采用分类的方式决策编码块大小的视频编码方法技术

本发明专利技术公开了一种采用分类的方式加速编码块大小决策的视频编码方法。该方法具有灵活性，能够满足不同的能量受限或者实时的应用；充分利用视频序列的特征，挖掘出编码块大小与特征之间的关系，并且采取级联的三分类器和二分类器，在保证编码性能的情况下，降低编码块大小决策的复杂度。

【技术实现步骤摘要】

本专利技术设及一种视频的编码方法，且更具体地，设及一种采取分类的方式加速编 码块大小决策的视频编码方法。
技术介绍
在相同的视频质量下，肥VC比H. 264/AVC的码率低一半W上。运种更高的编码性 能得益于许多新的编码工具，其中一个重要的编码工具是编码块的划分灵活多变。编码块 包括编码单元（CU)、预测单元（PU)和变换单元（TU)。同时，肥VC的编码复杂度也大幅度 提升。 肥VC支持最大尺寸为64x64的编码单元，且一个编码单元根据四叉树结构可被划 分成四个小尺寸的编码单元。在四叉树的结构下，64x64像素块中会有83522种编码单元的 组合方式。预测单元和变换单元的划分都是W编码单元为基础。对于预测单元，肥VC最多 能够支持24种不同的尺寸。在帖内预测模式下，肥VC支持对称的预测单元划分模式；在帖 间预测模式下，HEVC支持对称和非对称的预测单元划分模式。变换单元的划分方式和编码 单元相同，都是采取四叉树的结构。但是，变换单元的最大尺寸为32x32。在视频编码中，编 码块的尺寸大小与编码深度有一一对应的关系。编码块的尺寸越小，编码深度越大。所W， 当编码深度为0时，编码块的尺寸最大。 视频编码中的编码块大小的确定方式是比较每种编码块大小的组合方式下的率 失真代价。其中，率失真代价最小的组合方式为最佳方式。率失真代价设及到码率和失真 的衡量。码率的衡量方式是统计赌编码后的比特数。失真有多种衡量方式，包括误差平方 和（SS巧和误差绝对值之和（SAD)。通过率失真代价的比较来确定最佳的编码块大小，计算 复杂度非常高。针对上述的现象，采用分类器的方法被提出来降低编码块大小决策的计算 复杂度。该方法是：对单一尺寸的编码块进行决策时，首先提取编码块的特征，利用所提取 的特征，将编码块归类到划分类、不确定类和不划分类。不确定类中的编码块的最佳尺寸大 小通过率失真代价来进行决策。其中，编码块的归类可W通过单个=分类器或者两个二分 类器来实现。
技术实现思路
视频编码性能的提升得益于更加灵活精细的编码模式。巨大的模式集合为编码器 的参数选择带来了极大的挑战，如何在保证编码性能的同时，降低模式选择的复杂度，对于 编码器的产业化具有重要意义。为了克服现有技术中存在的不足，本专利技术要解决的问题是 提供一种。 为解决上述技术问题，本专利技术提供一种视频编码块的编码方法，具体为：提取编码 块的特征，利用所提取的特征，采用=分类器将所述编码块归类到划分类、不确定类或不划 分类；如果所述编码块归类到划分类，所述编码块的模式确定为划分；如果所述编码块归 类到不划分类，所述编码块的模式确定为不划分；如果所述编码块归类到不确定类，提取所 述编码块的至少一种新特征，利用所提取的新特征和=分类器中已利用的至少一种特征， 采用二分类器将所述编码块归类到划分类或不划分类。 为解决上述技术问题，本专利技术提供一种决策编码块大小的视频编码方法，包括W 下步骤： 第一步：编码块从最大尺寸开始决策； 第二步：提取所述编码块的特征，利用所提取的特征，采用=分类器将所述编码块 归类到划分类、不确定类或不划分类；如果所述编码块归类到划分类，所述编码块的模式确 定为划分；如果所述编码块归类到不划分类，所述编码块的模式确定为不划分；如果所述 编码块归类到不确定类，提取所述编码块的至少一种新特征，利用所提取的新特征和=分 类器中已利用的至少一种特征，采用二分类器将所述编码块归类到划分类或不划分类； 第=步：如果所述编码块的模式是不划分或所述编码块的尺寸达到最小尺寸，停 止决策所述编码块的尺寸大小；如果所述编码块的模式是划分，所述编码块被划分成若干 个小尺寸的编码块，对每个小尺寸的编码块进行第二~=步的操作。 作为本专利技术所述的视频编码块的编码方法或决策编码块大小的视频编码方法的 改进，=分类器和二分类器选自贝叶斯分类器和支持向量机。 作为本专利技术所述的视频编码块的编码方法或决策编码块大小的视频编码方法的 另一种改进，不确定类的编码块的新特征包括该编码块按划分方式进行编码所对应的编码 代价或该编码块按不划分方式进行编码所对应的编码代价。 本专利技术的有益效果是：本专利技术提供的一种采用分类的方式加速编码块大小决策的 视频编码方法，该方法具有灵活性，能够满足不同的能量受限或者实时的应用；充分利用视 频序列的特征，挖掘出编码块大小与特征之间的关系，并且采取级联的=分类器和二分类 器，在保证编码性能的情况下，降低编码块大小决策的复杂度。【附图说明】 图1图不最大尺寸编码块大小决策的流程图； 图2图示视频编码块大小决策的流程图； 图3示意地表示=分类器； 图4示意地表示二分类器； 图5示意地表示=分类器和二分类器所利用的特征之间的关系。【具体实施方式】 W下参照附图，对本专利技术的实施方式进行详细说明。 图1示出最大尺寸编码块大小的决策过程。现结合图1所示流程图对决策编码块 大小的视频编码方法的各步骤作具体的说明。 在步骤Sioo中，开始该处理流程。 在步骤S102中，编码允许最大尺寸的编码块。编码过程中采用的是视频编码块的 编码方法。 图2示出视频编码块大小的决策过程。现结合图2所示流程图对视频编码块大小 的编码方法的各步骤作具体的说明。在步骤S200中，开始该处理流程，即编码深度为d(d= 0)的编码块。在步骤S202中，提取出当前深度的编码块的特征作为=分类器的特征。 在步骤S204中，根据步骤S202中提取出的特征，采用=分类器将编码块归类到划 分类、不确定类和不划分类。=分类器将特征位于不确定区域内的编码块视为"不确定"。如 果是不划分，则判定为"不变"，并跳转到步骤S205进行处理；如果是不确定，则判定为"不 确定"，并跳转到步骤S206进行处理；如果是不划分，则判定为"变小"，则跳转到步骤S212 进行处理。其中，=分类器可W是贝叶斯分类器、支持向量机或者决策树。贝叶斯分类器是 机器学习中常用的分类器，简单有效。支持向量机具有完备的数学理论基础，分类效果强， 计算复杂度高。对于编码复杂度要求高的应用，=分类器可W采用贝叶斯分类器；对于编码 性能要求高的应用，=分类器可W采用支持向量机。 图3是S分类器的示意图。曲线Ql为当前深度的编码块不划分的概率统计曲线； 曲线Q2为当前深度的编码块划分的概率统计曲线。直线Ll和L2是=分类器的两个口限 值对应的直线。如果待编码块的特征位于直线Ll的左边，则待编码块的大小是最佳编码块 大小。如果待编码块的特征位于直线Ll和L2之间，则待编码块的大小无法被判定是否最 佳，即不确定。其中，斜线区域的面积表示编码块落入不确定区间的概率。如果待编码块的 特征位于直线L2的右边，则该编码块的大小是非最佳编码块大小，需要进行划分。调整不 确定区间的大小，可W同时改变编码性能和编码复杂度，满足不同的能量受限和实时的应 用场景。=分类器引入了一段不确定区间，通过对落在不确定区间内误判样本的修正，就 可W在二分类器的基础上改进判决的正确率，从而提高编码性能。但是，对于不确定区间内 的样本修正会增加计算复杂度。当不确定区域变大时，被修正的样本数增多，编码性能提 高，编码复杂度增加。在确定=分类器的两个口限时，编码性能与编码复杂度要得到最好的本文档来自技高网...

【技术保护点】
一种视频编码块的编码方法，其特征在于，包含：提取编码块的特征，利用所提取的特征，采用三分类器将所述编码块归类到划分类、不确定类或不划分类；如果所述编码块归类到划分类，所述编码块的模式确定为划分；如果所述编码块归类到不划分类，所述编码块的模式确定为不划分；如果所述编码块归类到不确定类，提取所述编码块的至少一种新特征，利用所提取的新特征和三分类器中已利用的至少一种特征，采用二分类器将所述编码块归类到划分类或不划分类。

【技术特征摘要】

【专利技术属性】
技术研发人员：虞露，陈佳伟，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33