[发明专利]基于运动矢量敏感度的深度预测方法

权利要求书

1.基于运动矢量敏感度的深度预测方法，其特征在于，步骤包括：

（1）定义变量skipModes、2×2矩阵变量mvSub、变量mvVar、MvSenNum、MvTotalNum和bMVSensitive；

其中，skipModes表示Skip模式，初始值为false；

mvSub用于计算前后向MV的标准差，初始值赋值为0，MV为运动矢量；

mvVar是计算前向MV的标准差var1和后向MV的标准差var2之和；

MvSenNum表示敏感度参数达到阈值的MV总数，初始值赋值为0；

MvTotalNum表示所有MV总数，初始值赋值为0；

bMVSensitive为判断是否继续进行CU深度划分的依据，是运动矢量敏感度参数的相应标志位，初始值为false；

（2）进入Skip和Merge模式；

（3）获取BestMode值和变换量化后cbf值，判断最佳模式是否存在且cbf系数为0且早期跳过模式的标志位是否为真：

若是，将skipModes赋值为true后进入步骤（4）；若否，直接进入步骤（4）；

其中，BestMode为当前CU最佳模式；

cbf为当前CU全零块标志位值；

（4）进入2N×2N模式，令subPartIdx为0，subPartIdx是CU的子序号；

（5）判断subPartldx是否小于4：

若是，进入步骤（6）；若否，进入步骤（8）；

（6）根据subPartldx进行子CU的最佳PU模式选择过程，获取CU最佳模式的1/2像素的率失真代价SubPel_cost、最优率失真代价Best_cost及MV，判断Subpel_cost/Best_cost的比值是否小于0.8：

若是，令bMVSensitive为true并且对MvSenNum加2；若否，进入步骤（7）；

（7）计算子CU各个像素前向和后向MV大小的平均值并分别存入mvSub[0][subPartldx]和MVSub[1][subPartldx]，依次对MvTotalNum加2、对subPartldx加1，进入步骤（5）；

（8）根据mvSub[2][4]计算前向MV的标准差var1和后向MV的标准差var2，判断是否满足mvVar1且mvSenNum/MvTotalNum0.5：

若是，则令skipModes为true；若否，判断skipModes是否为true：

若是，结束；若否，继续进行对称分割和非对称分割模式后结束。