基于编码单元多特征分析的快速编码方法技术

本发明专利技术公开了一种基于编码单元特征分析的快速编码方法，属于视频编码技术领域。本发明专利技术包括：编码单元纹理、边缘、结构特征提取；将提取的多特征输入至SVM分类器中离线学习，得到各深度下SVM的分类模型；通过提取的特征寻找当前关联度最大的编码单元进行深度0预判决；根据特征将编码单元划分为简单、中等和复杂三种情况；在各深度下对划分为简单的编码单元终止其深度判决，对划分为复杂的编码单元跳过当前深度进行下一深度判决，对划分为中等的编码单元则按照原流程进行当前深度的判决。本发明专利技术基于视频图像复杂度进行编码单元快速划分的方法可以大大减少编码单元在深度判决过程中的计算复杂度，在保证视频质量的前提下节约了编码时间。

A fast coding method based on multi feature analysis of coding units

【技术实现步骤摘要】
基于编码单元多特征分析的快速编码方法
本专利技术涉及视频编码
，具体涉及一种基于视频图像复杂度多特征的编码单元深度划分的高效视频编码方法。
技术介绍
视频是由一帧帧图像组成的，但由于原始视频数据量巨大，导致其无法满足日常的存储和传输需求，所以我们需要对原始视频进行压缩。国际电信联盟(ITU-T)和国际标准化组织/国际电工委员会组织(ISO/IEC)再次联手合作成立视频编码联合工作组(JCT-VC)，于2013年公布了新一代视频编码标准——高效视频编码标准(HEVC/H.265)。HEVC沿用了上一代H.264的混合编码框架，引进了多种先进的编码技术，针对相同的视频序列，在保证编码质量不变的前提下，HEVC标准要比H.264标准节约50％的编码比特率。虽然HEVC在编码效率上有了很大的提高，但它的计算复杂度极大，其编码时间几乎是H.264标准的两倍，这也从很大程度上阻碍了HEVC标准在日常生活中的推广和应用。HEVC采用了灵活的块划分方式，包括编码单元(CU)、预测单元单元(PU)、变换单元(TU)。在CU层HEVC通过四叉树递归的方式将编码图像划分为64x64、32x32、16x16、8x8四种像素尺寸，并分别用0、1、2、3四个深度表示，其中64x64的编码单元称为编码树单元(CTU)。通过从最大深度3到最小深度0至下而上的代价比较，确定CU最终的划分组合。由于CU这种划分和比较方式计算复杂度很高，如何减少不必要的计算成为了加速HEVC编码时间的关键。图像的复杂度特性和最终的划分结果往往存在一定的联系。通常来说，图像纹理简单的区域一般使用较大的编码块编码，而图像纹理复杂的区域则更多采用小块来编码。针对CU层四叉树递归计算冗余的问题，传统方法大多基于单一统计特征拟合编码单元的二分类曲线，并根据曲线结果设定阈值进行CU层的划分判定。由于单一特征无法准确衡量图像的复杂度，而且仅仅使用单一阈值也无法达到自适应的需求，所以导致编码的预测效率非常低下。
技术实现思路
本专利技术的专利技术目的在于：针对现有高效视频编码技术计算复杂度高、传统方法选取特征单一、划分阈值单一的技术问题，本专利技术提供了一种基于编码单元多特征分析的快速编码方法。本专利技术包括如下步骤：S1：对各深度下的编码单元进行特征提取，获取各深度下的编码单元的纹理、边缘和结构特征；S2：分类器特征离线学习：将步骤S1提取的不同深度下的多特征输入至SVM分类器中离线学习，得到各深度下的SVM分类模型，各SVM分类模型用于确定各深度下的编码单元的复杂度分类；S3：基于多特征关联度，确定邻域关联度最大的CTU；S4：最大关联CTU深度0判断：根据邻域关联度最大的CTU的深度对当前CTU提前判决；在当前编码深度为0的前提下，若与当前编码单元关联度最大的CTU的最终划分深度为0，则终止当前CTU的四叉树划分；否则继续执行步骤S5；S5：复杂度预测：编码每一个深度下的CU时，将提取的纹理、边缘和结构特征输入至对应深度的SVM分类模型中，根据输出结果将编码单元的复杂度分为简单、中等、复杂三种情况；S6：根据复杂度预测的分类结果执行相应的划分判决：若编码单元图像被分类为简单，则终止当前深度的四叉树划分；若编码单元图像被分类为复杂，则直接进行当前的四叉树划分(即在当前深度下，直接对当前编码单元进行四叉树划分)，并进行下一深度的复杂度预测及划分判决；若编码单元图像被分类为中等，则按照HEVC标准进行编码。进一步的，步骤S1中，纹理、边缘和结构特征具体为：纹理特征：提取每个编码单元的像素邻域均方差作为衡量图像纹理复杂度(TextureComplexity,TC)的特征；边缘特征：提取每个编码单元的像素Sobel梯度值作为衡量图像边缘复杂度(EdgesComplexity,EC)的特征；结构特征：提取每个编码单元与其四个子块预测残差方差的方差作为衡量图像结构复杂度(StructureComplexity,SC)的特征。进一步的，所述步骤S2包括如下步骤：S21：将所有编码单元的TC、EC、SC和对应的深度信息输入至SVM分类器中进行离线训练；S22：对于每个深度下的训练模型，基于训练后的分类器参数，得到对应编码单元的复杂度划分情况的阈值，即对应各深度下的分类器模型；S23：根据离线训练分类的准确率，分别确定各深度下编码单元的最佳复杂度预测参数。进一步的，所述步骤S5包括如下步骤：S51：输入当前深度下编码单元的TC、EC、SC至SVM分类器中进行复杂度计算；S52：若SVM分类器的预测编码单元不划分的输出结果小于0，则该编码单元的图像复杂度被分类为简单；S53：若SVM分类的预测编码单元直接划分的输出结果大于0，则该编码单元的图像复杂度被分类为复杂；S54：若SVM分类输出其他结果，则该编码单元的图像复杂度被分类为中等。综上所述，由于采用了上述的技术方案，本专利技术的有益效果是：本专利技术提取编码图像的多个特征，从多个角度更加准确地衡量了编码图像的复杂度情况。根据邻域图像的关联性提前终止深度0判决，利用编码图像的时空域和深度信息加速深度0判决，大大加速编码时间。通过对特征离线学习的方法得到多分类器预测模型，多分类器多阈值的预测更加准确灵活。附图说明图1：本专利技术编码单元多特征分析的快速编码流程图。图2：本专利技术提取图像边缘复杂度的水平和垂直Sobel梯度模板示意图。图3：编码单元四叉树划分示意图。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，下面结合实施方式和附图，对本专利技术作进一步地详细描述。本专利技术的基于编码单元多特征分析的快速编码方法，是一种基于视频图像复杂度特性来加速编码单元深度划分的高效视频编码(HEVC)方法。首先提取各深度下的编码单元特征，包括编码单元纹理、边缘、结构特征；分类器特征离线学习，将提取的多特征输入至SVM分类器中离线学习，得到各深度下SVM的分类模型；时空域相邻编码单元关联度分析，通过提取的特征寻找当前关联度最大的编码单元进行深度0预判决；复杂度判断，根据特征将编码单元划分为简单、中等和复杂三种情况；编码单元深度判决，在各深度下对划分为简单的编码单元终止其深度判决，对划分为复杂的编码单元跳过当前深度进行下一深度判决，对划分为中等的编码单元则按照原流程进行当前深度的判决。本专利技术基于视频图像复杂度进行编码单元快速划分的方法可以大大减少编码单元在深度判决过程中的计算复杂度，在保证视频质量的前提下节约了编码时间。参见图1，其具体实现过程如下：S1：各深度下编码单元特征提取。S11：提取每个编码单元的像素邻域均方差作为衡量图像纹理复杂度(TextureComplexity,TC)的特征，即TC表达式如式(1)、式(2)所示：式中，N代表当前编码块像素本文档来自技高网...

【技术保护点】
1.基于编码单元多特征分析的快速编码方法，其特征在于，包括下列步骤：/nS1：对各深度下的编码单元进行特征提取，获取各深度下的编码单元的纹理、边缘和结构特征；/nS2：分类器特征离线学习：/n将步骤S1提取的不同深度下的多特征输入至SVM分类器中离线学习，得到各深度下的SVM分类模型，各SVM分类模型用于确定各深度下的编码单元的复杂度分类；/nS3：基于多特征关联度，确定邻域关联度最大的CTU；/nS4：最大关联CTU深度0判断：/n根据邻域关联度最大的CTU的深度对当前CTU提前判决；在当前编码深度为0的前提下，若与当前编码单元关联度最大的CTU的最终划分深度为0，则终止当前CTU的四叉树划分；否则继续执行步骤S5；/nS5：复杂度预测：/n编码每一个深度下的CU时，将提取的纹理、边缘和结构特征输入至对应深度的SVM分类模型中，根据输出结果将编码单元的复杂度分为简单、中等、复杂三种情况；/nS6：根据复杂度预测的分类结果执行相应的划分判决：/n若编码单元图像被分类为简单，则终止当前深度的四叉树划分；/n若编码单元图像被分类为复杂，则在当前深度下，直接对当前编码单元进行四叉树划分，并进行下一深度的复杂度预测及划分判决；/n若编码单元图像被分类为中等，则按照HEVC标准进行编码。/n...

【技术特征摘要】
1.基于编码单元多特征分析的快速编码方法，其特征在于，包括下列步骤：
S1：对各深度下的编码单元进行特征提取，获取各深度下的编码单元的纹理、边缘和结构特征；
S2：分类器特征离线学习：
将步骤S1提取的不同深度下的多特征输入至SVM分类器中离线学习，得到各深度下的SVM分类模型，各SVM分类模型用于确定各深度下的编码单元的复杂度分类；
S3：基于多特征关联度，确定邻域关联度最大的CTU；
S4：最大关联CTU深度0判断：
根据邻域关联度最大的CTU的深度对当前CTU提前判决；在当前编码深度为0的前提下，若与当前编码单元关联度最大的CTU的最终划分深度为0，则终止当前CTU的四叉树划分；否则继续执行步骤S5；
S5：复杂度预测：
编码每一个深度下的CU时，将提取的纹理、边缘和结构特征输入至对应深度的SVM分类模型中，根据输出结果将编码单元的复杂度分为简单、中等、复杂三种情况；
S6：根据复杂度预测的分类结果执行相应的划分判决：
若编码单元图像被分类为简单，则终止当前深度的四叉树划分；
若编码单元图像被分类为复杂，则在当前深度下，直接对当前编码单元进行四叉树划分，并进行下一深度的复杂度预测及划分判决；
若编码单元图像被分类为中等，则按照HEVC标准进行编码。


2.如权利要求1所述的方法，其特征在于，步骤S1中，纹理、边缘和结构特征具体为：
纹理特征：每个编码单元的像素邻域均方差；
边缘特征：每个编码单元的像素Sobel梯度值；
结构特征：每个编码单元与其四个子块的预测残差方差的方差。

...

【专利技术属性】
技术研发人员：刘欣刚，朱超，吴立帅，汪卫彬，代成，李辰琦，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51