1.一种基于四叉树概率预测的低复杂度视频编码方法,其特征在于,包括以下步骤:
步骤S1、采用预设的编码四叉树对首个图像组(Group of picture,GOP)中所有编码帧进行编码,得到初始GOP中每帧图像的最优编码单元(coding unit,CU)分布概率P;
步骤S2、通过四叉树分布概率P建模得到已编码GOP的预测四叉树结构Festa.;
步骤S3、对待编码GOP进行四叉树结构预测,Fpred.表示待编码GOP中每一帧图像的四叉树结构,Fpred.计算如下式:
其中,δ(CU,Framen)表示待编码GOP中第n帧图像的编码四叉树节点是否存在,δ计算如下式:
其中,{1,0}分别代表编码四叉树的节点是否存在,σ为经验阈值,
当式(1)中δ(CU,Framen)=0时,表示预测四叉树中该节点不存在;当δ(CU,Framen)=1时,预测四叉树的根节点尺寸定义为δ(CU,Framen)中CU的最大尺寸;树深度定义为log2(Root node)-log2(leaf node)+1,其中,Root node表示根节点尺寸,leaf node表示δ(CU,Framen)中CU的最小尺寸;
步骤S4、由更新周期T判断当前编码帧是否需要进行概率模型更新,若需更新则进入步骤S5,否则进入步骤S6;
步骤S5、对当前GOP的预测四叉树分布概率模型更新,用更新后的四叉树结构作为当前或后续GOP的预测四叉树,计算如下式:
其中,表示更新后的预测四叉树结构,
表示当前GOP的已预测四叉树结构,
表示前一个GOP的已预测四叉树结构,Z(·)表示F中零元素的个数和位置,ρ∈[0,1]用于平衡更新性能;将
替代
执行步骤S3,得到预测四叉树的根节点尺寸和树深度,然后执行步骤S6;
步骤S6、由计算得到的根节点尺寸和树深度构成预测四叉树,从预测四叉树根节点开始遍历所有树节点,直到树深度达到预测的最大值,同时通过预测四叉树对当前及后续GOP中所有编码帧进行节点遍历,通过率失真代价计算得到最优CU尺寸划分结果;
步骤S7、判断当前GOP是否为最后一个GOP,若是则采用预测四叉树完成编码并结束,否则返回步骤S4。
2.如权利要求1所述的基于四叉树概率预测的低复杂度视频编码方法,其特征在于,步骤S1具体为:采用一颗树深度为4,根节点尺寸为64×64像素的编码四叉树对首个图像组(Group of picture,GOP)中所有编码帧进行编码,得到初始GOP中每帧图像的最优编码单元(coding unit,CU)分布概率P;
其中,CU64、CU32、CU16、CU08分别表示尺寸为64×64像素、32×32像素、16×16像素、8×8像素的CU,N(CU)表示某一尺寸CU被选中的次数。
3.如权利要求1所述的基于四叉树概率预测的低复杂度视频编码方法,其特征在于,步骤S2中Festa.计算如下式:
其中,P(CU,Framen)表示已编码GOP中第n帧图像的最优CU分布概率。
4.如权利要求1所述的基于四叉树概率预测的低复杂度视频编码方法,其特征在于,步骤S4中的更新周期T计算如下式:
其中,GOPSize表示GOP长度,Frame Rate表示帧率,N表示编码时一秒钟包含多少个整数倍GOP,N定义如下:
其中,floor表示下取整。