【技术实现步骤摘要】
一种基于决策树支持向量机的帧间图像编码方法
[0001]本专利技术涉及图像处理
，具体涉及一种基于决策树支持向量机的帧间图像编码方法。
技术介绍
[0002]在视频编码技术发展的过程中，技术不断革新，最新的VVC编码技术，其虽然显著提高了视频的压缩率，但是过长的编码时间使VVC难以投入到实际应用中。因此在保证视频质量基本不变，编码性能损失较小的情况下，如何大幅减少VVC的运算复杂度就成了当前视频编码研究者的重点研究方向。同时，在面向VVC标准设计低复杂度编码算法时，不仅需要考虑到新引入的编码技术对预测模式选择过程的影响，还要关注QTMT划分类型的预测准确率不高的问题。
技术实现思路
[0003]为了在降低VVC编码复杂度的同时保证QTMT划分的预测准确率，本专利技术提出了一种基于决策树支持向量机的帧间图像编码方法，包括步骤：S1：提取目标画面组中的第一帧作为参考帧，并根据各二分类分组提取参考帧在各编码深度下相应的目标特征集；S2：根据目标特征集，对相应二分类分组所匹配的二分类支持向量机，进行参考帧各编码...
【技术保护点】
【技术特征摘要】
1.一种基于决策树支持向量机的帧间图像编码方法，其特征在于，包括步骤：S1：提取目标画面组中的第一帧作为参考帧，并根据各二分类分组提取参考帧在各编码深度下相应的目标特征集；S2：根据目标特征集，对相应二分类分组所匹配的二分类支持向量机，进行参考帧各编码深度下的二分类划分训练；S3：通过训练后的首端二分类支持向量机，对目标帧进行当前编码深度下各编码块的分类判定，并基于欧几里得距离对分类结果进行最优超平面求取下划分/不划分的分类优化；S4：通过训练后的第二二分类支持向量机，对判定划分的编码块进行当前编码深度下各编码块的分类判定，并基于欧几里得距离对分类结果进行最优超平面求取下四叉树划分/非四叉树划分的分类优化；S5：通过训练后的第三二分类支持向量机，对判定非四叉树划分的编码块进行当前编码深度下各编码的分类判定，并基于马氏距离对分类结果进行最优超平面求取下垂直划分/水平划分的分类优化；S6：通过训练后的末端二分类支持向量机，基于方向分类结果进行当前编码深度下各编码块的判定分类，并基于马氏距离对分类结果进行最优超平面求取下二叉树划分/三叉树划分的分类优化；S7：根据最终分类结果对当前编码深度下的各编码块进行划分，在目标帧编码结束前进入下一编码深度并返回S3步骤。2.如权利要求1所述的一种基于决策树支持向量机的帧间图像编码方法，其特征在于，所述S6步骤中，末端二分类支持向量机包括第四二分类支持向量机和第五二分类支持向量机，其中第四二分类支持向量机用于对判定垂直划分的编码块进行分类判定，第五二分类支持向量机用于对判定水平划分的编码块进行分类判定。3.如权利要求2所述的一种基于决策树支持向量机的帧间图像编码方法，其特征在于，所述二分类分组包括第一二分类分组至第五二分类分组，其中：第一二分类分组为划分和不划分分组，匹配首端二分类支持向量机；第二二分类分组为四叉树划分和非四叉树划分分组，匹配第二二分类支持向量机；第三二分类分组为垂直划分和水平划分分组，匹配第三二分类支持向量机；第四二分类分组为垂直二叉树划分和垂直三叉树划分分组，匹配第四二分类支持向量机；第五二分类分组为水平二叉树划分和水平三叉树划分分组，匹配第五二分类支持向量机。4.如权利要求3所述的一种基于决策树支持向量机的帧间图像编码方法，其特征在于，所述S1步骤中，第一二分类分组相应的目标特征集包括纹理复杂度、率失真代价函数、深度信息；第二二分类组相应的目标特征集包括预测残差、率失真代价函数、四叉树划分四个子块的运动矢量方差；第三二分类组相应的目标特征集包括率失真代价函数、深度信息、编码单元运动矢量和模式信息带来的码率开销；第四二分类组和第五二分类组相应的目标特征集包括率失真代价函数、划分方向上二叉树子块间的运动矢量方差、划分方向上三叉树子块间的运动矢量方差。
...
【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：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。