一种视频压缩编码的帧间模式快速选择方法及系统与流程

本发明涉及视频编码领域，尤其是一种视频压缩编码的帧间模式快速选择方法及系统。

背景技术：

为了满足数字视频产业对高清和超高清视频存储及传输的日益迫切的发展需求，国际组织ITU-T的视频编码专家组(Video Coding Experts Group，VCEG)和ISO/IEC的运动图像专家组(MovingPicture Experts Group，MPEG)成立了视频编码联合专家组(Joint Collaborative Team on Video Coding，JCT-VC)，并在2013年制定了新一代的高效视频编码标准HEVC(HighEfficiency Video Coding)。HEVC仍沿用了基于块的混合编码框架，但是与H.264相比，其在很多细节方面进行了大量的技术创新，如引入了四叉树结构的编码树单元(CTU)和多达10种的帧间预测单元(PU)模式等，这些创新有效地提高了编码压缩效率，但也极大地增加了编码的计算复杂度。已有的研究表明，在保证视频质量的同时，HEVC相比于H.264可将编码效率提升一倍，但同时计算复杂度也提高了1.4倍。因此，提出快速的编码算法来降低HEVC编码的计算复杂度，对于HEVC的实时应用有着积极的意义。

在HEVC编码过程中，一帧图像先被划分成多个最大编码单元(LCU)，每个LCU进一步按照四叉树的方式被递归划分为多个编码单元(CU)，直至达到最大深度，从中选取率失真(RD)代价最小的划分模式作为最优的CU模式。图1的例子就很好地说明了一个LCU的划分过程以及其对应的四叉树结构。

HEVC共定义了4种CU分割深度和8种PU模式(2N×2N，2N×N，N×2N，N×N，2N×nU，2N×nD，nL×2N，nR×2N)。为了得到最佳的CU划分，在CU/PU的每种组合下均需要进行率失真代价的计算，最终以率失真代价最小的PU模式作为最优的PU模式进行编码，因此，HEVC编码中帧间模式选择所需的计算复杂度是巨大的。为了将HEVC编码应用于实时性要求高的场合或系统，有必要降低其帧间模式选择的计算复杂度，提升帧间模式选择的速度。

技术实现要素：

为解决上述技术问题，本发明的目的在于：提供一种计算复杂度低和速度快的，视频压缩编码的帧间模式快速选择方法。

本发明的另一目的在于：提供一种计算复杂度低和速度快的，视频压缩编码的帧间模式快速选择系统。

本发明所采取的技术方案是：

一种视频压缩编码的帧间模式快速选择方法，包括以下步骤：

在CU层根据当前编码图像率失真代价的空间相关性和深度信息的时间相关性，采用子CU剪枝算法判断当前编码图像的当前深度CU是否需要终止进一步划分操作，若是，则终止对当前深度CU的进一步划分操作，反之，则继续对当前深度CU进行进一步划分；

在PU层根据当前编码图像的纹理信息提前筛选出PU划分的范围，然后根据提前筛选出的PU划分的范围进行PU模式划分。

进一步，所述在CU层根据当前编码图像率失真代价的空间相关性和深度信息的时间相关性，采用子CU剪枝算法判断当前编码图像的当前深度CU是否需要终止进一步划分操作，若是，则终止对当前深度CU的进一步划分操作，反之，则继续对当前深度CU进行进一步划分这一步骤，其包括：

获取当前深度CU已通过编码得到的最优率失真代价；

根据子CU的空间相邻关系、子CU编码时的相互依赖关系以及当前深度CU中已编码子CU的最优率失真代价计算当前深度CU中未编码子CU的率失真代价，进而预测出当前深度CU继续划分的率失真代价；

获取当前编码图像的量化参数以及参考图像中同位CU的量化参数；

综合根据预测的当前深度CU继续划分的率失真代价、当前深度CU已通过编码得到的最优率失真代价、当前编码图像的量化参数以及参考图像中同位CU的量化参数，判断当前编码图像的当前深度CU是否需要终止进一步划分操作；

根据判断的结果执行终止或继续对当前深度CU的进一步划分操作。

进一步，所述根据子CU的空间相邻关系、子CU编码时的相互依赖关系以及当前深度CU中已编码子CU的最优率失真代价计算当前深度CU中未编码子CU的率失真代价，进而预测出当前深度CU继续划分的率失真代价这一步骤，其包括：

根据子CU的空间相邻关系、子CU编码时的依赖关系以及当前深度CU中已编码子CU预测未编码子CU的率失真代价及相应的F值，F为4个子CU加权求和计算当前深度CU继续划分的率失真代价时对应的权重f_i的集合：若CU_m,1已编码，则有：J(CU_m,2)＝J(CU_m,1)，J(CU_m,3)＝J(CU_m,1)，J(CU_m,4)＝J(CU_m,1)，相应的F值为{4,0,0,0}；若CU_m,1和CU_m,2已编码，则有：相应的F值为{2,2,0,0}；若CU_m,1、CU_m,2和CU_m,3已编码，则有：相应的F值为若CU_m,1、CU_m,2、CU_m,3和CU_m,4均已编码，则相应的F值为{1,1,1,1}；其中，CU_m为当前深度为m的CU，CU_m,1、CU_m,2、CU_m,3和CU_m,4分别为CU_m的4个子CU，J(CU_m,1)、J(CU_m,2)、J(CU_m,3)和J(CU_m,4)分别为CU_m,1、CU_m,2、CU_m,3和CU_m,4的率失真代价；

根据当前深度CU中已编码子CU的最优率失真代价和预测的未编码子CU的率失真代价计算当前深度CU继续划分的率失真代价，所述当前深度CU继续划分的率失真代价J(CU_e)的计算公式为：

进一步，所述综合根据预测的当前深度CU继续划分的率失真代价、当前深度CU已通过编码得到的最优率失真代价、当前编码图像的量化参数以及参考图像中同位CU的量化参数，判断当前编码图像的当前深度CU是否需要终止进一步划分操作这一步骤，其具体为：

判断当前编码图像的当前深度CU是否满足设定的终止条件，若是，则判定当前编码图像的当前深度CU需要终止进一步划分操作，反之，则判定当前编码图像的当前深度CU不需要终止进一步划分操作，所述设定的终止条件为和其中，J(CU_e)为预测的当前深度CU继续划分的率失真代价，J(CU_m)为当前深度CU已通过编码得到的最优率失真代价，μ为控制因子，μ＜1，QP_m为当前编码图像的量化参数，QP_m,col为参考图像中同位CU的量化参数，d(CU_m,col)为参考图像中同位CU的深度，Δ＝1。

进一步，所述在PU层根据当前编码图像的纹理信息提前筛选出PU划分的范围，然后根据提前筛选出的PU划分的范围进行PU模式划分这一步骤，其包括：

获取当前编码图像相邻CU的深度信息，并根据获取的深度信息提前筛选出PU划分的范围；

根据提前筛选出的PU划分的范围进行PU模式划分。

进一步，所述获取当前编码图像相邻CU的深度信息，并根据获取的深度信息提前筛选出PU划分的范围这一步骤，其包括：

获取当前编码CU水平左侧方向相邻CU的最大深度d(CU₁)；

获取当前编码CU垂直上方方向相邻CU的最大深度d(CU_a)；

比较d(CU_a)与d(CU₁)的大小，并根据比较的结果提前筛选出PU划分的范围：若d(CU_a)大于d(CU₁)，则将当前编码图像的PU划分模式归入垂直PU划分模式；若d(CUa)等于d(CU1)，则将当前编码图像的PU划分模式归入均匀PU划分模式；若d(CU_a)小于d(CU₁)，则将当前编码图像的PU划分模式归入水平PU划分模式。

进一步，所述水平PU划分模式包括2N×N帧间预测模式、2N×nU帧间预测模式和2N×nD帧间预测模式，所述垂直PU划分模式包括N×2N帧间预测模式、nL×2N帧间预测模式和nR×2N帧间预测模式，所述均匀PU划分模式包括2N×2N帧间预测模式和N×N帧间预测模式。

本发明所采取的另一技术方案是：

一种视频压缩编码的帧间模式快速选择系统，包括：

CU划分模块，用于在CU层根据当前编码图像率失真代价的空间相关性和深度信息的时间相关性，采用子CU剪枝算法判断当前编码图像的当前深度CU是否需要终止进一步划分操作，若是，则终止对当前深度CU的进一步划分操作，反之，则继续对当前深度CU进行进一步划分；

PU划分模块，用于在PU层根据当前编码图像的纹理信息提前筛选出PU划分的范围，然后根据提前筛选出的PU划分的范围进行PU模式划分。

进一步，所述CU划分模块包括：

最优率失真代价获取单元，用于获取当前深度CU已通过编码得到的最优率失真代价；

率失真代价预测单元，用于根据子CU的空间相邻关系、子CU编码时的相互依赖关系以及当前深度CU中已编码子CU的最优率失真代价计算当前深度CU中未编码子CU的率失真代价，进而预测出当前深度CU继续划分的率失真代价；

量化参数获取单元，用于获取当前编码图像的量化参数以及参考图像中同位CU的量化参数；

判断单元，用于综合根据预测的当前深度CU继续划分的率失真代价、当前深度CU已通过编码得到的最优率失真代价、当前编码图像的量化参数以及参考图像中同位CU的量化参数，判断当前编码图像的当前深度CU是否需要终止进一步划分操作；

操作单元，用于根据判断的结果执行终止或继续对当前深度CU的进一步划分操作。

进一步，所述率失真代价预测单元包括：

未编码子CU率失真代价预测子单元，用于根据子CU的空间相邻关系、子CU编码时的依赖关系以及当前深度CU中已编码子CU预测未编码子CU的率失真代价及相应的F值，F为4个子CU加权求和计算当前深度CU继续划分的率失真代价时对应的权重f_i的集合：若CU_m,1已编码，则有：J(CU_m,2)＝J(CU_m,1)，J(CU_m,3)＝J(CU_m,1)，J(CU_m,4)＝J(CU_m,1)，相应的F值为{4,0,0,0}；若CU_m,1和CU_m,2已编码，则有：相应的F值为{2,2,0,0}；若CU_m,1、CU_m,2和CU_m,3已编码，则有：相应的F值为若CU_m,1、CU_m,2、CU_m,3和CU_m,4均已编码，则相应的F值为{1,1,1,1}；其中，CU_m为当前深度为m的CU，CU_m,1、CU_m,2、CU_m,3和CU_m,4分别为CU_m的4个子CU，J(CU_m,1)、J(CU_m,2)、J(CU_m,3)和J(CU_m,4)分别为CU_m,1、CU_m,2、CU_m,3和CU_m,4的率失真代价；

CU继续划分率失真代价计算子单元，用于根据当前深度CU中已编码子CU的最优率失真代价和预测的未编码子CU的率失真代价计算当前深度CU继续划分的率失真代价，所述当前深度CU继续划分的率失真代价J(CU_e)的计算公式为：

本发明的方法的有益效果是：包括在CU层根据当前编码图像率失真代价的空间相关性和深度信息的时间相关性，采用子CU剪枝算法判断当前编码图像的当前深度CU是否需要终止进一步划分操作步骤，能根据率失真代价的空间相关性和深度信息的时间相关性进行CU终止划分判决，以在进一步划分无法提高率失真代价时提前终止CU的划分，减少了不必要的率失真代价计算过程，降低了CU划分时的计算复杂度，速度更快；增设了在PU层根据当前编码图像的纹理信息提前筛选出PU划分的范围的步骤，能根据图像的纹理信息提前筛选出PU划分的范围，进而在后续的PU模式选择时将不在PU划分的范围内的PU模式直接排除在选择范围之外，有效降低了帧间预测模式选择的计算复杂度，速度更快。

本发明的系统的有益效果是：包括CU划分模块，能根据率失真代价的空间相关性和深度信息的时间相关性进行CU终止划分判决，以在进一步划分无法提高率失真代价时提前终止CU的划分，减少了不必要的率失真代价计算过程，降低了CU划分时的计算复杂度，速度更快；在PU划分模块中增设了在PU层根据当前编码图像的纹理信息提前筛选出PU划分的范围的过程，能根据图像的纹理信息提前筛选出PU划分的范围，进而在后续的PU模式选择时将不在PU划分的范围内的PU模式直接排除在选择范围之外，有效降低了帧间预测模式选择的计算复杂度，速度更快。

附图说明

图1为LCU的划分及其对应的四叉树结构示意图；

图2为本发明一种视频压缩编码的帧间模式快速选择方法的整体流程图；

图3为当前CU的4个子CU示意图；

图4为CU的时空相关性示意图；

图5为当前深度CU空间相关性的4种情况示意图；

图6为水平PU划分模式所包含的3种PU模式示意图；

图7为垂直PU划分模式所包含的3种PU模式示意图；

图8为均匀PU划分模式所包含的2种PU模式示意图；

具体实施方式

参照图2，一种视频压缩编码的帧间模式快速选择方法，包括以下步骤：

在CU层根据当前编码图像率失真代价的空间相关性和深度信息的时间相关性，采用子CU剪枝算法判断当前编码图像的当前深度CU是否需要终止进一步划分操作，若是，则终止对当前深度CU的进一步划分操作，反之，则继续对当前深度CU进行进一步划分；

在PU层根据当前编码图像的纹理信息提前筛选出PU划分的范围，然后根据提前筛选出的PU划分的范围进行PU模式划分。

进一步作为优选的实施方式，所述在CU层根据当前编码图像率失真代价的空间相关性和深度信息的时间相关性，采用子CU剪枝算法判断当前编码图像的当前深度CU是否需要终止进一步划分操作，若是，则终止对当前深度CU的进一步划分操作，反之，则继续对当前深度CU进行进一步划分这一步骤，其包括：

获取当前深度CU已通过编码得到的最优率失真代价；

根据子CU的空间相邻关系、子CU编码时的相互依赖关系以及当前深度CU中已编码子CU的最优率失真代价计算当前深度CU中未编码子CU的率失真代价，进而预测出当前深度CU继续划分的率失真代价；

获取当前编码图像的量化参数以及参考图像中同位CU的量化参数；

综合根据预测的当前深度CU继续划分的率失真代价、当前深度CU已通过编码得到的最优率失真代价、当前编码图像的量化参数以及参考图像中同位CU的量化参数，判断当前编码图像的当前深度CU是否需要终止进一步划分操作；

根据判断的结果执行终止或继续对当前深度CU的进一步划分操作。

进一步作为优选的实施方式，所述根据子CU的空间相邻关系、子CU编码时的相互依赖关系以及当前深度CU中已编码子CU的最优率失真代价计算当前深度CU中未编码子CU的率失真代价，进而预测出当前深度CU继续划分的率失真代价这一步骤，其包括：

根据子CU的空间相邻关系、子CU编码时的依赖关系以及当前深度CU中已编码子CU预测未编码子CU的率失真代价及相应的F值，F为4个子CU加权求和计算当前深度CU继续划分的率失真代价时对应的权重f_i的集合：若CU_m,1已编码，则有：J(CU_m,2)＝J(CU_m,1)，J(CU_m,3)＝J(CU_m,1)，J(CU_m,4)＝J(CU_m,1)，相应的F值为{4,0,0,0}；若CU_m,1和CU_m,2已编码，则有：相应的F值为{2,2,0,0}；若CU_m,1、CU_m,2和CU_m,3已编码，则有：相应的F值为若CU_m,1、CU_m,2、CU_m,3和CU_m,4均已编码，则相应的F值为{1,1,1,1}；其中，CU_m为当前深度为m的CU，CU_m,1、CU_m,2、CU_m,3和CU_m,4分别为CU_m的4个子CU，J(CU_m,1)、J(CU_m,2)、J(CU_m,3)和J(CU_m,4)分别为CU_m,1、CU_m,2、CU_m,3和CU_m,4的率失真代价；

根据当前深度CU中已编码子CU的最优率失真代价和预测的未编码子CU的率失真代价计算当前深度CU继续划分的率失真代价，所述当前深度CU继续划分的率失真代价J(CU_e)的计算公式为：其中，f_i为F中的元素，即相应子CU对应的权值。

进一步作为优选的实施方式，所述综合根据预测的当前深度CU继续划分的率失真代价、当前深度CU已通过编码得到的最优率失真代价、当前编码图像的量化参数以及参考图像中同位CU的量化参数，判断当前编码图像的当前深度CU是否需要终止进一步划分操作这一步骤，其具体为：

判断当前编码图像的当前深度CU是否满足设定的终止条件，若是，则判定当前编码图像的当前深度CU需要终止进一步划分操作，反之，则判定当前编码图像的当前深度CU不需要终止进一步划分操作，所述设定的终止条件为和其中，J(CU_e)为预测的当前深度CU继续划分的率失真代价，J(CU_m)为当前深度CU已通过编码得到的最优率失真代价，μ为控制因子，μ＜1，QP_m为当前编码图像的量化参数，QP_m,col为参考图像中同位CU的量化参数，d(CU_m,col)为参考图像中同位CU的深度，Δ＝1。

进一步作为优选的实施方式，所述在PU层根据当前编码图像的纹理信息提前筛选出PU划分的范围，然后根据提前筛选出的PU划分的范围进行PU模式划分这一步骤，其包括：

获取当前编码图像相邻CU的深度信息，并根据获取的深度信息提前筛选出PU划分的范围；

根据提前筛选出的PU划分的范围进行PU模式划分。

进一步作为优选的实施方式，所述获取当前编码图像相邻CU的深度信息，并根据获取的深度信息提前筛选出PU划分的范围这一步骤，其包括：

获取当前编码CU水平左侧方向相邻CU的最大深度d(CU₁)；

获取当前编码CU垂直上方方向相邻CU的最大深度d(CU_a)；

比较d(CU_a)与d(CU₁)的大小，并根据比较的结果提前筛选出PU划分的范围：若d(CU_a)大于d(CU₁)，则将当前编码图像的PU划分模式归入垂直PU划分模式；若d(CUa)等于d(CU1)，则将当前编码图像的PU划分模式归入均匀PU划分模式；若d(CU_a)小于d(CU₁)，则将当前编码图像的PU划分模式归入水平PU划分模式。

进一步作为优选的实施方式，所述水平PU划分模式包括2N×N帧间预测模式、2N×nU帧间预测模式和2N×nD帧间预测模式，所述垂直PU划分模式包括N×2N帧间预测模式、nL×2N帧间预测模式和nR×2N帧间预测模式，所述均匀PU划分模式包括2N×2N帧间预测模式和N×N帧间预测模式。

参照图2，一种视频压缩编码的帧间模式快速选择系统，包括以下模块：

CU划分模块，用于在CU层根据当前编码图像率失真代价的空间相关性和深度信息的时间相关性，采用子CU剪枝算法判断当前编码图像的当前深度CU是否需要终止进一步划分操作，若是，则终止对当前深度CU的进一步划分操作，反之，则继续对当前深度CU进行进一步划分；

PU划分模块，用于在PU层根据当前编码图像的纹理信息提前筛选出PU划分的范围，然后根据提前筛选出的PU划分的范围进行PU模式划分。

进一步作为优选的实施方式，所述CU划分模块包括：

最优率失真代价获取单元，用于获取当前深度CU已通过编码得到的最优率失真代价；

率失真代价预测单元，用于根据子CU的空间相邻关系、子CU编码时的相互依赖关系以及当前深度CU中已编码子CU的最优率失真代价计算当前深度CU中未编码子CU的率失真代价，进而预测出当前深度CU继续划分的率失真代价；

量化参数获取单元，用于获取当前编码图像的量化参数以及参考图像中同位CU的量化参数；

判断单元，用于综合根据预测的当前深度CU继续划分的率失真代价、当前深度CU已通过编码得到的最优率失真代价、当前编码图像的量化参数以及参考图像中同位CU的量化参数，判断当前编码图像的当前深度CU是否需要终止进一步划分操作；

操作单元，用于根据判断的结果执行终止或继续对当前深度CU的进一步划分操作。

进一步作为优选的实施方式，所述率失真代价预测单元包括：

未编码子CU率失真代价预测子单元，用于根据子CU的空间相邻关系、子CU编码时的依赖关系以及当前深度CU中已编码子CU预测未编码子CU的率失真代价及相应的F值，F为4个子CU加权求和计算当前深度CU继续划分的率失真代价时对应的权重f_i的集合：若CU_m,1已编码，则有：J(CU_m,2)＝J(CU_m,1)，J(CU_m,3)＝J(CU_m,1)，J(CU_m,4)＝J(CU_m,1)，相应的F值为{4,0,0,0}；若CU_m,1和CU_m,2已编码，则有：相应的F值为{2,2,0,0}；若CU_m,1、CU_m,2和CU_m,3已编码，则有：相应的F值为若CU_m,1、CU_m,2、CU_m,3和CU_m,4均已编码，则相应的F值为{1,1,1,1}；其中，CU_m为当前深度为m的CU，CU_m,1、CU_m,2、CU_m,3和CU_m,4分别为CU_m的4个子CU，J(CU_m,1)、J(CU_m,2)、J(CU_m,3)和J(CU_m,4)分别为CU_m,1、CU_m,2、CU_m,3和CU_m,4的率失真代价；

CU继续划分率失真代价计算子单元，用于根据当前深度CU中已编码子CU的最优率失真代价和预测的未编码子CU的率失真代价计算当前深度CU继续划分的率失真代价，所述当前深度CU继续划分的率失真代价J(CU_e)的计算公式为：其中，f_i为F中的元素，即相应子CU对应的权值。

下面结合说明书附图和具体实施例作进一步解释和说明。

实施例一

参照图2-8，本发明的第一实施时例：

针对现有技术帧间模式选择的计算复杂度高和速度慢的问题，本发明提出了一种全新的视频压缩编码的帧间模式快速选择方法及系统。

视频内存在时空相关性，CU的尺寸和PU的划分之间也存在相关性，因此没有必要穷尽所有可能的CU大小和PU划分。为了降低HEVC编码帧间模式选择的计算量，本发明分别从CU层和PU层两个方面进行了改进，提出了针对CU层的子CU剪枝算法和针对PU层的PU划分模式预选方法。

为便于说明，设CU_m表示当前在深度为m处的CU，CUm,n表示CU_m的4个子CU，n＝1,2,3,4，如图3所示。而CU之间的时空相关性则如图4所示。其中，CU_col表示参考图像中当前CU的同位CU。

(一)CU层：子CU剪枝算法。

在一帧视频中相邻图像之间具有较高的相似性，尤其是对一个2N×2N(N＝32，16，8)的CU来说，空间相邻关系以及编码时的依赖关系使得其4个子CU的RD代价之间有着较高的数量相关性。因此，对于一个CU的4个子CU来说，未编码的子CU的RD代价可以通过已编码的子CU的RD代价并结合它们间的空间相关性的信息进行预测。如图5所示，在预测未编码的子CU的RD代价时，可根据已编码的子CU个数来确定相应的预测公式及F的具体取值(已编码的子CU个数确定后，当前深度CU中已编码子CU的最优率失真代价也随之确定，该最优率失真代价可通过现有的HEVC最优率失真代价求取方法得出)，具体可分为以下四种情况：

(1)如图5(a)所示，已编码的子CU个数为1，即若CU_m,1已编码，则有：J(CU_m,2)＝J(CU_m,1)，J(CU_m,3)＝J(CU_m,1)，J(CU_m,4)＝J(CU_m,1)，相应的F值为{4,0,0,0}；

(2)如图5(b)所示，已编码的子CU个数为2，即若CU_m,1和CU_m,2已编码，则有：相应的F值为{2,2,0,0}；

(3)如图5(c)所示，已编码的子CU个数为3，即若CU_m,1、CU_m,2和CU_m,3已编码，则有：相应的F值为

(4)如图5(d)所示，已编码的子CU个数为4，即若CU_m,1、CU_m,2、CU_m,3和CU_m,4均已编码，则相应的F值为{1,1,1,1}。

根据以上四种情况预测出未编码子CU的率失真代价及相应的F值后，进一步可以根据以下公式估计当前深度CU继续划分的代价J(CU_e)：

可以将预测的更深层划分的RD代价J(CU_e)与当前已通过编码得到的CU_m的最优RD代价J(CU_m)进行比较，当二者大小相当时，可以认为进一步的CU划分将不会带来RD代价的改善，因此可以提前终止更深层次CU的划分。同时为了降低单纯依赖空间相关性作出判断的不准确性，本发明引入了参考图像中同位CU的深度信息作为CU终止划分的辅助判断依据。本发明同时引入了参考图像和当前图像的量化参数QP_m和QP_m,col，考虑到QP值越小意味着编码质量越高，相应的CTU划分越精细，深度较深的可能性越高，本发明QP的比值可以根据需要进行自适应调整。

综上所述，基于RD代价的空间相关性以及深度信息的时间相关性，当满足式(2)和(3)的条件时，本发明未编码子CU的帧间预测过程可以被提前终止。

Δ取1，是为了保证终止只有可能在当前CU深度不小于参考图像同位CU深度的情况下发生；控制因子μ(μ<1)可以根据编码序列的不同特点进行调整，从而平衡编码质量和计算复杂度。

(二)PU层：PU划分模式预选方法。

在PU模式选择中，对称模式和非对称模式占据了大量编码时间，但是其相比于Merge和Skip模式，却有很小的可能性被选中作为最终的PU划分模式。

对编码序列中PU划分的情况进行观察得知，根据划分的方向，可以将划分模式分为三类：水平PU划分HG，垂直PU划分VG和均匀PU划分EG，分别如图6、7和8所示。

PU划分的模式很大程度上与图像的纹理信息有关。而空间相邻的CU的深度信息可以从一定程度上反映该区域图像的纹理特征。例如，水平方向相邻CU的深度大于垂直方向相邻CU的深度，说明水平方向的纹理较为复杂，此时最终PU的划分模式有很大可能性在水平PU划分模式内。

因此，通过比较当前编码图像垂直方向相邻CU的最大深度d(CUa)和水平方向相邻CU的最大深度d(CU₁)，就可以提前筛选出PU划分的范围，而不在范围内的PU划分模式将不再被列入到后续PU模式选择的考虑范围。本发明提前筛选出PU划分的范围可分为三种情况：(1)若d(CU_a)大于d(CU₁)，则将当前编码图像的PU划分模式归入垂直PU划分模式；(2)若d(CUa)等于d(CU1)，则将当前编码图像的PU划分模式归入均匀PU划分模式；(3)若d(CU_a)小于d(CU₁)，则将当前编码图像的PU划分模式归入水平PU划分模式。

以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。