一种基于贝叶斯分类的自适应运动矢量精度快速选择方法与装置制造方法及图纸

本发明专利技术公开了一种基于贝叶斯分类的自适应运动矢量精度快速选择方法及装置，通过贝叶斯分类算法，提前预测IMV的可能性，以跳过其不必要的帧间预测过程，在保证视频主观质量下降可忽略不计的情况下，从而进一步降低了新一代视频编码的计算复杂度，大幅度地缩短了帧间预测的时间，从而节省了编码时间；本方法简单易行，有利于新一代视频编码标准的产业化推广。

【技术实现步骤摘要】
一种基于贝叶斯分类的自适应运动矢量精度快速选择方法与装置
本专利技术属于视频编码领域，特别涉及一种基于贝叶斯分类的自适应运动矢量精度快速选择方法与装置。
技术介绍
自适应运动矢量精度(AMVR，AdvancedMotionVectorResolution)是在运动估计中，完成1/4像素精度运动估计之后，由于1/4像素精度运动估计会带来比特数的增加，虽然可能失真减小了，但总体的RDcost(率失真代价)并没有减小，因此需要重新执行一次整像素运动估计并与之前获得的最优MV(运动矢量)进行比较，取RDcost最小者作为最终的最优MV。重新执行的整像素运动估计，被称之为IMV(IntegerMotionVector，整数运动矢量)。最近，新一代视频编码标准的制定引入了大量的新型编码工具，IMV技术则是其中之一。新一代的视频编码标准依旧采用混合编码框架，包括变换、量化、熵编码、帧内预测、帧间预测以及环路滤波等模块，但是，为了提高视频压缩率，该标准采用QTBT(Quadtreeplusbinarytree，四叉树加二叉树)的划分结构，取代了HEVC的四叉树划分。在QTBT结构下，去掉了多种划分类型如CU(编码单元)、PU(预测单元)和TU(变换单元)分离观念，支持更弹性的CU划分类型来更好的匹配视频数据的局部特征，同时在各个模块引入了一系列相当耗时的新型编码工具，例如基于Affine(仿射)的merge(合并)技术以及IMV(IntegerMotionVector)技术等，这些技术在提高压缩率的同时却大幅度地提高了编码器的计算复杂度，这不利于新一代视频编码标准的产业化推广。因此，在保证视频主观质量下降可忽略不计的情况下，优化编码器并减少编码时间成为了视频编解码领域亟待研究和解决的新问题之一。在新一代视频编码标准中引入的IMV属于运动估计(MotionEstimation，简称ME)的一部分。在新标准中，运动估计主要分为三个步骤，具体过程如下：步骤一：执行整像素精度的运动估计，如果是B类型的slice，或者没有使用快速搜索模式，那么进行整像素精度的全搜索，如果是P类型的slice或者使用了快速搜索模式，那么进行整像素精度的快速搜索，通过比较各个MV的SAD选出最优的MV并保存相应的MV以及SAD信息；步骤二：执行分像素精度的运动估计，即1/2和1/4像素精度运动估计。先执行1/2像素精度运动估计，再执行1/4像素精度运动估计，通过比较各个MV的SATD选出最优MV并保存相应的MV以及SATD信息；步骤三：执行整像素精度运动估计，即IMV，若该整像素精度最优MV的率失真代价小于当前最佳MV的率失真代价，则将最优MV替换为整像素精度的MV，并保存其率失真代价以及相关信息。通过对新一代视频编码标准的参考软件JEM的测试分析发现，在Lowdelay(低延迟)配置下，整个帧间预测的编码时间占总编码时间的40％～45％，因此，如果能通过提前预测出是否进行IMV，从而避免不必要的判断选择过程将大大提高新一代视频编码标准的编码效率。
技术实现思路
本专利技术针对新一代视频编码效率过低的缺陷，提出的一种基于贝叶斯分类的自适应运动矢量精度快速选择方法与装置，通过提前预测IMV的可能性，以跳过其不必要的帧间预测过程，在保证视频主观质量下降可忽略不计的情况下，降低编码器的计算复杂度，减少编码时间，提高编码效率。一种基于贝叶斯分类的自适应运动矢量精度快速选择方法，包括以下步骤：步骤1：在对视频帧图像的预测单元PU块执行帧间2Nx2N预测的运动估计时，获取当前预测单元PU块依次经过整像素精度运动估计和分像素精度运动估计后，每个像素点的最优MV信息和对应的预测MV值之差的二维正交变换；所述当前预测单元PU块中每个像素点对应的预测MV值在编码过程中利用高级运动向量预测技术AMVP获得；步骤2：基于步骤1获得的当前预测单元PU块各像素点所述的二维正交变换，分别计算当前预测单元PU块中所有像素点对应的二维正交变换绝对值之和，SATDint和SATDqter，并计算SATDint和SATDqter的比值SATDqter/SATDint；其中，SATDint表示整像素MV的SATD值，SATDqter表示分像素MV的SATD值；所述SATD值表示经过哈达曼变换后的绝对误差和；步骤3：获取当前预测单元PU块的QP值，以及统计当前预测单元PU块的相邻已编码的PU块中已执行IMV操作的数量占所有相邻已编码的PU块数量的比例S1，当前预测单元PU块中最优MV的比特数占编码的总比特数的比例S2；步骤4：将步骤2获得的SATDqter/SATDint，步骤3获得的QP值、S1以及S2输入基于贝叶斯的IMV执行分类器，获得当前预测单元PU块是否需要执行IMV的分类标志；所述基于贝叶斯的IMV执行分类器是将已执行过IMV模式的PU块的IMV标志位作为输出数据，对应的PU块按照步骤1-步骤3获得对应的SATDqter/SATDint、QP值、S1以及S2作为输入数据进行训练获得；所述PU块的IMV标志位是指在执行过IMV模式后，IMV标志位为0表示PU块无需进行IMV模式，IMV标志位为1表示PU块需要进行IMV模式；步骤5：依据步骤4得到的分类标志，对当前预测单元PU执行相应模式；若当前预测单元PU需要执行IMV，则对当前预测单元PU执行IMV_2N×2N模式后，继续后续模式；若当前预测单元PU不需要执行IMV，则当前预测单元PU跳过IMV_2N×2N模式，并根据率失真代价决策出最优MV以及当前预测单元PU块后续执行的最佳模式。每个像素点的最优MV信息和对应的预测MV值之差的二维正交变换包括在两种运动估计下的对应的二维正交变换，即分别在整像素运动估计和分像素运动估计下的对应的二维正交变换；利用贝叶斯算法结合已知是否需要执行IMV的PU块特征，自动算出当前预测单元PU块不执行IMV的概率和执行IMV的概率，比较两个概率值，输出当前预测单元PU块是否需要执行IMV的分类标志；进一步地，所述当前预测单元PU块的相邻已编码的PU块包括当前预测单元PU块的左方的PU块、上方的PU块、左上方的PU块、右上的PU块以及同位PU块。一种基于贝叶斯分类的自适应运动矢量精度快速选择装置，包括：整像素精度运动估计模块，对视频帧图像的预测单元PU块执行帧间2Nx2N预测的运动估计时，在当前预测单元PU块经过整像素精度运动估计后，获得当前预测单元PU块的最优MV信息；分像素精度运动估计模块，对视频帧图像的预测单元PU块执行帧间2Nx2N预测的运动估计时，在当前预测单元PU块经过分像素精度运动估计后，获得当前预测单元PU块的最优MV信息；SATDint和SATDqter计算模块，首先利用当前预测单元PU块分别经过整像素精度运动估计和分像素精度运动估计后，获得每个像素点的最优MV信息和对应的预测MV值之差的二维正交变换，然后计算当前预测单元PU块中所有像素点对应的二维正交变换绝对值之和；SATDint表示整像素MV的SATD值，SATDqter表示分像素MV的SATD值；所述SATD表示经过哈达曼变换后的绝对误差和；统计模块，获取当前预测单元PU块的QP值，以及统计当前预测单元PU块的相邻已编码的本文档来自技高网...

【技术保护点】
一种基于贝叶斯分类的自适应运动矢量精度快速选择方法，其特征在于，包括以下步骤：步骤1：在对视频帧图像的预测单元PU块执行帧间2Nx2N预测的运动估计时，获取当前预测单元PU块依次经过整像素精度运动估计和分像素精度运动估计后，每个像素点的最优MV信息和对应的预测MV值之差的二维正交变换；所述当前预测单元PU块中每个像素点对应的预测MV值在编码过程中利用高级运动向量预测技术AMVP获得；步骤2：基于步骤1获得的当前预测单元PU块各像素点所述的二维正交变换，分别计算当前预测单元PU块中所有像素点对应的二维正交变换绝对值之和，SATDint和SATDqter，并计算SATDint和SATDqter的比值SATDqter/SATDint；其中，SATDint表示整像素MV的SATD值，SATDqter表示分像素MV的SATD值；所述SATD值表示经过哈达曼变换后的绝对误差和；步骤3：获取当前预测单元PU块的QP值，以及统计当前预测单元PU块的相邻已编码的PU块中已执行IMV操作的数量占所有相邻已编码的PU块数量的比例S1，当前预测单元PU块中最优MV的比特数占编码的总比特数的比例S2；步骤4：将步骤2获得的SATDqter/SATDint，步骤3获得的QP值、S1以及S2输入基于贝叶斯的IMV执行分类器，获得当前预测单元PU块是否需要执行IMV的分类标志；所述基于贝叶斯的IMV执行分类器是将已执行过IMV模式的PU块的IMV标志位作为输出数据，对应的PU块按照步骤1‑步骤3获得对应的SATDqter/SATDint、QP值、S1以及S2作为输入数据进行训练获得；所述PU块的IMV标志位是指在执行过IMV模式后，IMV标志位为0表示PU块无需进行IMV模式，IMV标志位为1表示PU块需要进行IMV模式；步骤5：依据步骤4得到的分类标志，对当前预测单元PU执行相应模式；若当前预测单元PU需要执行IMV，则对当前预测单元PU执行IMV_2N×2N模式后，继续后续模式；若当前预测单元PU不需要执行IMV，则当前预测单元PU跳过IMV_2N×2N模式，并根据率失真代价决策出最优MV以及当前预测单元PU块后续执行的最佳模式。...

【技术特征摘要】
1.一种基于贝叶斯分类的自适应运动矢量精度快速选择方法，其特征在于，包括以下步骤：步骤1：在对视频帧图像的预测单元PU块执行帧间2Nx2N预测的运动估计时，获取当前预测单元PU块依次经过整像素精度运动估计和分像素精度运动估计后，每个像素点的最优MV信息和对应的预测MV值之差的二维正交变换；所述当前预测单元PU块中每个像素点对应的预测MV值在编码过程中利用高级运动向量预测技术AMVP获得；步骤2：基于步骤1获得的当前预测单元PU块各像素点所述的二维正交变换，分别计算当前预测单元PU块中所有像素点对应的二维正交变换绝对值之和，SATDint和SATDqter，并计算SATDint和SATDqter的比值SATDqter/SATDint；其中，SATDint表示整像素MV的SATD值，SATDqter表示分像素MV的SATD值；所述SATD值表示经过哈达曼变换后的绝对误差和；步骤3：获取当前预测单元PU块的QP值，以及统计当前预测单元PU块的相邻已编码的PU块中已执行IMV操作的数量占所有相邻已编码的PU块数量的比例S1，当前预测单元PU块中最优MV的比特数占编码的总比特数的比例S2；步骤4：将步骤2获得的SATDqter/SATDint，步骤3获得的QP值、S1以及S2输入基于贝叶斯的IMV执行分类器，获得当前预测单元PU块是否需要执行IMV的分类标志；所述基于贝叶斯的IMV执行分类器是将已执行过IMV模式的PU块的IMV标志位作为输出数据，对应的PU块按照步骤1-步骤3获得对应的SATDqter/SATDint、QP值、S1以及S2作为输入数据进行训练获得；所述PU块的IMV标志位是指在执行过IMV模式后，IMV标志位为0表示PU块无需进行IMV模式，IMV标志位为1表示PU块需要进行IMV模式；步骤5：依据步骤4得到的分类标志，对当前预测单元PU执行相应模式；若当前预测单元PU需要执行IMV，则对当前预测单元PU执行IMV_2N×2N模式后，继续后续模式；若当前预测单元PU不需要执行IMV，则当前预测单元PU跳过IMV_2N×2N模式，并根据率失真代价决策出最优MV以及当前预测单元PU块后续执行的最佳模式。2.根据权利要求1所述的方法，其特征在于，所述当前预测单元PU块的相邻已编码的PU块包括当前预测单元PU块的左方的PU块、上方的PU块、左上方的PU块、右上的PU块以及同位PU块。3.一种基于贝叶斯分类的自适应运动矢量精度快速选择装置，其特征在于，包括：整...

【专利技术属性】
技术研发人员：张昊，马学睿，王剑光，牟凡，李明娟，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南,43