论文部分内容阅读
随着高清及超高清视频应用的日益普及,视频数据量呈现“井喷式”增长。在有限信道带宽和存储容量的限制下,目前广泛应用的H.264/AVC视频编码标准已逐渐无法满足视频高效存储与传输的需求。因此,着眼于“更高压缩效率”和“更高重建质量”的新一代视频编码标准HEVC应运而生。作为H.264/AVC的继承与发展,HEVC引进了许多先进的编码技术并将压缩效率提高了一倍,但在HEVC向实用化、普及化迈进的征途中其编码速度及网络适应能力仍有待提升。本文以HEVC标准为研究平台,以低复杂度帧内编码和码率控制优化技术为切入点,力求在低复杂度编码和强网络适应性编码的理论研究及应用实践上取得新突破。主要研究内容和成果如下:1.提出一种基于卷积神经网络的帧内编码单元深度快速选择算法。以编码单元深度与其纹理复杂度间的关联关系为依据,以实现编码单元深度范围的预测与灵活选择为研究目标,设计了面向HEVC帧内编码单元深度范围决策的卷积神经网络构建策略。基于该策略设计实现的快速算法与HEVC标准测试模型HM-16.9相比较,可在保证编码单元划分准确度的同时,加速帧内编码过程。2.提出一种基于时空相关性的帧内预测单元模式快速决策算法。以当前预测单元最优模式与其时空相邻预测单元最优模式间的关联关系为依据,以合理简化预测单元的候选模式集为出发点,设计了基于空间相关性的粗模式决策候选模式集简化和基于时间相关性的率失真优化候选模式集简化策略。基于该策略设计实现的快速算法与HEVC标准测试模型HM-16.9相比较,可在保证编码重建质量的前提下,降低帧内编码复杂度。并实现了帧内编码单元深度快速选择算法和预测单元模式快速决策算法的融合,进一步节省了编码时间。3.提出一种基于模型参数自适应预测的码率控制优化算法。通过探究帧间内容相似性,确定与当前编码帧内容差异最小且已编码的最佳关联帧,并依据码率控制模型参数与视频内容的相关性,设计了基于最佳关联帧中已有编码信息的最大编码单元层码率控制模型参数自适应预测机制,以避免原有算法采用依赖于经验值的模型参数更新方式,而引起编码初期码率控制误差较大的不足。基于该机制设计实现的码率控制优化算法与HEVC标准测试模型HM-16.9相比较,能够在不以编码时间为代价的前提下,实现码率控制精度与率失真性能的同步提升。