[发明专利]基于运动矢量敏感度的深度预测方法

摘要

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。

主权项

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；(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)；(4)进入2N×2N模式，令subPartIdx为0；(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mvVar>1且mvSenNum/MvTotalNum>0.5：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。