基于纹理复杂度的编码单元分类方法和编码单元分类设备技术

本发明专利技术公开了一种基于纹理复杂度的编码单元分类方法和编码单元分类设备，所述编码单元分类方法包括：利用预设置的图像纹理复杂度模型获取编码单元的复杂度；根据所述复杂度，利用预设置的自适应阈值模型输出的所述编码单元对应的阈值对所述编码单元进行分类。本发明专利技术提供的实施例针对现有问题，根据编码树单元层次划分与图像纹理复杂度的关系，利用阈值与编码深度和量化参数间存在的非线性关系，实现了基于图像纹理复杂度的编码单元准确分类；同时针对复杂纹理区域，将编码信息与卷积神经网络相结合，实现了图像纹理信息进行准确描述，从而提高纹理复杂区域编码单元层次预测的精度，节省了HEVC标准编码器的编码时间，具有广泛的应用前景。

Texture Complexity Based Coding Unit Classification Method and Coding Unit Classification Equipment

【技术实现步骤摘要】
基于纹理复杂度的编码单元分类方法和编码单元分类设备
本专利技术涉及多媒体编码
，特别是涉及一种基于纹理复杂度的编码单元分类方法和编码单元分类设备。
技术介绍
视觉是人类感知与认识外部世界的主要途径，美国实验心理学家赤瑞特拉通过大量实验证实人类获得信息的83％都来自视觉。而视频作为视觉信息的主要载体逐渐成为人们生活中不可或缺的一部分，随着互联网、智能手机及多媒体技术的发展，视频的呈现方式越发多样化，人们对视频观感的体验也随之提升。其主要体现在以下两个方面：首先是视频数据量的急剧增加，这里主要是指空间分辨率的不断提高，如今高清视频已逐渐普及，当前发展的趋势是4K(3840×2160)，甚至是8K(7680×4320)的超高清视频；其次，视频获取途径的多样化，视频的传播已不再局限于广播电视等方式，如今移动互联网已经成为视频传播的主要途径，根据cisco发布预测报告，到2020年，年度全球移动数据流量将达到366.8EB(1EB≈10亿GB)，其中视频流量将超过75％，对视频信号的存储与传输带来了极大负担。基于上述分析，对于视频图像压缩技术的研究已经成为目前紧迫且现实的问题。专利技术内本文档来自技高网...

【技术保护点】
1.一种基于纹理复杂度的编码单元分类方法，其特征在于，包括：S11：利用预设置的图像纹理复杂度模型获取编码单元的复杂度；S12：根据所述复杂度，利用预设置的自适应阈值模型输出的所述编码单元对应的阈值对所述编码单元进行分类。

【技术特征摘要】
1.一种基于纹理复杂度的编码单元分类方法，其特征在于，包括：S11：利用预设置的图像纹理复杂度模型获取编码单元的复杂度；S12：根据所述复杂度，利用预设置的自适应阈值模型输出的所述编码单元对应的阈值对所述编码单元进行分类。2.根据权利要求1所述的方法，其特征在于，所述利用预设置的图像纹理复杂度模型获得编码单元的复杂度进一步包括：S111：计算所述编码单元的标准差；S112：所述图像纹理复杂度模型根据所述标准层获取编码单元的复杂度。3.根据权利要求1所述的方法，其特征在于，所述根据所述复杂度，利用预设置的自适应阈值模型输出的所述编码单元对应的阈值对所述编码单元进行分类进一步包括：S121：所述自适应阈值模型根据所述编码单元的编码深度和量化参数输出对应的阈值；S122：判断所述复杂度是否小于所述阈值，若小于则所述编码单元为平滑纹理区域并结束所述编码单元分类方法，否则为复杂纹理区域。4.根据权利要求3所述的方法，其特征在于，所述自适应阈值模型为：Thr＝f(QP)×g(depth)；其中，Thr为纹理复杂度阈值，QP为量化参数，depth为当前编码单元的深度。5.根据权利要求3所述的方法，其特征在于，在所述根据所述复杂度，利用预设置的自适应阈值模型输出的所述编码单元对应的阈值对所述编码单元进行分类之后，所述方法还包括：S13：根据所述编码单元的编码深度，利用卷积神经网络模型对所述复杂纹理区域的编码单元进行层次预测。6.根据权利要求5所述的方法，其特征在于，所述卷积神经网络模型包括输入层、卷积层、连接层和全连接层，其中所述输入层，用于根据所述编码单元的编码深度确定分类器；所述卷积层，用于根据所述编码单元的编码深度设置卷积核并输出两组特征图像；所述连接层，用于连接所述两组特征图像并转换为特征向...

【专利技术属性】
技术研发人员：田睿，亢京力，黄骁飞，石磊，张立栋，王源源，王斐斐，陈善松，
申请(专利权)人：北京电子工程总体研究所，
类型：发明
国别省市：北京,11