面向高效视频编码HEVC基于上下文的自适应算数编码方法

摘要

公开了一种在维持编码效率总体不变的条件下，减少应用的上下文模型个数，以节省系统资源的面向高效视频编码HEVC基于上下文的自适应算数编码方法，HEVC的基于上下文的自适应算数编码CABAC的4类元素lastflag、sig flag、one flag和abs flag的上下文模型储存于三维上下文模型容器中，容器维度分别为x、y、z，调用时使用3个参数a、b、c(a≤x，b≤y，c≤z)，调用到的上下文模型在容器中的线性位置为a*y*z+b*z+c，根据CABAC的编码特点和数理统计方法，对所述4类元素的上下文模型进行合并。

说明书

技术领域

本发明属于视频编码的技术领域，具体地涉及一种面向高效视频编码 HEVC(High efficiency video coding)基于上下文的自适应算数编码方 法。

背景技术

基于上下文的自适应算数编码(Context-based Adaptive Binary  Arithmetic Coding，简称CABAC)是广泛应用于视频编码领域的熵编码方 法，相比于另一广泛应用的CAVLC(Context adaptive variable length  coding，易于上下文的自适应变长编码)熵编码方法而言，编码效率更高， 但是消耗更大。在新一代视频编码标准HEVC的编订中，CABAC被用作高效 模块(High Efficiency Module)的熵编码方法。

现阶段的HEVC测试程序包中(最新版本是HM3.0)，为了达到CABAC 编码的高效，研究人员设定了大量的上下文模型来进行编码。在对于变换 后的NxN(NxN指的是图像块的大小，N是图像块的长和宽)图像块进行熵 编码时，其应用CABAC编码方法的4类元素last flag、sig flag、one flag 和abs flag分别使用了104、100、60和60个不同的上下文模型。

HEVC的CABAC上下文模型储存于三维上下文模型容器中，容器维度分 别为x、y、z。调用时使用3个参数，如a、b、c(a≤x，b≤y，c≤z)， 则调用到的上下文模型在容器中的线性位置为a*y*z+b*z+c。

发明内容

本发明的技术解决问题是：克服现有技术的不足，提供一种在维持编 码效率总体不变的条件下，减少应用的上下文模型个数，以节省系统资源 的面向HEVC的基于上下文的自适应算数编码方法。

本发明的技术解决方案是：该面向高效视频编码HEVC基于上下文的自 适应算数编码方法，HEVC基于上下文的自适应算数编码CABAC的4类元素 last flag、sig flag、one flag和abs flag的上下文模型储存于三维上 下文模型容器中，容器维度分别为x、y、z，调用时使用3个参数a、b、c (a≤x，b≤y，c≤z)，调用到的上下文模型在容器中的线性位置为a*y*z+ b*z+c，根据CABAC的编码特点和数理统计方法，对所述4类元素的上下 文模型进行合并。

由于根据CABAC的编码特点和数理统计方法，对所述4类元素的上下 文模型进行合并，将上下文模型总共减少到130个，所以在维持编码效率 总体不变的条件下，减少了应用的上下文模型个数，以节省系统资源。

附图说明

图1示出了根据本发明的last flag的合并方案表；

图2a-2d示出了根据本发明的sig flag的合并方案表；

图3示出了根据本发明的one flag的合并方案表；

图4示出了根据本发明的abs flag的合并方案表；

图5是One Flag在编码中30个不同上下文模型对应的待编码元素的 0～1概率的图表；

图6是对图5的统计结果进行步长为5％的均匀量化的图表；

图7是对4类元素简化前后的对比明细表。

具体实施方式

该面向HM3.0版本的HEVC的基于上下文的自适应算数编码方法，HEVC 的基于上下文的自适应算数编码CABAC的4类元素last flag、sig flag、 one flag和abs flag的上下文模型储存于三维上下文模型容器中，容器 维度分别为x、y、z，调用时使用3个参数a、b、c(a≤x，b≤y，c≤z)， 调用到的上下文模型在容器中的线性位置为a*y*z+b*z+c，根据CABAC 的编码特点和数理统计方法，对所述4类元素的上下文模型进行合并。下 面对本发明的技术方案做进一步的详细描述。

1.关于one flag

原始的HM3.0当中应用于One Flag编码的上下文模型总共有60个， 其中30个用来进行帧间编码帧的编码工作，另外30个用来进行帧内编码 帧的编码，两者相互独立，通过上下文模型调用参数组(a，b，c)中b的 取值来进行选择，而c的有效取值为[0，29]共30个，a＝0。

合并时包括以下步骤：

(1)通过对测试视频序列进行数理统计，得到one flag元素在编码中 30个上下文模型对应的待编码元素的0～1概率，如图5所示(图 5中横坐标为上下文模型的序列号，也就是(a，b，c)中c的取 值；纵坐标为该特定上下文模型对应待编码元素在整个编码过程 中出现“1”的百分比概率)；

(2)对步骤(1)的统计结果进行步长为5％的均匀量化，如图6所示 (坐标意义同图1的)；

(3)将概率近似的上下文模型予以合并：30个上下文模型在具体编码 时分为6组，每组5个上下文模型，对于一个确定的图像块，应 用1个上下文组进行编码；各组出现的次数差距大，涵盖编号靠 后上下文模型的组的应用次数少于前面的组。

合并方案如图3所示，当删除闲置的上下文模型后，关于One flag所 应用的上下文总数由60个减少为30个。

2.关于last flag

HM3.0中关于last flag的编码分为直角坐标x、y两个方向，通过对 原有上下文方案的数据统计特点进行分析，得到的下面的上下文合并方案 在x、y两个方向上方案是统一的。所有的合并都是基于三维上下文模式容 器的第3维进行的，也就是只更改调用参数组(a，b，c)中的c来进行合 并，c的有效取值为[0，25]共26个，具体合并方案见图1。

当对last flag元素的上下文模型进行合并时，a是分组参数，b＝0或 1，b是帧内或帧间编码的标志，如果是帧内编码取0，如果是帧间编码取1， c是0-25中的整数，包括以下步骤：

(1)通过对测试视频序列进行数理统计，得到last Flag元素在编码 中26个上下文模型对应的待编码元素的0～1概率；

(2)对步骤(1)的统计结果进行步长为5％的均匀量化；

(3)将概率近似的上下文模型予以合并。

在单一方向上原有的上下文模型数为52个(2*26)。当删除闲置的上 下文模型后，关于last flag所应用的上下文个数在x、y两个方向上由104 个减少为68个。

3.关于sig flag

HM3.0的sig flag在具体应用时，根据参数调用组(a，b，c)中a 的4种不同取值，可以分为4个组来表示，每组实际应用的上下文模型个 数是不同的。

组0(a＝0)中，c的有效取值只有4个，为[0，3]，组0的合并方案 见图2a。组1(a＝1)中，c的有效取值为[0，14]，共15个，组1的合并 方案见图2b。组2(a＝2)中，c的有效取值为[0，15]，共16个，组2的 合并方案见图2c。组3(a＝3)中，c的有效取值为[0，14]，共15个，组 3的合并方案见图2d。当对sig flag元素的上下文模型进行合并时，b＝0 或1，b是帧内或帧间编码的标志，a＝0时c是0-3中的整数，a＝1时c是 0-14中的整数，a＝2时c是0-15中的整数，a＝3时c是0-14中的整数， 包括以下步骤：

(1)通过对测试视频序列进行数理统计，得到sig flag元素在编码中

50个上下文模型对应的待编码元素的0～1概率；

(2)对步骤(1)的统计结果进行步长为5％的均匀量化；

(3)将概率近似的上下文模型予以合并：50个上下文模型在具体编码 时对于一个确定的图像块，应用1个上下文组进行编码；各组出 现的次数差距大，涵盖编号靠后上下文模型的组的应用次数少于 前面的组。

当删除闲置的上下文模型后，关于sig flag所应用的上下文个数由100 个减少为66个。

4.关于abs flag

HM3.0中关于abs flag的上下文模型组织结构与one flag十分类似， 同样比较简单，其调用参数组(a，b，c)中a＝0，而c的取值为[0，29] 共30个，根据其特点，合并具体方案见图4。当对abs flag元素的上下文 模型进行合并时，a＝0，b＝0或1，b是帧内或帧间编码的标志，c是0-29 中的整数，包括以下步骤：

(1)通过对测试视频序列进行数理统计，得到abs flag元素在编码中 30个上下文模型对应的待编码元素的0～1概率；

(2)对步骤(1)的统计结果进行步长为5％的均匀量化；

(3)将概率近似的上下文模型予以合并：30个上下文模型在具体编码 时分为6组，每组5个上下文模型，对于一个确定的图像块，应 用1个上下文组进行编码；各组出现的次数差距大，涵盖编号靠 后上下文模型的组的应用次数少于前面的组

当删除闲置的上下文模型后，关于abs flag所应用的上下文个数由60 个减少为30个。

综上所述，本发明针对变换后的NxN图像块的熵编码进行了一系列上 下文简化，总共减少上下文模型个数130个，占总比例的40.1％，具体明细 见图7。

以上所述，仅是本发明的较佳实施例，并非对本发明作任何形式上的 限制，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等 同变化与修饰，均仍属本发明技术方案的保护范围。