一种基于总码率与信息熵模型的HEVC量化参数优化方法

摘要

本发明涉及一种基于总码率与信息熵模型的HEVC量化参数优化方法设计，针对不同视频序列特征，在码率控制过程中使用总码率与信息熵模型调整HEVC编码过程中的量化参数QP，达到提高率失真性能与更精确码率控制的目的，并且不会对编码复杂度造成显著影响。所述的量化参数QP优化方法同样适用H.264/AVC，AVS等视频编码标准的QP计算。

说明书

技术领域

本发明专利涉及一种基于H.265/MPEG-H HEVC（High Efficiency Video Coding）视频编码标准的量化参数优化方法，尤其涉及一种视频编码码率控制过程的精确校正方法。 

背景技术

在视频编码与传输应用中，新一代高性能视频编码标准H.265/MPEG-H HEVC（High Efficiency Video Coding）由ISO-IEC/MPEG 和ITU-T/VCEG 两大国际标准化组织成立的视频编码联合开发小组(JCT-VC)开发，与H.264/AVC相比，在相同的视觉质量下，HEVC能使比特率降低一半。 

作为新一代视频编码标准，HEVC仍然属于预测加变换的混合编码框架，它也包含了帧内预测、帧间预测、正交变换、量化、滤波、熵编码等编码模块，但在各个编码环节都进行了细致的优化与改进，HEVC标准编码方法如附图1所示。 

在视频编码码率控制算法中，率失真 (Rate-Distortion)性能是需要考虑的问题。一个良好的码率控制算法可以在精确的达到目标码率的同时达到尽量小的编码失真。码率控制问题可以被转化成如公式（1）所示的率失真优化问题，通过这个优化问题编码器将在编码比特数不超过目标比特数的情况下，选择使失真最小化的参数作为最优的编码参数。其中表示编码参数集合，包括模式、运动信息、量化参数QP (Quantization Parameter)等。 

公式(1)中的是拉格朗日乘子，表示曲线的斜率绝对值。视频编码提供了很大的编码灵活性，编码器可以自由的选择各种编码参数的组合。选择不同的参数会对最终视频的编码比特率产生非常重要的影响。因此，码率控制算法会使得编码器在一些离散的合法的编码参数集合中选择合适的编码参数，进而达到目标码率。 

             （1） 

HEVC使用双曲线模型来精确刻画编码算法中的码率失真模型。如公式（2）所示，其中表示经过压缩编码后的视频失真；表示压缩后的比特率，以每像素消耗比特bpp (bit per pixel)为单位；和是和序列特性相关的模型参数，不同的视频序列、的取值不同。

                   （2） 

在码率控制时，HEVC采用了一种新颖的基于模型的域码率控制算法。在这种码率控制算法中，在码率失真模型的基础上通过码率和编码使用的拉格朗日乘子之间建立数学关系，并利用调整的方法达到所期望的目标码率。如公式（3）所示，可以通过该公式计算拉格朗日乘子，其中，。因此和这两个参数也与序列的特性相关，不同序列具有不同的取值。

                               （3） 

由公式（3）进一步得到码率与关系，如公式（4）所示。

                     （4） 

由公式（4）可知码率完全由拉格朗日乘子所决定。与曲线的关系示意图如附图2所示。是由所有实际工作点的凸包络决定的曲线的斜率绝对值，码率和拉格朗日乘子之间存在着一一对应关系。由于曲线是凸函数，基于某个值计算最小化公式（1）等效于使用斜率绝对值为值的直线去逼近曲线，而此直线仅会和曲线相切于一点。因此，值能够决定码率和视频失真。

在码率控制过程中，HEVC根据缓冲区的占有情况在对每一级别的编码单元分配合适数量的比特，通常包括图片组GOP(Group of Pictures)级、图片级和基本单元级(Coding Unit)。为了达到所分配的某个目标码率，编码器将根据公式（3）决定相关联的值，并将其用于编码过程。当编码使用的值确定后，所有其他的编码参数均应由率失真优化RDO(Rate-Distortion Optimization)决定。 

QP是率失真优化问题中待优化的编码参数之一。通常可以通过多QP优化(Multiple-QP Optimization)的方式确定最优的QP。在多QP优化中，通常以公式（5）作为优化目标。 

                   （5） 

是待选QP的集合。理想情况下，可以包含所有允许的QP值，在HEVC中可选的QP值包括从0到51共52个。但如果编码器尝试所有可能的QP值，会极大的增加编码端的复杂度。因此即使使用多QP优化的方法，也仅会根据经验包含有限的几个QP值。

由于编码端复杂度和使用的QP数量成正比，为了在不增加编码端复杂度的情况下，即在不使用多QP优化的情况下提升编码的率失真性能，HEVC基于不同测试序列的实验，利用最优的QP值和之间的线性关系，对编码中所使用的QP值进行修正，如公式（6）所示。然后利用修正后的QP值进行编码。 

                （6） 

在公式（6）中，斜率a为4.2005，截距b取值13.7122，这两个参数是基于不同的测试序列，经过实验拟合后的平均值。实际上，对于不同内容的视频序列，这两个参数应该自适应取值，而在编码过程中采用这种固定的取值方式显然具有一定的局限性。 

发明内容

本发明的目的是提供一种基于总码率与信息熵模型的HEVC量化参数优化方法，本算法在码率控制过程中能够针对不同的视频序列，使用总码率与信息熵模型自适应精确计算量化参数QP值，提升编码的率失真性能。所设计的量化参数QP优化方法同样适用其他视频编码标准的QP计算。 

本发明专利设计的一种基于总码率与信息熵模型的HEVC量化参数优化方法采用以下方案实现：（见图3所示） 

其中为拉格朗日算子、R为总码率、H为残差码率、参数ε、φ为常数、为拉普拉斯分布参数。

     进一步，所述的参数ε、φ，对于 B帧和P 帧，ε、φ取不同的值，

     进一步，所述的为拉普拉斯分布参数，不同的值用以体现不同特征的视频序列。

     进一步，所述的量化参数QP优化方法同样适用其他视频编码标准的QP计算。  

附图说明

图1是HEVC视频编码标准结构框图。 

图2是码率控制中与曲线的关系示意图。 

图3是本发明专利设计的量化参数优化方法。 

具体实施方式

下面结合附图及设计原理阐述本发明专利涉及的技术方案。 

在HEVC中，编码后的总码率为残差信息熵与边信息码率之和，因此除了残差信息以外，边信息也对总码率有较大的影响，尤其在低码率处。在高码率的时候，通常量化步长比较小，总码率R与残差码率H比较接近；而在低码率时，量化步长取值比较大，总码率R与残差码率H则相差较大，这时边信息码率就相对显著。 

变换残差通常服从零均值的拉普拉斯分布，设为拉普拉斯分布参数， 则ln(R/H)与可近似为线性关系，总码率与信息熵模型如公式（7）所示，或者写成公式（8）所示。其中，参数ε、φ为常数，对于 B帧和P 帧，ε、φ取不同的值，如公式（9）所示。的计算方法如公式（10）所示，为变换残差的标准差，体现了当前视频的内容特征。 

                  （7） 

                     （8）

                              （9）

                                      （10）

在HEVC中，量化步长与量化参数QP的关系如公式（11）所示。

                   （11） 

联立公式（8）与（11），即可求出量化参数QP如公式（12）所示，由于不同的拉普拉斯分布参数体现了不同特征的视频序列，因此本发明所设计的QP优化方法与原标准相比更具有自适应不同视频的功能。

        （12） 

在实际的编码过程中，对于当前的目标码率R，需要预测残差码率H与拉普拉斯分布参数。由于视频信号在时间上具有很强的相关性，在较短的时间内帧与帧之间变化很小，因此本发明使用前面已编码的三个帧的均值来预测当前第帧的残差码率与拉普拉斯分布参数，如公式（13）与公式（14）所示。

                                        （13） 

                                          （14）

此外，在低码率时，SKIP 模式的选择频率会更加高，从而导致公式(12)中的残差信息熵接近于0。由于边信息是基于残差信息熵建立的，因此，该模型在此时会导致边信息估计偏小，使得最终码率模型不准确。在所有块都通过SKIP模式进行编码而导致残差信息熵为0的极端情况下，这时的QP就采用传统的方法进行计算，如公式（6）所示。

由于利用时间相关性来预测残差码率H与拉普拉斯分布参数，本发明还需要考虑场景变换的情况。使用当前帧与前一重构帧差值的标准差来体现是否产生场景变换。如公式（15）所示，其中为当前第帧，表示第帧的重构帧，为像素索引值，W与H分别为视频的宽度与高度。 

                             （15） 

当场景变换时，变化就比较剧烈，因此使用当前帧的与前一帧的变化率来判断是否产生场景变换，当小于阈值0.3时，就认为视频场景内容已改变，这时的QP就采用传统的方法进行计算，如公式（6）所示。

                                                    （16） 

综合以上所述，本发明在进行量化参数优化时，首先判断所有编码单元是否为SKIP 模式或者场景发生改变，如果没有则使用基于总码率与信息熵模型的量化参数优化算法，否则采用传统的计算方法获得QP，总的优化方法如公式（17）所示。在当前帧编码完成后需要更新当前帧的残差码率H与拉普拉斯分布参数，以用于下一帧的编码。由于不同内容的视频信号，其残差系数分布参数也不同，因此，本发明所设计的QP优化方法能自适应于不同的视频系列，获得更好的率失真性能，此方法同样适用其他视频编码标准的QP计算。

  

   （17）。