[发明专利]一种基于方向梯度统计特征的快速帧内预测模式决策方法

权利要求书

1.一种基于方向梯度统计特征的快速帧内预测模式决策方法，其特征在于，包括步骤：

S1、在离线阶段，从N个类型的视频序列中提取训练实例，以组成训练数据集；

S2、在离线阶段，利用训练数据集提取编码块CU的特征向量X＝{SOG,x_Qstep}和对应的类别标签y，计算局部区域的梯度方向并进行统计，以此作为该局部区域的特征，并将训练数据集划分成训练集、验证集、测试集，其中特征SOG反映了编码块CU的方向特征，x_QStep表示量化步长；

S3、在离线阶段，训练各不同大小编码块CU的SVM离线模型；

S4、在在线阶段，提取当前待编码块CU的特征向量，并将其输入到步骤S3训练好的对应的SVM模型中，并通过SVM模型预测待编码块CU是否选择Planar模式。

2.根据权利要求1所述的一种基于方向梯度统计特征的快速帧内预测模式决策方法，其特征在于，步骤S1中，N个类型分别是A、B、C、D、E，5个类型，且该5个类型的视频序列为根据分辨率的不同进行分类，其中A类视频分辨率是2560×1600，B类视频分辨率是1920×1080，C类视频分辨率是832×480，D类视频分辨率是416×240，E类视频分辨率是1280×720。

3.根据权利要求2所述的一种基于方向梯度统计特征的快速帧内预测模式决策方法，其特征在于，5个类型的视频序列分别选择A类视频序列People on street、B类视频序列BQterrace、C类视频序列BQ mall、D类视频序列Basketball pass、E类视频序列Four people。

4.根据权利要求1所述的一种基于方向梯度统计特征的快速帧内预测模式决策方法，其特征在于，步骤S1中，A类视频序列帧数为13帧、B类视频序列帧数为25帧、C类视频序列帧数为125帧、D类视频序列帧数为500帧、E类视频序列帧数为55帧。

5.根据权利要求1所述的一种基于方向梯度统计特征的快速帧内预测模式决策方法，其特征在于，步骤S1中，通过在每个类型的视频序列中分别随机抽取相同数量的训练实例并对所述训练实例进行标签分类，以组成所需的训练数据集，且标签y＝1表示当前编码块CU判断为选择Planar模式的类，标签y＝-1表示当前编码块CU判断为没有选择Planar模式的类。

6.根据权利要求5所述的一种基于方向梯度统计特征的快速帧内预测模式决策方法，其特征在于，步骤S2中，具体包括如下步骤：

S2.1、使用[-1，0，1]算子计算每个像素点x轴梯度值，使用[-1，0，1]^T算子计算每个像素点y轴梯度值，即编码块CU中像素点(x,y)的梯度为：

G_x(x,y)＝H(x+1,y)-H(x-1,y)

G_y(x,y)＝H(x,y+1)-H(x,y-1)，

公式中G_x(x,y)表示目标区域位置(x,y)的水平方向梯度，G_y(x,y)表示目标区域位置(x,y)的垂直方向梯度，H(x，y)表示位置(x,y)的像素值；

S2.2、通过G_x(x,y)和G_y(x,y)计算该像素点的梯度大小G(x,y)和梯度方向Θ(x,y)，即：

公式中G(x,y)为梯度大小，Θ(x,y)为梯度方向；

S2.3、根据当前编码块CU中每个位置的梯度大小及方向进行SOG特征计算；

S2.4、计算量化步长x_QStep，以反映量化参数QP，并将x_QStep加入特征向量X，计算量化步长x_QStep的公式如下：

其中QP取22、27、32、37中的一个数值；

S2.5、将帧内预测Planar和非Planar模式决策的过程转化为二分类问题，即可以表示为y＝{+1,-1}；

S2.6、将训练数据集划分成训练集、验证集、测试集。