本發(fā)明涉及圖像通信領域中的視頻轉碼技術問題，尤其是涉及一種分布式視頻編碼(dvc)到傳統(tǒng)視頻編碼(hevc)標準之間的視頻轉碼技術。

背景技術：

隨著移動通信和信息技術的快速發(fā)展，新型的視頻通信技術的應用越來越廣泛，如移動視頻通話，遠程視頻共享，無人機視頻監(jiān)控等。在這些視頻通信設備中，隨著需求量不斷增加，人們也越來越關注視頻的質量和實時性，因此視頻壓縮編碼對設備計算能力提出了更高的要求，視頻的壓縮效率與設備功耗之間的矛盾越發(fā)突出。

由于視頻壓縮標準的多樣性，不同視頻格式之間轉換的需要促使了視頻轉碼研究的開展，而新標準的制定和應用又推動了新的轉碼技術的研究。近年來，最新的視頻編碼標準已經發(fā)展到hevc(highefficiencyvideocoding)，它在提升視頻壓縮效率的同時也極大的增加了編碼復雜度，這對于一些要求低功耗低復雜度的移動設備或手持設備并不適用。而分布式視頻編碼(distributedvideocoding,dvc)以其編碼復雜度低、抗誤碼魯棒性高的特點，很好的適應了小型化終端設備的需求，成為當今的研究熱點。dvc視頻編碼標準雖然簡化了編碼端，但它的解碼端相對復雜。綜合dvc和hevc各自的優(yōu)勢，可以采用dvc編碼hevc解碼來實現移動終端設備的通信，因此一種基于dvc-hevc轉碼的視頻通信框架應運而生。此視頻通信框架可以同時實現視頻通信雙方的低復雜度編解碼，而將最復雜的視頻幀間相關性挖掘工作移到轉碼服務器。

最簡單的視頻轉碼結構為“全編全解”結構，即先對輸入流進行完全解碼，然后再按照新的視頻編碼標準進行編碼。但是全編全解轉碼結構計算復雜度很高，并不適用于長足發(fā)展。為了實現視頻壓縮標準之間的快速轉碼，國內外學者已經開展了大量的工作，并且取得了良好的進展。martinez等人提出將殘差信息通過機器學習來得到決策樹，即利用wyner-ziv編碼階段的特征進行快速宏塊編碼的模式選擇，降低了dvc到h.264/avc轉碼的計算復雜度。北京郵電大學的孫思陽研究了從dvc到h.264視頻轉碼框架中各個模塊的具體實現細節(jié)，取得了較好的轉碼效果。丁彬等人提出利用紋理復雜度和編碼單元所含比特數之間的關系，對h.264中宏塊的運動矢量進行預處理，減少預測單元分割模式的候選數目，加快了h.264到hevc的轉碼過程。蔣煒等人提出利用h.264壓縮視頻流中包含的信息,優(yōu)化了hevc運動估計過程中預測單元的搜索起點和搜索范圍,進一步減少了轉碼過程的計算量。上述方法都是針對dvc到h.264轉碼或h.264到hevc轉碼優(yōu)化的研究成果，但是關于dvc至hevc轉碼的相關研究工作則非常少。

技術實現要素：

本發(fā)明的目的是加快dvc-hevc轉碼器中hevc的編碼單元(cu)劃分過程，本發(fā)明利用i幀的cu劃分模式與p幀的cu劃分模式之間的統(tǒng)計相關性，提出一種基于關鍵幀cu劃分模式的dvc-hevc視頻轉碼方法，相比以往的hevc視頻編碼標準，本發(fā)明的方法在轉碼失真很小的情況下，大大降低了視頻編碼的計算復雜度和轉碼時間，有效提高了轉碼效率。

由于視頻序列中相鄰幀圖像之間存在時域相關性。通過實驗數據發(fā)現，大部分情況下，在同一個gop內，相同位置的編碼樹單元(ctu)劃分深度一般是i幀的劃分深度大于p幀的劃分深度。因此，在進行wz幀深度劃分的時候，可以利用相鄰已解碼的k幀的深度劃分模式，在k幀劃分模式的基礎上，再進行進一步的處理。由于非關鍵幀的cu劃分深度一般小于關鍵幀的劃分深度，本發(fā)明首先在k幀劃分模式的基礎上進行一次融合操作，然后根據wz幀每個融合后cu單元相應的運動矢量判斷該cu是否需要進一步的劃分，最終得到wz幀的cu劃分模式。一般情況下，運動劇烈的區(qū)域，紋理比較復雜，需要進行進一步的劃分，確保圖像的質量。運動相對不明顯區(qū)域，則不需要進行cu劃分，可以提高編碼的效率。

在dvc-hevc轉碼器設計中，提高轉碼實時性的關鍵步驟是利用dvc解碼過程中產生的信息加速hevc編碼過程。在dvc的解碼過程中，本發(fā)明首先提取已解碼的關鍵幀k幀的cu劃分模式，根據相應融合算法對該cu劃分模式進行一次融合，按照融合后的cu劃分模式對wz幀進行劃分。本發(fā)明還將計算wz幀與上一已解碼幀的運動矢量信息，對wz幀的每個cu塊提取相應區(qū)域的運動矢量，根據運動矢量判斷此wz幀的cu是否需要進一步的分割。如果運動矢量的平均歐式距離和方差大于給定的閾值，說明這個cu區(qū)域存在著相對運動，則需要進一步分割此cu單元，否則停止cu的劃分，選擇當前cu分塊大小為最終分塊模式，然后繼續(xù)進行pu模式的選擇，并完成剩下的編碼流程。通過本發(fā)明的方法，可以跳過hevc編碼模塊中計算復雜度較高的逐層率失真優(yōu)化過程，從而達到降低hevc編碼復雜度的目的。

具體主要包括以下過程步驟：

(1)在dvc解碼端，對k幀進行幀內解碼，提取其cu劃分模式；

(2)按照基于統(tǒng)計規(guī)律的融合算法對k幀的cu劃分模式進行一次融合，得到融合后的cu劃分方式；

(3)對wz幀碼流進行解碼，得到wz幀，然后計算wz幀與上一已解碼幀之間的運動矢量；

(4)將步驟(2)得到的cu劃分方式作為wz幀的初始cu劃分方式，對wz幀進行cu劃分；

(5)對wz幀的每一塊cu區(qū)域，進行cu劃分模式再判斷。首先計算相應cu區(qū)域的運動矢量的平均歐式距離mvd和方差δmv，將得到的mvd和方差δmv與給定的閾值th進行比較，若小于或等于給定閾值，則進入步驟(7)，否則，進入(6)；

(6)判斷此cu單元的深度值depth是否為0，若為0，則將此cu單元繼續(xù)劃分為16×16的塊，否則，將cu單元的深度值加1，繼續(xù)分割，分割完成后進入步驟(7)；

(7)確定此cu尺寸確定為最終cu分塊模式。判斷wz幀的所有cu是否遍歷完成，若沒有完成，則進入步驟(5)，否則cu分塊模式完成并進入pu模式的選擇，完成編碼過程。

本發(fā)明改進的是整個dvc-hevc轉碼器中hevc視頻編碼中計算復雜度最高的地方。在整個hevc視頻編碼過程中，ctu的遞歸劃分占計算復雜度的90％以上，本發(fā)明最關鍵的是根據關鍵幀的cu劃分方式快速進行wz幀的cu劃分模式的選擇，因此，在計算復雜度方面，本發(fā)明方法著眼于hevc視頻編碼過程中計算復雜度最關鍵之處。

附圖說明

圖1為本發(fā)明基于關鍵幀編碼單元劃分模式的dvc-hevc視頻轉碼方法系統(tǒng)框圖；

圖2為本發(fā)明的基于關鍵幀編碼單元劃分模式的dvc-hevc視頻轉碼方法的流程圖；

圖3為本發(fā)明方法的基于統(tǒng)計規(guī)律的編碼單元融合算法圖，其中，圖3(a)為邊界融合方式示意圖；圖3(b)為非邊界融合方式示意圖；

圖4～7為本發(fā)明方法與級聯轉碼的率失真曲線圖，其中，圖4為basketballdrill的率失真曲線；圖5為bqmall的率失真曲線；圖6為fourpeople的率失真曲線；圖7為johnny的率失真曲線。

具體實施方式

下面結合附圖及實施例對本發(fā)明作進一步的詳細說明，有必要指出的是，以下的實施例只用于對本發(fā)明做進一步的說明，不能理解為對本發(fā)明保護范圍的限制，所屬領域技術熟悉人員根據上述發(fā)明內容，對本發(fā)明做出一些非本質的改進和調整進行具體實施，應仍屬于本發(fā)明的保護范圍。

圖2中，基于關鍵幀編碼單元劃分模式的dvc-hevc視頻轉碼方法，包括以下步驟：

(1)在dvc解碼端，對k幀進行幀內解碼，提取其cu劃分模式；

(2)按照基于統(tǒng)計規(guī)律的融合算法對k幀的cu劃分模式進行一次融合，得到融合后的cu劃分方式；

(3)對wz幀碼流進行解碼，得到wz幀，然后計算wz幀與上一已解碼幀之間的運動矢量；

(4)將步驟(2)得到的cu劃分方式作為wz幀的初始cu劃分方式，對wz幀進行cu劃分；

(5)對wz幀的每一塊cu區(qū)域，進行cu劃分模式再判斷。首先計算相應cu區(qū)域的運動矢量的平均歐式距離mvd和方差δmv，將得到的mvd和方差δmv與給定的閾值th進行比較，若小于或等于給定閾值，則進入步驟(7)，否則，進入(6)；

(6)判斷此cu單元的深度值depth是否為0，若為0，則將此cu單元繼續(xù)劃分為16×16的塊，即深度值depth為2，否則，將cu單元的深度值加1，繼續(xù)分割，分割完成后進入步驟(7)；

(7)確定此cu尺寸確定為最終cu分塊模式。判斷wz幀的所有cu是否遍歷完成，若沒有完成，則進入步驟(5)，否則cu分塊模式完成并進入pu模式的選擇，完成編碼過程。

具體地，所述步驟(1)中，采用的是基于多分辨率運動細化(mrmr)的小波域dvc框架。由于在dvc編碼時對k幀采用的是hevc編碼，因此，在轉碼時不需要再對k幀進行編碼，直接提取cu劃分模式即可。

步驟(2)中的基于統(tǒng)計規(guī)律的融合算法，其cu融合的尺寸為16×16和8×8，而尺寸為64×64和32×32的cu保持不變。cu融合方式分為邊界融合和非邊界融合，其中邊界融合表示對多個不同深度的cu融合為相同深度的cu，非邊界融合表示多個相同深度的cu融合為一個相同深度的cu。邊界融合：1個尺寸為32×32的塊中按16×16大小對cu深度按深度優(yōu)先和數量優(yōu)先原則進行統(tǒng)計，然后再進行融合，即1個16×16與3個8×8的塊，融合為4個16×16的cu，2個16×16與2個8×8的塊，融合為4個16×16的cu；1個8×8與3個16×16的塊融合為1個32×32的cu，如圖3(a)所示。非邊界融合：4個8×8的塊融合為1個16×16的cu,4個16×16融合為一個32×32的cu,而32×32與64×64保持不變。

步驟(3)中采用的是基于塊的運動估計方法，計算當前幀與前一幀已解碼幀的運動矢量。此運動矢量為圖像小波分解的第一層最低頻帶ll的相應運動矢量，大小為當前幀圖像的1/4，所以還需要對運動矢量進行1/4像素內插。

步驟(5)中對相應的運動矢量區(qū)域計算平均歐式距離mvd與方差δmv，平均歐式距離mvd的計算方法為：取cu單元相應區(qū)域的左上、右上、左下、右下、中間五個像素點的運動矢量，每個像素的運動矢量應該包含mvxi與mvyi兩個方向，分別計算其歐式距離mvi，然后求平均值mvd。

方差δmv的計算方法為：

如果平均歐式距離mvd大于給定的閾值1或者方差δmv大于閾值1.5，則說明此編碼單元區(qū)域存在相對運動，需要進行進一步的劃分。否則，不進行劃分。閾值的選取是根據實驗數據訓練得到的。

步驟(6)中，如果當前cu的深度為0，而又存在著劇烈運動，則直接將該區(qū)域的編碼單元劃分為16×16，即深度為2。

為了證明本發(fā)明的算法的有效性，我們對其進行了實驗驗證。圖4～7為本發(fā)明的基于關鍵幀編碼單元劃分方式的dvc-hevc視頻轉碼方法與級聯轉碼的率失真曲線對比結果，比較的具體過程如下：

(1)對視頻序列進行dvc編解碼，視頻序列選擇標準的hevc測試視頻，它們的名稱、分辨率和幀率分別為：basketballdrill(832×480，50幀/秒)、bqmall(832×480，60幀/秒)、fourpeople(1280×720，60幀/秒)，johnny(1280×720，60幀/秒)。其中，k幀的量化步長(qp)值分別取14、18、22、26、30，wz幀的量化步長取15。將每個k幀量化步長對應下的dvc解碼幀分別存儲為yuv序列。

(2)同時打開兩個方法的程序并設置好相同的配置文件，參考軟件為級聯轉碼軟件，量化步長(qp)值分別取14、18、22、26、30。并對其三種視頻編碼性能：峰值信噪比(psnr)、比特率以及轉碼時間(其中psnr體現視頻的客觀視頻質量，視頻轉碼時間體現編碼的計算復雜度)，進行比較分析，比較性能的差距用以下三個指標進行評價：

δprnr＝psnrtrans-psnrhm(5)

其中，δpsnr表示本發(fā)明的方法與級聯轉碼標準方法峰值信噪比的差值，δbr表示本發(fā)明的方法與級聯轉碼標準方法比特率差值的百分率，δt表示本發(fā)明的方法與級聯轉碼標準方法時間差值的百分率。

(3)輸入2個相同的步驟1中得到的dvc重建視頻序列；

(4)分別對2個相同的視頻序列進行視頻編碼；

(5)利用級聯轉碼標準方法對視頻序列在hevc方式下進行視頻編碼；

(6)利用本發(fā)明方法對視頻序列在hevc方式下進行視頻編碼；

(7)兩個程序分別輸出視頻編碼后的視頻序列以及各自的比特率、psnr值以及總的視頻轉碼時間，上述3個指標的結果如表1-3所示，統(tǒng)計顯示本發(fā)明方法與hevc標準方法在比特率方面變化了0.1％～6.37％，比特率平均增加2.56％。在psnr方面降低了0.01db～0.18db，平均下降0.068db。在編碼時間方面降低了45％～60.62％。從總體來看，本發(fā)明方法與hevc視頻編碼標準方法相比，在視頻壓縮率(由比特率下降程度來體現)和視頻質量(由psnr值得下降程度來體現)損失很小的前提下，大大地降低了視頻編碼的計算復雜度(由編碼時間下降程度來體現，如表1～3所示)。

表1本發(fā)明算法與級聯轉碼算法比特率的比較

表2本發(fā)明算法與級聯轉碼算法之間psnr值的比較

表3本發(fā)明算法與級聯轉碼算法之間視頻轉碼時間的比較