一种基于集成学习的帧间图像编码方法技术

本发明专利技术公开了一种基于集成学习的帧间图像编码方法，涉及图像处理技术领域，包括步骤：提取图像组中帧内编码帧在编码划分后各编码块的特征向量以及对应的编码划分模式作为特征训练集；基于特征训练集和初始样本权值对弱分类器进行训练，并获取当前迭代次数的弱分类器系数；根据各迭代次数下的弱分类器和弱分类系数合成强分类器；通过强分类器对目标帧间图像进行各编码深度下对应编码块的编码划分模式预测。本发明专利技术通过将各迭代下的弱分类器进行融合获得强分类器，通过这种强化融合的方式提高分类精度，在保证编码质量的同时大大降低编码计算复杂度。码计算复杂度。码计算复杂度。

【技术实现步骤摘要】
一种基于集成学习的帧间图像编码方法


[0001]本专利技术涉及图像处理
，具体涉及一种基于集成学习的帧间图像编码方法。

技术介绍

[0002]在视频编码标准中，帧是块划分的基本单位，在对一个双向预测内插编码帧（B帧）进行编码时，每一帧图像首先会被分为若干个编码树单元（Coding Tree Unit，CTU）再基于CTU进行下一步划分，视频编码标准将CTU划分为编码单元（Coding Unit，CU）之后可以直接进行预测和变换。其中，VVC编码标准使用嵌套多叉树的四叉树（Quad
‑
Tree with nested MultiType
‑
Tree，QTMTT）结构对CTU进行划分。由于VVC采用了更加灵活的划分方式，随着划分层数的加深，率失真优化（Rate Distortion Optimization，RDO)需要遍历树的分支急剧增多，而每个分支的节点都要被计算，因此编码运算量大幅度增加。
[0003]在保证视频质量基本不变，编码性能损失较小的情况下，如何大幅度减少VVC的运算复杂度成了当前视本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于集成学习的帧间图像编码方法，其特征在于，包括步骤：S1：提取图像组中帧内编码帧在编码划分后各编码块的特征向量以及对应的编码划分模式作为特征训练集；S2：基于特征训练集和初始样本权值对弱分类器进行训练，并获取当前迭代次数的弱分类器系数；S3：判断迭代次数是否达到最大迭代次数，若是，进入下一步骤，若否，更新样本权值进入下一次迭代并放回S2步骤；S4：根据各迭代次数下的弱分类器和弱分类系数合成强分类器；S5：提取图像组中目标帧间图像当前编码深度下各编码块的特征训练集；S6：通过强分类器对特征训练集进行分析，获取当前编码深度对应编码块的编码划分模式分类结果，并在达到最大编码深度前进入下一编码深度并返回S5步骤；S7：根据各编码深度下的各编码块的编码划分模式分类结果进行帧间图像编码。2.如权利要求1所述的一种基于集成学习的帧间图像编码方法，其特征在于，所述S1步骤中，所述特征向量由同一编码块的率失真代价、纹理复杂度、预测残差共同组成。3.如权利要求1所述的一种基于集成学习的帧间图像编码方法，其特征在于，所述S2步骤中，所述弱分类器为分类与回归树分类器。4.如权利要求1所述的一种基于集成学习的帧间图像编码方法，其特征在于，所述S2步骤中，所述弱分类器以达到预设分类误差率区间为训练指标进行训练。5.如权利要求4所述的一种基于集成学习的帧间图像编码方法，其特征在于，所述S2步骤中，所述弱分类器的公式表达为，...

【专利技术属性】
技术研发人员：蒋先涛，柳云夏，郭咏梅，郭咏阳，
申请(专利权)人：宁波康达凯能医疗科技有限公司，
类型：发明
国别省市：