一种SCC帧内编码单元候选预测模式缩减方法与流程

技术领域：

本发明涉及屏幕内容编码(screencontentcoding，scc)领域，特别涉及scc帧内编码单元的预测模式决策技术。

背景技术：
：

近年来，随着视频会议、远程桌面控制等应用越来越广泛，人们对于像动画、带有文字图表的图像等屏幕视频的需求越来越大。屏幕视频有着不同于自然视频的特点，例如色调不连续、文字或图形边缘非常锐利、没有可捕获的噪声、局部块颜色数量有限以及帧间相关性不同等。屏幕内容视频编码(screencontentvideocoding，scc)是基于高效视频编码标准(highefficiencyvideocoding，hevc)扩展框架之上提出的新技术，它在hevc基于四叉树的编码单元(codingunit)结构基础之上添加了一些新的编码技术，以提高屏幕内容视频编码效率。为了降低帧内编码空间冗余信息，scc在帧内预测候选模式选择过程，除hevc所采用的帧内35种预测模式之外，还增加了许多针对屏幕视频的编码技术，增加的技术包括帧内块复制(intrablockcopy，intrabc)、调色板(palette)模式、fastintrabc模式、自适应颜色变换(adaptivecolourtransform，act)等，具体参见文献1(jctvc-u1014,r.joshi,s.liu,j.xu,y.ye,"screencontentcodingtestmodel5,"warsaw,poland,june2015.)。palette模式是scc新引入的编码技术，如文献2(guol,puw,zouf,etal.colorpaletteforscreencontentcoding.imageprocessing(icip),2014ieeeinternationalconferenceon.ieee,2014:5556-5560.)，无论对有损或者无损编码，palette模式都会显著提高屏幕内容视频编码的效率，但该模式的引入也增加了scc帧内编码的复杂度。

scc的通用测试平台scm8.0的帧内编码模式选择流程对当前的最大编码单元lcu从深度0到深度3，逐层对不同编码单元尺寸及相应的预测模式进行检测，并依照率失真代价准则确定最优的编码单元尺寸及最优预测模式。对于深度为0的cu，依次检测intra和intrabcmerge模式；对于深度为1的cu，依次检测intrabc、intra、intrabcmerge和palette模式；对于深度为2的cu，依次检测intrabc、intra、intrabcmerge、fastintrabc(1dsearch)和palette模式；对于深度为3的cu，依次检测intrabc、intra、intrabcmerge、fastintrabc(1dsearch、hash-search)和palette模式，然后通过计算率失真代价rd_cost选取当前深度的最优模式。目前研究人员已经对scc帧内编码的复杂度进行了优化，并取得了良好的效果，如文献4利用平均像素代价来提前决定scc帧内编码的尺寸(saurtyk,catherinepc,soyjaudahkm.earlycusizedeterminationinhevcintrapredictionusingaveragepixelcost.digitalinformationandcommunicationtechnologyandit'sapplications(dictap),2014fourthinternationalconferenceon.ieee,2014:247-252.)。文献5则提出了一种基于熵和编码比特数的快速帧内编码树单元深度决策算法(zhangm,guoy,baih.fastintrapartitionalgorithmforhevcscreencontentcoding.visualcommunicationsandimageprocessingconference,2014ieee.ieee,2014:390-393.)。

技术实现要素：
：

本发明的目的在于提供一种scc帧内cu候选预测模式缩减范围的方法。

本发明的主要思想为利用cu灰度共生矩阵的特征以及相邻cu之间的强相关性缩减scc编码器深度为0和1的cu帧内候选预测模式搜索范围，降低scc编码器复杂度。具体为，对于深度为0和1的cu，计算当前cu的灰度共生矩阵以及其5个特征(包括二阶矩(angularsecondmoment，asm)、熵(entropy，ent)、逆差矩(inversedifferentmoment，idm)、自相关(correlation，cor)、惯性矩(momentofinertia，moi))，同时获取相邻cu的灰度共生矩阵的特征以及划分情况，其中当前cu标记为currentcu，与其相邻的上、左、左上cu分别标记为abovecu、leftcu、aboveleftcu，其相邻关系如图1所示。对深度为0和1的cu，本发明定义了模式缩减标志flagpm。如果flagpm为1，对深度为0的cu，跳过intra模式，对深度为1的cu，跳过intra和palette模式。如果flagpm为0，则按照scc通用测试平台scm8.0的帧内编码模式选择流程预测。

其中，flagpm的计算公式如下：

在公式(1)中，spa、spl、spla分别代表三个相邻cu是否划分的标志位，即如果划分则相应的标志位为1，否则为0。spfinalcu是与currentcu划分情况最相似的相邻cu的划分情况，也用0和1区分是否划分。

所述spfinalcu的计算方法如下：

首先，比较abovecu与leftcu与currentcu的相关性，选出两者中更相关的一个cu定为tempcu，其相关性计算公式如下：

根据公式(2)的所得到的结果进行判断，如果ctempcu的值大于2，则tempcu为abovecu，否则为leftcu。其中，和代表着当前cu与相邻cu灰度共生矩阵第i个特征的差的绝对值，用来反映纹理相似程度，其值越小则证明相似程度越大，和的计算如公式(3)和公式(4)所示，分别代表currentcu、leftcu和abovecu的灰度共生矩阵的第i个特征。

根据上述公式所得出的tempcu再与leftabovecu计算与currentcu的相关性，其计算公式如公式(5)所示，并选出两者中更为相关的定为finalcu，其划分情况即为公式(1)中的spfinalcu。

其中，

根据公式(5)的所得到的结果进行判断，如果cfinalcu的值大于2，则finalcu则为leftabovecu，否则为tempcu。其中，和的计算如公式(6)和公式(7)，和分别代表tempcu和leftabovecu的灰度共生矩阵的第i个特征。

采用上述方案，本发明的有益效果是：

1.本发明利用了相邻cu灰度共生矩阵的特征的相似性以及cu空间一致性的特点，对深度为0和1的cu预测模式情况进行分析，并采取优化方式缩减帧内预测候选模式范围，同时保证预测的正确率。

2.本发明综合考虑了scc视频序列的特性，可以有效地缩减预测cu的候选模式范围，从而可以在几乎不损失编码质量的情况下，显著提高scc帧内编码效率，降低scc编码器复杂度。

附图说明：

图1是当前cu与其相邻cu的位置关系。

图2是基于纹理复杂度的scc帧内模式选择快速算法的流程图。

图3灰度共生矩阵生成步长、生成角度的关系图。

具体实施方式：

本发明利用了屏幕内容视频的特征和编码单元的空间一致性，通过计算深度为0和1的编码单元的灰度共生矩阵的特征，利用相邻编码单元相关性特点，对深度为0的编码单元，预测是否提前跳过intra模式，对深度为1的编码单元，预测是否提前跳过intra和palette模式。该方法可以有效地对scc帧内编码单元候选预测模式进行缩减，从而降低scc编码器的复杂度，在几乎不影响屏幕内容视频编码质量的前提下，提高scc编码器编码速度。

以下结合附图对本发明具体实施方式描述并给出验证。如图2所示，详述如下：

步骤(1)，基于scc通用的测试平台scm8.0，开始编码一个lcu后，对于当前帧内编码单元，首先判断其深度。如果深度为0或1，转步骤(2)。如果深度为2、3，转步骤(4)。

步骤(2)，计算cu的灰度共生矩阵及其特征。灰度共生矩阵是统计在空间上处于某种同样位置关系的一对像素的灰度联合概率分布，矩阵记为pm，其位置矩阵元素概率分布记为pd(i,j)，其中d是生成步长，表示两个像素间的空间位置关系，不同的d决定了两个像素点之间的距离和生成方向θ，i、j代表两个像素点，其位置关系如图3所示，图中x、y分别代表像素点的横纵坐标，dx、dy分别代表偏移量。构成的矩阵如下：

构造灰度共生矩阵需要确定三个参数，即灰度级l，生成方向θ，生成步长d，本发明灰度级l选取为64，生成方向θ选取为0度和90度，生成步长d选取为8。

灰度共生矩阵的一些特征来反应不同尺寸的cu的纹理的复杂情况，本发明选取的特征有二阶矩、熵、逆差矩、自相关、惯性矩，其中二阶矩又称为能量，是pm中所有元素的平方和，它能够反应cu的灰度分布情况，熵反应了cu的纹理均匀程度，逆差矩反应了cu的平滑程度，自相关反应pm在某个方向上的相似度，惯性矩反应了pm的空间分布的复杂度。以上所述的特征计算公式如下：

其中h1、h2、h3、h4、h5分别代表灰度共生矩阵所计算的asm、ent、idm、cor、moi的值，其中，μ1、μ2、分别代表pm横纵坐标的均值与方差，它们的计算公式如下：

步骤(3)，计算模式缩减标志flagpm，如果flagpm为1且cu的深度为0，则跳过intra模式的预测，只预测intrabcmerge模式；如果flagpm为1且cu的深度为1，则跳过intra模式和palette模式的预测，实行预测intrabc模式和intrabcmerge模式。否则，按照scm8.0标准流程检测帧内预测模式，转步骤(5)。

flagpm计算公式如下：

在公式(1)中，spa、spl、spla分别代表三个相邻cu是否划分的标志位，即如果划分则相应的标志位为1，否则为0。spfinalcu是与currentcu划分情况最相似的相邻cu的划分情况，也用0和1区分是否划分。spfinalcu的计算方法如下：

首先，比较abovecu与leftcu与currentcu的相关性，选出两者中更相关的一个cu定为tempcu，其相关性计算公式如下：

其中，

根据公式(2)的所得到的结果进行判断，如果ctempcu的值大于2，则tempcu为abovecu，否则为leftcu。其中，和代表着当前cu与相邻cu灰度共生矩阵第i个特征的差的绝对值，用来反映纹理相似程度，其值越小则证明相似程度越大，和的计算如公式(3)和公式(4)所示，分别代表currentcu、leftcu和abovecu的灰度共生矩阵的第i个特征。

根据上述公式所得出的tempcu再与leftabovecu计算与currentcu的相关性，其计算公式如公式(5)所示，并选出两者中更为相关的定为finalcu，其划分情况即为公式(1)中的spfinalcu。

其中，

根据公式(5)的所得到的结果进行判断，如果cfinalcu的值大于2，则finalcu则为leftabovecu，否则为tempcu。其中，和的计算如公式(6)和公式(7)，和分别代表tempcu和leftabovecu的灰度共生矩阵的第i个特征。

步骤(4)，当cu深度为2、3时，按照scm8.0标准流程检测帧内预测模式，转步骤(5)。

步骤(5)，递归得到最优深度和最优模式，当前lcu编码结束。

表1是本发明算法和标准的scc算法在scm8.0平台下的实验结果。测试配置分别选取ra和ld两种。选取的qp为22、27、32和27。测试视频的分辨率为1920×1080和1280×720。测试视频选取yuv444、yuv420、rgb444三种。平均来说，yuv444的格式视频，时间节省了约16％，bd-rate上升约1.34％；yuv420格式的视频，时间节省了约20％，bd-rate上升约1.1％；rgb444格式的视频，时间节省了约14％，bd-rate上升约1.06％。

表1本发明算法和标准的scc算法在scm8.0平台下的实验结果(％)