[发明专利]一种基于集成学习的帧间图像编码方法

权利要求书

1.一种基于集成学习的帧间图像编码方法，其特征在于，包括步骤：

S1：提取图像组中帧内编码帧在编码划分后各编码块的特征向量以及对应的编码划分模式作为特征训练集；

S2：基于特征训练集和初始样本权值对弱分类器进行训练，并获取当前迭代次数的弱分类器系数；

S3：判断迭代次数是否达到最大迭代次数，若是，进入下一步骤，若否，更新样本权值进入下一次迭代并放回S2步骤；

S4：根据各迭代次数下的弱分类器和弱分类系数合成强分类器；

S5：提取图像组中目标帧间图像当前编码深度下各编码块的特征训练集；

S6：通过强分类器对特征训练集进行分析，获取当前编码深度对应编码块的编码划分模式分类结果，并在达到最大编码深度前进入下一编码深度并返回S5步骤；

S7：根据各编码深度下的各编码块的编码划分模式分类结果进行帧间图像编码。

2.如权利要求1所述的一种基于集成学习的帧间图像编码方法，其特征在于，所述S1步骤中，所述特征向量由同一编码块的率失真代价、纹理复杂度、预测残差共同组成。

3.如权利要求1所述的一种基于集成学习的帧间图像编码方法，其特征在于，所述S2步骤中，所述弱分类器为分类与回归树分类器。

4.如权利要求1所述的一种基于集成学习的帧间图像编码方法，其特征在于，所述S2步骤中，所述弱分类器以达到预设分类误差率区间为训练指标进行训练。

5.如权利要求4所述的一种基于集成学习的帧间图像编码方法，其特征在于，所述S2步骤中，所述弱分类器的公式表达为，其训练表示为如下公式：

式中，i为取值范围为1至n的帧内编码帧中各编码块的编号，n为帧内编码帧中编码块的总数，为编号为i的编码块的编码划分模式，为最大编号n的编码块的编码划分模式，Y为以编号1至k代表的k种编码划分模式的集合，S为特征训练集，为编号为i的编码块的特征向量，为最大编号n的编码块的特征向量，为通过对所有编码块的弱分类分类结果进行以预设分类误差率区间为目标训练后的弱分类器，t为取值范围为1至m的迭代次数，m为最大迭代次数，为第t次迭代的分类误差率，为编号为i的编码块的样本权值，为指示符函数。

6.如权利要求1所述的一种基于集成学习的帧间图像编码方法，其特征在于，所述S2步骤中，所述弱分类器系数通过如下公式获取：

式中，为第t次迭代的弱分类器系数，为第t次迭代的分类误差率，k为当前编码标准中编码划分模式的种类数。

7.如权利要求5所述的一种基于集成学习的帧间图像编码方法，其特征在于，所述S3步骤中，所述样本权值的更新表示为如下公式：

式中，公式左边的为更新后编号为i的编码块下一迭代的样本权值，公式右边的为更新前编号为i的编码块当前迭代的样本权值，为第t次迭代的弱分类器系数。

8.如权利要求7所述的一种基于集成学习的帧间图像编码方法，其特征在于，所述S4步骤中，所述强分类器的合成表示为如下公式：

式中，为强分类器。