[发明专利]基于CPU+GPU异构平台实现HEVC中熵编码环节的并行处理方法

说明书

一种基于CPU+GPU异构平台实现HEVC中熵编码环节的高效并行处理方法，是在按HEVC协议标准对视频图像序列进行编码过程中，将当前帧图像的最终熵编码环节与对下一帧图像的处理中除了最终熵编码环节以外的全部其它环节做并行处理‑亦即采用CPU+GPU计算平台对当前帧图像的熵编码用CPU进行处理，对下一帧图像的预测、变换、量化、率失真优化、反量化、反变换、滤波及图像重构等全部其它环节用GPU进行处理，CPU和GPU二者同时并行计算；通过采用这种并行处理方案，可以省去上述二者之中耗时较短的环节(即最终熵编码环节)所需要花费的处理时间，从而显著提高HEVC编码器的整体计算速度。

技术领域

本发明属于数字视频压缩编码技术领域，涉及到在高效视频编码HEVC(HighEfficiency Video Coding，也称为H.265或称为HEVC/H.265)协议标准中的熵编码环节如何实现高效并行处理的方法，以达到显著提升HEVC编码器的计算效率的目的。

背景技术

随着互联网和信息技术的迅速发展，多媒体技术在社会生活中起到了越来越重要的作用。而视频作为一种重要的信息载体，具有直观性、确切性、高效性及广泛性等优点，广泛应用在社会各个领域。随着人们对视频分辨率和清晰度等需求的不断提高，数字视频的发展从最初的352×240分辨率发展到高清(1920×1080)进而再到超高清(4k×2k及以上)，视频数据量也随之大幅度增加。然而实际信道及存储设备的容量却是有限的，因此，视频数据压缩已成为视频技术应用和发展中必不可少的关键技术。

作为最新一代高效视频编码标准，HEVC由国际电信联盟的视频编码专家组(ITU-T/VCEG)和国际标准化组织及国际电工委员会(IEC)的运动图像专家组(ISO/IEC MPEG)于2013年正式发布。HEVC包含了最新的视频编码技术，与前一代视频编码标准H.264/AVC相比，HEVC可以在保证相同的编码质量前提下，能够节省约50％的码率。HEVC在获得出色视频压缩性能的同时也使得编码过程的计算复杂度显著增加(据统计是H.264/AVC的2-4倍)，从而给编码器的实时处理的实现带来了巨大挑战。因此，设计高效快速的HEVC编码算法现已成为视频数据压缩领域的一个重要研究课题。

在HEVC编码器中主要包括预测(帧内预测和帧间预测)、变换、量化、率失真优化、反量化、反变换、滤波(去方块效应滤波和样点自适应补偿滤波)、图像重构及熵编码等环节，目前除了熵编码环节以外针对其它各个环节现已分别设计出了相应的高效并行处理算法，进而通过采用GPU和多线程编程技术实现并行计算来显著提升这些环节的计算效率。但对于其中的熵编码环节，由于在HEVC中采用的是基于上下文的自适应二进制算术编码(Context-based Adaptive Binary Arithmetic Coding:CABAC)方法，该计算过程本身是一种递推运算，在对后一数据的进行编码计算时需要用到对前一数据的编码结果，因此只能在已经求出对前一数据的编码结果之后才能对后一数据进行编码，故只能按照数据的前后顺序依次进行串行运算，而不适于做并行处理，所以难以使该环节的计算速度得到大规模的提高。在整个HEVC编码过程中有两个环节涉及到熵编码计算，一个是在进行率失真优化时需要对图像中各个CU数据块分别求出每个CU块的码率信息以获得其最佳编码参数，另一个是对已经求出全部最佳编码参数后的整帧图像的全部待编码数据进行最终的熵编码以产生该帧图像压缩后的比特码流。

实验测试结果表明，采用第七代i7CPU(例如，Core^TM i7-7700)在对高清(1080P)视频图像在数据压缩比为100-130倍下，用HEVC中的熵编码算法完成一幅整帧图像的最终熵编码环节平均耗时14--17毫秒。而对于预测、变换、量化、反量化、反变换、率失真优化、滤波及图像重构等全部环节，通过采用一块GPU卡(例如GTX-1080)进行并行处理平均可在32--36毫秒内完成。因此，对于整个HEVC编码器，熵编码环节现已成为实现实时处理的瓶颈问题。如何设计出高效的熵编码算法以显著节省该环节的处理时间，对于实现HEVC编码器的实时处理十分关键。