一种基于四叉树概率预测的低复杂度视频编码方法与流程

技术特征：

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F_esta.；

步骤S3、对待编码GOP进行四叉树结构预测，F_pred.表示待编码GOP中每一帧图像的四叉树结构，F_pred.计算如下式：

其中，δ(CU,Frame_n)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：

$\mathrm{\δ}=\left\{\begin{array}{c}0,P\<\mathrm{\σ}\\ 1,P\≥\mathrm{\σ}\end{array}\right.,$

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,Frame_n)＝0时，表示预测四叉树中该节点不存在；当δ(CU,Frame_n)＝1时，预测四叉树的根节点尺寸定义为δ(CU,Frame_n)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,Frame_n)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：

${\tilde{F}}_{esta.}^n=\left\{\begin{array}{cc}{F}_{esta.}^{n-1},& Z\left(F_{esta.}^n\right)=Z\left(F_{esta.}^{n-1}\right)\\ \mathrm{\ρ}\·F_{esta.}^{n-1}+\left(1-\mathrm{\ρ}\right)\·F_{esta.}^n,& Z\left(F_{esta.}^n\right)\≠Z\left(F_{esta.}^{n-1}\right)\end{array}\right.$

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；

$P=\frac{N\left(CU\right)}{N\left({\mathrm{CU}}_{64}\right)+N\left({\mathrm{CU}}_{32}\right)+N\left({\mathrm{CU}}_{16}\right)+N\left({\mathrm{CU}}_{08}\right)}$

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F_esta.计算如下式：

其中，P(CU,Frame_n)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：

$T=\left\{\begin{array}{cc}N,& GOPSize\<FrameRate\\ GOPSize,& GOPSize\≥FrameRate\end{array}\right.$

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：

$N=GOPSize\·floor\left(\frac{FrameRate}{GOPSize}\right)$

其中，floor表示下取整。