[發明專利]一種高效快速的視頻編碼算法

在審

• 申請號: 201611271878.4
• 申請日: 2016-12-30
• 公開（公告）號: CN107426572A
• 公開（公告）日: 2017-12-01
• 發明（設計）人: 王鴻奎;陳梅麗;謝亞光
• 申請（專利權）人: 杭州當虹科技有限公司
• 主分類號: H04N19/124
• 分類號: H04N19/124;H04N19/147
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及一種高效快速的視頻編碼算法。

背景技術

目前幾乎所有的視頻壓縮標準都是基于塊的編碼方式，即把每幀圖像分成若干4x4、8x8、16x16等塊，分別對每個塊做運動補償后，對每個塊做DCT變換，得到相應大小塊的DCT系數塊，然后對系數塊做量化，然后對量化后的系數做熵編碼，得到壓縮的碼流。其中，量化這個步驟對壓縮起了比較大的作用。

目前幾乎所有的編碼器中的量化模塊，基本采用基于死區的Deadzone量化算法或者基于率失真優化原理的RDOQ算法。在最新視頻編碼標準H.265/HEVC的參考軟件HM以及x265中，依舊采用這兩種算法作為視頻編碼器的標準量化算法。

其中，Deadzone量化的基本公式如下：

C＝sign(Dct)*Floor(|Dct(i，j)|/Q+f)

其中Dct(i，j)為待量化的系數，(i，j)表示該系數在該量化塊中對應的位置，比如對一個4x4塊做量化，其實是對16個系數分別做量化，即Dct(i，j)，i＝0～3，j＝0～3。Q為量化步長，f為固定的量化偏移，Floor(x)為x向下取整函數，sign(x)為取x的正負符號位，C為Dct系數量化后的量化值。

Deadzone量化算法基于無記憶信源的假設，f為一個固定值，Dct(i，j)系數量化后的量化值只與待量化系數的值以及量化步長有關。在基于熵編碼的統計特性，根據視頻預測方式的不同，對于幀內預測，規定量化偏移取值為固定值1/3；對于幀間預測，規定量化偏移為固定值1/6。

Deadzone量化算法由于采用了固定的量化偏移，優點是算法簡單，適合硬件的并行化處理，缺點是，但由于采用固定的量化偏移量，率失真性能有 較大損失。

以下是對率失真的基本解釋：在有損視頻編碼中，視頻數據可以得到大量的壓縮，但是壓縮的同時，由于量化會造成信息損失，最終體現在視頻解碼后與編碼前的數據之間有質量損失，一般而言，壓縮率與失真是一個矛盾，視頻編碼器解決這個矛盾通常是用率失真的方法。

率失真可通過評價公式

J＝D+lamda*R

表現，其中lamda為一個預設的固定因子，D為失真(可以是PSNR、SSIM等失真評價)，R為編碼的數據量，J為率失真代價。

編碼器在局部做出各種編碼模式或者參數選擇的時候，通常就是看哪個模式或者參數可以使得對應的J最小。

因此對于RDOQ量化算法，其基本思路是：先根據Deadzone量化的結果，得到一個基準的量化值C。然后用此量化值C、C-1、0等作為幾個候選，分別計算出這幾個候選量化值對應的失真D，編碼數據量R，進而計算出率失真代價J，最終選擇J最小對應的那個量化值。

RDOQ量化算法可以得到更好的率失真性能，但在選擇最佳量化結果的過程中，極大的增加了算法的復雜度，同時，又因為考慮系數間的相關性，使得該算法的硬件實現面臨巨大挑戰。

因此，在目前的硬編環境中，編碼器普遍采用Deadzone量化算法，率失真性能損失是不可避免的，而在軟編環境下，優秀的編碼器大都采用RDOQ量化算法，以大量增加的復雜度為代價提升了率失真性能。

發明內容

本發明的目的在于克服現有技術中的不足而提供一種高效快速的的視頻編碼算法。

為實現上述目的，一方面，本發明提供的一種高效快速的的視頻編碼算法，包括如下步驟：

在變換單元中收集DCT系數樣本并構建偏移量模型，

根據偏移量模型獲得計算偏移量f、并以計算偏移量f替代Deadzone量 化公式中的固定偏移量。

優選地，在變換單元中收集DCT系數樣本并構建偏移量模型的步驟中，具體包括如下步驟：

首先根據公式

分析DCT系數樣本的量化偏移的最佳取值空間，

隨后在各類樣本的所有最佳取值空間中統計抉擇出概率最大的量化偏移量取值，

基于統計樣本的基礎上，構建適用于所有樣本的量化偏移量模型F＝f(q，s，i，j)。

優選地，根據偏移量模型獲得計算偏移量f、并以計算偏移量f替代Deadzone量化公式中的固定偏移量的步驟中，替代后的Deadzone量化公式為

C＝sign(Dct)*Floor(|Dct(i，j)|/Q+f(q，s，i，j))。