检索结果-南通市图书馆

基于多尺度特征融合网络的HEVC帧内编码单元快速划分研究

在线全文

学校读者我要写书评

暂无评论

计算机工程与科学 2023年第11期45卷 1991-1998页

作者：刘雨墨刘剑飞郝禄国曾文彬河北工业大学电子信息工程学院天津300131 河北工业大学电子与通信工程国家级实验教学示范中心天津300131 广东工业大学信息工程学院广东广州510006 天津大学电气自动化与信息工程学院天津300072

高效视频编码HEVC显著提高了编码效率,但同时增加了编码复杂度,在基于四叉树结构的编码单元(CU)划分过程中尤为明显,因此研究CU快速划分具有重要意义。多尺度特征融合的网络可以实现HEVC编码单元快速划分。为此,结合U-Net和CU划分特性... 详细信息

高效视频编码HEVC显著提高了编码效率,但同时增加了编码复杂度,在基于四叉树结构的编码单元(CU)划分过程中尤为明显,因此研究CU快速划分具有重要意义。多尺度特征融合的网络可以实现HEVC编码单元快速划分。为此,结合U-Net和CU划分特性设计了UcuNet网络,同时为加强不同尺度像素的特征提取,采用了非对称卷积AC和CBAM注意力机制。为更好地训练深度学习模型,收集了不同分辨率的原始视频和对应的编码信息构建出大规模的数据集。最后将模型嵌入到HEVC编码架构中,提前预测CU划分的结果,跳过了原始CU划分方法中递归的率失真优化(RDO)计算过程,从而有效降低CU划分带来的编码复杂度。实验结果表明,对比HEVC官方测试模型(HM16.20),UcuNet在BD-BR仅损失2.63%的情况下,使平均编码时间缩短了68.13%。

关键词： HEVC 编码单元划分深度学习非对称卷积

利用深度学习的HEVC帧内编码单元快速划分算法

在线全文

学校读者我要写书评

暂无评论

小型微型计算机系统 2021年第2期42卷 368-373页

作者：易清明林成思石敏暨南大学信息科学技术学院广州510632

新一代视频编码标准高效视频编码(High Efficiency Video Coding,HEVC)中编码单元(Coding Unit,CU)大小不同的特性使得编码效率得到显著提升,但同时带来了极高的计算复杂度.为了去除CU划分中多余的计算从而降低编码复杂度,本文提出了一... 详细信息

新一代视频编码标准高效视频编码(High Efficiency Video Coding,HEVC)中编码单元(Coding Unit,CU)大小不同的特性使得编码效率得到显著提升,但同时带来了极高的计算复杂度.为了去除CU划分中多余的计算从而降低编码复杂度,本文提出了一种利用深度学习的编码单元快速划分算法.首先使用原始视频亮度块及编码信息建立了一个HEVC中CU划分的数据库,用于接下来本文深度学习神经网络的训练.然后,为了更好地贴合编码单元划分的层级结构,本文提出了一种基于Inception模块的神经网络结构,使之内嵌于HEVC编码框架中对编码单元的划分进行提前预测,有效地去除了All Intra配置下中冗余的CU划分计算.实验结果表明,本文提出的算法与HEVC官方测试模型(HM16.12)相比,编码时间平均降低了61.31%,而BD-BR与BD-PSNR仅为1.86%和-0.13dB.

关键词： HEVC 编码单元划分深度学习 Inception模块

在线全文

学校读者我要写书评

暂无评论

一种改进的HEVC编码单元划分方法

西北大学学报（自然科学版） 2015年第3期45卷 389-393页

作者：谢晓燕王欢石鹏飞西安邮电大学计算机学院陕西西安710061

针对高效率视频编码(HEVC)帧内预测中的率失真优化(RDO)算法计算复杂度高的问题,该文提出了一种基于统计学的率失真优化的改进方法。通过对不同量化参数的率失真代价概率分布图产生的阈值进行统计,得到最大编码单元(LCU)划分过程中不同... 详细信息

针对高效率视频编码(HEVC)帧内预测中的率失真优化(RDO)算法计算复杂度高的问题,该文提出了一种基于统计学的率失真优化的改进方法。通过对不同量化参数的率失真代价概率分布图产生的阈值进行统计,得到最大编码单元(LCU)划分过程中不同深度的阈值方程,并利用该阈值提前终止编码单元的划分从而达到降低计算复杂度的目的。实验表明该文所提出的改进方法与HEVC的测试模型HM10.0相比,在保证视频质量和码率基本不变的前提下(码率仅增加了0.5%,Y-PSNR只降低了0.019d B),减少了26.7%的编码时间,提高了编码效率。

关键词： HEVC 帧内预测编码单元划分率失真优化

基于3D-HEVC的编码单元快速划分算法研究

在线全文

学校读者我要写书评

暂无评论

基于3D-HEVC的编码单元快速划分算法研究

作者：魏丽莎哈尔滨工程大学

学位级别：硕士

伴随着视频技术的迅猛发展,3D视频,3D电影等立体技术逐渐走进并影响人们生活。关于视频压缩技术的研究在逐渐的成为学者们争相研究的热点。新一代高效视频编码技术H.265/HEVC是最新提出的视频编码标准,而3D-HEVC采用“多视点加深度”的... 详细信息

伴随着视频技术的迅猛发展,3D视频,3D电影等立体技术逐渐走进并影响人们生活。关于视频压缩技术的研究在逐渐的成为学者们争相研究的热点。新一代高效视频编码技术H.265/HEVC是最新提出的视频编码标准,而3D-HEVC采用“多视点加深度”的编码格式,在H.265/HEVC编码框架的基础上使得三维立体技术有了更进一步的提高。但是较高的编码复杂度和冗长的编码时间使得编码性能不够完善。因此,着眼于这两点的研究是在完善视频编码标准研究内容中的重要研究部分。本文首先研究了 H.265/HEVC以及3D-HEVC编码技术现状,而且对两者的编码框架以及相关的关键编码技术做了分析。在3D-HEVC编码过程中,编码单元(Coding Unit,CU)的划分决策采用的是四叉树结构的递归穷尽搜索的模式,与编码时间的长短有着很直接的关系。所以减少CU划分过程中的时间是提高视频编码效率的一个关键点。本文就3D-HEVC编码过程,对纹理图以及深度图的CU划分过程分别提出改进并进行深入研究。在已有的纹理图CU快速划分过程中,通常是根据CU的纹理特征寻找固定的阈值,以此为判断条件,提前终止CU的四叉树递归划分。这种方法虽然能够起到降低编码时间的效果,但是由于局限性使得对于不同的视频产生的适应性可能不同。本文采用概率神经网络(Probabilistic Neural Network,PNN)分类器,将CU的划分特征值向量作为分类器的输入,而分类器的输出值作为CU的划分判断条件,因此简化了递归的过程。利用采集到的大量CU划分的数据对网络进行训练,并通过测试数据进行测试,对不同的视频序列都可以实现对CU的良好的快速划分。经过实验仿真表明,本文提出的快速算法可以误差范围内,保证视频观看质量不受影响的前提下,平均节省43%左右的编码时间。对于深度图的CU快速划分算法方面,本文利用统计信息和贝叶斯(Bayes)决策规则,对纹理图的最大编码单元(Largest Coding Unit,LCU)和深度图LCU内部的CU划分深度分布进行分析,得出当纹理图LCU内部划分深度全为0时,对应同位置的深度图LCU内部划分深度也全为0;当纹理图LCU内部划分深度全为1时,同位置的深度图LCU内部划分深度利用Bayes决策理论的最小错误率决策规则,对其分布进行分类,当对应深度图的LCU的率失真代价(Rate Distortion Cost,RDCost)与设置的阈值相比较小时,则其划分深度全为0,否则按照四叉树递归划分算法递归划分,寻找最优的CU尺寸。通过实验结果证明,本文提出的深度图LCU快速划分算法能够在保证视频观看质量的同时,平均节省24%左右的深度图编码时间。

关键词： 3D-HEVC 深度图编码单元划分 PNN 贝叶斯决策

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

HEVC编码单元快速划分算法研究

HEVC编码单元快速划分算法研究

作者：李超哈尔滨工业大学

学位级别：硕士

超清、4k、8k等高分辨率数字视频的出现,使得数据量急剧上升,这给数据存储和实时传输带来了极大的困难和挑战。高效率视频编码(High Efficiency Video Coding,HEVC/H.265),相较于上一代编码标准H.264,在同样的视觉效果下,压缩视频的比... 详细信息

超清、4k、8k等高分辨率数字视频的出现,使得数据量急剧上升,这给数据存储和实时传输带来了极大的困难和挑战。高效率视频编码(High Efficiency Video Coding,HEVC/H.265),相较于上一代编码标准H.264,在同样的视觉效果下,压缩视频的比特率平均减少了50%。与此同时,HEVC由于采用了许多新技术,编码复杂度也大大提高。在众多新技术中,基于四叉树结构确定编码单元(Coding Unit,CU)划分情况时,采用率失真代价(Rate Distortion Cost,RDC)比较,该过程因遍历而存在冗余,所以大大增加了编码复杂度。在近些年的研究中,传统方法主要依靠人为引入中间特征来简化RDC过程,但是存在中间特征复杂、难寻找、不够准确的缺点。本课题为了解决以上这些缺点,设计了以下两种方案。本文基于空间相关性设计了编码单元快速划分算法。相邻CU的编码深度相似或者相关,有以下两个理论依据:一是相邻CU在纹理上相似或相关;二是“Z”字形编码顺序使得在对当前CU进行编码时,左侧、上侧CU已经编码完成,可以将其编码深度作为参考。基于以上两个理论依据,本文统计了样本中当前CU编码深度和左侧、上侧CU编码深度之间的规律,对编码深度范围的各种可能性提出了合理完备的假设。接下来,本文结合原压缩方案中率失真代价比较过程,设计了确定编码深度具体值的流程,跳过或者提前终止部分CU划分过程,从而降低复杂度。实验结果表明:在增加1.36%比特率和损失0.029 dB峰值信噪比的情况下,该算法平均减少15.72%的编码时间。本文基于卷积神经网络设计了编码单元快速划分算法,并完成了双阈值机制的效果验证。本文整合了一个训练样本数据集,足够的样本数据保证了特征提取的充分性;设计了包含三个卷积层的卷积神经网络(Convolutional Neural Networks,CNN),在同一网络中完成三级CU划分训练,避免了分级训练耗时长的问题;引入了双阈值决策机制,提高CU划分最终结果的准确性。实验结果表明:当阈值选择为0.5时,在增加1.66%比特率和损失0.025 dB峰值信噪比的情况下,该算法平均减少49.47%的编码时间。

关键词： HEVC 编码单元划分空间相关性卷积神经网络

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于CU特征差异的VVC帧内快速划分算法

计算机应用研究 2024年第3期41卷 939-943页

作者：陈燕辉李强董阳明艳重庆邮电大学通信与信息工程学院重庆400065 信号与信息处理重庆市重点实验室重庆400065

针对通用视频编码(versatile video coding,VVC)在编码单元(coding unit,CU)划分中引入了多类型树划分结构导致编码复杂度增加的问题,提出了一种基于CU子块方向特性与空间复杂度的快速划分算法。首先利用CU整体的纹理复杂度对当前CU进... 详细信息

针对通用视频编码(versatile video coding,VVC)在编码单元(coding unit,CU)划分中引入了多类型树划分结构导致编码复杂度增加的问题,提出了一种基于CU子块方向特性与空间复杂度的快速划分算法。首先利用CU整体的纹理复杂度对当前CU进行分类,筛选出不划分CU;然后利用子块不同划分方向的特性差异提前决策CU划分方向;最后利用CU中间区域与边缘区域的复杂度差异特征判断是否跳过三叉树(ternary tree,TT)划分,进一步减少候选列表划分模式数量。实验结果表明,与官方测试平台VTM10.0相比,编码器在平均输出比特率增加1.12%的代价下,编码时间减少了40.25%,说明该算法在通用视频编码中能以较小的质量损失实现更短的编码时间。

关键词：通用视频编码编码单元划分纹理特征快速算法

基于时空相关与纹理特性的HEVC编码单元快速划分算法

在线全文

学校读者我要写书评

暂无评论

计算机与数字工程 2019年第7期47卷 1753-1756,1782页

作者：汤进彭勇江南大学物联网工程学院

为了降低高效视频编码(HEVC)中编码单元(CU)四叉树递归划分的复杂度,提出了一种基于时空相关性和纹理特性的CU快速划分算法。首先,利用视频中存在的时空相关性,根据自适应权值预测当前CU深度范围。然后,将深度范围中满足纹理特性的CU提... 详细信息

为了降低高效视频编码(HEVC)中编码单元(CU)四叉树递归划分的复杂度,提出了一种基于时空相关性和纹理特性的CU快速划分算法。首先,利用视频中存在的时空相关性,根据自适应权值预测当前CU深度范围。然后,将深度范围中满足纹理特性的CU提前终止划分。实验表明,在全I帧模式下论文算法与HM10.0相比,在保证编码性能的同时,帧内编码时间平均缩减52.41%。

关键词：高效视频编码编码单元划分时空相关性纹理特性

在线全文

学校读者我要写书评

暂无评论

HEVC编码单元及模式决策快速算法研究

HEVC编码单元及模式决策快速算法研究

作者：陈羿硕哈尔滨工业大学

学位级别：硕士

不断涌现的视频应用场景新业态对于视频编码速度和性能提出了越来越高的要求,因此,为了扩大HEVC视频编码标准的实际场景应用,关于如何在可接受的编码性能损失的前提下,进一步削减HEVC编码器的计算复杂度、加快编码速度的研究仍然有必要... 详细信息

不断涌现的视频应用场景新业态对于视频编码速度和性能提出了越来越高的要求,因此,为了扩大HEVC视频编码标准的实际场景应用,关于如何在可接受的编码性能损失的前提下,进一步削减HEVC编码器的计算复杂度、加快编码速度的研究仍然有必要继续。本文从帧内预测、帧间预测两个方向展开研究。针对HEVC帧间预测的编码单元CU划分提出了一种快速块划分算法,并且针对x265平台下的帧内预测提出了两种快速算法,一种是编码单元CU快速块划分算法,另一种则是模式决策快速算法。本文主要内容可以归纳如下:1.针对HEVC帧间预测,提出了一种基于支持向量机的帧间预测块划分快速算法,采用在线训练的方式利用两阶段分类器来优化编码单元CU划分这个问题。实验结果证明,与HEVC标准示例程序HM相比较,提出的算法能平均节省48.77%的时间,并且仅伴随在少量的编码性能损失,即BDBR上升1.62%,BDPSNR损耗0.0477d B。2.针对最广泛使用的HEVC标准下的开源编码器x265平台,提出了一种基于空间纹理信息的帧内预测块划分快速算法。首先采用CTU级别的粗限制算法,会将空域相邻深度信息与当前块固有的纹理信息相结合进行综合考虑,预先直接消除部分低概率的深度级别,以此来限制每一个CTU的搜索范围,加快搜索速度。其次,针对每一个CU进行更为细化的判断进行CU级别的早期停止算法判断,利用子母CU的率失真代价关系实现CU级别的划分早期停止,以进一步加快划分判断速度。实验结果证明与x265相比,该算法可以在几乎不损耗编码性能的情形下,实现平均21.91%的时间节省。3.针对x265中帧内预测高复杂度的模式决策部分,提出了一种基于纹理方向的帧内预测模式决策快速算法。通过评估当前预测块的大致纹理方向就可预先直接消除部分低概率的角度模式,以此减少RMD过程中的预测模式数量。此外,我们根据实验结果缩短了原本候选队列长度以减少RDO阶段率失真计算的次数,以求进一步提高帧内预测编码速度。实验结果证明,该算法能够实现平均节省22.47%的时间,而造成的编码性能损耗几乎可以忽略。更进一步,将此算法与基于空间纹理信息的帧内预测块划分快速算法相结合后,可以在仅造成较少编码质量损失的情况下,获得更为明显的加速效果,最终实现平均37.11%的时间节省。

关键词： HEVC 快速算法编码单元划分模式决策

一种基于子块纹理差异的VVC快速CU划分算法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

光电子．激光 2023年第2期34卷 200-207页

作者：李亚李强孟慧重庆邮电大学通信与信息工程学院重庆400065 信号与信息处理重庆市重点实验室重庆400065

针对多功能视频编码(versatile video coding, VVC)由于在四叉树(quadtree, QT)划分的基础上引入多叉树(multi-type tree, MTT)划分结构导致编码复杂度过高的问题,本文提出了一种基于编码单元(coding unit, CU)子块纹理特征差异的VVC快... 详细信息

针对多功能视频编码(versatile video coding, VVC)由于在四叉树(quadtree, QT)划分的基础上引入多叉树(multi-type tree, MTT)划分结构导致编码复杂度过高的问题,本文提出了一种基于编码单元(coding unit, CU)子块纹理特征差异的VVC快速CU划分算法。该算法能够有效降低VVC的编码复杂度,缩短编码时间。首先通过不同划分方向的子块的纹理复杂度差异提前判断MTT划分的方向,跳过不必要的MTT划分方向;然后根据当前CU的相邻子块间的纹理差异判断是否跳过三叉树(ternary tree, TT)划分,以进一步减少候选列表中划分模式的数量。实验结果表明,在全帧内(all intra, AI)的编码配置下,与官方测试平台VTM-7.0相比,本文算法平均能够节省47.24%的编码时间,BDBR(Bjontegaard delta bit rate)仅增加1.26%。

关键词：多功能视频编码编码单元划分纹理特征快速算法