本發(fā)明屬于視頻壓縮編碼領域，尤其涉及一種基于四叉樹概率預測的低復雜度視頻編碼方法。
背景技術：
：目前，高效視頻編碼HEVC(Highefficiencyvideocoding,HEVC)已成為有限存儲資源與網(wǎng)絡帶寬下，存儲和傳輸高質量、高分辨率視頻的不二選擇，但研究者們對于高效視頻編碼標準的探索仍然沒有止步。為了獲得更高的壓縮性能，HEVC標準采用了更為復雜的編碼技術。因此，對于編碼復雜度的優(yōu)化一直是研究者們不懈追求的目標。在眾多HEVC低復雜度編碼的研究工作中，對預測編碼中模式劃分問題的研究成果較為卓越。這些方法在一定程度上均有效降低了四叉樹劃分過程中的計算量。然而HEVC每進行一次四叉樹劃分均要遍歷所有的模式的預測單元。因此，若能直接對HEVC中的四叉樹劃分過程進行簡化，編碼器端的計算復雜度將顯著降低。目前已有的四叉樹優(yōu)化算法大多通過跳過不必要的預測深度來實現(xiàn)低復雜度編碼，從某種意義上忽略了不同四叉樹根節(jié)點亦會影響編碼復雜度這一重要因素。因此，面向四叉樹結構優(yōu)化的HEVC低復雜度編碼方法的性能仍有提升空間。技術實現(xiàn)要素：本發(fā)明的目的是提供一種基于四叉樹概率預測的低復雜度視頻編碼方法，在保持視頻重建圖像質量的前提下，節(jié)約編碼時間，提高HEVC編碼效率。為解決上述問題，本發(fā)明采用如下的技術方案：一種基于四叉樹概率預測的低復雜度視頻編碼方法包括以下步驟：步驟S1、采用預設的編碼四叉樹對首個圖像組(Groupofpicture,GOP)中所有編碼幀進行編碼，得到初始GOP中每幀圖像的最優(yōu)編碼單元(codingunit,CU)分布概率P；步驟S2、通過四叉樹分布概率P建模得到已編碼GOP的預測四叉樹結構Festa.；步驟S3、對待編碼GOP進行四叉樹結構預測，F(xiàn)pred.表示待編碼GOP中每一幀圖像的四叉樹結構，F(xiàn)pred.計算如下式：其中，δ(CU,Framen)表示待編碼GOP中第n幀圖像的編碼四叉樹節(jié)點是否存在，δ計算如下式：δ=0,P<σ1,P≥σ,]]>其中，{1,0}分別代表編碼四叉樹的節(jié)點是否存在，σ為經(jīng)驗閾值，當式(1)中δ(CU,Framen)＝0時，表示預測四叉樹中該節(jié)點不存在；當δ(CU,Framen)＝1時，預測四叉樹的根節(jié)點尺寸定義為δ(CU,Framen)中CU的最大尺寸；樹深度定義為log2(Rootnode)-log2(leafnode)+1，其中，Rootnode表示根節(jié)點尺寸，leafnode表示δ(CU,Framen)中CU的最小尺寸；步驟S4、由更新周期T判斷當前編碼幀是否需要進行概率模型更新，若需更新則進入步驟S5，否則進入步驟S6；步驟S5、對當前GOP的預測四叉樹分布概率模型更新，用更新后的四叉樹結構作為當前或后續(xù)GOP的預測四叉樹，計算如下式：F~esta.n=Festa.n-1,Z(Festa.n)=Z(Festa.n-1)ρ·Festa.n-1+(1-ρ)·Festa.n,Z(Festa.n)≠Z(Festa.n-1)]]>其中，表示更新后的預測四叉樹結構，表示當前GOP的已預測四叉樹結構，表示前一個GOP的已預測四叉樹結構，Z(·)表示F中零元素的個數(shù)和位置，ρ∈[0,1]用于平衡更新性能；將替代執(zhí)行步驟S3，得到預測四叉樹的根節(jié)點尺寸和樹深度，然后執(zhí)行步驟S6；步驟S6、由計算得到的根節(jié)點尺寸和樹深度構成預測四叉樹，從預測四叉樹根節(jié)點開始遍歷所有樹節(jié)點，直到樹深度達到預測的最大值，同時通過預測四叉樹對當前及后續(xù)GOP中所有編碼幀進行節(jié)點遍歷，通過率失真代價計算得到最優(yōu)CU尺寸劃分結果；步驟S7、判斷當前GOP是否為最后一個GOP，若是則采用預測四叉樹完成編碼并結束，否則返回步驟S4。作為優(yōu)選，步驟S1具體為：采用一顆樹深度為4，根節(jié)點尺寸為64×64像素的編碼四叉樹對首個圖像組(Groupofpicture,GOP)中所有編碼幀進行編碼，得到初始GOP中每幀圖像的最優(yōu)編碼單元(codingunit,CU)分布概率P；P=N(CU)N(CU64)+N(CU32)+N(CU16)+N(CU08)]]>其中，CU64、CU32、CU16、CU08分別表示尺寸為64×64像素、32×32像素、16×16像素、8×8像素的CU，N(CU)表示某一尺寸CU被選中的次數(shù)。作為優(yōu)選，步驟S2中Festa.計算如下式：其中，P(CU,Framen)表示已編碼GOP中第n幀圖像的最優(yōu)CU分布概率。作為優(yōu)選，步驟S4中更新周期T計算如下式：T=N,GOPSize<FrameRateGOPSize,GOPSize≥FrameRate]]>其中，GOPSize表示GOP長度，F(xiàn)rameRate表示幀率，N表示編碼時一秒鐘包含多少個整數(shù)倍GOP，N定義如下：N=GOPSize·floor(FrameRateGOPSize)]]>其中，floor表示下取整。本發(fā)明的有益效果是，四叉樹分布概率預測機制參考了不同的GOP結構，對編碼幀四叉樹的根節(jié)點和深度進行預測；預測模型更新參考視頻內容參數(shù)，定期預測新的四叉樹結構，保證后續(xù)編碼幀預測精度。本發(fā)明所提出的低復雜度視頻編碼算法有效避免了完整四叉樹遍歷，打破了傳統(tǒng)HEVC標準中四叉樹預測結構，降低了編碼器得到最優(yōu)CU劃分尺寸的計算時間，以犧牲少量的峰值信噪比換取了大量編碼時間的節(jié)省，從根本上提高了HEVC編碼器預測編碼部分的執(zhí)行效率。附圖說明圖1是本發(fā)明的視頻編碼方法流程圖。具體實施方式下面結合附圖和具體實施方式對本發(fā)明進行詳細說明。為了避免HEVC四叉樹節(jié)點全遍歷計算，本發(fā)明提供了一種基于四叉樹概率預測的低復雜度視頻編碼方法，流程如圖1所示，具體按照以下步驟進行：第一步，采用一顆樹深度為4，根節(jié)點尺寸為64×64像素的編碼四叉樹對首個圖像組(Groupofpicture,GOP)中所有編碼幀進行編碼，得到初始GOP中每幀圖像的最優(yōu)編碼單元(codingunit,CU)分布概率P；P=N(CU)N(CU64)+N(CU32)+N(CU16)+N(CU08)---(1)]]>其中，CU64，CU32，CU16，CU08分別表示尺寸為64×64像素，32×32像素，16×16像素，8×8像素的CU，N(CU)表示某一尺寸CU被選中的次數(shù)。第二步，通過四叉樹分布概率P建模得到已編碼GOP的預測四叉樹結構Festa.，F(xiàn)esta.計算如下式：其中，P(CU,Framen)表示已編碼GOP中第n幀圖像的最優(yōu)CU分布概率。第三步，對待編碼GOP進行四叉樹結構預測，F(xiàn)pred.表示待編碼GOP中每一幀圖像的四叉樹結構，F(xiàn)pred.計算如下式：其中，δ(CU,Framen)表示待編碼GOP中第n幀圖像的編碼四叉樹節(jié)點是否存在，δ計算如下式：δ=0,P<σ1,P≥σ---(4)]]>其中，{1,0}分別代表編碼四叉樹的節(jié)點是否存在，σ為經(jīng)驗閾值。當式(3)中δ(CU,Framen)＝0時，表示預測四叉樹中該節(jié)點不存在；當δ(CU,Framen)＝1時，預測四叉樹的根節(jié)點尺寸定義為δ(CU,Framen)中CU的最大尺寸；樹深度定義為log2(Rootnode)-log2(leafnode)+1，其中，Rootnode表示根節(jié)點尺寸，leafnode表示δ(CU,Framen)中CU的最小尺寸。第四步，由更新周期T判斷當前編碼幀是否需要進行概率模型更新，若需更新則進入第五步，否則進入第六步，T計算如下式：T=N,GOPSize<FrameRateGOPSize,GOPSize≥FrameRate---(5)]]>其中，GOPSize表示GOP長度，F(xiàn)rameRate表示幀率，N表示編碼時一秒鐘包含多少個整數(shù)倍GOP，N定義如下：N=GOPSize·floor(FrameRateGOPSize)---(6)]]>其中，floor表示下取整。第五步，對當前GOP的預測四叉樹分布概率模型更新，用更新后的四叉樹結構作為當前或后續(xù)GOP的預測四叉樹，計算如下式：F~esta.n=Festa.n-1,Z(Festa.n)=Z(Festa.n-1)ρ·Festa.n-1+(1-ρ)·Festa.n,Z(Festa.n)≠Z(Festa.n-1)---(7)]]>其中，表示更新后的預測四叉樹結構，表示當前GOP的已預測四叉樹結構，表示前一個GOP的已預測四叉樹結構，Z(·)表示F中零元素的個數(shù)和位置，ρ∈[0,1]用于平衡更新性能。將替代執(zhí)行第三步，得到預測四叉樹的根節(jié)點尺寸和樹深度，然后執(zhí)行第六步。第六步，由計算得到的根節(jié)點尺寸和樹深度構成預測四叉樹，從預測四叉樹根節(jié)點開始遍歷所有樹節(jié)點，直到樹深度達到預測的最大值。用預測四叉樹對當前及后續(xù)GOP中所有編碼幀進行節(jié)點遍歷，通過率失真代價計算得到最優(yōu)CU尺寸劃分結果；第七步，判斷當前GOP是否為最后一個GOP，若是則采用預測四叉樹完成編碼并結束，否則返回第四步。本發(fā)明基于四叉樹概率預測的低復雜度視頻編碼方法與國際標準算法HM15.0進行對比，采用deltapeaksignal-tonoiseratio(BDPSNR)和deltabitrate(BDBR)衡量編碼質量增益。編碼時間節(jié)省用TS表示，編碼性能統(tǒng)計結果見表1、表2和表3，其中，ClassA-F為國際視頻編碼標準制定組織提供的官方測試序列。表1全幀內條件下本文算法與HM15.0性能比較結果表2低延遲條件下本文算法與HM15.0性能比較結果表3隨機接入條件下本文算法與HM15.0性能比較結果統(tǒng)計結果表明，與新一代國際視頻標準HEVC(HM15.0)相比較，本發(fā)明基于四叉樹概率預測的低復雜度視頻編碼方法展現(xiàn)了優(yōu)秀的低復雜度編碼性能。針對多類型、不同分辨率的測試序列，平均最高節(jié)約28％的編碼時間，在重建圖像質量損失較小前提下，編碼復雜度得到優(yōu)化，整體上提高了HEVC編碼器的壓縮效率。以上實施例僅為本發(fā)明的示例性實施例，不用于限制本發(fā)明，本發(fā)明的保護范圍由權利要求書限定。本領域技術人員可以在本發(fā)明的實質和保護范圍內，對本發(fā)明做出各種修改或等同替換，這種修改或等同替換也應視為落在本發(fā)明的保護范圍內。當前第1頁1 2 3