一种编码单元划分方法、装置、设备及介质制造方法及图纸

本发明专利技术公开了一种编码单元划分方法，方法包括：S1：采用预设数量种划分模式对编码单元进行划分得到每种划分模式的子块；S2：针对每种划分模式，根据所述划分模式的子块在不划分情况下的预测参数预测所述划分模式的最优编码代价；S3：从每种划分模式的子块中，选择最小的最优编码代价对应的子块；S4：在选择的子块的尺寸信息大于最小限定值情况下，采用预设数量种划分模式对选择的子块继续进行划分，得到每种划分模式的子块，并继续执行步骤S2的过程。与现有技术中采用的层层递归方式相比，本发明专利技术每次根据子块在不划分情况下的预测参数直接预测得到完整递归后的最优编码代价，无需层层递归后获得，实现简单，可以减少整个编码过程的计算复杂度。过程的计算复杂度。过程的计算复杂度。

【技术实现步骤摘要】
一种编码单元划分方法、装置、设备及介质


[0001]本专利技术涉及视频编码
，具体涉及一种编码单元划分方法、装置、设备及介质。

技术介绍

[0002]视频编码需要先将图像分成不同大小的CU(Coding Unit，编码单元)块，在图像细节较少的区域使用较大的CU块，而在细节丰富的区域使用较小的CU块，再以CU块为单位选择编码代价最小的划分路径进行编码。
[0003]在现有技术中，对于CU块的划分路径选择过程利用的是深度搜索方法，即层层递归，遍历所有路径以找到最优的划分路径。
[0004]这样，虽然可以确保找到编码代价最小的划分路径，但是计算复杂度很高，无法实现高分辨场景的实时编码。

技术实现思路

[0005]本专利技术的目的是针对上述现有技术的不足提出的一种编码单元划分方法、装置、设备及介质，该目的是通过以下技术方案实现的。
[0006]本专利技术的第一方面提出了一种编码单元划分方法，所述方法包括：
[0007]S1：采用预设数量种划分模式对编码单元进行划分，得到每种划分模式的子块；
[0008]S2：针对每种划分模式，根据所述划分模式的子块在不划分情况下的预测参数预测所述划分模式的最优编码代价；
[0009]S3：从每种划分模式的子块中，选择最小的最优编码代价对应的子块；
[0010]S4：在选择的子块的尺寸信息大于最小限定值情况下，采用预设数量种划分模式对选择的子块继续进行划分，得到每种划分模式的子块，并继续执行步骤S2。
[0011]本专利技术的第二方面提出了一种编码单元划分装置，所述装置包括：
[0012]划分模块，用于采用预设数量种划分模式对编码单元进行划分，得到每种划分模式的子块；
[0013]预测模块，用于针对每种划分模式，根据所述划分模式的子块在不划分情况下的预测参数预测所述划分模式的最优编码代价；
[0014]选择模块，用于从每种划分模式的子块中，选择最小的最优编码代价对应的子块；
[0015]判断模块，用于在选择的子块的尺寸信息大于最小限定值情况下，采用预设数量种划分模式对选择的子块继续进行划分，得到每种划分模式的子块，并继续执行所述预测模块的过程。
[0016]本专利技术的第三方面提出了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述第一方面所述方法的步骤。
[0017]本专利技术的第四方面提出了一种计算机可读存储介质，其上存储有计算机程序，所
述程序被处理器执行时实现如上述第一方面所述方法的步骤。
[0018]基于上述第一方面和第二方面所述的编码单元划分方法及装置，本专利技术具有如下有益效果：
[0019]先对最初的编码单元进行划分，得到各种划分模式的子块，并通过利用各种划分模式的子块在不划分情况下的预测参数预测各种划分模式的最优编码代价，并从中选择最小的最优编码代价对应的子块，在子块的尺寸不满足最小限定值的情况下，对子块继续进行划分和最优编码代价的预测，直至选择出的子块的尺寸满足最小限定值时结束划分。与现有技术中采用的层层递归方式相比，本专利技术每次根据子块在不划分情况下的预测参数直接预测得到完整递归后的最优编码代价，无需层层递归后获得，实现简单，可以减少整个编码过程的计算复杂度。
附图说明
[0020]此处所说明的附图用来提供对本专利技术的进一步理解，构成本专利技术的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0021]图1为本专利技术根据一示例性实施例示出的一种编码单元划分方法的实施例流程图；
[0022]图2为本专利技术根据图1所示实施例示出的编码单元划分过程示意图；
[0023]图3为本专利技术根据一示例性实施例示出的一种编码单元划分装置的结构示意图；
[0024]图4为本专利技术根据一示例性实施例示出的一种电子设备的硬件结构示意图图；
[0025]图5为本专利技术根据一示例性实施例示出的一种存储介质的结构示意图。
具体实施方式
[0026]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本专利技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本专利技术的一些方面相一致的装置和方法的例子。
[0027]在本专利技术使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本专利技术。在本专利技术和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
[0028]应当理解，尽管在本专利技术可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本专利技术范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”。
[0029]目前，每种尺寸CU的划分过程是，利用各种划分模式进行第一级划分，对于第一级划分得到的块继续利用各种划分模式进行第二级划分，依次类推，直到划分得到块的尺寸满足最小限定值时不再继续划分，然后从后向前递归找到编码代价最小的划分路径。
[0030]由此可见，这种层层递归划分的方式计算复杂度很高，无论是硬件还是软件上都
很难实现高分辨场景的实时编码。
[0031]为解决上述技术问题，本申请提出一种编码单元划分方法，即先采用预设数量种划分模式对编码单元进行划分，得到每种划分模式的子块，然后针对每种划分模式，根据所述划分模式的子块在不划分情况下的预测参数预测所述划分模式的最优编码代价，并从每种划分模式的子块中，选择最小的最优编码代价对应的子块，在选择的子块的尺寸信息大于最小限定值情况下，采用预设数量种划分模式对选择的子块继续进行划分，得到每种划分模式的子块，并继续执行针对每种划分模式，根据所述划分模式的子块在不划分情况下的预测参数预测所述划分模式的最优编码代价的过程。
[0032]基于上述描述的技术方案可达到的有益效果如下：
[0033]先对最初的编码单元进行划分，得到各种划分模式的子块，并通过利用各种划分模式的子块在不划分情况下的预测参数预测各种划分模式的最优编码代价，并从中选择最小的最优编码代价对应的子块，在子块的尺寸不满足最小限定值的情况下，对子块继续进行划分和最优编码代价的预测，直至选择出的子块的尺寸满足最小限定值时结束划分。与现有技术中采用的层层递归方式相比，本专利技术每次根据子块在不划分情况下的预测参数直接预测得到完整递归后的最优编码代价，无需层层递归后获得，实现本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种编码单元划分方法，其特征在于，所述方法包括：S1：采用预设数量种划分模式对编码单元进行划分，得到每种划分模式的子块；S2：针对每种划分模式，根据所述划分模式的子块在不划分情况下的预测参数预测所述划分模式的最优编码代价；S3：从每种划分模式的子块中，选择最小的最优编码代价对应的子块；S4：在选择的子块的尺寸信息大于最小限定值情况下，采用预设数量种划分模式对选择的子块继续进行划分，得到每种划分模式的子块，并继续执行步骤S2的过程。2.根据权利要求1所述的方法，其特征在于，所述根据所述划分模式的子块在不划分情况下的预测参数预测所述划分模式的最优编码代价，包括：获取所述划分模式的子块在不划分情况下的预测参数；将所述预测参数输入已训练的神经网络模型，以由所述神经网络模型根据所述预测参数预测所述划分模式的最优编码代价并输出。3.根据权利要求2所述的方法，其特征在于，所述获取所述划分模式的子块在不划分情况下的预测参数，包括：获取所述子块在不划分情况下的编码代价和编码预测信息；获取所述子块的尺寸信息、所述子块所属图像的尺寸信息；将获取的编码代价、编码预测信息、子块的尺寸信息、子块所属图像的尺寸信息、以及预设的编码质量参数作为所述预测参数。4.根据权利要求2所述的方法，其特征在于，所述方法还包括所述神经网络模型的训练过程：获取训练样本，所述训练样本包括不同尺寸块的预测信息和实际编码代价；利用所述训练样本训练预先构建的神经网络模型。5.根据权利要求1所述的方法，其特征在于，所述预设数量种划分模式包括水平二划分模式、垂直二划分模式、水平工字形划分模式、垂直工字形划分模式、以及四叉树划分模式。6....

【专利技术属性】
技术研发人员：张鹏，卢东东，向国庆，黄晓峰，严伟，范益波，
申请(专利权)人：浙江省北大信息技术高等研究院，
类型：发明
国别省市：