APP下载

利用深度学习的HEVC帧内编码单元快速划分算法

2021-03-13易清明林成思

小型微型计算机系统 2021年2期
关键词:深度

易清明,林成思,石 敏

(暨南大学 信息科学技术学院,广州 510632)

1 引 言

H.265/HEVC(High Efficiency Video Coding,高效视频编码)是ITU-T和ISO/IE在2013年联合发布的继H.264/AVC之后的新一代高效视频编码压缩标准[1].HEVC标准致力于在保证视频编码质量的前提下,在编码效率上比AVC提升一倍,为此HEVC引入了一系列新的技术.但同时编码复杂度急剧增加,使得在多媒体应用上HEVC存在对设备的运算能力要求的较高门槛,因此HEVC亟需通过算法优化降低编码复杂度.

在HEVC中,为了适应视频图像平缓区域和复杂区域的不同编码特性,一幅图像可以被划分为互不重叠的编码树单元[2](CTU),在CTU内部采用基于四叉树的循环分层结构划分为若干个CU,这个递归过程占据了HEVC编码时间的80%以上,其原因在于对于每一个CU划分的可能方案HEVC采用了暴力递归的做法遍历每一种方案通过计算RD代价(RD-cost)以寻求最优码率,这个过程存在大量的冗余计算[3].

自HEVC标准发布以来,许多针对HEVC编码单元快速划分的优化方案被陆续提出,不同程度地减少了CU划分的冗余计算.文献[4]所提出的算法定义了基于RD代价(RD-cost)的贝叶斯决策方法,在每个CU深度级别执行提前CU分裂和修剪,减少 CU分割遍历次数.文献[5]利用前一帧以及当前帧相邻CU的划分结果,对当前帧的CU划分方式进行预判.文献[6]利用了输入图像纹理梯度等特性,利用纹理复杂度自适应地跳过一些CU大小.文献[7]提供自适应决策能力来扩展基于关键点的CU深度决策(KCD)方法,一定程度上降低了编码计算复杂度.以文献[8,9]为代表……

登录APP查看全文

猜你喜欢

深度
四增四减 深度推进
深度观察
深度观察
深度观察
深度观察
刍议深度报道的深度与“文”度
提升深度报道量与质
微小提议 深度思考
微小提议 深度思考
猪的深度人工授精