本发明专利技术涉及一种HEVC帧内预测模式快速选择方法，针对在帧内预测中增加的预测模式引起的计算复杂度高的问题。基于相邻的角度预测模式间的预测方向相差不到10°，对帧内预测的预测单元PU（Prediction Unit）的强纹理方向进行粗筛选，然后对粗筛选后的预测模式进行率失真优化计算，选择出代价值最小的前三个模式进行再次筛选。通过对35种预测模式进行初次筛选和再次筛选，快速精确的找到成为最优预测模式概率最大的候选模式，有效的降低了原有帧内预测编码算法的计算复杂度。
【技术实现步骤摘要】
【专利摘要】本专利技术涉及一种HEVC帧内预测模式快速选择方法，针对在帧内预测中增加的预测模式引起的计算复杂度高的问题。基于相邻的角度预测模式间的预测方向相差不到10°，对帧内预测的预测单元PU（Prediction Unit）的强纹理方向进行粗筛选，然后对粗筛选后的预测模式进行率失真优化计算，选择出代价值最小的前三个模式进行再次筛选。通过对35种预测模式进行初次筛选和再次筛选，快速精确的找到成为最优预测模式概率最大的候选模式，有效的降低了原有帧内预测编码算法的计算复杂度。【专利说明】-种HEVC帧内预测模式快速选择方法
本专利技术设及视频编码
，特别是对高效率视频编码化i曲Efficiency Video Coding,简称肥VC)中的帖内预测模式快速选择方法。 技术背景 2010 年 1 月，视频编码专家组口U-T VCEG (Video Coding Experts Group)和 运动图像专家组 ISO/IEC MPEG(Moving Pic1:ure Experts Group)成立了 JCT-VC(Joint Coll油orative Team on Video Coding)联合小组，制定了新一代高效率视频编码标准： 肥VC，其核屯、目的是在H. 264/AVC的基础上，将压缩效率提高一倍。 肥VC帖内预测是利用同一帖已编码完成的像素点对即将编码的像素点进行预 巧!]，具体过程如下：首先进行率失真优化（畑0 ,Rate Distcxrtion化timization)，遍历 35种预测模式，计算各自的代价值；然后再进行最有可能预测模式（MPM ,Most Prob油Ie Mode)的判断，利用已编码完成的预测块来预测当前块的最有可能预测模式；最后进行高 精度的RD0,选择出最优的帖内预测模式。 预测模式的增加提高了帖内预测的准确性，但同时也带来了非常高的计算复杂 度。如何快速有效的选择出最优的预测模式对降低整个肥VC的编码时间至关重要。 本专利技术提出了一种肥VC帖内预测模式快速选择方法，利用了预测单元的主纹理 方向，首先对帖内预测的模式进行粗筛选；然后对粗筛选后的预测模式进行率失真优化计 算，选择出代价值较小的=个模式及其相邻的角度预测模式进行再次筛选。有效缩短帖内 预测算法的编码时间，加快编解码过程。
技术实现思路
本专利技术的目的是针对上述问题，提出一种肥VC帖内预测模式快速选择方法。本发 明在保证视频质量和码率基本不变的前提下，减少了编码时间，提高了编码效率。 为实现上述目的，本专利技术所采用的技术方法如下： 本专利技术的参考软件歷(肥VC的测试模型（肥VC Test Model))是由JCT-VC编写的一个 标准代码库，可W对不同的测试场景进行仿真编码。 在歷编码器中，帖内预测要遍历35种预测模式进行代价值的计算。本专利技术根据 相邻的角度预测模式间的预测方向很接近，即相差不到10°，对帖内预测的35种模式进行 粗筛选，减少了一些成为最优预测模式概率较低的预测模式。 为了更加精确的找到最小代价值所对应的预测模式，选择出粗筛选后的预测模式 中代价值最小的前=个模式及其相邻的角度预测模式进行再次筛选，筛选方法是采用均方 差计算。【附图说明】 图1为肥VC帖内预测33个方向。 图2为肥VC帖内预测模式编号。【具体实施方式】 本专利技术提出的方法首先选取14个预测模式进入率失真代价计算，运样大大减少 了代价函数的运算量；经过再次筛选保证了每个预测模式都能被覆盖到，确保了方法对所 有预测模式的适用性。经过运两步筛选，在保证视频质量和码率基本不变的前提下，减少了 编码时间，提高了编码效率。 本专利技术的具体实现步骤为： 初次筛选：选取预测单元PU的的强纹理方向，过滤掉与强纹理方向接近的弱纹理方 向；通过粗筛选选出的强纹理方向分别是：水平方向、垂直方向、对角线方向、水平偏上 30°、水平偏上60。、水平偏下30。、水平偏下60。、垂直偏左30。、垂直偏左60。、垂直偏 右30。、垂直偏右60。；即将模式2, 6, 9, 10, 12, 14, 18, 22, 24, 26, 30, 34筛选出来形成初始 的筛选模式列表集。由于DC模式的计算方式是求均值，Planar模式的计算有其固定的公 式，运两种模式与其他33种角度预测模式计算方法不同，所W将运2种模式添加到筛选模 式列表中。 计算筛选模式列表中各模式的代价值，按照代价值从小到大的顺序将对应的模式 进行排序。 再次筛选：为了更加精确的找到最小代价值所对应的预测模式，对前=个最小代 价值对应的模式进行再次筛选。 假定前=个预测模式分别为A、B、C，对应的代价值用Costx表示，X表示模式序 号。分别对如下=组的模式进行均方差计算：(A-2, A-1，A，A+1，A巧）度-2, B-1，B，B+1，B巧） (C-2, C-1, C, C+1, 02)。 比较每组五个模式的均方差的大小，其中S，为每组五个代价值X 1，而，X3, X4, Xs的 均方差，为它们的均值，公式如下：找出=组均方差的的最小值，该最小值所对应的组则包含可能的最优预测方向。[001引将该组的S个模式再次进行代价值的计算，直到找出代价值最小的模式与最有可 能模式MPM -起进行高精度的率失真优化计算，最终选择出最优预测模式。【主权项】1. 一种HEVC帧内预测模式快速选择方法，其特征在于，利用了帧内预测中35个模式的 方向相关性，对预测模式进行筛选。2. 根据权利要求1所述，其特征在于：根据相邻的角度预测模式间的预测方向很接近， 即相差不到10°，对帧内预测的35种模式进行粗筛选，粗筛选的方法是：选取预测单元PU 的的强纹理方向，过滤掉与强纹理方向接近的弱纹理方向；通过粗筛选选出的强纹理方向 分别是：水平方向、垂直方向、对角线方向、水平偏上30°、水平偏上60°、水平偏下30°、 水平偏下60°、垂直偏左30°、垂直偏左60°、垂直偏右30°、垂直偏右60° ;然后对粗筛 选后的预测模式进行率失真优化计算，选择出代价值最小的前三个模式进行再次筛选，再 次筛选的方法是通过计算均方差的方式来确定出最优的预测模式。3. 根据权利要求2所述，其特征在于：由于DC模式的计算方式是求均值，Planar模式 的计算有其固定的公式，这两种模式与其他33种角度预测模式计算方法不同，所以将其也 放入粗模式的选择范围内，由此形成了粗筛选的模式集：{〇, 1，2, 6, 9, 10, 12, 14, 18, 22, 24， 26, 30, 34};再次筛选的方法：对代价值最小的前三个模式及其相邻的角度预测模式进行均 方差计算，将均方差值最小的一组预测模式再次进行代价值计算，直到找出代价值最小的 模式作为最优的预测模式。【文档编号】H04N19/147GK105847794SQ201510799168【公开日】2016年8月10日【申请日】2015年11月18日【专利技术人】朱筠, 谢晓燕, 王欢, 刘镇弢 【申请人】西安邮电大学本文档来自技高网...
【技术保护点】
一种HEVC帧内预测模式快速选择方法，其特征在于，利用了帧内预测中35个模式的方向相关性，对预测模式进行筛选。
【技术特征摘要】
【专利技术属性】
技术研发人员：朱筠，谢晓燕，王欢，刘镇弢，
申请(专利权)人：西安邮电大学，
类型：发明
国别省市：陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。