按视频内容提前终止编码块编码模式搜索的视频压缩方法技术

本发明专利技术涉及一种按视频内容提前终止编码块编码模式搜索的视频压缩方法，其中包括根据视频内容的特征和预设分类条件将视频内容划分为多个类别；预先设定多个编码模式和各个编码模式下的编码子模式集合；根据视频内容的类别匹配与各个视频内容的类别相对应的编码子模式集合；采用与视频内容的类别相对应的编码子模式集合对该类别的视频内容进行编码，并终止除相对应的编码子模式集合之外的其他编码子模式集合的搜索。本发明专利技术对不同类别的编码单元可以自适应跳过部分编码模式及其子模式的编码，无需进行所有编码模式及其子模式的搜索，在几乎不影响整体编码效率的前提下，大幅降低编码复杂度。 1

Video compression method based on video content early termination coding block coding mode search

The present invention relates to a video compression method that terminates coding block coding pattern search in advance by video content, which includes dividing video content into multiple categories according to the features of video content and preset classification conditions; presetting multiple encoding modes and encoding subpattern sets under each encoding mode; according to video content. The category matches the set of coded subpatterns corresponding to the categories of each video content; the video content of the category is encoded using a set of encoding subpatterns corresponding to the category of the video content, and the search for other coded subpattern sets other than the corresponding set of encoded subpatterns is terminated. The invention can skip the encoding of the partial encoding mode and its submode adaptively for different types of coding units, without the need to search all the encoding modes and their submodes, and greatly reduce the coding complexity without affecting the overall coding efficiency. One

【技术实现步骤摘要】
按视频内容提前终止编码块编码模式搜索的视频压缩方法
本专利技术涉及视频压缩
，具体是指一种按视频内容提前终止编码块编码模式搜索的视频压缩方法。
技术介绍
近年来，随着人类社会进入人工智能、大数据、虚拟现实、增强现实、混合现实、云计算、移动计算、云-移动计算、4G/5G通讯的时代，超高清(4K)和特超高清(8K)图像分辨率的传统视频、监控视频、娱乐媒体、社交媒体、医学图像、消费者拍摄的图像/视频、各种新形态的数据等多媒体数据量与日剧增，已成为互联网大数据的主要数据形式。随着多媒体大数据的广泛应用，如何对多媒体数据进行超高压缩比和极高质量的数据压缩技术成为必不可少的技术。多媒体大数据的广泛应用也产生了各种新类型的数据集。各种新类型的数据集中不同的图像区域具有不同的性质。一般而言，不同的图像区域主要分为两种类型：一种是由平滑的、具有丰富纹理的、连续色调的、相机拍摄的自然图像区域；另一种是由具有尖锐的像素边缘的、不连续色调的、文本，图形，图标、图表等计算机产生图像区域。这两种类型的图像区域表现出显著不同的特点，不仅包括其帧内特性，也包括其帧间特性。帧内特性：一个编码块(CodingUnit，CU)中不同颜色的数目迥异；图像中存在具有各种各样的形状、大小和相对位置的匹配图样；一帧图像中匹配图样的数目很不相同等。帧间特性：对于文本、图表等非自然图像或视频区域中，存在着大量的静止区域。这些区域的原始像素与前一帧相同位置的原始像素是完全一致的，而自然图像或视频区域中的静止区域由于自然界中光效的原因导致原始像素和前一帧相同位置的原始像素只是接近的；一般由计算机软件产生的运动是基于整像素的，而由摄像机记录下来对信号的时域采样产生的自然运动需要利用分像素插值来得到更精确的运动估计。为了进一步提高具有不同的图像内容与性质的各种新类型数据的编码效率，最新国际视频压缩标准HEVC和我国第二代数字音视频编码技术标准AVS2中采用以下编码方法：一方面，在沿用以前视频标准的“分块为编码单元”(对一帧图像进行编码时，把一帧图像划分成若干块MxM像素的子图像，对子图像一块一块进行编码)的方法上，采用更灵活的块分割技术。HEVC和AVS2中都定义了3种块分割单元，分别是CU(CodingUnit)，PU(PredictionUnit)，和TU(TransformUnit)。CU是最基本的二维对称结构编码单位，各种编码环节如帧内/帧间预测、变换、量化、以及熵编码都是以CU为单位进行的。最大的CU称为LCU(LargestCodingUnit)。一帧图像可以认为是由互相不重叠的LCU组合而成，由于CU是二维对称结构，对LCU的进一步分割是以递归四叉树方式进行的。PU是预测环节的基本编码单元，所有和预测相关的操作都是以PU为单位的，如帧内预测的方向、帧间预测的运动矢量差和参考帧索引、运动矢量预测、以及运动补偿都是基于PU进行处理的。TU作为变换和量化的基本单元。其中HEVC和AVS2中支持的PU划分子模式包括：不划分子模式(2N×2N)、水平划分子模式(2N×N)、垂直划分子模式((N×2N)、不规则划分子模式(2N×nU、2N×nD、nL×2N和nR×2N)和四等分划分子模式(N×N)、短距离划分子模式(0.5Nx2N和2Nx0.5N)。对一帧图像进行编码，就是依次对一个一个CU进行编码。编码单元也称编码块。另一方面，在传统的混合编码框架中，采用多种编码模式进行编码：对不同图像内容与性质的图像编码块，采用不同的编码模式。HEVC、AVS2标准及其扩展版标准中，编码模式主要包括帧内模式、帧间模式、帧内块复制(IntraBlockCopy，IBC)、Palette模式、串匹配(预测)模式等。这些模式根据预测的方向、预测块的大小(PU划分子模式)、预测的残差类型等分成不同的编码子模式。比如HEVC标准中帧内模式的亮度分量根据预测的方向性分成35种子模式(包括DC模式、Planar模式和33种方向模式)；AVS2中帧间模式支持2N×2N和N×N划分的skip/direct子模式、不划分子模式(2N×2N)、水平划分子模式(2N×N)、垂直划分子模式(N×2N)、不规则划分子模式(2N×nU、2N×nD、nL×2N、nR×2N)和四等分划分子模式(N×N)的帧间预测子模式。设视频压缩方法中的编码模式M的种类为n种，每种模式记为mi(1≤i≤n)，用(1)表示。M＝{m1,m2,......,mn}(1)编码模式mi有种编码子模式，每种子模式记为用(2)表示。因此视频压缩方法中的总的编码子模式数目T为：在现有数据压缩技术中，通常采用以下视频压缩方法：对具有不同内容性质的不同图像编码单元，依次采用视频压缩方法中的各种编码模式及其所述模式的各种子模式进行编码，并计算出所述子模式获得的率失真值，从中选择率失真值最小的子模式作为所述编码单元的最佳模式进行编码。这种编码方法，虽然能够达到最佳编码效率，但是随着编码模式和各种子模式数目的增加，总的编码子模式数目T也大幅增加，因此存在编码复杂度也非常大的严重问题。
技术实现思路
本专利技术提供了一种按视频内容提前终止编码块编码模式搜索的视频压缩方法，其目的在于克服现有技术中的缺陷，对不同类别的编码单元可以自适应跳过部分编码模式及其子模式的编码，无需进行所有编码模式及其子模式的搜索，在几乎不影响整体编码效率的前提下，大幅降低编码复杂度。为了实现上述目的，本专利技术具有如下构成：根据视频内容的特征和预设分类条件将视频内容划分为多个类别；预先设定多个编码模式和各个编码模式下的编码子模式集合；根据视频内容的类别匹配与各个视频内容的类别相对应的编码子模式集合；采用与视频内容的类别相对应的编码子模式对该类别的视频内容进行编码，并终止除相对应的编码子模式集合之外的其他编码子模式集合的搜索。可选地，视频压缩方法中的编码模式M的种类为n种，每种模式记为表示如下：M＝{m1,m2,......,mn}(1)编码模式mi有种编码子模式集合，每种子模式记为表示如下：因此视频压缩方法中的总的编码子模式集合数目T为：c1、c2……cn表示视频内容的n个类别；预定的编码子模式集合分别为pm1、pm2、……、pmn；其中pm1、pm2、……、pmn中的每种子模式都属于M：pmk∈M(1≤k≤n)(4)则：如果当前编码单元归于类别ci,1≤i≤n，则采用pmi进行编码，提前终止除pmi之外的编码模式及其子模式的搜索；所述根据视频内容的特征和预设分类条件将视频内容划分为多个类别，包括如下步骤：当所述编码单元的特征满足预定的第i个条件，当前编码单元归为类别ci。可选地，视频中的数据包括如下多种数据中的一种或其组合：一维数据；二维数据；多维数据；一维图形；分维图形；图像；图像的序列；视频；三维场景；持续变化的三维场景的序列；虚拟现实的场景；持续变化的虚拟现实的场景的序列；像素形式的图像；图像的变换域数据；二维或二维以上字节的集合；二维或二维以上比特的集合；像素的集合；三分量像素Y，U，V的集合；三分量像素Y，Cb，Cr的集合；三分量像素Y，Cg，Co的集合；三分量像素R，G，B的集合；四分量像素C，M，Y，K的集合；四分量像素R，G，B，A的集合；四分量像本文档来自技高网...

【技术保护点】
1.一种按视频内容提前终止编码块编码模式搜索的视频压缩方法，其特征在于，包括

【技术特征摘要】
1.一种按视频内容提前终止编码块编码模式搜索的视频压缩方法，其特征在于，包括如下步骤：根据视频内容的特征和预设分类条件将视频内容划分为多个类别；预先设定多个编码模式和各个编码模式下的编码子模式集合；根据视频内容的类别匹配与各个视频内容的类别相对应的编码子模式集合；采用与视频内容的类别相对应的编码子模式对该类别的视频内容进行编码，并终止除相对应的编码子模式集合之外的其他编码子模式集合的搜索。2.根据权利要求1所述的按视频内容提前终止编码块编码模式搜索的视频压缩方法，其特征在于，视频压缩方法中的编码模式M的种类为n种，每种模式记为mi(1≤i≤n)，表示如下：M＝{m1,m2,......,mn}(1)编码模式mi有tmi种编码子模式集合，每种子模式记为misj(1≤j≤tmi)，表示如下：因此视频压缩方法中的总的编码子模式集合数目T为：c1、c2……cn表示视频内容的n个类别；预定的编码子模式集合分别为pm1、pm2、……、pmn；其中pm1、pm2、……、pmn中的每种子模式都属于M：pmk∈M(1≤k≤n)(4)则：如果当前编码单元归于类别ci,1≤i≤n，则采用pmi进行编码，提前终止除pmi之外的编码模式及其子模式的搜索；所述根据视频内容的特征和预设分类条件将视频内容划分为多个类别，包括如下步骤：当所述编码单元的特征满足预定的第i个条件，当前编码单元归为类别ci。3.根据权利要求1所述的按视频内容提前终止编码块编码模式搜索的视频压缩方法，其特征在于，视频中的数据包括如下多种数据中的一种或其组合：一维数据；二维数据；多维数据；一维图形；分维图形；图像；图像的序列；视频；三维场景；持续变化的三维场景的序列；虚拟现实的场景；持续变化的虚拟现实的场景的序列；像素形式的图像；图像的变换域数据；二维或二维以上字节的集合；二维或二维以上比特的集合；像素的集合；三分量像素Y，U，V的集合；三分量像素Y，Cb，Cr的集合；三分量像素Y，Cg，Co的集合；三分量像素R，G，B的集合；四分量像素C，M，Y，K的集合；四分量像素R，G，B，A的集合；四分量像素Y，U，V，A的集合；四分量像素Y，Cb，Cr，A的集合；四分量像素Y，Cg，Co，A的集合。4.根据权利要求1所述的按视频内容提前终止编码块编码模式搜索的视频压缩方法，其特征在于，所述视频内容包括以下至少一种：一组图像、预定数目的若干幅图像、一幅图像、一帧图像、一场图像、图像的子图像、条带、宏块、最大编码单元、编码树单元、编码单元、编码单元的子区域、预测单元和变换单元；所述视频内容的特征包括如下一种特征或其组合：编码块的纹理；或编码块的像素值；或编码块的不同像素值总数目；或编码块的直方图分布；或像素值频率；或分量值的频率；或编码块的预测方向；或编码块的参考频率；或像素值的参考频率；或编码块的重要程度；或像素值的重要程度；或与编码块具有相同图像坐标位置的邻近图像编码块的编码模式；或与编码块具有邻近图像坐标位置的邻近图像编码块的编码模式；或编码块的特征的平均值；或编码块的特征的最大值；或编码块的特征的最小值；或编码块的特征的总和；或编码块的特征的差值；或编码块的特征的均方差；或编码块的特征所占总体的比例；或编码块像素值组成的二维矩阵的特征值或特征向量；或满足一种或一组预定条件的编码块的数目。5.根据权利要求1所述的按视频内容提前终止编码块编码模式搜索的视频压缩方法，其特征在于，所述视频内容的特征包括如下一种特征或其组合：当前编码图像与邻近帧图像的特征的差值；或当前编码图像与前一帧图像的特征的差值；或当前编码图像与邻近帧图像的特征差值为预定值的编码单元的数目；或当前编码图像与前一帧图像的特征差值为预定值的编码单元的数目；或当前编码树单元与前一帧图像的相同位置编码树单元特征差值为预定值的编码单元的数目...

【专利技术属性】
技术研发人员：赵利平，林涛，彭华，沈士根，周海平，黄龙军，
申请(专利权)人：绍兴文理学院，
类型：发明
国别省市：浙江,33