随着云计算应用程序、远程桌面、网络会议等新兴需求的不断出现,屏幕内容视频作为特殊的视频类型获得了越来越多的关注。在针对屏幕内容视频（Screen Content Video,SCV）编码方面,视频编码专家组（VCEG）和动态图像专家组（MPEG）在2014年1月联合启动了基于高效视频编码（High Efficient Video Coding,HEVC）标准的屏幕内容编码（Screen Content Coding,SCC）扩展标准的制定工作,并在2016年制定了HEVC的扩展标准——HEVC-SCC。与传统的相机拍摄的视频（Camera-Captured Video,CCV）不同,SCV通常是计算机生成的内容,如文本、计算机图形、图形用户界面,或相机拍摄的内容和计算机生成的内容的组合。由于先前的算法主要针对自然内容视频设计,没有考虑屏幕内容的特性,如具有大量平坦区域和锐利边缘等,直接套用会对自然内容与屏幕内容混合的视频提升不明显。针对这些问题,本文重点研究和分析了屏幕视频的内容特性,提出了低复杂度的HEVC-SCC帧内编码快速算法,在视频质量损失可忽略不计的同时减少编码复杂度。主要的工作如下:首先,利用自然内容视频和屏幕内容视频在DCT变换后系数能量分布不同的特点,提出了一种结合内容特性与纹理类型的HEVC-SCC帧内预测快速算法。结合当前编码块预测单元（Predict Unit,PU）的梯度信息,将编码树单元（Coding Tree Unit,CTU）分成自然内容CTU,简单屏幕内容CTU和复杂屏幕内容CTU。对于自然内容CTU,选择35种传统帧内模式作为候选模式,跳过帧内块复制（Intra Block Copy,IBC）和调色板模式（Palette mode,PLT）;对于简单屏幕内容CTU,从DC,PLANAR,水平和垂直模式中选择一种作为预测模式,跳过属于SCC模式的判断;对于复杂屏幕内容CTU,直接选择IBC和PLT模式,略过其他帧内模式。实验结果表明,在AI（All Intra）配置下,提出的算法与SCM-8.3算法相比能减少38.55%的编码时间,而BDBR仅增加1.82%。考虑到屏幕内容视频具有大面积均匀平坦区域和边缘锐利的特点,提出了一种基于灰度共生矩阵（Gray-Level Co-Occurrence Matrix,GLCM）和Gabor特征的HEVC-SCC帧内预测快速算法。算法包含了快速模式决策和CU划分决策。通过研究GLCM中非零个数与不同划分深度的联系,预判帧内编码的CU尺寸,可以自适应跳过其他CU尺寸的帧内预测过程。由于Gabor滤波器提取的边缘信息更能反映屏幕内容图像的特性,利用Gabor特征将CU分成不同类型,设计相应的处理方案,跳过不必要的模式计算和判断过程。从实验结果可以看出,在AI配置下,所提算法相较于SCM-8.3可以减少42.13%的编码时间,BDBR只增加了1.85%。