本发明专利技术提供一种基于逻辑回规分类器的帧内编码单元快速选择方法，所述方法将一个编码单元是否向下划分建模为“向下划分”和“不向下划分”两类的分类问题，采用逻辑回规分类器来解决这个两类分类问题。离线学习三个视频序列得到逻辑回规分类器最优的逻辑回规系数，通过计算多个候选特征的有效性来选择最佳的决策特征。利用离线学习得到的逻辑回规分类器对帧内编码单元进行快速选择，从而跳过其它不必要的预测编码模式计算，能够有效的降低HEVC编码器帧内编码复杂度，有利于实时HEVC编码器的实时应用。
【技术实现步骤摘要】
本专利技术属于视频编码
，基于新一代视频编码标准HighEfficiency VideoCoding(肥VC)，具体对肥VC的帖内预测的编码单元进行快速选择。
技术介绍
为了解决高清及超高清视频急剧增长的数据率给网络传输带来的冲击，国际电信 联盟电信标准化部口（InternationalTelecommunicationUnion-Telecom,TU-T)的视频 编码专家组(VideoCodingExpertsGroup,VECG)和国际标准化组织/国际电工技术委员 会（InternstionslOrganizationforSt曰nd曰rdiz曰tion/Intern曰tion曰IElectro-technicalCommission,IS0/IEC)的动态图像专家组（MovingPictureE邱ertsGroup, MPEG)于2010年I月成立了视频编码联合工作组（JointCollaborativeTeamonVideo Coding，JCT-VC)，该工作组制定了具有更高的压缩效率的新一代视频压缩标准肥VCWigh EfficiencyVideoCoding)。 作为新一代视频编码标准，肥V(XH.265)仍然属于预测加变换的混合编码框架，并 对该框架的各个模块进行了技术创新，包括灵活划分方式、更加精细的帖内预测、全新的 Merge模式、基于竞争的运动矢量预测、基于离散余弦变换的亚像素插值、样点自适应补偿 滤波器(SampleAdaptiveOffset,SA0)、Tile和追赶编码并行处理技术等。运些新的技术 使得皿VC编码效率比H.264/AVC提高了一倍。然而，巨大而灵活的编码参数集的优化选择， 也使得肥VC的编码器的复杂度急剧增加，运阻碍了皿VC标准的应用与推广。因此，在保证视 频图像编码质量的同时，研究肥VC的快速、高效的编码优化算法至关重要。
技术实现思路
本专利技术的目的在于保证编码性能的条件下，快速进行皿VC帖内编码单元划分的选 择W减少编码运算复杂度。基于此目的提供了一种基于逻辑回规分类器的帖内编码单元快 速选择方法，能够极大地降低肥VC的编码复杂度。为实现上述的目的，本专利技术提供一种基于逻辑回规分类器的帖内编码单元快速选 择方法，将编码单元的划分建模为分类问题，通过直接分析输入视频数据的特征，用简单而 高效的逻辑回规分类准则进行划分的快速预测，从而避免了基于率失真优化的遍历捜索算 法，降低了编码器的计算复杂度。并挖掘与编码单元划分密切相关的输入图像数据特征，选 择最优特征子集作为决策特征。本专利技术主要包括两部分，第一部分是离线学习得到逻辑回规分类器，第二部分是 将学习得到的逻辑回规分类器用于CU划分选择过程中。所述方法包括如下步骤：[000引步骤1:离线统计学习多个视频序列，采用肥VC中标准过程编码每个编码单元 (CU),并记录不同量化参数(QP)和不同编码深度下最优CU划分为"向下划分"和"不向下划 分"时候选特征的值； 步骤2:逻辑回规分类器输入特征的选择，将步骤I离线统计得到的候选特征值进 行比较，选出最佳输入特征； 步骤3:根据步骤2得到的最佳输入特征，运用梯度上升算法求得逻辑回规分类器 的最优逻辑回规系数； 步骤4:将步骤3得到的逻辑回规分类器用到CU划分选择过程中； 步骤5:对本层CU的所有预测模式进行编码，并求得逻辑回规输入特征的值； 步骤6:将步骤5求得的输入特征的值代入逻辑回规分类器中判定当前CU是否向下 划分，如果判定当前CU为"不向下划分"则转步骤8，否则转步骤7; 步骤7:CU继续向下划分成4个相同的子CU; 步骤8:结束当前编码树单元(CTU)的编码，进行下一个CTU的编码。 与现有技术相比，本专利技术具有如下的有益效果： 本专利技术为基于逻辑回规分类的CU切分选择方法，将CU的划分建模为两类分类问题 良r向下划分"和"不向下划分"，通过直接分析输入视频数据的特征，用简单而高效的逻辑 回规分类准则进行划分的快速预测，在保证编码质量的前提下，大大降低了帖内编码的计 算复杂度。经验证，在使用了该专利技术之后，在肥VC的参考编码器HM16.0下，针对多个视频序 列编码器，编码速度平均有55.5%的速度提升，而抓-rate(相同质量下的码率)仅有1.29% 的增加。【附图说明】 通过阅读参照W下附图对非限制性实施例所作的详细描述，本专利技术的其它特征、 目的和优点将会变得更明显： 图1是本专利技术一实施例的逻辑回规分类的结果示意图； 图2是本专利技术一实施例的基于逻辑回规分类CU划分提前判定流程图； 图3是本专利技术一实施例与原始编码器率失真(RD)性能曲线比较图。【具体实施方式】 下面结合具体实施例对本专利技术进行详细说明。W下实施例将有助于本领域的技术 人员进一步理解本专利技术，但不W任何形式限制本专利技术。应当指出的是，对本领域的普通技术 人员来说，在不脱离本专利技术构思的前提下，还可W做出若干变形和改进。运些都属于本专利技术 的保护范围。本专利技术基于新一代视频编码标准化曲Efficien巧VideoCoding(皿VC)，提供一 种对肥VC的帖内预测的编码单元进行快速选择的方法。具体实施步骤如下： 步骤1:离线统计学习3个视频序列，并记录各种参数，具体是： 采用皿VC中标准过程编码CU,并记录不同量化参数(QP)和不同编码深度下最优CU 划分为"向下划分"和"不向下划分"时候选特征的值。其中候选的特征包括直接预测(DC)模 式的预测误差的方差、当前层最优模式的预测误差的方差、当前层最优模式的量化系数的 方差、当前层最优模式的率失真代价值、当前层最优模式编码所需比特。 本步骤中，离线统计学习3个视频序列，在其他实施例中，也可W根据需要设定其 他的视频序列数目，运对本专利技术的实现没有本质性影响。步骤2:逻辑回规分类器输入特征的选择，将步骤I离线统计得到的候选特征值进 行比较，选出最佳输入特征，具体是：因为输入数据的特征选择对分类器的设计至关重要，如果相关性不高甚至不相关 的输入数据，不但不会帮助分类，反而会使得分类器不准确。相反，如果选择出好的特征，可 W更好地理解数据，可W降低对于样本的存储开销，可W减少训练和预测的时间，可W提高 预测性能。因此，特征选择对于基于逻辑回规分类器的帖内编码单元快速选择方法来说，显 得更加重要。F-score是衡量两个集合即"向下切分"和"不向下划分"的数据差异性的评价 标准，它计算简单，其定义如下： 其中，而訂，杯分别是全部样本、"不向下划分"类样本、"向下划分"类样本中输 入矢量的第i个特征的均值，n+，rr分别是"不向下划分"类样本的总数、"向下划分"类样本的 总数，碱，碱分别是"不向下划分"类、"向下划分"类中第k个样本的第i个特征。从上式可 得出，第i个特征在两类中的均值与所有样本的均值的差异越大，并且各自类别中第i个特 征的方差越小，F-score的值越大，那么第i个特征与类别的分离性越大，即该特征对分类有 很好的指导作用。分别计算候选特征的F-score值，然后选取值最大的两个特征作为分类器 的输入特征。<当前第1页1 2 本文档来自技高网...
【技术保护点】
一种基于逻辑回规分类器的帧内编码单元快速选择方法，其特征在于包括如下步骤：步骤1：离线统计学习多个视频序列，采用HEVC中标准过程编码每个编码单元CU，并记录不同量化参数QP和不同编码深度下最优编码单元CU划分为“向下划分”和“不向下划分”时候选特征的值；步骤2：逻辑回规分类器输入特征的选择，将步骤1离线统计得到的候选特征值进行比较，选出最佳输入特征；步骤3:根据步骤2得到的最佳输入特征，运用梯度上升算法求得逻辑回规分类器的最优逻辑回规系数；步骤4:将步骤3得到的逻辑回规分类器用到编码单元CU划分选择过程中；步骤5：对本层编码单元CU的所有预测模式进行编码，并求得逻辑回规输入特征的值；步骤6：将步骤5求得的输入特征的值代入逻辑回规分类器中判定当前编码单元CU是否向下划分，如果判定当前编码单元CU为“不向下划分”则转步骤8，否则转步骤7；步骤7：编码单元CU继续向下划分成4个相同的子编码单元CU；步骤8：结束当前编码树单元CTU的编码，进行下一个编码树单元CTU的编码。
【技术特征摘要】
【专利技术属性】
技术研发人员：张小云，胡强，石志儒，高志勇，陈立，王嘉，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。