本發(fā)明涉及視頻編解碼領(lǐng)域，尤其涉及一種HEVC幀內(nèi)預(yù)測(cè)編碼單元(CodingUnit,CU)快速選擇方法，該方法用于降低視頻編碼的復(fù)雜度。
背景技術(shù)：
：近年來，人們對(duì)于視頻的質(zhì)量要求越來越高，因此如何有效地壓縮視頻成為當(dāng)前研究的重點(diǎn)。高效率視頻編碼(HEVC)是一種新的編碼壓縮標(biāo)準(zhǔn)，作為H.264/AVC(高級(jí)視頻編碼)編碼技術(shù)的繼任者，HEVC提供了更好地性能、以及支持更高地分辨率。然而，HEVC編碼的復(fù)雜度也在急劇增加。編碼復(fù)雜度增加的其中一個(gè)主要原因?yàn)椴煌贖.264/AVC的固定尺寸的編碼單元，HEVC的編碼單元是多尺寸的，因此如何快速地進(jìn)行幀內(nèi)預(yù)測(cè)單元的選擇成為視頻壓縮編碼領(lǐng)域一項(xiàng)重要的研究方向。技術(shù)實(shí)現(xiàn)要素：本發(fā)明提供了一種HEVC幀內(nèi)預(yù)測(cè)編碼單元快速選擇方法，本發(fā)明針對(duì)于幀內(nèi)預(yù)測(cè)模式中編碼單元的快速選擇，提出了一種基于圖像紋理復(fù)雜度的CU模式選擇算法，有效地降低了幀內(nèi)編碼所需的時(shí)間，詳見下文描述：一種HEVC幀內(nèi)預(yù)測(cè)編碼單元快速選擇方法，所述方法包括以下步驟：首先從圖像紋理復(fù)雜度的特點(diǎn)出發(fā)，獲取圖像紋理復(fù)雜度與CU塊尺寸之間的關(guān)系；將圖像紋理復(fù)雜度作為K-means聚類算法的輸入向量；將HEVC原有的幀內(nèi)算法與k-means聚類方法相結(jié)合，最終實(shí)現(xiàn)CU塊的劃分。其中，所述獲取圖像紋理復(fù)雜度與CU塊尺寸之間的關(guān)系的步驟具體為：利用CU塊的方差值代表像素間的差異，表示視頻圖像的紋理復(fù)雜度。其中，所述將HEVC原有的幀內(nèi)算法與k-means聚類方法相結(jié)合，最終實(shí)現(xiàn)CU塊的劃分的步驟具體為：通過K-means聚類算法、獲得不同尺寸CU塊的聚類中心；計(jì)算當(dāng)前CTU塊的圖像紋理復(fù)雜度；根據(jù)CTU塊的方差和歐氏距離對(duì)當(dāng)前CU塊進(jìn)行劃分；利用當(dāng)前CTU的方差得到其所處的尺寸的范圍，在此范圍內(nèi)進(jìn)行率失真代價(jià)計(jì)算，從而降低塊劃分的復(fù)雜度；完成CTU的塊劃分。其中，所述通過K-means聚類算法、獲得不同尺寸CU塊的聚類中心的步驟具體為：從過濾后的數(shù)據(jù)中隨機(jī)選取4個(gè)方差值作為K-means聚類算法的最初聚類中心點(diǎn)；遍歷除4個(gè)最初聚類中心點(diǎn)以外的其他所有可用的方差值，根據(jù)最小距離的原則，尋找出每個(gè)方差所滿足的聚類中心點(diǎn)，并將該方差值加入到此聚類中心所處的聚類中；計(jì)算每個(gè)聚類中方差的平均值，將該值選作為聚類的新的中心點(diǎn)，直到連續(xù)兩次所獲得的距離中心相同為止。本發(fā)明提供的技術(shù)方案的有益效果是：本方法在現(xiàn)有的K-means聚類算法的基礎(chǔ)上，結(jié)合幀內(nèi)預(yù)測(cè)算法，提出更好的幀內(nèi)編碼單元?jiǎng)澐值姆椒?，在視頻質(zhì)量幾乎不降低的情況下，實(shí)現(xiàn)視頻編碼復(fù)雜度的降低，滿足了實(shí)際應(yīng)用中的需要。附圖說明圖1為一種HEVC幀內(nèi)預(yù)測(cè)編碼單元快速選擇方法的流程圖；圖2為測(cè)試序列CU塊劃分結(jié)果(QP＝27)的示意圖。具體實(shí)施方式為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面對(duì)本發(fā)明實(shí)施方式作進(jìn)一步地詳細(xì)描述。實(shí)施例1本發(fā)明實(shí)施例提供了一種HEVC幀內(nèi)預(yù)測(cè)編碼單元快速選擇方法，參見圖1，該選擇方法包括以下步驟：101：首先從圖像紋理復(fù)雜度的特點(diǎn)出發(fā)，獲取圖像紋理復(fù)雜度與CU塊尺寸之間的關(guān)系；102：將圖像紋理復(fù)雜度作為K-means聚類算法的輸入向量；103：將HEVC原有的幀內(nèi)算法與k-means聚類方法相結(jié)合，最終實(shí)現(xiàn)CU塊的劃分。綜上所述，本方法在現(xiàn)有的K-means聚類算法的基礎(chǔ)上，結(jié)合幀內(nèi)預(yù)測(cè)算法，提出更好的幀內(nèi)編碼單元?jiǎng)澐值姆椒?，在視頻質(zhì)量幾乎不降低的情況下，實(shí)現(xiàn)視頻編碼復(fù)雜度的降低，滿足了實(shí)際應(yīng)用中的需要。實(shí)施例2下面結(jié)合具體的計(jì)算公式、例子對(duì)實(shí)施例1中的方案進(jìn)行詳細(xì)介紹，詳見下文描述：201：對(duì)每一個(gè)視頻測(cè)試序列進(jìn)行塊劃分，獲取CU塊的劃分結(jié)果；其中，為了驗(yàn)證圖像的紋理復(fù)雜度與CU塊的尺寸之間的關(guān)系，對(duì)一個(gè)視頻測(cè)試序列進(jìn)行塊劃分，得到CU塊的劃分結(jié)果，如圖2所示。從圖2中可以看出墻壁等區(qū)域基本采用64×64和32×32尺寸的CU塊，這些區(qū)域的紋理比較平坦且像素間的差距較小；而羽毛和眼睛等區(qū)域的紋理較為復(fù)雜，基本采用了16×16和8×8尺寸的CU塊。具體實(shí)現(xiàn)時(shí)，本發(fā)明實(shí)施例對(duì)上述劃分尺寸不做限制，可以根據(jù)實(shí)際應(yīng)用中的需要進(jìn)行設(shè)定。202：利用CU塊的方差值代表像素間的差異，進(jìn)一步表示視頻圖像的紋理復(fù)雜度；其中，CU塊方差求解公式如下：其中，M和N為視頻圖像區(qū)域塊的長(zhǎng)和寬，i和j為像素的位置坐標(biāo)，P(i,j)指在(i,j)處的像素值，δM×N是圖像塊的方差，Mean是指圖像塊的平均像素值。為了進(jìn)一步得到圖像塊的方差與CU塊劃分之間的關(guān)系，本發(fā)明實(shí)施例選取多個(gè)視頻測(cè)試序列，使用HEVC的參考代碼HM對(duì)視頻序列進(jìn)行幀內(nèi)預(yù)測(cè)模式選擇，獲得每個(gè)測(cè)試序列的CU最佳尺寸，并且計(jì)算得到各種尺寸CU塊的方差，統(tǒng)計(jì)結(jié)果如表1所示。表1CU塊方差平均范圍CU尺寸方差的平均值方差的平均范圍64×64106.7820-163.7932×32149.6573.65-223.9816×16251.68124.78-379.538×8612.55309.84-1000203：根據(jù)CU塊的方差和K-means聚類算法獲得CU塊的聚類中心；從表1中可以看出，相同尺寸CU塊的方差值比較接近，不同尺寸CU塊的方差值相差較大，因此本發(fā)明實(shí)施例可以將CU各個(gè)尺寸的方差δM×N作為K-means聚類算法的輸入向量。其中，不同尺寸CU塊聚類中心獲取過程如下：1)首先選取不同分辨率的視頻測(cè)試序列，通過HM得到HEVC原有算法的CU塊最佳尺寸，并且計(jì)算得到CU塊最優(yōu)尺寸對(duì)應(yīng)的方差值，將獲得的方差值作為K-means聚類算法的輸入向量；2)對(duì)方差值后的數(shù)據(jù)進(jìn)行過濾處理；其中，HEVC塊劃分的依據(jù)是RDO(視頻編碼率失真優(yōu)化)，一個(gè)圖像塊很有可能只有小部分區(qū)域紋理復(fù)雜而大部分區(qū)域的紋理相對(duì)平坦，但是因?yàn)镃U塊通過RDO計(jì)算后不會(huì)再進(jìn)行劃分，而當(dāng)前尺寸CU塊的方差與同尺寸CU塊的平均方差相比有一定的偏差，所以需要計(jì)算各種尺寸CU塊的方差的平均范圍，如表1所示。因?yàn)镵-means聚類算法對(duì)于孤立點(diǎn)數(shù)據(jù)較為敏感，所以在計(jì)算CU塊的方差平均范圍時(shí)，需要將方差值不在20到1000范圍內(nèi)的數(shù)值去除。具體實(shí)現(xiàn)時(shí)，還可以根據(jù)實(shí)際應(yīng)用中的需要，設(shè)定其他的數(shù)值范圍，本發(fā)明實(shí)施例對(duì)此不做限制。3)從過濾后的數(shù)據(jù)中隨機(jī)選取4個(gè)方差值作為K-means聚類算法的最初聚類中心點(diǎn)；4)遍歷除4個(gè)最初聚類中心點(diǎn)以外的其他所有可用的方差值，根據(jù)最小距離的原則，尋找出每個(gè)方差所滿足的聚類中心點(diǎn)，并將該方差值加入到此聚類中心所處的聚類中。其中，最小距離原則公式如下所示：其中，xj為輸入的數(shù)據(jù)，j為聚類中輸入向量的索引值，μi為聚類的中心點(diǎn)。假設(shè)提取到的原始數(shù)據(jù)的集合為{x1,x2,…,xi,…,xn}，且每個(gè)數(shù)據(jù)xi為d維向量；Si為第i個(gè)聚類；S為聚類集合，S＝{S1,S2,…,Sk}；k為聚類個(gè)數(shù)。5)計(jì)算每個(gè)聚類中方差的平均值，將該值選作為聚類的新的中心點(diǎn)，之后重復(fù)執(zhí)行步驟4)，直到連續(xù)兩次所獲得的距離中心相同為止。6)通過K-means聚類算法最終獲得的不同尺寸CU塊的聚類中心，如表2所示。表2CU的聚類中心CU尺寸K-means聚類中心64×64161.0632×32386.2816×16606.448×8859.04204：開始CU尺寸為64×64的CTU塊劃分選擇過程；205：計(jì)算當(dāng)前CTU塊的圖像紋理復(fù)雜度；206：根據(jù)CTU塊的方差和歐氏距離對(duì)當(dāng)前CU塊進(jìn)行劃分；根據(jù)表2所獲得的不同尺寸CU塊的聚類中心，可以獲得當(dāng)前CTU所屬的聚類并且按照該聚類對(duì)應(yīng)的CU尺寸進(jìn)行劃分。207：利用當(dāng)前CTU的方差得到其所處的尺寸的范圍，在此范圍內(nèi)進(jìn)行率失真代價(jià)計(jì)算，從而降低塊劃分的復(fù)雜度；208：完成CTU的塊劃分。綜上所述，本方法在現(xiàn)有的K-means聚類算法的基礎(chǔ)上，結(jié)合幀內(nèi)預(yù)測(cè)算法，提出更好的幀內(nèi)編碼單元?jiǎng)澐值姆椒ǎ谝曨l質(zhì)量幾乎不降低的情況下，實(shí)現(xiàn)視頻編碼復(fù)雜度的降低，滿足了實(shí)際應(yīng)用中的需要。實(shí)施例3下面結(jié)合具體的實(shí)驗(yàn)數(shù)據(jù)、以及表3、表4對(duì)實(shí)施例1和2中的方案進(jìn)行可行性驗(yàn)證，詳見下文描述：為了評(píng)估所提出方法的性能，本方法在HM9.0上進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)平臺(tái)硬件配置為：3GHz的CPU和8GB的內(nèi)存。開發(fā)工具是VS2010，測(cè)試的配置是HEVC編碼所通用的測(cè)試條件，編碼的幀數(shù)為50幀，QP＝{22,27,32,37}。本實(shí)驗(yàn)對(duì)4個(gè)不同分辨率的視頻序列進(jìn)行測(cè)試，測(cè)試序列的相關(guān)參數(shù)如表3所示。表3測(cè)試序列相關(guān)信息將本方法與HM9.0標(biāo)準(zhǔn)算法進(jìn)行比較，算法的性能通過ΔBR，ΔPSNR和ΔT進(jìn)行評(píng)估。其中ΔPSNR為PSNR(峰值信噪比)的變化值，其值為正時(shí)，表示改進(jìn)算法的PSNR有所下降，視頻質(zhì)量有所降低；ΔBR為比特率(BitRate,BR)的變化值，其值為負(fù)時(shí)，表示改進(jìn)算法與原有算法相比，BR值有所增加；ΔT為原有算法與改進(jìn)算法的編碼時(shí)間差值百分比，其值為正時(shí)，表示改進(jìn)算法的編碼時(shí)間有所減少，編碼復(fù)雜度有所降低。ΔPSNR＝PSNRHM9.0-PSNR本算法其中，按上述測(cè)試環(huán)境對(duì)四種不同分辨率的視頻序列進(jìn)行測(cè)試，根據(jù)評(píng)估指標(biāo)將本方法與HM9.0原有方法進(jìn)行了比較，結(jié)果如表4所示。表4不同QP下，HM9.0與本方法結(jié)果對(duì)比通過觀察表4得知，本方法與HM9.0方法相比，本方法的編碼時(shí)間平均減少了20.61％；與此同時(shí)，本方法的PSNR平均只有0.01dB的增長(zhǎng)。從這些數(shù)據(jù)中可以看出，在視頻質(zhì)量幾乎沒有改變的基礎(chǔ)上，本方法的編碼時(shí)間有所降低。本方法主要是采用K-means離線訓(xùn)練獲得CU塊的尺寸與圖像方差間的關(guān)系，從而減少了RDO的次數(shù)，最終實(shí)現(xiàn)編碼時(shí)間的降低。本領(lǐng)域技術(shù)人員可以理解附圖只是一個(gè)優(yōu)選實(shí)施例的示意圖，上述本發(fā)明實(shí)施例序號(hào)僅僅為了描述，不代表實(shí)施例的優(yōu)劣。以上所述僅為本發(fā)明的較佳實(shí)施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。當(dāng)前第1頁(yè)1 2 3