[发明专利]基于运动矢量敏感度的深度预测方法

说明书

本发明提供了基于运动矢量敏感度的深度预测方法。本发明的方法与原始x265比较，编码时间相比x265的算法可以减少编码器编码时长17.56％，而BDBR仅增加了约1.75％，BDPSNR减少了0.05dB，本发明的方法在视频质量不降低的前提下，优化了预测单元模式选择的过程，有效提高了编码速度。在减少了编码算法复杂度的同时，以较小的质量损失实现了大幅提升视频编码速度，在视频编码领域具有良好的实用性。

技术领域

本发明属于视频编码解码技术领域，具体涉及基于运动矢量敏感度的深度预测方法。

背景技术

连续的视频图像之间存在相关性，即存在信息冗余，如果能够将冗余信息消除，就能大幅降低视频信号的数据量，进而实现视频数据的压缩。同一幅图像的物体和背景等区域存在相关性，即空间冗余。相同的场景下，相邻视频图像纹理和内容变动较小，这种图像之间的相似称为时间冗余。信息论中，根据像素的信息熵分配具体的比特数，从而表示该像素携带的信息量，然而在实际的图像中，很难直观的获取每个像素点的信息熵，一般都是用相等的比特数来表示所有的像素点，如8bits图像即每个像素点用8个比特位表示，对于像素值比较小的位置，这种表示方法就会存在信息熵冗余。

视频编码，就是指通过一些压缩的手段，将视频信号的文件转换成另一种文件格式，从而使得在信号传输过程中，减少带宽的使用，使其高效的传播。由于未经处理的原始视频信号所携带的信息量很大，对实际的传输和存储系统要求比较高，因此原始的视频信号必须经过压缩和处理才能出现在人们的实际生活中。

高效率视频编码(High Efficiency Video Coding，简称HEVC)是一种新的视频压缩标准。HEVC在性能上相较于H.264更加优秀，在同等视频质量下其压缩率可达到H.264的2倍。电影、动画片等视频经HEVC视频压缩后，手机用户观看在线视频不仅流量耗费大大减少，且下载速度会更快，画质基本不会受到影响，即使在线观看也会更流畅，不易卡机。HEVC编码标准中，为了提高压缩比，一幅输入图像首先被划分为预定义大小的图像块，简称编码树单元(Coding Tree Unit，简称CTU)。每个CTU可以由几个编码单元(Coding Unit，简称CU)组成，CU存在8×8、16×16、32×32、64×64的亮度样本和对应色度样本，颜色是由亮度和色度共同表示的。CU还可以分解为更小的预测单元(Prediction Unit，简称PU)和变换单元(Trasform Unit，简称TU)，使编码、预测和变换得到更好的处理。HEVC模式选择的耗时占整个编码时间的60～70％。HEVC的帧内模式选择方向由H.264/AVC的9种模式扩展为35种。同时HEVC还引入了高级运动向量预测(Advance Motion Vector Prediction，简称AMVP)、Merge模式及基于Merge模式的Skip模式、样点自适应补偿(Sample Adaptive Offset，简称SAO)等技术。HEVC编码标准中，一个编码树单元可以由几层编码单元组成，每层编码单元又可以分成多个编码子单元。因此，在进行模式选择时，需要遍历多达85个编码单元。每个编码单元都有多个帧间和帧内预测模式，并要对每种模式进行变换和量化操作，计算每步操作的率失true代价，这个过程的计算量非常大。视频编码的根本是为了减少单位耗材内的比特数，把多余的信息摘除掉。目前，视频编码研究人员主要使用三种高性能模型：网络失true方式、基于全局的运动估计法和高阶块匹配法。

网络失true方法所采取的措施是匹配网络，它将预测帧分成小格栅组，然后通过移动网格检查点使图像失true。以这种方式，可以实现更加先进的匹配精度，并且还不会产生阻塞效应。而且，这种网络和传输一一对应的方式所需要的运动矢量相对来说也非常小。然而网络控制点不仅在网络上运行，一旦它成为检查点，发生变化时，相关网络将受到影响。也就是说，相邻网络之间的移动向量是连续的，因此有必要同时匹配多个相关网络来评估移动。确定最佳控制点将成为必要条件，这很复杂。