Unit,TU)纹理与TU分割相关性的基础上,提出了提前终止当前TU分割的优化算法。实验结果表明,在AI编码配置下,与HM10.1原始算法相比较,本文提出的帧内微观级快速算法编码时间平均减少了31.9%,而BDBR增加了1.55%,Y BDPSNR下降了0.08dB。为了进一步降低编码复杂度,将宏观级算法和微观级算法相结合,形成一种性能更优越的帧内综合快速算法。实验结果表明,在AI编码配置下,与HM10.1原始算法相比较,本文提出的帧内综合快速算法编码时间平均减少了55.3%,而率失真性能基本保持不变。在帧间预测编码优化方面:首先,利用CU纹理与skip模式的相关性,以及空间邻近CU的运动矢量(Motion Vector,MV)信息提前终止CU的分割;然后,分析各种PU模式的率失真代价(Rate Distortion cost,RDcost)分布,提出了阈值自适应的skip模式判别算法和非对称运动分割(Asymmetric Motion Partition,AMP)模式跳过算法。实验结果表明,在帧间编码配置下,与HM10.1原始算法相比较,本文提出的帧间编码快速算法编码时间平均减少了42.2%,而BDBR增加了0.68%,Y BDPSNR下降了0.02dB。最后总结了本文的研究成果,并提出了下一步研究的方向和任务。

摘要

Abstract

主要符号对照表

第1章 绪论

1.1 研究的背景和意义

1.2 国内外研究现状

1.3 本文研究内容和组织结构

第2章 HEVC视频编码标准概述

2.1 HEVC视频编码框架

2.2 树形分块结构

2.2.1 编码单元

2.2.2 预测单元

2.2.3 变换单元

2.3 帧内预测编码

2.4 帧间预测编码

2.5 本章小结

第3章 帧内预测编码快速算法研究

3.1 宏观级快速算法研究

3.1.1 基于空间邻近LCU的快速CU深度决策算法

3.1.2 基于贝叶斯准则利用SATD提前结束CU分割的算法

3.1.3 宏观级算法

3.1.4 实验结果与分析

3.2 微观级快速算法研究

3.2.1 RMD快速模式决策算法

3.2.2 RDO快速模式决策算法

3.2.3 快速TU尺寸决策算法

3.2.4 微观级算法

3.2.5 实验结果与分析

3.3 帧内综合快速算法

3.3.1 综合算法步骤

3.3.2 实验结果与分析

3.4 本章小结

第4章 帧间预测编码快速算法研究

4.1 基于图像纹理与运动信息的CU分割提前终止算法

4.2 基于阈值的快速PU模式决策算法

4.3 帧间综合快速算法

4.4 实验结果与分析

4.5 本章小结

第5章 总结与展望

5.1 本文工作总结

5.2 工作展望

参考文献

致谢

个人简历、在学期间发表的学术论文与研究成果