[發明專利]基于時域相關性的HEVC預測模式快速選擇方法

有效

• 申請號: 201410662687.5
• 申請日: 2014-11-19
• 公開（公告）號: CN104333756B
• 公開（公告）日: 2017-10-24
• 發明（設計）人: 吳煒;宋朵;劉炯;馮磊
• 申請（專利權）人: 西安電子科技大學
• 主分類號: H04N19/109
• 分類號: H04N19/109
• 代理公司: 陜西電子工業專利中心61205
• 代理人: 王品華,朱紅星

技術領域

本發明屬于視頻處理領域，特別涉及高性能視頻編碼HEVC中幀間編碼單元候選預測模式的生成，可用于HEVC幀間編碼過程。

背景技術

目前，基本上所有高質量多媒體視頻應用，如數字視頻、視頻點播和DVD等，還在使用2003年制定的先進視頻編碼標準H.264/AVC。但是隨著視頻應用突飛猛進的發展，各種智能終端，如智能手機、平板電腦等已經成為大眾娛樂的工具，對于超高清視頻的需求也在不斷增長，人們對于高質量、高分辨率的視頻需求越來越高。為了滿足視頻應用不斷增長的需求，新一代視頻編碼標準應運而生。視頻編碼聯合小組JCT-VC在2010年開始制定新一代高效視頻編碼標準HEVC，并于2013年2月正式制定完成。HEVC旨在保證視頻主觀質量不變的情況下，壓縮效率提高一倍，極大減小傳輸視頻信號帶寬。

HEVC編碼框架仍然沿用H.26x系列標準的混合編碼框架，使用經典的基于塊的混合編碼模型，聯合運動補償預測、變換編碼和高效率的熵編碼。與之前的視頻編碼標準相比，HEVC編碼單元采用靈活的四叉樹結構，大小從64×64到8×8，可以高效率地編碼、預測和變換大尺寸圖像塊。HEVC標準的實驗配置條件包括三種：全I幀配置、低時延配置和隨機接入配置。隨機接入配置時，采用分級B幀，共有4個時域分層。

預測模式選擇是HEVC的關鍵技術，其目的是對每一個幀間編碼單元從多個候選預測模式中選擇最佳預測模式，以取得最優的預測精度。HEVC采用率失真優化模型進行最佳預測模式的選擇。

HEVC標準中幀間編碼單元的預測模式選擇方法要先對SKIP,Inter 2N×2N,Inter 2N×N,Inter N×2N,Inter 2N×nU,Inter 2N×nD,Inter nL×2N,Inter nR×2N,Intra 2N×2N,Intra N×N這10種候選預測模式進行遍歷，再將率失真代價最小的預測模式作為當前編碼單元的最佳預測模式。這種最佳預測模式選擇的過程使得HEVC編碼復雜度急劇上升，給HEVC的實時應用帶來極大困難。因此需要在保證編碼性能基本不變的前提下，降低HEVC編碼復雜度。

目前為止，已提出的HEVC預測模式快速選擇方法有以下幾種：

提案JCTVC-F045“Early termination of CU encoding to reduce HEVC complexity”，通過編碼塊標志CBF的取值對預測模式進行簡化判決。該方法提出除了Inter N×N之外的其他幀間預測模式的編碼塊標志CBF＝0時，剩下的預測模式的選擇過程將被終止，不再進行計算，從而降低了編碼復雜度。該方法稱為編碼塊標志快速模式CFM方法。

提案JCTVC-G543“Early SKIP Detection for HEVC”提出，檢測SKIP模式之前先搜索Inter 2N×2N模式，然后檢測Inter 2N×2N模式的運動矢量差值DMV和編碼塊標志CBF，若DMV等于(0,0)，并且CBF等于0，則當前編碼單元的最佳預測模式就被設為SKIP模式，不再對其余的預測模式進行遍歷，從而大大降低了編碼復雜度。該方法稱為早期SKIP檢測ESD方法。

Jong-Hyeok Lee等人在論文“Novel Fast PU Decision Algorithm for the HEVC Video Standard”中提出一種基于時空域和編碼深度相關性的快速方法。該方法利用運動復雜度將編碼單元劃分為不同運動區域：若當前編碼單元運動復雜度小于閾值Th1，則判斷當前編碼單元為緩慢運動區域，只對SKIP和Inter 2N×2N模式進行遍歷；若當前編碼單元運動復雜度大于閾值Th1且小于閾值Th2，則判斷當前編碼單元為適中運動區域，對SKIP、Inter 2N×2N、Inter 2N×N和Inter N×2N模式進行遍歷，否則判斷當前編碼單元為快運動區域，對10種預測模式都進行遍歷，這樣就跳過了冗余的預測模式，有效降低了編碼復雜度。

以上方法均在一定程度上降低了HEVC的編碼復雜度。但是，目前這些方法都沒有對時域相關性進行詳盡的分析，使得HEVC預測模式選擇速度未能得到進一步提升。

發明內容

本發明的目的在于針對上述已有技術的不足，提出一種基于時域相關性的HEVC預測模式快速選擇方法，以在保證視頻壓縮性能基本不變的情況下，進一步降低編碼復雜度，提升預測模式選擇速度。