一种基于统计分析的由H264到HEVC低复杂度视频转码方法

摘要

本发明公开了一种基于统计分析的由H264到HEVC低复杂度视频转码方法，包括以下步骤：(1)对原始H.264视频流进行解码，在解码过程中，提取出当前解码帧的宏块编码比特数、宏块编码模式以及运动矢量场；(2)将HEVC编码树单元覆盖的区域对应至当前解码帧的各个宏块，计算每个区域的编码复杂度，并依据编码复杂度确定每个HEVC编码树单元的搜索深度范围；(3)针对每个编码树单元，按照对应的搜索深度范围逐级进行运动估计，而后进行相应的HEVC重编码。本发明能够显著提升H.264到HEVC低复杂度视频转码的速度，并确保得到较低的率失真，具有很强的实用性。

说明书

技术领域

本发明涉及视频转码领域，具体来说是一种基于统计分析的由H264 到HEVC低复杂度视频转码方法。

背景技术

视频编码技术发展的趋势之一是追求更高的编码效率，H.264视频编 码标准在提高编码效率以及编码灵活性方面取得了巨大成功，它使数字视 频有效地应用在各种各样的网络类型和工程领域，然而，多样化的服务、 高清视频的普及、以及超高清格式(4K×2K或8K×4K分辨率)的出现对比 H.264编码效率更高的下一代视频编码标准提出了强烈的需求。

在这样的背景下，MPEG和VCEG组织于2010年成立了视频编码联合 协作小组(JCT-VC)，经过多年的努力研发出了H.264标准的继承者，新一 代视频编码标准HEVC。

与H.264相比，HEVC虽然可以在相似的视频感知质量下节省高达约 50％的比特率，但由于H.264广泛而深入的应用，在相当长一段时间内， 这两个技术需要共存，因此H.264到HEVC的转码在网络传输和存储方面具 有重要的现实意义。

HEVC为了提高编码效率，引入了一系列相当耗时的编码算法，给实 时视频转码应用带来了新的挑战，针对HEVC编码算法特性，在转码过程 中充分利用H.264码流信息来加速转码中HEVC重编码过程是提高转码器 性能的关键之一。

H.264与HEVC最大的不同在于HEVC采用基于自适应四叉树结构的 编码树单元(CTU)，替代了H.264基于宏块的编码单元；此外，H.264的帧 间预测编码只支持7种宏块分割模式：16×16、16×8、8×16、8×8、8×4、4×8 和4×4，而HEVC不仅支持这些对称的分割模式，称为2N×2N、2N×N和 N×2N，而且还支持非对称的分割模式，称为：2N×nU、2N×nD、nL×2N 和nR×2N(其中nU、nD、nL和nR分别对应上下1∶3，上下3∶1，左右1∶3和 左右3∶1的矩形分割方式)。

相比H.264固定宏块大小的编码单元，HEVC对编码图像的划分更为灵 活，从而提供了更好的视频图像质量，这种差异性也直接导致了H.264到 HEVC转码的高复杂度。

视频转码器目前主要包括异构转码器、空间分辨率转码器、帧率转码 器和码率转码器4种，其中异构转码器是不同类别压缩视频流之间的转换， 如MPEG-2到H.264、MPEG-4到H.264等，这类转码相比同类视频流间的转 换，需要考虑更多的问题。

从实现角度考虑，转码器基本可以分为频域转码器和时域转码器两 类，前者先将压缩视频流部分解码至压缩系数域，然后再使用目标格式的 编码器直接对系数进行重新编码，这种结构的优点是计算量小，转码速度 快，缺点是引入了错误漂移，转码视频质量损失较大；后者将压缩视频流 充分解码至像素域，然后根据不同的要求，再使用目标格式的编码器重新 编码，这种结构的优点是转码视频质量高，处理灵活，不会引入错误漂移， 缺点是计算量大，复杂度高。

HEVC作为当前最新的编码标准，与以往的编码标准相比，有着更高 的压缩效率，转码到HEVC编码标准的主要目的正是为了在保证视频质量 的同时降低码率，因此，时域转码器是重点研究的对象，如何在重新编码 阶段尽可能重用解码阶段已有的信息以优化编码环节，在保证视频质量的 同时，提高转码速度是研究热点之一。

然而目前关于H.264到HEVC的快速转码算法还处于起步阶段，大部分 已有工作还仅是针对H.264的转码算法，其中主要集中在利用输入视频的 纹理和运动信息来进行快速模式选择和运动估计。

其中，Fernández-Escribano等人创造性地提出了使用机器学习和数据 挖掘工具来降低MPEG-2到H.264转码复杂度的新方法，但是这些算法并不 能直接有效的适用于HEVC的转码，最近已有学者对HEVC编码快速算法 展开研究，比如Lee等人通过使用参考帧或前一帧中的相同位置编码树结 构来预测当前编码树单元的分割结构，有效地加速了编码过程。

此外，还有针对HEVC残差四叉树编码的快速算法，和HEVC运动估 计快速算法.这些算法都有效地降低了HEVC编码的计算复杂度，同时保 持了良好的率失真性能，然而这些算法没有利用码流信息，还不能很好的 降低H.264到HEVC的转码器的计算复杂度。

因此，若能结合H.264和HEVC算法的相似性，找出H.264码流信息与 HEVC重编码结果之间的关系，并利用其来指导和优化HEVC重编码过程， 将会大幅降低整个转码流程的计算复杂度。

发明内容

本发明提供了一种基于统计分析的由H.264到HEVC低复杂度视频转 码方法，能够显著提升H.264到HEVC低复杂度视频转码的速度，并确保得 到较低的率失真，具有很强的实用性。

一种基于统计分析的由H.264到HEVC低复杂度视频转码方法，包括以 下步骤：

(1)输入原始H.264视频流，并对该视频流进行解码，在解码过程中， 提取出当前解码帧的宏块编码比特数、宏块编码模式以及运动矢量场；

(2)利用步骤(1)中提取的宏块编码比特数将HEVC编码树单元覆 盖的区域对应至当前解码帧的各个宏块，计算每个区域的编码复杂度，并 依据编码复杂度确定每个HEVC编码树单元的搜索深度范围；

(3)针对每个编码树单元，按照对应的搜索深度范围逐级进行运动 估计，而后进行相应的HEVC重编码；

在每一级的运动估计过程中，执行如下步骤：

3-1、利用步骤(1)中提取的宏块编码模式，对预测单元进行Skip模 式的提前判决(仅针对64×64和32×32大小的预测单元进行Skip模式的提前 判决)，若预测单元的模式分值小于设定的阈值，则该预测单元被提前判 定为Skip模式，即按照Skip模式HEVC重编码；

若预测单元的模式分值大于设定的阈值，则进行其他模式的判定，若 被判定为Intra模式，即按照Intra模式HEVC重编码；若被判定为Inter模式， 则进行步骤3-2；

3-2、利用宏块编码比特数选择预测单元的分割模式，

$\mathrm{PU}\left(n\right)=\left(\begin{array}{cc}\mathrm{false},& \mathrm{if}{\mathrm{PU}}_{\mathrm{diff}}\left(n\right)<\beta \times {\mathrm{PU}}_{\mathrm{var}}\left(l\right)\\ \mathrm{true},& \mathrm{otherwise}\end{array}\right)$

其中，PU(n)为预测单元的第n种分割模式；

β为常数，用来权衡编码视频质量和编码时间节省，对称分割时，β 取5；非对称分割时，β取20；

PU_diff(n)为第n种分割模式下，两个部分的宏块编码比特数的平均值之 差；

PU_var(l)为第l个预测单元对应的编码区域中宏块编码比特数的方差；

去除PU(n)=false所对应的分割模式，仅对PU(n)=true所对应的分割模 式进行步骤3-3；

3-3、将每个预测单元按照保留的各种分割模式进行运动搜索，选择 失真率最小的分割模式，以及该分割模式相应的运动矢量进行HEVC重编 码。

作为优选，所述步骤(2)中计算每个区域的编码复杂度，计算规则 如下：

$R\left(k\right)=\left(\begin{array}{cc}L,& {\mathrm{CTUB}}_{\mathrm{avg}}\left(k\right)<(1-\alpha )*{\mathrm{FB}}_{\mathrm{avg}}\\ H,& {\mathrm{CTUB}}_{\mathrm{avg}}\left(k\right)>(1+\alpha )*{\mathrm{FB}}_{\mathrm{avg}}\\ M,& \mathrm{otherwise}\end{array}\right)$

其中，R(k)为编码复杂度；

k为区域的编号；

CTUB_avg(k)为每个编码树单元的平均宏块编码比特数；

FB_avg为当前解码帧的平均宏块编码比特数；

(1-α)*FB_avg和(1+α)*FB_avg为分割阈值；α为常数，用于权衡编码视 频质量和编码时间，α取值0.7；

H、M、L分别代表编码复杂度高、中、低三个类型。

编码树单元是指HEVC编码的基本结构，编码树单元上的每个节点按 照区域位置可以对应至当前解码帧中的若干宏块，实际进行转码操作时， 每个编码树单元的节点对应一个预测单元，编码树单元和预测单元都可以 对应至当前解码帧中的编码区域，编码树单元的编码复杂度计算方法，同 样适用于预测单元的编码复杂度。

作为优选，所述步骤(2)中依据编码复杂度确定每个HEVC编码树单 元的搜索深度范围，确定规则如下：

$\mathrm{DR}\left(k\right)=\left(\begin{array}{cc}\left[\mathrm{0,2}\right],& R\left(k\right)=L\\ \left[\mathrm{1,3}\right],& R\left(k\right)=H\\ \left[\mathrm{0,3}\right],& R\left(k\right)=M\end{array}\right)$

其中，DR(k)代表第k个编码树单元的搜索深度范围，DR(k)可取值为0、 1、2和3，0对应的预测单元的大小为64×64；1对应的预测单元的大小为 32×32；2对应的预测单元的大小为16×16；3对应的预测单元的大小为8×8。

例如，[0，2]意味着进行运动搜索时，依次搜索64×64、32×32和16×16。

作为优选，所述步骤3-1中预测单元的模式分值的计算公式如下：

$\mathrm{MS}=(\underset{N_{\mathrm{SKIP}}}{\Sigma }{S}_{\mathrm{SKIP}}+S_{\mathrm{INTER}}+\underset{N_{\mathrm{INTRA}}}{\Sigma }{S}_{\mathrm{INTRA}})\times W_R$

其中，MS为模式分值；

N_SKIP为预测单元对应的编码区域中模式为Skip的宏块个数；

N_INTRA为预测单元对应的编码区域中模式为Intra的宏块个数；

S_SKIP、S_INTER和S_INTRA是不同模式相应的模式分值；

WR是不同编码区域的权重系数，确定公式如下：

$W_R=\left(\begin{array}{cc}1.2,& R_{\mathrm{PU}}\left(k\right)=L\\ 0.8,& R_{\mathrm{PU}}\left(k\right)=H\\ 1,& R_{\mathrm{PU}}\left(k\right)=M\end{array}\right)$

其中，R_PU(k)为预测单元对应的编码复杂度。

作为优选，所述步骤3-2中，利用宏块编码比特数选择预测单元的分 割模式时，具体计算公式如下：

${\mathrm{ParBits}}_{\mathrm{avg}}\left(m\right)=\frac{1}{N_{\mathrm{Pi}}}\underset{i\in R_{\mathrm{Pi}}}{\Sigma }\mathrm{MBBits}$

${\mathrm{PU}}_{\mathrm{diff}}\left(n\right)=|{\mathrm{ParBits}}_{\mathrm{avg}}\left(0\right)-{\mathrm{ParBits}}_{\mathrm{avg}}\left(1\right)|$

${\mathrm{PU}}_{\mathrm{var}}\left(l\right)=\frac{1}{N_{\mathrm{PU}}}\underset{i\in R_{\mathrm{PU}}}{\Sigma }{(\mathrm{MBBits}-{\mathrm{PUBits}}_{\mathrm{avg}}\left(l\right))}^2$

其中，R_Pi为预测单元的每种分割模式中，第i部分所对应的编码区域， i取0或1；

N_Pi为预测单元的每种分割模式中，第i部分所对应的编码区域R_Pi中的 宏块个数；

为预测单元的每种分割模式中，第i部分中所有宏块的宏 块编码比特数之和；

R_PU为预测单元所对应的编码区域；

ParBits_avg(m)是预测单元的每种分割模式中，各部分对应的编码区域 的平均宏块编码比特数；

PU_diff(n)是预测单元的第n种分割模式中，两个部分的平均宏块编码比 特数之差；

PU_var(l)为第l个预测单元对应的编码区域中宏块编码比特数的方差；

PUBits_avg(l)是第l个预测单元对应编码区域中宏块编码比特数的平均 值。

作为优选，所述步骤3-3中将每个预测单元按照保留的各种分割模式 进行运动搜索时，利用步骤(1)中获得的H.264码流中的运动矢量确定 HEVC的搜索起点和搜索范围，其中搜索起点由下式决定：

${\mathrm{MVP}}_{\mathrm{Pi}}=\left(\underset{i\in R_{\mathrm{Pi}}}{\mathrm{median}}\right\{{\mathrm{MVx}}_i\},\underset{i\in R_{\mathrm{Pi}}}{\mathrm{median}}\{{\mathrm{MVy}}_i\left\}\right)$

式中，R_Pi是每种预测单元的分割模式中第i部分对应的编码区域；

为分割模式中，第i部分中所有宏块的 运动矢量中值；

搜索范围由下式决定：

${\mathrm{MV}}_{\max }\left(n\right)=\left(\underset{i\in R_{\mathrm{PU}\left(n\right)}}{\max }\right\{{\mathrm{MVx}}_i\},\underset{i\in R_{\mathrm{PU}\left(n\right)}}{\max }\{{\mathrm{MVy}}_i\left\}\right)$

SR_PU(n)=max{SR_O／4，MV_max(n)}

其中，R_PU(n)为第n个预测单元所对应的编码区域；

SR_O是预先设定的原始搜索范围；

为分割模式中，第i部分中所有宏块的运动矢量x方向 上的最大值；

为分割模式中，第i部分中所有宏块的运动矢量y方向上 的最大值。

步骤3-1仅针对大小为64×64以及大小为32×32的预测单元进行操 作；步骤3-2只针对大小为64×64以及大小为32×32的预测单元进行；步 骤3-2并非步骤3-3的必经步骤。

针对大小为64×64和32×32的预测单元，依次进行步骤3-1、3-2和3-3， 针对大小为16×16和8×8的预测单元，直接进行步骤3-3，本发明方法中 没有优化的转码过程都采用现有技术进行操作。

本发明基于统计分析的由H.264到HEVC低复杂度视频转码方法，能够 显著提升H.264到HEVC低复杂度视频转码的速度，并确保得到较低的率失 真，具有很强的实用性。

附图说明

图1为本发明基于统计分析的由H.264到HEVC低复杂度视频转码方法 的流程图；

图2为本发明基于统计分析的由H.264到HEVC低复杂度视频转码方法 的BQTerrace序列在不同QP(量化系数)配置下的编码复杂度区域分割结 果；其中(a)为原始帧，(b)量化系数为22，(c)量化系数为27，(d) 量化系数为32；

图3为本发明在RA编码环境配置下的率失真表现对比；(e)为 ParkScene序列，(f)为Cactus序列(g)为BQTerrace序列(h)为BasketballDrive 序列；Proposed为本发明方法的率失真；HM8.0为现有标准技术。

图4为本发明在LDP编码环境配置下的率失真表现对比：(i)为 ParkScene序列，(j)为Cactus序列(k)为BQTerrace序列(l)为BasketballDrive 序列。

具体实施方式

下面结合附图，对本发明基于统计分析的由H.264到HEVC低复杂度视 频转码方法做详细描述。

如图1所示，一种基于统计分析的由H.264到HEVC低复杂度视频转码 方法，包括以下步骤：

(1)输入原始H.264视频流，并对该视频流进行解码，在解码过程中， 提取出当前解码帧的宏块编码比特数、宏块编码模式以及运动矢量场；

就解码过程本身而言，可以采用现有技术，本发明由于在后续过程中 的计算需要，在此强调了宏块编码比特数、宏块编码模式以及运动矢量场 这三类信息的获取。

(2)进行编码时，结合HEVC的特点，利用步骤(1)中提取的宏块 编码比特数将HEVC编码树单元覆盖的区域对应至当前解码帧的各个宏 块，即将当前解码帧的各个宏块划分为若干区域，每个区域对应一个HEVC 编码树单元，再计算每个区域的编码复杂度，并依据编码复杂度确定每个 HEVC编码树单元的搜索深度范围；

其中，计算每个HEVC编码树单元覆盖的区域的编码复杂度时，计算 规则如下：

$R\left(k\right)=\left(\begin{array}{cc}L,& \mathrm{CT}{\mathrm{UB}}_{\mathrm{avg}}\left(k\right)<(1-\alpha )*{\mathrm{FB}}_{\mathrm{avg}}\\ H,& {\mathrm{CTUB}}_{\mathrm{avg}}\left(k\right)>(1+\alpha )*{\mathrm{FB}}_{\mathrm{avg}}\\ M,& \mathrm{otherwise}\end{array}\right)$

其中，R(k)为编码复杂度；

k为区域的编号；

CTUB_avg(k)为每个编码树单元的平均宏块编码比特数；

FB_avg为当前解码帧的平均宏块编码比特数；

(1-α)*FB_avg和(1+α)*FB_avg为分割阈值；α取值0.7；

H代表编码复杂度高；

M代表编码复杂度中；

L代表编码复杂度低；

依据不同HEVC编码树单元覆盖的区域的编码复杂度，确定每个 HEVC编码树单元的搜索深度范围，确定规则如下：

$\mathrm{DR}\left(k\right)=\left(\begin{array}{c}\left[\mathrm{0,2}\right],R\left(k\right)=L\\ \left[\mathrm{1,3}\right],R\left(k\right)=H\\ \left[\mathrm{0,3}\right],R\left(k\right)=M\end{array}\right)$

其中，DR(k)代表第k个编码树单元的搜索深度范围，DR(k)可取值为0、 1、2和3。

0对应的预测单元的大小为64×64(像素)；

1对应的预测单元的大小为32×32；

2对应的预测单元的大小为16×16；

3对应的预测单元的大小为8×8。

例如，[1，3]意味着在后续进行运动搜索时，依次搜索32×32、16×16 和8×8这三种大小的编码树单元。

(3)针对每个编码树单元，按照对应的搜索深度范围逐级进行运动 估计，而后进行相应的HEVC重编码；

在每一级的运动估计过程中，执行如下步骤：

3-1、利用步骤(1)中提取的宏块编码模式，对每个64×64和32×32大 小的预测单元进行Skip模式的提前判决(对于16×16和8×8大小的预测单元 不执行提前判决，还是按照现有技术进行各个模式的遍历以及后续的编码 步骤)，若预测单元的模式分值小于设定的阈值，则该预测单元被提前判 定为Skip模式，即按照Skip模式HEVC重编码；

预测单元的模式分值的计算公式如下：

$\mathrm{MS}=(\underset{N_{\mathrm{SKIP}}}{\Sigma }{S}_{\mathrm{SKIP}}+S_{\mathrm{INTER}}+\underset{N_{\mathrm{INTRA}}}{\Sigma }{S}_{\mathrm{INTRA}})\times W_R$

其中，MS为模式分值；

N_SKIP为预测单元对应的编码区域中模式为Skip的宏块个数；

N_INTRA为预测单元对应的编码区域中模式为Intra的宏块个数；

S_SKIP为模式为Skip的模式分值，取0；

S_INTRA为模式为Intra的模式分值，取值为4；

S_INTER为模式为Skip的模式分值，计算公式如下：

$S_{\mathrm{INTER}}=\underset{i=0}{\overset{2}{\Sigma }}{N}_{\mathrm{INTER}\left(i\right)}\times S_{\mathrm{INTER}\left(i\right)}$

其中，N_INTER(i)为预测单元对应的编码区域中模式为Inter(i)的宏块个 数；

S_INTER(i)为模式为Inter的模式分值，具体地，S_INTER(0)＝1，S_INTER(1)＝2， S_INTER(2)＝3。

各模式对应的模式分值，如表1所示。

表1

W_R是不同编码区域的权重系数，确定公式如下：

$W_R=\left(\begin{array}{cc}1.2,& R_{\mathrm{PU}}\left(k\right)=L\\ 0.8,& R_{\mathrm{PU}}\left(k\right)=H\\ 1,& R_{\mathrm{PU}}\left(k\right)=M\end{array}\right)$

其中，R_PU(k)为预测单元对应的编码复杂度。

对于大小为64×64的预测单元，计算出的模式分值小于16，则判定为 Skip模式，对于大小为32×32的预测单元，计算出的模式分值小于4，则判 定为Skip模式；

对于大小为64×64，且模式分值大于16的预测单元以及大小为32×32， 且模式分值大于4的预测单元，依据现有技术进行其他模式的判定，若被 判定为Intra模式，即按照Intra模式HEVC重编码；若被判定为Inter模式， 则进行步骤3-2；

3-2、利用宏块编码比特数选择预测单元的分割模式，具体计算公式 如下：

${\mathrm{ParBits}}_{\mathrm{avg}}\left(m\right)=\frac{1}{N_{\mathrm{Pi}}}\underset{i\in R_{\mathrm{Pi}}}{\Sigma }\mathrm{MBBits}$

PU_diff(n)＝|ParBits_avg(0)-ParBits_avg(1)|

${\mathrm{PU}}_{\mathrm{var}}\left(l\right)=\frac{1}{N_{\mathrm{PU}}}\underset{i\in R_{\mathrm{PU}}}{\Sigma }{(\mathrm{MBBits}-{\mathrm{PUBits}}_{\mathrm{avg}}\left(l\right))}^2$

其中，R_Pi为预测单元的每种分割模式中，第i部分所对应的编码区域， i取0或1；

N_Pi为预测单元的每种分割模式中，第i部分所对应的编码区域R_Pi中的 宏块个数；

为预测单元的每种分割模式中，第i部分中所有宏块的宏 块编码比特数之和；

R_PU为预测单元所对应的编码区域；

ParBits_avg(m)是预测单元的每种分割模式中，各部分对应的编码区域 的平均宏块编码比特数；

PU_diff(n)是预测单元的第n种分割模式中，两个部分的平均宏块编码比 特数之差；

PU_var(l)为第l个预测单元对应的编码区域中宏块编码比特数的方差；

PUBits_avg(l)是第l个预测单元对应编码区域中宏块编码比特数的平均 值；

计算完毕后，依据下式判断某种模式是否应该保留：

$\mathrm{PU}\left(n\right)=\left(\begin{array}{cc}\mathrm{false},& \mathrm{if}{\mathrm{PU}}_{\mathrm{diff}}\left(n\right)<\beta \times {\mathrm{PU}}_{\mathrm{var}}\left(l\right)\\ \mathrm{true},& \mathrm{otherwise}\end{array}\right)$

其中，PU(n)为预测单元的第n种分割模式；

β为常数，对称分割时，β取5；非对称分割时，β取20；

PU_diff(n)为第n种分割模式下，两个部分的宏块编码比特数的平均值之 差；

PU_var(l)为第l个预测单元对应的编码区域中宏块编码比特数的方差；

去除PU(n)＝false所对应的分割模式，仅对PU(n)＝true所对应的各分割 模式进行进行运动搜索，选择失真率最小的分割模式，以及该分割模式相 应的运动矢量进行HEVC重编码。

由于本发明去除PU(n)＝false所对应的分割模式，因此在很大程度上减 少了编码的运算量，合理的简化了流程。

作为进一步的改进，步骤3-2中，每个预测单元按照保留的各种分割 模式进行运动搜索时，采用步骤3-3的运动搜索过程，同理在步骤3-1中， 对于没有执行提前判决的16×16和8×8大小的预测单元，在进行后续的运动 搜索时，也采用步骤3-3的运动搜索过程。

步骤3-1中被判定为SKIP以及INTRA模式的预测单元，不再执行步骤 3-3。

3-3、进行运动搜索时，利用步骤(1)中获得的H.264码流中的运动 矢量确定HEVC的搜索起点和搜索范围，其中搜索起点由下式决定：

${\mathrm{MVP}}_{\mathrm{Pi}}=\left(\underset{i\in R_{\mathrm{Pi}}}{\mathrm{median}}\right\{\mathrm{MV}{x}_i\},\underset{i\in R_{\mathrm{Pi}}}{\mathrm{median}}\{\mathrm{MV}{y}_i\left\}\right)$

式中，R_Pi是每种预测单元的分割模式中第i部分对应的编码区域；

为分割模式中，第i部分中所有宏块的 运动矢量中值；

搜索范围由下式决定：

${\mathrm{MV}}_{\max }\left(n\right)=\left(\underset{i\in R_{\mathrm{PU}\left(n\right)}}{\max }\right\{\mathrm{MV}{x}_i\},\underset{i\in R_{\mathrm{PU}\left(n\right)}}{\max }\{\mathrm{MV}{y}_i\left\}\right)$

SR_PU(n)＝max{SR_O/4，MV_max(n)}

其中，R_PU(n)为第n个预测单元所对应的编码区域；

SR_O是预先设定的原始搜索范围；

为分割模式中，第i部分中所有宏块 的运动矢量最大值。

表2

由表2中可以看出，采用本发明方法与HM(HEVC的标准参考代码， 下载地址为https:／／hevc.hhi.fraunhofer.de／svn／svn_HEVCSoftware)和Lee(参 见文献LEE H S，KIM K Y，KIM T R，et al.Fast encoding algorithm based on  depth of coding-unit for high efficiency video coding[J].Optical Engineering. 2012，51(6)：067402)方法相比，均可以大大缩短转码时间，提高转码效率。

本发明的BQTerrace序列在不同量化系数的配置下的编码复杂度区域 分割结果如图2所示，在RA和LDP编码环境配置下的率失真表现如图3、图 4所示，均能够达到较低的率失真。