一种HEVC帧内预测编码单元快速选择方法技术

本发明专利技术公开了一种HEVC帧内预测编码单元快速选择方法，所述方法包括以下步骤：首先从图像纹理复杂度的特点出发，获取图像纹理复杂度与CU块尺寸之间的关系；将图像纹理复杂度作为K‑means聚类算法的输入向量；将HEVC原有的帧内算法与k‑means聚类方法相结合，最终实现CU块的划分。本方法在现有的K‑means聚类算法的基础上，结合帧内预测算法，提出更好的帧内编码单元划分的方法，在视频质量几乎不降低的情况下，实现视频编码复杂度的降低，满足了实际应用中的需要。

【技术实现步骤摘要】
一种HEVC帧内预测编码单元快速选择方法
本专利技术涉及视频编解码领域，尤其涉及一种HEVC帧内预测编码单元(CodingUnit,CU)快速选择方法，该方法用于降低视频编码的复杂度。
技术介绍
近年来，人们对于视频的质量要求越来越高，因此如何有效地压缩视频成为当前研究的重点。高效率视频编码(HEVC)是一种新的编码压缩标准，作为H.264/AVC(高级视频编码)编码技术的继任者，HEVC提供了更好地性能、以及支持更高地分辨率。然而，HEVC编码的复杂度也在急剧增加。编码复杂度增加的其中一个主要原因为不同于H.264/AVC的固定尺寸的编码单元，HEVC的编码单元是多尺寸的，因此如何快速地进行帧内预测单元的选择成为视频压缩编码领域一项重要的研究方向。
技术实现思路
本专利技术提供了一种HEVC帧内预测编码单元快速选择方法，本专利技术针对于帧内预测模式中编码单元的快速选择，提出了一种基于图像纹理复杂度的CU模式选择算法，有效地降低了帧内编码所需的时间，详见下文描述：一种HEVC帧内预测编码单元快速选择方法，所述方法包括以下步骤：首先从图像纹理复杂度的特点出发，获取图像纹理复杂度与CU块尺寸之间的关系；将图像纹理复杂度作为K-means聚类算法的输入向量；将HEVC原有的帧内算法与k-means聚类方法相结合，最终实现CU块的划分。其中，所述获取图像纹理复杂度与CU块尺寸之间的关系的步骤具体为：利用CU块的方差值代表像素间的差异，表示视频图像的纹理复杂度。其中，所述将HEVC原有的帧内算法与k-means聚类方法相结合，最终实现CU块的划分的步骤具体为：通过K-means聚类算法、获得不同尺寸CU块的聚类中心；计算当前CTU块的图像纹理复杂度；根据CTU块的方差和欧氏距离对当前CU块进行划分；利用当前CTU的方差得到其所处的尺寸的范围，在此范围内进行率失真代价计算，从而降低块划分的复杂度；完成CTU的块划分。其中，所述通过K-means聚类算法、获得不同尺寸CU块的聚类中心的步骤具体为：从过滤后的数据中随机选取4个方差值作为K-means聚类算法的最初聚类中心点；遍历除4个最初聚类中心点以外的其他所有可用的方差值，根据最小距离的原则，寻找出每个方差所满足的聚类中心点，并将该方差值加入到此聚类中心所处的聚类中；计算每个聚类中方差的平均值，将该值选作为聚类的新的中心点，直到连续两次所获得的距离中心相同为止。本专利技术提供的技术方案的有益效果是：本方法在现有的K-means聚类算法的基础上，结合帧内预测算法，提出更好的帧内编码单元划分的方法，在视频质量几乎不降低的情况下，实现视频编码复杂度的降低，满足了实际应用中的需要。附图说明图1为一种HEVC帧内预测编码单元快速选择方法的流程图；图2为测试序列CU块划分结果(QP＝27)的示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面对本专利技术实施方式作进一步地详细描述。实施例1本专利技术实施例提供了一种HEVC帧内预测编码单元快速选择方法，参见图1，该选择方法包括以下步骤：101：首先从图像纹理复杂度的特点出发，获取图像纹理复杂度与CU块尺寸之间的关系；102：将图像纹理复杂度作为K-means聚类算法的输入向量；103：将HEVC原有的帧内算法与k-means聚类方法相结合，最终实现CU块的划分。综上所述，本方法在现有的K-means聚类算法的基础上，结合帧内预测算法，提出更好的帧内编码单元划分的方法，在视频质量几乎不降低的情况下，实现视频编码复杂度的降低，满足了实际应用中的需要。实施例2下面结合具体的计算公式、例子对实施例1中的方案进行详细介绍，详见下文描述：201：对每一个视频测试序列进行块划分，获取CU块的划分结果；其中，为了验证图像的纹理复杂度与CU块的尺寸之间的关系，对一个视频测试序列进行块划分，得到CU块的划分结果，如图2所示。从图2中可以看出墙壁等区域基本采用64×64和32×32尺寸的CU块，这些区域的纹理比较平坦且像素间的差距较小；而羽毛和眼睛等区域的纹理较为复杂，基本采用了16×16和8×8尺寸的CU块。具体实现时，本专利技术实施例对上述划分尺寸不做限制，可以根据实际应用中的需要进行设定。202：利用CU块的方差值代表像素间的差异，进一步表示视频图像的纹理复杂度；其中，CU块方差求解公式如下：其中，M和N为视频图像区域块的长和宽，i和j为像素的位置坐标，P(i,j)指在(i,j)处的像素值，δM×N是图像块的方差，Mean是指图像块的平均像素值。为了进一步得到图像块的方差与CU块划分之间的关系，本专利技术实施例选取多个视频测试序列，使用HEVC的参考代码HM对视频序列进行帧内预测模式选择，获得每个测试序列的CU最佳尺寸，并且计算得到各种尺寸CU块的方差，统计结果如表1所示。表1CU块方差平均范围CU尺寸方差的平均值方差的平均范围64×64106.7820-163.7932×32149.6573.65-223.9816×16251.68124.78-379.538×8612.55309.84-1000203：根据CU块的方差和K-means聚类算法获得CU块的聚类中心；从表1中可以看出，相同尺寸CU块的方差值比较接近，不同尺寸CU块的方差值相差较大，因此本专利技术实施例可以将CU各个尺寸的方差δM×N作为K-means聚类算法的输入向量。其中，不同尺寸CU块聚类中心获取过程如下：1)首先选取不同分辨率的视频测试序列，通过HM得到HEVC原有算法的CU块最佳尺寸，并且计算得到CU块最优尺寸对应的方差值，将获得的方差值作为K-means聚类算法的输入向量；2)对方差值后的数据进行过滤处理；其中，HEVC块划分的依据是RDO(视频编码率失真优化)，一个图像块很有可能只有小部分区域纹理复杂而大部分区域的纹理相对平坦，但是因为CU块通过RDO计算后不会再进行划分，而当前尺寸CU块的方差与同尺寸CU块的平均方差相比有一定的偏差，所以需要计算各种尺寸CU块的方差的平均范围，如表1所示。因为K-means聚类算法对于孤立点数据较为敏感，所以在计算CU块的方差平均范围时，需要将方差值不在20到1000范围内的数值去除。具体实现时，还可以根据实际应用中的需要，设定其他的数值范围，本专利技术实施例对此不做限制。3)从过滤后的数据中随机选取4个方差值作为K-means聚类算法的最初聚类中心点；4)遍历除4个最初聚类中心点以外的其他所有可用的方差值，根据最小距离的原则，寻找出每个方差所满足的聚类中心点，并将该方差值加入到此聚类中心所处的聚类中。其中，最小距离原则公式如下所示：其中，xj为输入的数据，j为聚类中输入向量的索引值，μi为聚类的中心点。假设提取到的原始数据的集合为{x1,x2,…,xi,…,xn}，且每个数据xi为d维向量；Si为第i个聚类；S为聚类集合，S＝{S1,S2,…,Sk}；k为聚类个数。5)计算每个聚类中方差的平均值，将该值选作为聚类的新的中心点，之后重复执行步骤4)，直到连续两次所获得的距离中心相同为止。6)通过K-means聚类算法最终获得的不同尺寸CU块的聚类中心，如表2所示。表2CU的聚类中心CU尺寸K-means聚类中心64×64161.0632×323本文档来自技高网...

【技术保护点】
一种HEVC帧内预测编码单元快速选择方法，其特征在于，所述方法包括以下步骤：首先从图像纹理复杂度的特点出发，获取图像纹理复杂度与CU块尺寸之间的关系；将图像纹理复杂度作为K‑means聚类算法的输入向量；将HEVC原有的帧内算法与k‑means聚类方法相结合，最终实现CU块的划分。

【技术特征摘要】
1.一种HEVC帧内预测编码单元快速选择方法，其特征在于，所述方法包括以下步骤：首先从图像纹理复杂度的特点出发，获取图像纹理复杂度与CU块尺寸之间的关系；将图像纹理复杂度作为K-means聚类算法的输入向量；将HEVC原有的帧内算法与k-means聚类方法相结合，最终实现CU块的划分。2.根据权利要求1所述的一种HEVC帧内预测编码单元快速选择方法，其特征在于，所述获取图像纹理复杂度与CU块尺寸之间的关系的步骤具体为：利用CU块的方差值代表像素间的差异，表示视频图像的纹理复杂度。3.根据权利要求1所述的一种HEVC帧内预测编码单元快速选择方法，其特征在于，所述将HEVC原有的帧内算法与k-means聚类方法相结合，最终实现CU块的划分的步骤具体为：通过K-means聚类算法、获得不同尺...

【专利技术属性】
技术研发人员：陈洁，周圆，张业达，毛爱玲，侯春萍，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12