CU的概率最高。同时，预先统计 了具有较大总梯度幅值的预测模式与最佳预测模式的关系，得出跳过KMD过程，直接选取 具有最强总梯度幅值的几种预测模式作为RDO的候选模式，具有极大的命中概率。另外，当 梯度直方图中没有"峰"且均值较小时，最佳预测模式为非角度预测模式DC或Planar的概 率很大。
[0064] 本发明中提出的用分组均值比较的梯度直方图"峰"数比较法，所分的组数，可以 根据精度的要求，做适当调整。用于CU深度跳过和CU划分提前终止的阈值也可在编码效 率和计算复杂度权衡中做适当调整。
[0065] 采用新一代视频编码标准HEVC提供的参考软件HM13. 0来衡量本发明方法的效 果。对HEVC建议的5个分辨率等级（class A、B、C、D、E)的15个测试序列进行测试。编 码器参数设置为：全帧内编码模式，选取量化参数QP值22, 27, 32, 37,编码30帧，其余默认 设置。本发明方法与软件HM13. 0所采用的HEVC原始算法比较的结果如表2所示。其中，表 2中的Prop.-⑶Splitting为本发明中⑶深度跳过和⑶划分提前终止方法的测试效果， Prop. -Mode Selection为本发明中基于梯度的RDO候选模式选择方法的测试效果。BDBR 和BDPSNR为VCEG建议采用的评价标准，BDBR表示在同样的客观质量下两种方法的码率节 省情况，BDPSNR表示在给定的同等码率下两种方法的Y-PSNR (亮度Y峰值信噪比）的差异， 表2中Δ Time定义如下：
[0066]
(7)
[0067] 其中Timepra(QP1)和TimeHM13. JQP1)分别表示本发明的优化方法与原始的HM13. 0 方法随QP值变化的编码时间。
[0068] 表 1
[0069]
CN 105120292 A ~P 7/7 页
[0070] 表 2
[0071]
[0072] 从表2可以看出，本发明的一种HEVC快速帧内预测方法效果良好，几乎不会影响 编码器的率失真性能，BDBR平均增加2. 24%，BDPSNR平均仅降低0. 065dB，而平均编码时间 节省可达55%。需要指出的是，本发明方法可以灵活控制所选阈值，使其适用于不同应用场 合。虽然像素梯度计算会引入一定的计算量，但与原始HEVC中CU遍历的方法相比，本发明 的快速决策方法降低的计算复杂度是相当可观的。
[0073] 经过以上的分析是实验验证，可以得出以下结论：本发明提出的基于梯度的HEVC 帧内预测快速预测方法，其理论依据正确，实际应用可行，有助于实现HEVC编码器的实时 应用。
【主权项】
1. 一种基于图像纹理特征的视频编码帧内预测方法，其特征在于其具体步骤如下： 步骤一、通过预处理统计，获取编码单元⑶图像的"强边缘"数Nstl^d^ 步骤二、读入一个当前最大的编码单元LCU，开始进行帧内预测编码，并设定跳过标志 位flag_skip和终止标志位flag_terminate，初始值均设为false; 步骤三、判断当前编码单元CU的尺寸，若CU的尺寸为8X8,则跳到步骤五，否则转到步 骤四； 步骤四、判断当前CU的"强边缘"数Ns&__，若Ns_dg>Thrsktp，设置深度跳过标 志位flag_skip为true，则跳到步骤六；若Ns&_edge<ThrtCT，设置划分终止标志位flag_ terminate为true，则转到步骤五；否则直接转到步骤五； 步骤五、进入预测模式选择阶段，判断当前⑶的"强边缘"数Nstl^_是否为0,若为0， 则跳过RMD(RoughModeDecision，模式粗选）过程，直接选取非角度预测模式DC和Planar 模式和MPM(MostProbableMode,最可能模式）作为RD0(RateDistortionOptimization， 率失真优化）候选模式；若Nstl^_不为0,跳过RMD过程，分别选取角度预测模式列表〇中 前1，3, 8种模式和MPM作为64X64, 32X32, 16X16⑶的RD0候选模式；当前⑶最优模式 选择完成之后，转到步骤六； 步骤六、若当前⑶尺寸大于8X8,判断终止标志位falg_termiante是否为true，若 是，则结束当前编码单元CU的划分过程，则跳到步骤二，否则将当前CU划分为4个相等尺 寸的自编码单元CU，对每个自编码单元CU，则转到步骤三；若当前CU尺寸等于8X8,则跳 到步骤二。2. 如权利要求1所述一种基于图像纹理特征的视频编码帧内预测方法，其特征在于在 步骤一中，所述通过预处理统计，获取编码单元CU图像的"强边缘"数Nstl^_，具体包括以 下步骤： 步骤al:计算当前编码单元CU的像素梯度幅值和相角； 步骤a2 :经校正和区间划分，将梯度相角映射到33种角度预测模式，具体对应关系如 表1所示；然后，将映射到相同预测模式的梯度幅值相加，得到对应模式在梯度直方图中预 测模式幅值histo(m):步骤a3 :将角度预测模式m按照其对应的幅值histo(m)从大到小进行排列，得到角度 预测模式列表? ; 步骤a4 :采用梯度直方图分组均值比较的方法获取当前CU图像中"强边缘"的数量Nj? 步骤a5 :选定用于⑶深度跳过和提前终止划分的"峰"数阈值ThrsktjPThrtCT，使得当 当前CU的Nsty如彡ThrsktI^t，最优CU的划分深度小于当前CU深度的概率小于10% ;而 当当前CU的Ns& edge<Thr^时，最优CU的划分深度大于当前CU深度的概率小于15%;通 过统计观察，选定Thrsktp= 4,ThrtCT= 1。3. 如权利要求2所述一种基于图像纹理特征的视频编码帧内预测方法，其特征在于在 步骤al中，所述计算当前编码单元CU的像素梯度幅值和相角的具体方法为： 首先，采用3X3的sobel算子进行编码单元⑶像素梯度计算，包括水平分量垂直 分量0_ ;其中，Pu为相应坐标（i，j)上的亮度分量像素值； 接着，计算出像素梯度的幅值Ganp和相角Gang:4.如权利要求2所述一种基于图像纹理特征的视频编码帧内预测方法，其特征在于在 步骤a4中，所述采用梯度直方图分组均值比较的方法获取当前CU图像中"强边缘"的数量 Nstr-edge的具体方法为： 首先，按照角度〇, - /4, - 31 /2和-3 31 /4四个大方向将33中角度预测模式分为四组， 即[7, 14]，[15, 22]，[23, 30]，[31，6]，分组的方案并不唯一，可以根据精度要求的不同，选 定N个等间距的大方向，将33种角度预测模式均匀的分为N组； 然后，计算每个分组的幅值的均值，若当前组的均值均高出左右相邻两组的均值3dB， 或当前组的均值大于选定的阈值，则增加Nstl^_的值，阈值在不同深度的CU中有不同的取 值，阈值Thr(depth)的计算公式如下： Thr(depth) = (70-20Xdepth)X26depth 其中，⑶的深度取值为〇，1，2对应64X64, 32X32, 16X16尺寸的⑶； 最后，记录当前编码单元⑶图像中"强边缘"的数量Nstl^dgf；。
【专利摘要】一种基于图像纹理特征的视频编码帧内预测方法，涉及数字视频通信领域中的视频信息处理。首先利用当前CU的梯度直方图，统计出当前CU的“强边缘”数目和梯度幅值相关的角度预测模式列表并统计出两个健壮的阈值用于CU划分过程；在帧内预测过程中，当当前CU的“强边缘”满足所选的阈值时，可以进行CU深度跳过或CU划分提前终止；在最佳候选模式选择阶段，根据图像纹理情况，直接从上述预测模式列表中选取适当数量的模式作为候选预测模式。通过CU深度和预测模式的裁剪，能有效降低HEVC帧内预测编码复杂度，有助于实现HEVC编码器的实时应用。
【IPC分类】H04N19/172, H04N19/61
【公开号】CN105120292
【申请号】CN201510568461
【发明人】郭杰锋, 陈国忠, 黄联芬, 赵毅峰, 高志斌
【申请人】厦门大学
【公开日】2015年12月2日
【申请日】2015年9月9日