基于视频特征分析的HEVC帧内预测自适应算法的研究

摘要

科学技术的高速发展使人们获取信息的方式变得前所未有的方便和快捷，而视频凭借其直观高效等优势成为人们获取信息的主要手段之一。视频采集、图像显示等技术的进步和发展，则推动了高清以及超高清视频的应用，这也对视频传输和存储产生了巨大的压力。在此背景下，最新一代视频编码标准High Efficiency Video Coding（HEVC）应运而生。在上一代视频编码标准的基础上，HEVC针对各个编码模块作了许多优化和改进，引入了更多前沿的技术，在保证视频编码质量不变的条件下，可将编码视频的比特率降低50％左右，将视频压缩的效率提升了一个层次。然而，如此高效的编码压缩性能，是以大幅增加编码时间复杂度为代价而实现的，这严重阻碍了基于无线移动通信的各类实时视频应用的推广。因此，研究如何有效降低编码时间复杂度同时确保优良的编码质量成为视频编码标准中的主要研究内容之一。而帧内预测作为视频编码技术的核心技术之一，是视频编码的初始环节，在整个视频序列的压缩编码过程中占据着举足轻重的地位。因此，针对HEVC帧内预测过程的快速算法研究成为视频编码领域中十分重要的研究课题之一。
　　本文首先简要介绍了视频编码标准的发展历程及其整体框架，对 HEVC标准的编解码框架和相关关键技术作了简单介绍。然后针对 HEVC帧内预测过程作了详细介绍和深入研究，针对该过程中导致编码时间复杂度增加的原因作了详细分析。最后对简要对比分析并总结了近年针对 HEVC帧内预测过程的快速算法研究情况。
　　针对 HEVC帧内预测过程，本文提出了一种基于多种视频图像复杂度特征及编码参数的快速自适应判决算法。该算法针对视频本身的特征及 HEVC帧内预测的编码结构，提取了多种图像复杂度特征及编码参数作为初始变量，在基于机器学习算法的基础上，建立了高效的编码单元及预测单元复杂度分类模型。针对被判决为图像简单的宏块，算法执行提前结束该编码单元继续划分的策略；针对被判决为图像复杂的宏块，则执行跳过当前宏块模式预测过程的策略。该算法有效地对编码块进行了复杂度判断，减少了不必要的帧内预测环节，在降低帧内预测过程的编码时间复杂度方面取得了显著的成果。实验表明，该算法在较好的确保编码质量及编码码率的条件下，可降低60%左右的HEVC编码时间。
　　本文针对 HEVC帧内预测过程的快速算法合理利用了被编码视频本身的图像信息及编码协议本身的结构信息，使用机器学习算法对图像编码块的复杂程度作了较为准确的判断，有效优化了帧内预测的编码块划分过程，最终取得了较好的视频编码效果。因此，该算法对视频编码相关研究及基于无线通信网络的实时视频的应用具有一定的参考价值。

目录

声明

第一章 绪论

1.1 研究背景

1.2 视频压缩与编码原理概述

1.3 视频编解码标准的发展概述

1.4 选题意义及研究现状

1.5 主要研究内容和结构安排

第二章 HEVC视频编码技术

2.1 HEVC概述

2.2 HEVC编码框架和解码框架概述

2.3 HEVC中的关键编码技术

2.4 本章总结

第三章 HEVC帧内预测原理及算法研究

3.1 帧内预测编码

3.2 帧内预测流程及复杂度分析

3.3 帧内预测快速算法研究

3.4 本章总结

第四章 基于机器学习的HEVC帧内预测快速算法的研究

4.1 基于CU/PU划分的统计分析

4.2 基于视频图像复杂度的特征提取算法

4.3 基于多特征机器学习的帧内预测快速算法的研究

4.4 实验结果及分析

4.5 本章小结

第五章 总结与展望

5.1 工作总结

5.2 展望

致谢

参考文献

攻读硕士学位期间取得的成果