[發明專利]基于圖像熵K均值聚類的3D-HEVC快速CU分割方法

有效

• 申請號: 202010418949.9
• 申請日: 2020-05-18
• 公開（公告）號: CN111741313B
• 公開（公告）日: 2022-12-27
• 發明（設計）人: 張樺;姚王澤;黃鴻飛;沈菲;戴國駿;吳以凡
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: H04N19/597
• 分類號: H04N19/597;H04N13/161;G06V10/762;G06V10/764
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 朱月芬

本發明公開了一種基于圖像熵K均值聚類的3D?HEVC快速CU分割方法?？焖貱U分割預測編碼決策方法在CU劃分之前，首先將CU平均劃分為四塊，然后對CU整體以及各小塊分別進行二維熵計算，并合成一個五維向量，然后對其進行K均值聚類(K均值聚類模型需要進行離線訓練得到各尺寸的聚類中心)，若判斷為不需要劃分，則停止對CU的劃分，否則進入遞歸進一步劃分。二維熵具有能突顯圖像分布特征以及混亂程度的能力，以此為基礎進行K均值訓練從而能夠得到判斷是否劃分的模型。本發明直接對CU進行判斷，減少了遞歸帶來的時間消耗，因此具有計算復雜度低、編碼時間短和視頻重建效果好的特點。

技術領域

本發明涉及視頻編碼領域，具體是一種基于圖像熵K均值聚類的3D-HEVC快速CU分割方法。

背景技術

在過去幾年里，隨著3D視頻服務需求的增加，3D視頻的展現、壓縮和傳輸成為一個新的有挑戰的研究課題。多視角加深度圖(MVD)的視頻格式是多種有發展前景的視頻表現形式中的一種。由3D視頻編碼擴展開發聯合協作組(JCT-3V)提出的高質量視頻編碼的3D擴展(3D-HEVC)是對于壓縮MVD數據的一種新興視頻編碼標準。

傳統的CU分割是以遞歸劃分至最小尺寸后逐漸向上比較進行判斷是否劃分，其時間復雜度很大，我們可以在其劃分之前加入判斷該CU矩陣是否需要劃分，若不需要劃分則不必進入遞歸判斷，否則進入遞歸劃分，由于深度圖中平緩的較多，所以其中很多CU都不需要劃分，可大大減少CU分割的時間。

圖像二維熵能夠反映灰度分布空間特征的特征量，可以在圖像所包含信息量的前提下，突出反映圖像中像素位置的灰度信息和像素鄰域內灰度分布的綜合特征，此外還可以通過熵的值表示信息的混亂程度。

k均值聚類算法(k-means clustering algorithm)是一種迭代求解的聚類分析算法，可以簡潔高效的將每個對象進行分類，并最終計算出聚類中心來作為分類的依據。

發明內容

本發明的目的是鑒于圖像二維熵在提取圖像信息方面的作用，提出一種基于圖像熵K均值聚類的3D-HEVC快速CU分割方法，該方法將視頻中的一幀圖像進行圖像二維熵計算，再經過K均值模型進行分類。該方法具有計算復雜度低、編碼時間短和視頻重建效果好的特點。

為了實現上述目的，本發明的技術方案包括如下步驟：

步驟1：選取不同序列以及不同QP值、不同尺寸的CU矩陣進行K均值離線訓練，得到離線訓練模型。

對于輸入的CU矩陣，將其劃分為四個子塊，并對每一個子塊及整個CU矩陣進行二維熵計算，形成一個五維向量。將五維向量輸入訓練模型，得到離線訓練模型，并根據離線訓練模型最終得到不同尺寸、不同QP的聚類中心。

步驟2：正式進行預測時，讀入CU矩陣，劃分為四個子塊后進行二維熵計算并形成一個五維向量，將該五維向量輸入K均值離線訓練模型，進行聚類；

步驟3：如果屬于聚類0，直接跳轉至步驟5；

步驟4：如果屬于聚類1，則讓該讀入的CU矩陣進入遞歸，將該CU矩陣劃分為4個大小為N/2*N/2的子塊，將每個子塊作為新的CU矩陣，跳轉到步驟2；所述的N為CU矩陣的尺寸；

步驟5：該CU矩陣不需要劃分，劃分過程結束。

步驟1所述的二維熵計算如下：

首先將CU矩陣平均分成四個子塊，對每個子塊以及整個CU矩陣分別進行計算。對于每個子塊以及整個CU矩陣，遍歷其所有像素點并計算像素點周圍其余8個像素點的均值；如果該像素為CU四個角落點，則計算其周圍三個像素點均值；若該像素為CU四個邊點，則計算其周圍五個像素點均值；同時進行統計當像素點數值為i時，其周圍像素均值為j的數量，由此得到特征二元組f(i,j)；通過特征二元組f(i,j)計算該特征二元組f(i,j)的比例值，公式如下：