一种视频编码量化方法、装置、电子设备和存储介质制造方法及图纸

本文公开了一种视频编码量化方法、装置、电子设备及存储介质，涉及视频编码量化领域。具体实现方案为：硬判决量化处理后，倒序遍历量化CG，舍弃部分量化系数，正序遍历低频区域的量化系数，筛选最佳量化系数。本发明专利技术提供的方案在硬判决量化基础上，利用量化系数的分布特性，对低频部分筛选出最佳量化系数，提升画质，同时不增加计算负担；对高频部分的非零量化系数进行清零判断，在不影响画质的前提下实现对码率的节省。现对码率的节省。现对码率的节省。

【技术实现步骤摘要】
一种视频编码量化方法、装置、电子设备和存储介质


[0001]本专利技术涉及图像编码技术，具体涉及一种视频编码量化方法、装置、电子设备和存储介质。

技术介绍

[0002]目前主流编码标准均是基于混合视频编码框架。混合框架主要包括预测（prediction）、变换（transform）、量化（quantization）、熵编码（entropycoding）等环节。预测环节是利用已编码区域的重建像素产生当前编码块对应的原始像素的预测像素。预测方式包括帧内预测（intra prediction）和帧间预测（inter prediction）两大类。原始像素和预测像素之间的像素差值称为残差（residual）。为了提高残差的编码效率，通常先对残差进行变换，将其转化为变换系数(transform coefficient)。然后，再对变换系数进行量化处理。
[0003]在混合视频编码框架中，预测和变换本身并不会给图像数据带来失真，失真是由量化造成的。量化是数据压缩的有效方法之一，也是图像压缩产生失真的根源之一。因此，量化的方法设计是一个受约束的优化问题，即在允许一定失真（或保持一定图像质量）的条件下，获得尽可能的高压缩化。
[0004]目前，在视频编码中常用的量化方法有硬判决量化（Hard Decision Quantization, HDQ）和软判决量化（SoftDecision Quantization, SDQ）。硬判决量化的系数相互独立，适用于并行处理，但存在率失真性能较差的缺点。相比之下，软判决量化算法考虑系数间的相关性，可获得更加优异的率失真性能。软判决量化算法对变换系数单元进行遍历，每个单元都计算多个候选量化结果，从中筛选出率失真代价最小的最优量化候选值作为最终的量化参数，实现了率失真性能的较大提升。但也正因为如此，软判决量化的计算量非常大，且软判决量化存在严重的序列处理依赖，不能并行处理，计算效率进一步降低。

技术实现思路

[0005]由于现有方法存在上述问题，本专利技术实施例提出了一种视频编码量化方法、装置、电子设备及存储介质。
[0006]第一方面，本专利技术实施例提供了一种视频编码量化方法，包括：获取变换单元，所述变换单元中包括变换系数。
[0007]对所述变换系数执行硬判决量化，获得量化CG，所述量化CG中包含量化系数。
[0008]倒序遍历量化CG，计算量化CG的清零分数，若当前量化CG的清零分数小于预设的阈值，则所述当前量化CG中所有非零量化系数均设置为零；否则，不改变所述当前量化CG中的量化系数。
[0009]正序遍历变换单元前1/4区域，计算量化损失，筛选最佳量化系数。
[0010]第二方面，本专利技术实施例提供了一种视频编码量化装置，所述装置包括：
获取模块，用于获取变换单元，所述变换单元中包括变换系数。
[0011]量化模块，用于对所述变换系数执行硬判决量化，获得量化CG，所述量化CG中包含量化系数。
[0012]第一计算判断模块，用于倒序遍历量化CG，计算量化CG的清零分数，若当前量化CG的清零分数小于预设的阈值，则所述当前量化CG中所有非零量化系数均设置为零；否则，不改变所述当前量化CG中的量化系数。
[0013]第二计算判断模块，用于正序遍历变换单元前1/4区域，计算量化损失，筛选最佳量化系数。
[0014]第三方面，本专利技术实施例提供了一种电子设备，包括：至少一个处理器；以及与该至少一个处理器通信连接的存储器；其中，该存储器存储有可被至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行如上述任一方面的任一项所述的方法。
[0015]第四方面，本专利技术实施例提供了一种存储有计算机指令的非暂态计算机可读存储介质，该计算机指令用于使用计算机执行如上述任一方面的任一项所述的方法。
[0016]由上述技术方案可知，本专利技术实施例具有以下有益效果：本专利技术实施例在现有的硬判决量化基础上，利用图像在变换、量化后，人眼敏感的视频信息主要集中在低频部分（左上角），人眼不敏感的视频信息主要集中在高频部分（右下角）的分布特性，对低频部分在可选量化系数中进行最佳量化系数的筛选，在提高画质的同时又不会像SDQ方法那样大幅增加计算量，本实施例提供的量化损失计算方法可以实现计算的并行处理，克服了SDQ方法存在的序列处理依赖问题，计算效率得到了极大的提升。同时，本专利技术实施例对高频部分的非零量化系数进行清零判断，在不影响画质的前提下实现对码率的节省。
附图说明
[0017]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见的，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些图获得其他的附图。
[0018]图1是HEVC视频编码标准中一种CTU划分CU的示例图。
[0019]图2是HEVC视频编码标准中一种CU划分为PU和TU的示例图。
[0020]图3是硬判决量化后量化系数的分布示意图。
[0021]图4是本公开实施例的视频编码量化方法的流程示意图。
[0022]图5是倒序遍历量化CG的扫描方式示意图。
[0023]图6是正序遍历变换单元前1/4区域的扫描方式示意图。
[0024]图7是本公开实施例的视频编码量化装置的结构示意图。
[0025]图8是用来实现本公开实施例的视频编码量化方法的电子设备的结构示意图。
具体实施方式
[0026]下面结合附图，对本专利技术的具体实施方式做进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方法，而不能以此来限制本专利技术的保护范围。
[0027]为了更好地理解以下实施例，先对基本概念进行说明。
[0028]如图1和图2所示，在HEVC中块划分方式不再使用AVC中的编码宏块（MB），而是采用四叉树划分方式，将视频中的视频帧划分为编码树单元(Coding Tree Unit，CTU)，编码树的尺寸普遍被设置为64
×
64，每一个CTU又可以进一步均匀划分成4个编码单元（Coding Unit，CU），一个CU又可以递归按四叉树结构划分为4个小CU。每个CU可以包含一个或多个不同大小的预测单元（Prediction Unit，PU），进一步每个PU又可以包含若干个变换单元（Transform Unit，TU）。对TU进行量化处理时，一般是将TU分为多个系数组（Coefficient Group, CG），针对每个CG，即量化单元执行量化处理。
[0029]对图像进行变换是将空域信号变换到频域信号，有效地去除了信号的相关性，并使大部分能量集中到低频区域。变换后，变换系数能量主要集中在左上区域，也就是正序遍历时靠前的区域。该区域中的系数非常显著，往往集中了人眼敏感的图像信息。特别是，如图3所示，对变换系数执行硬判决量化后，左上本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种视频编码量化方法，其特征在于，包括：获取变换单元，所述变换单元中包括变换系数；对所述变换系数执行硬判决量化，获得量化CG，所述量化CG中包含量化系数；倒序遍历量化CG，计算量化CG的清零分数，若当前量化CG的清零分数小于预设的阈值，则所述当前量化CG中所有非零量化系数均设置为0；否则，不改变所述当前量化CG中的量化系数；正序遍历变换单元前1/4区域计算量化损失，筛选最佳量化系数。2.根据权利要求1所述的视频编码量化方法，其特征在于，所述倒序遍历量化CG和所述正序遍历变换单元前1/4区域的扫描方法为zigzag扫描方法。3.根据权利要求1所述的视频编码量化方法，其特征在于，所述计算量化CG的清零分数包括：如果当前量化CG存在大于1的量化系数，则认定所述当前量化CG的清零分数大于阈值，不改变所述当前量化CG中的量化系数；如果当前量化CG不存在大于1的量化系数，则所述当前量化CG的清零分数为所述当前量化CG中所有量化系数之和。4.根据权利要求1所述的视频编码量化方法，其特征在于，所述计算量化CG的清零分数还包括：如果当前量化CG的清零分数不小于预设的阈值，则停止遍历。5.根据权利要求1所述的视频编码量化方法，其特征在于，所述计算量化损失，筛选最佳量化系数，包括：正序遍历变换单元前1/4区域，对可选量化系数进行反量化，得到估算变换系数；根据变换系数和所述估算变换系数，计算量化损失：其中，c为变换系数，C为估算变换系数，I为可选量化系数，Q为量化步长，f为量化偏移量；比较根据可选量化系数计算得到的量化损失，选择量化损失最小时对应的量化系数作为最佳量化系数。6.根据权利要求5所述的视频编码量化方法，其特征在于，所述可选量化系数包括：I，I+1。7.一种视频编码量化装置，其特征在于，包括：获取模块，用于获取变换单元，所述变换单元中包括变换系数；量化模块，用于对所述变换系数执行硬判决量化处理，获得量化CG，所述量化CG中包含量化系数；第一计算判断模块，用于倒序遍历量化CG，计算量化CG的清零分数，若当前量化CG的清零分数小于...

【专利技术属性】
技术研发人员：孔令一，金星，卢小燕，丁丹丹，朱政，
申请(专利权)人：杭州微帧信息科技有限公司，
类型：发明
国别省市：