基于混合成本排名快HEVC模内决定

文摘

提高率失真(r d)性能,高效视频编码(HEVC)增加intraprediction模式重计算负载,因此intracoding优化高度实时应用的要求。根据最可能的模式的条件概率和潜在候选子集的相关性,提出了一种快速HEVC模内决定方案基于混合成本排名包括阿达玛成本和率失真代价。该方案利用修改后的粗糙的编码结果模式决定和邻近的预测单元,以获得潜在候选子集,然后有条件地选择最优模式通过早期决定可能性和混合成本排名。experiment-driven方法,该方案实现了提前终止如果候选子集的最佳方式等于一个或两个相邻模内。实验结果表明,该方案平均提供了大约23.7%的编码加速只有0.82% BD-rate损失与违约相比快HM16.0模内决定。与其他模内快速决策方案相比,该方案也显著减少了intracoding时间,同时保持类似的r d all-intraconfiguration HM16.0主要配置文件的性能。

1。介绍

高效视频编码(HEVC)通过联合协作的团队的努力开发视频编码(JCT-VC) [1]。HEVC包括:三种类型的编码块编码单元(CU),预测单元(PU)和变换单元(图)。铜有正方形利用结构的大小范围从8×8到64×64。铜可以递归地分成四个同样大小的客户。分裂后铜、PU和TU分裂自己独立,和它们的大小不能大于铜的大小。intraprediction, PU只能分成两种类型:和。聚氨酯,HEVC可以执行35 intraprediction模式,而最大限度地9 h / AVC数量。intraprediction模式数量的增加会带来更高的压缩比intracoding但要求更高的计算复杂度选择最优intraprediction模式和单元分裂进行率失真优化(RDO) [2]。考虑到无法忍受的复杂性通过蛮力RDO遍历所有候选人,HEVC编码器遭受很多如果所有intraprediction RDO过程中使用的模式。为了克服这个问题,快速intraprediction可以选择性地穿过可用intraprediction模式,进一步删除与降低复杂度的可能模式。Motra et al。3)利用前一帧和相邻块intraprediction模式来估计当前块的候选人,这个方法需要大量的内存空间来存储前一帧的信息。减少候选模式,纹理检测技术是用来决定当前块的边缘方向。张先生和马4)提出了一个快速intraencoding方法估算成本的率失真(r d)当前铜强度检测,基于方向和r d成本计算的主要角度只有当地的方向改进。然而,预处理检测材质和分类他们需要额外的处理时间和内存成本。

减少计算复杂度的HEVC intrapredication、粗糙模式决定(限制型心肌病)采用5),选择最佳候选人模式根据绝对转换差异的总和(饱和的)和模式。饱和的通常执行一个阿达玛变换之间的残余信号像素在最初的4×4块和相应的像素块的引用。随后RDO过程只是应用到最佳人选模式从限制型心肌病。然而,intraprediction模式空间中相邻块的相关性是不被认为是限制型心肌病的过程。因此,赵et al。6)提高了限制型心肌病过程总是包含一个最可能的模式(MPM)过程,和方法充分利用相邻块的方向信息,加快模内的高效和低配置的决定。上述限制型心肌病和MPM的提议仍保留在新的HEVC测试模型16.0 (HM16.0) [7]。最近intraframe HEVC优化算法可以减少高达50%的intracoding复杂性monocore平台,其中包括多个功能模块:早期终止铜编码、快速模内决定,快你深度的选择,和快速intratransform跳过模式决定(8,9];这些模块intraframe优化算法是分不开的,因此很难完全MPM-related模块的性能进行比较。仍然有一些近期的相关引用可用。例如,Gan et al。10)提出了一个快速intraprediction模式决策算法与早期MPM的决定。基于限制型心肌病候选人的拉格朗日代价函数,该算法利用第一个候选限制型心肌病模式之间的相关性和MPM模式早期终止RDO过程,从而减少intraprediction的计算复杂度。Kumar et al。11]使用线平均为每一行和列确定定向取向,和提出的方案相比,定向取向在每个方向上的强度检测最可能的为每个PU intraprediction方向。此外,菲尼和Zargari12)提出了一种两阶段决策方法对intraprediction HEVC快。在第一阶段,测试模式的数量限制型心肌病减少从35到19日和省略的粗糙编码成本模式估计通过使用两个相邻模式的成本;在第二阶段,该方法减少了候选模式基于角模式之间的相关性。文献[12)简要回顾了当前快速发展的模内决定HEVC也总结了不同的决策方法测试序列的实验结果,实验表明,两阶段的决策方法降低了编码时间和最低质量退化。

HEVC参考软件的发展,限制型心肌病的相关性和空间上相邻的脓尚未完全研究,还有一些空间,进一步降低编码复杂度的HEVC intraprediction。的出现概率编码模式已被用于优化不同的视频编解码器。在本文中,我们利用experiment-driven方法进一步修改限制型心肌病和MPM HM16.0过程。我们提出一个快速HEVC模内决定方案基于混合成本排名,利用限制型心肌病的即时信息和相邻脓获得潜在候选子集,然后有条件地选择最优模式通过早期的可能性决定和混合成本排名。本文的其余部分组织如下。部分2提出了简要回顾快HEVC模内决定。该方案的细节提供了部分3。大量的实验和分析部分4证明该方案的性能,而部分5总结本文的工作。

2。HEVC模内决定

2.1。Intraprediction模式

高清视频以来更为复杂和详细的结构,的准确性HEVC intraprediction已显著提高。HEVC设计33角方向模式除了平面模式和直流模式。HM16.0, PU大小范围从4×4到64×64,和一个聚氨酯检查35获得r d最优的预测模式。图1给出了一个说明HEVC intraprediction模式,更多的模式会导致更大的压缩比和计算复杂性。

2.2。快速模内决定

HM16.0,默认为当前的PU快intraprediction主要包括两个阶段,简要总结如下。

第一阶段是限制型心肌病的过程。阿达玛的每个intrapredication模式成本估计推导饱和的价值和消费。为th模式,它的阿达玛成本代价函数的计算公式 在哪里表示饱和的原来的块和参考块之间;表示位模式;和代表一个拉格朗日乘子。限制型心肌病过程将选择一些候选人小阿达玛成本为次优候选子集。额外的MPM过程可以实现,从左以上三种MPM模式估计脓。除了限制型心肌病候选人,MPM模式添加到潜在候选子集,如果他们还没有包括。

第二阶段是RDO的过程。完整的RDO流程实现的理想候选子集,包括DCT变换、量化和熵编码。为th模式,其r d成本代价函数的计算公式 在哪里表示平方的和原来的块和重建块之间的差异;表示数量的编码比特量化;和(QP)代表一个拉格朗日乘子与量化参数(QP)。intraprediction需要利用随后RDO过程遍历这些潜在模式最大涂大小。通过r d成本排名,候选人选择成本最低r d最优模式当前的聚氨酯。基于最优模式,剩余利用你选择进一步获得最好的利用你分区(13]。

的intraprediction HM16.0利用耗时RDO过程计算和比较候选人的r d成本模式,选择成本最低r d最优模式。在HM16.0, intraprediction编码的执行时间可以占领超过20%总intraencoding过程。图2显示的平均运行时间比限制型心肌病和RDO过程在实验设置的默认intraprediction编码的部分4,两个进程消耗约66%的计算。带给我们一个优化目标,旨在减少限制型心肌病和RDO运行时。

MPM模式是通过空间相邻的编码结果脓。图3描述了当前PU的邻近模式,和是随机变量,表示最后intraprediction相邻模式聚氨酯及以上聚氨酯。

限制型心肌病的候选模式是递增的顺序排在阿达玛成本和最优模式呈现出下降趋势。阿达玛成本排名,前模式有更高的概率比后者候选人的最佳模式。如图4,统计数据显示,限制型心肌病的MPM模式高度相关的候选模式,他们有一定的重叠的最佳模式。特别是,第一个候选模式“RMD1”限制型心肌病过程和MPM模式从空间上相邻的聚氨酯具有较高比例的最佳模内。仍然有一些空间进一步降低编码复杂度的HEVC intraprediction。我们将利用experiment-driven方法进一步提高HM16限制型心肌病和MPM流程。

3所示。条件决定混合成本排名

对于实时应用程序,所需的HM16.0复杂度显著减少,同时保持类似的码率和感知质量。阿达玛成本与r d成本正相关,可能是用来避免不必要的r d计算在快速模式决定。为了描述该方案,一些符号3在表中定义1。

我们的优化方案包括两种策略:)提前终止如果最优候选人获得限制型心肌病等于一个或两个相邻模内和()有选择地减少全RDO候选人的数量。因此,我们收集模式信息在HM16.0 intracoding并尝试分析候选模式之间的统计特性和最佳模式,以加快intraprediction。

3.1。Intraprediction统计实验

指出潜在的该计划的有效性,我们实现以下三个实验测试序列表7并收集不同候选人的出现概率。

实验1。均匀的地区的一个图像,邻脓有类似的光滑的特点,和当前的最优模式聚氨酯有很强的相关性与相邻脓。在,表示第一个候选模式成本最小的阿达玛。目前聚氨酯,表示成本最低r d最优模式。当和离开模式及以上脓和第一限制型心肌病的候选人有一定的重叠,我们需要调查吗高概率为当前的聚氨酯。实验的条件概率1表所示2。实验结果表明,脓,脓的百分比平均约为8.73% / 9.12% = 95.72%。因此,对于聚氨酯、模式选为条件概率高吗。

实验2。统计实验表明,图像对象通常有更高的水平或垂直方向的空间相关性。因为相邻脓之间的空间相关性,和上面的模式从左和脓可能反映了当前区域的方向信息。该方案计划利用邻近脓加速模内的方向信息的决定。实验进一步调查时进行或终于选为。实验的条件概率2表所示3。实验结果表明,脓()或(),脓的百分比平均约为14.29% / 15.46% = 92.43%。对于这种情况,或是高度相关的。聚氨酯与()或(),模式可以直接选择。基于表2和3模式相关的邻近脓可用于早期终止RDO的过程。

实验3。限制型心肌病的过程,每个PU大小有一个固定的候选人数目。限制型心肌病确定一个潜在的候选人在所有子集35预测模式,例如,8的候选模式8×8 PU、3的候选模式32×32聚氨酯。在默认快速intraprediction,后续的限制型心肌病的考号根据聚氨酯RDO过程是预先确定的尺寸,也就是说,对聚氨酯的大小,它允许更彻底的搜索关键的4×4或8×8聚氨酯。表4显示了默认的PU大小之间的关系和限制型心肌病的考号,non-RMD候选人的数量表示intrapredication候选人的经验数量没有限制型心肌病的过程。

一般来说,一个64×64聚氨酯往往适用于均匀区域的图像,而4×4或8×8 PU通常应用于纹理图像的区域。在实验3,我们的限制型心肌病过程不包括MPM的过程,和限制型心肌病候选子集通过阿达玛成本排名。然后每个MPM的阿达玛成本模式,分别计算,MPM候选子集也获得了当前的聚氨酯。基于阿达玛成本排名,几个候选模式限制型心肌病和MPM可能为后续RDO过程获得最优选择模式。阿达玛成本递增的顺序候选模式的概率还提出了一种下行趋势,有很大一部分和前模式而后者模式。限制型心肌病和MPM流程后,候选模式的数量可能会减少他们的排名。experiment-driven法选择最优的数量候选人。在后来,一些模式一定PU大小比例很低,我们可以获得潜在的候选子集。阿达玛成本递增的顺序,优化r d候选子集包括前模式表中定义的是谁的考号5,候选人的数量模式参与后续RDO过程,分别妥协到6、6、3、3、2,PU大小的4×4,8×8,16×16、32×32和64×64通过广泛的试验。其他配置选择,性能会更穷。该算法充分利用了关联的模式由限制型心肌病和MPM和最终的最优模式。

实验后1和2,MPM和限制型心肌病候选模式的组合是有效的进一步消除可能的模式。根据最优intraprediction模式的统计分布,候选模式高概率的选择是吗。从这些实验中,观察到的候选模式选择智商可以覆盖大约90.45%的最佳模式当前的PU,进一步说明了在桌子上吗6。

3.2。提出了模内决定

intraprediction模式的空间相关性在邻近脓是利用加速模式决定。我们已经修改了限制型心肌病过程不包括一个MPM的过程。提出了限制型心肌病过程可以获得候选子集阿达玛成本排名。限制型心肌病和MPM流程后,候选模式的数量是根据混合成本降低排名。从这些实验中,可以看出第一个3,3、2、2和1候选模式选择可以覆盖大约90%的最佳模内。通过混合(阿达玛+ r d)成本排名,选择几个候选模式从限制型心肌病和MPM的后续RDO的过程。根据上述统计分析,图5说明了该快速模内决策算法的流程图PU,该方案需要修改限制型心肌病和MPM过程如下。

步骤1。 和上面从左和脓首先获得和比较。

步骤2。目前聚氨酯,限制型心肌病过程计算每个intraprediction模式和遍历的阿达玛成本35模式。限制型心肌病候选子集通过阿达玛成本排名。

步骤3。根据以下三个条件,早期的决定和混合成本排名实现可能性。
一个条件。为当前的聚氨酯、模式是直接决定最优模式和RDO过程只实现模式然后去一步4。
条件B。对当前PU ()或(),模式是直接决定和RDO过程只实现模式然后去一步4。
条件C。对于其他条件,额外的MPM过程实现预测三种MPM模式,以及MPM候选子集是获得。如果不包括在任何MPM模式、阿达玛成本计算和MPM模式添加到潜在候选子集阿达玛成本排名。阿达玛成本递增的顺序,r d候选子集获得表中定义的是谁的考号5。然后所有成员在子集是候选人RDO过程中竞争最优intraprediction模式。通过r d成本排名,RDO过程只有候选模式的实现,r d最低成本的方式是决定然后进入下一个步骤。

步骤4。剩余利用你选择是进行最优模式确定最佳涂分区。

4所示。实验结果

为了评估该方案的性能,它是实现HEVC参考软件的测试模型16.0 (HM16.0)。不同的测试序列的实验结果是本节所示。由于该方案只集中在限制型心肌病和MPM流程的优化,很难与其他non-MPM相当比较方案。因此,该方案是与下面的模内决策方案与HM16.0 MPM过程:()D-FIMD:默认快速模内决定MPM的过程(7];()等:快速模内决定提前终止(10];()波:快速模内决定基于块方向(11];(TS:两级快速模内决定(12];和()HCR:提出基于混合成本的快速模内决定排名。

提出了HCR方案是完全兼容的标准,不给HEVC解码器带来额外的负载。方案的重点是intracoding以来,实验在all-intraconfiguration HM16.0根据JCT-VC常见的测试条件(主要配置文件14]。实验平台和HM16.0编码配置简要总结如下:(a)我们的方案是独立于任何多核处理器的并行化和实验平台是戴尔9020 mt: 3.2 GHz i5 - 4570 CPU, 8 GB的内存,1 G独立显卡;(b) QP,分别是固定在22日,27日,32岁和37;(c)是encoder_intra_main编码配置文件。cfg IntraPeriod = 1;和(d)最大的铜大小是64×64,MIN_PU_SIZE是4,利用你最大深度是4。

JCT-VC序列不同的测试类,类(2560×1600),B类(1920×1080),类C (832×480), D类(416×240)和类E(1280×720)序列都是用于性能验证。在实验中,编码码率的差异相比,BD-rate (Bjøntegaardδ比特率)损失15),编码加速推导出在 在哪里表示编码D-FIMD基准方案和时间表示的编码时间等,BO, TS、HCR方案。性能测量BD-rate损失和编码加速,和不同方案的仿真结果如表所示7没有任何多核平台或源代码优化。

结果充分的与别人的相关工作。很明显的结果表2和3早期的终止将节省大约25%的时间,似乎同意20% - -25%加速。实验结果表明,相比,HM16.0 D-FIMD方案,等方案平均达到12.6%加速0.75% BD-rate损失,和TS计划加速BD-rate损失0.51%平均达到10.9%,和提出了HCR计划平均达到23.7%编码加速BD-rate只有0.82%的损失。HCR方案一般优于加速和BD-rate波方案。与ET和TS方案相比,HCR方案可平均节省9.5 ~ 11.2%的编码时间略微增加约0.11 ~ 0.35% BD-rate测试序列。因此,提出HCR方案可以显著减少intracoding时间BD-rate微不足道的退化。

分别通过测试四种典型的序列图6情节四个序列的r d曲线包括“流量”和“BQTerrace”和“PartyScene”和“赛马”五计划。我们可以观察到该HCR计划稍微降低亮度峰值信噪比(Y-PSNR)类似的编码码率(kbps)。与其他方案相比,提出的HCR方案可以保护几乎相同的r d性能。实验结果表明,该算法实现了约24%的加速HEVC intravideo编码DB-rate有点退化。

证明提出的加速稳定HCR计划,我们测试不同类型的视频序列与不同的QP值(22日、27日,32,37)。图7显示每个序列的编码加速曲线类HCR方案与D-FIMD基准方案。为不同的QP值,该方案持续达到约24.78%,21.43%,20.45%,21.33%,和22.60%的编码加速测试序列类,类B, C类,类D,分别和类E。没有明显的波动对不同码率范围。因此,提出了HCR方案在码率或QP的变化不敏感。

5。结论

提出了一种快速HEVC模内决定方案基于混合成本排名,和该方案利用之间的关系的模式由限制型心肌病和MPM和最终的最优模式。通过优化限制型心肌病和MPM过程,该方案利用限制型心肌病的即时信息和相邻脓获得潜在候选子集,然后有条件地选择最优模式通过早期的可能性决定和混合成本排名。experiment-driven方法,本文提出了加快HEVC intraencoding由两个策略:()提前终止如果最好的候选人获得限制型心肌病等于一个或两个相邻模内和()有选择地减少全RDO候选人的数量。实验结果表明,该方案可以大大减少intracoding时间同时维持类似的r d性能在all-intraconfiguration HM16.0主要配置文件。

利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项工作是由中国国家自然科学基金(41401486)和上海市自然科学基金(14 zr1400500)。

引用

1. ITU-T Rec。H.265和ISO / IEC 23008 - 2,“高效视频编码,”2013年。视图:谷歌学术搜索
2. j . Lainema f . Bossen W.-J。汉族,j . Min, k . Ugur“内部编码HEVC标准,”IEEE电路和系统视频技术,22卷,不。12日,第1801 - 1792页,2012年。视图:出版商的网站|谷歌学术搜索
3. a . s . Motra a·古普塔m·舒克拉·邦萨尔和诉邦萨尔,“快HEVC视频编码器内部模式决定,”20国际会议的程序软件,电信和计算机网络(SoftCOM 12),页1 - 5分,克罗地亚,2012年9月。视图:谷歌学术搜索
4. h·马张和z“快速内部模式决策高效视频编码(HEVC)”IEEE电路和系统视频技术,24卷,不。4、660 - 668年,2014页。视图:出版商的网站|谷歌学术搜索
5. y朴、j . Min和j·陈,“编码器完善统一的内部预测,”学报侧吹风JCT-VC会议,医生。C207,广州,中国,2010。视图:谷歌学术搜索
6. l .赵l . Zhang,美国马,d .赵“快速模式决策算法在HEVC内部预测”《IEEE视觉通讯和图像处理(VCIP 11),页1 - 4,IEEE,台南,台湾,2011年11月。视图:出版商的网站|谷歌学术搜索
7. 16.0 HEVC测试模型,https://hevc.hhi.fraunhofer.de/svn/svn_hevcsoftware/tags/hm - 16.0 /。
8. 胡锦涛和E.-H n。阳,“快速模式选择HEVC intra-frame编码和熵编码改进基于透明的复合模型,”IEEE电路和系统视频技术,25卷,不。9日,第1532 - 1521页,2015年。视图:出版商的网站|谷歌学术搜索
9. w·赵、t . Onoye和t的歌,“H.265 / HEVC分层的基于结构的快速模式决定,”IEEE电路和系统视频技术,25卷,不。10日,1651 - 1664年,2015页。视图:出版商的网站|谷歌学术搜索
10. 甘y、x赵和张问:“快速算法和提前终止铜分离模式的决定,”国际期刊的控制和自动化,8卷,不。2、83 - 94年,2015页。视图:出版商的网站|谷歌学术搜索
11. 诉Kumar h . Govindaraju m·奎德,j . Eapen“快速模式决定基于块方向内高效视频编解码器(HEVC)”第二届国际研讨会上电脑,消费者和控制(IS3C 14)IEEE,页506 - 511年,台中,台湾,2014年6月。视图:出版商的网站|谷歌学术搜索
12. m·r·菲尼和f . Zargari“两阶段快速模式决策算法在HEVC内部预测,“多媒体工具和应用程序,队,2015页。视图:出版商的网站|谷歌学术搜索
13. b·布罗斯h . Kirchoffer、h·施瓦兹和t . Wiegand”快速固定最大深度的内部编码变换四叉树,”学报》第3次会议:联合协作的团队视频编码(JCT-VC 10),医生。2010年10月C311,广州,中国。视图:谷歌学术搜索
14. f . Bossen“共同HM试验条件和软件参考配置,”学报》第12 JCT-VC会议,医生。L1100,瑞士日内瓦,2013年。视图:谷歌学术搜索
15. g . Bjontegaard”计算平均PSNR r d曲线之间的差异,”《第十三VCEG会议、文档VCEG-M33奥斯汀,德克萨斯州,美国,2001年4月。视图:谷歌学术搜索

版权

版权©2016郝刘月新杰。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。