论文部分内容阅读
近年来,随着网络技术和流媒体技术的飞速发展,高清视频甚至超高清视频逐渐走进人们的生活中,这种趋势下产生了巨大的视频数据处理的需求和视频传输的压力。与此同时,对高清、超高清视频压缩技术的研究发展很快,如今高效视频编码标准(High Efficiency Video Coding,HEVC)已逐渐成熟,与上一代H.264/AVC标准相比,HEVC在不降低高清视频重建质量的情况下,大幅度地提高了视频压缩效率。HEVC编码沿用了 H.264/AVC标准中提出的混合编码框架,同时添加了变换量化模块、改进的帧内/帧间编码技术以及环路滤波技术对高清视频进行高效压缩。但是,随之而来的是复杂的遍历过程和计算方法,使得HEVC编码整体复杂度极大地提高,与H.264/AVC相比压缩时间增加近50%。这当然是不符合视频实时传输需求的,因此,本文针对这一问题提出了两点优化方法:(1)针对HEVC标准中帧内编码时运算复杂度高的问题,提出了一种结合特征提取与支持矢量机(Support Vector Machine,SVM)的块划分优化算法。该方法主要分为两大步骤,先获取原始编码过程中的CU特征,并使用SVM学习CU特征获取预测模型,然后对当前编码块提取相同类型的特征,将特征输入SVM预测模型,把得到的预测结果用于快速编码。在基于特征提取与支持矢量机算法的基础上,为了进一步降低计算复杂度,本文将深度范围约束和率失真代价预测方法加入优化方法中,既提高了算法的预测准确度又再次降低了压缩时间消耗。实验证明,本方法能够取得理想的效果,能平均减少42.11%的压缩时间,同时编码码率只提高了 1.93%。(2)针对屏幕内容编码(Screen Content Coding,SCC)帧内编码复杂度高的问题,提出一种结合特征提取与决策树的快速屏幕内容编码方法。SCC实际上是HEVC的一类扩展编码标准,它主要针对计算机合成视频,如移动设备、虚拟桌面等。由于SCC在HEVC原有基础上增加了新的适合屏幕视频的预测模式,包括IBC(帧内块匹配)模式和PLT(调色板)模式,因而导致运算复杂度大幅增加。本文提出的快速方法主要步骤是先在原始过程中提取编码块的特征信息,用作决策树模型的训练与验证。然后,计算决策树模型每个节点的预测准确度,利用带有节点准确度的决策树结合相邻块的预测信息,预测SCC编码块划分过程和模式选择过程,以跳过不必要的CU深度判决和帧内模式判决过程。实验仿真证明,该快速算法平均降低33.9%的编码时间,而比特率的增加可以忽略。