[發明專利]用于H.264幀內預測編碼的基于DVS的快速模式選擇方法

有效

• 申請號: 201110440415.7
• 申請日: 2011-12-23
• 公開（公告）號: CN102438148A
• 公開（公告）日: 2012-05-02
• 發明（設計）人: 陳政;何衛鋒;繩偉光;毛志剛
• 申請（專利權）人: 上海交通大學
• 主分類號: H04N7/26
• 分類號: H04N7/26;H04N7/32
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 趙志遠

技術領域

本發明涉及一種數字視頻處理相關技術，尤其是涉及一種用于H.264幀內預測編碼的基于DVS的快速模式選擇方法。

背景技術

數字視頻傳輸的圖像數據中往往存在著大量的冗余數據，如果可以將那些冗余數據除去，就可以大大減少數據的傳輸量。幀內預測編碼(Intra?Prediction?Coding)是H.264視頻編碼標準引入的新的編碼技術。幀內預測編碼技術使用相鄰已編碼塊的像素點按照某種模式預測當前像素點的值。編碼傳輸時只傳輸預測值和實際值之間的差值，由于圖像像素在空間域具有相關性，因此預測值和實際值之間的差值很小，只傳輸差值可以減少傳輸圖像所需的數據，達到了視頻壓縮編碼的目的。在解碼端，解碼器根據編碼塊所用的預測模式和先前已經解碼完成的相鄰塊恢復出預測值。預測值與差值相加即可恢復出當前塊的數據。

由于視頻圖像的同一幀像素之間具有極強的空間相關性，因此幀內預測編碼技術是去除空間冗余的有效方法。

在進行H.264幀內預測編碼時，首先將一幀圖像劃分成許多互不重疊的16×16像素宏塊(Macro?Block，簡稱MB)。幀內預測按照光柵掃描順序以宏塊為單位進行。對于每一個宏塊，其上相鄰宏塊、左相鄰宏塊、上左相鄰宏塊和上右相鄰宏塊在光柵掃描順序下必然是已編碼的宏塊。這四個相鄰宏塊經編碼器端恢復重建后的像素作為預測當前待編碼宏塊的相鄰像素。對每一個待編碼宏塊，有兩種幀內預測編碼類型。一種是對每個4×4子塊都進行幀內預測編碼，每個4×4子塊有九種預測模式可以選擇。幀內預測編碼為每個4×4子塊選擇一個預測模式進行編碼。一個16×16宏塊可以分為16個4×4子塊，幀內預測編碼時16個4×4子塊也按照光柵掃描順序進行處理，已編碼子塊可作為后續待編碼子塊的相鄰塊。按照這種類型進行編碼的宏塊稱為幀內4×4編碼宏塊(Intra_4×4)。另一種幀內編碼類型是對整個16×16宏塊進行幀內預測編碼，每個16×16宏塊有四種預測模式可以選擇。幀內預測編碼為整個16×16宏塊選擇一種預測模式進行編碼。按照這種類型進行編碼的宏塊稱為幀內16×16編碼宏塊(Intra_16×16)。幀內4×4編碼因為是在較小的4×4子塊上進行，所以適合編碼圖像細節豐富的部分；幀內16×16編碼則非常適合編碼圖像變化緩慢的部分。

在H.264幀內預測編碼中，為了提高編碼質量，采用了率失真優化技術(Rate-Distortion?Optimization?Technique，簡稱RDO技術)來決定為當前待編碼4×4子塊(或16×16宏塊)選擇何種預測模式。率失真優化技術使用拉格朗日(Lagrange)函數計算每種預測模式的幀內編碼代價，選取編碼代價最小的預測模式作為當前待編碼4×4子塊或(16×16宏塊)的最終編碼模式。對于幀內4×4編碼類型，整個宏塊的編碼代價是16個4×4子塊的編碼代價總和。對于幀內16×16編碼類型，編碼代價是單個16×16宏塊的編碼代價。編碼代價最小的編碼類型作為當前待編碼宏塊的最終編碼類型。

幀內預測作為H.264視頻編碼器的核心部分之一，是視頻壓縮中比較復雜的部分，對視頻圖像的編碼壓縮質量起到決定性作用。在目前的H.264視頻編解碼參考模型中，幀內預測模式選擇采用的是全搜索算法(Full?Search?Algorithm)。

全搜索算法是對兩種幀內預測編碼類型都進行考察。對幀內4×4編碼類型，編碼每一個4×4子塊需要率失真優化技術計算全部九種預測模式的編碼代價；對幀內16×16編碼類型，編碼一個16×16宏塊需要率失真優化技術計算全部四種預測模式的編碼代價。全搜索模式選擇算法實現簡單，可以為每個待編碼塊找到最優的幀內預測編碼模式，編碼性能最佳。但是，全搜索算法計算量巨大，編碼消耗時間長，非常不利于實時編碼的實現。

為了節約幀內預測編碼時間，人們又發明了許多基于邊界檢測(Edge?Detection)的幀內預測快速模式選擇方法。與全搜索算法相比，基于邊界檢測的幀內預測快速模式選擇方法能有效減少率失真優化技術所要計算編碼代價的預測模式數量。基于邊界檢測的幀內預測快速模式選擇方法有效的利用了當前待編碼4×4子塊(或16×16宏塊)內部像素之間的空間相關性，通過一些簡單的運算檢測出子塊(或宏塊)內的邊界方向類型。這些邊界方向類型可以用來在率失真優化技術計算編碼代價前，有效的排除掉出現概率較小的預測模式，減少率失真優化技術需要計算編碼代價的預測模式數量。