基于邏輯回規(guī)分類器的幀內(nèi)編碼單元快速選擇方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于視頻編碼技術(shù)領(lǐng)域，基于新一代視頻編碼標(biāo)準(zhǔn)HighEfficiency VideoCoding(肥VC)，具體對肥VC的帖內(nèi)預(yù)測的編碼單元進(jìn)行快速選擇。
【背景技術(shù)】
[0002] 為了解決高清及超高清視頻急劇增長的數(shù)據(jù)率給網(wǎng)絡(luò)傳輸帶來的沖擊，國際電信 聯(lián)盟電信標(biāo)準(zhǔn)化部口（InternationalTelecommunicationUnion-Telecom,TU-T)的視頻 編碼專家組(VideoCodingExpertsGroup,VECG)和國際標(biāo)準(zhǔn)化組織/國際電工技術(shù)委員 會（InternstionslOrganizationforSt曰nd曰rdiz曰tion/Intern曰tion曰IElectro-technicalCommission,IS0/IEC)的動態(tài)圖像專家組（MovingPictureE邱ertsGroup, MPEG)于2010年I月成立了視頻編碼聯(lián)合工作組（JointCollaborativeTeamonVideo Coding，JCT-VC)，該工作組制定了具有更高的壓縮效率的新一代視頻壓縮標(biāo)準(zhǔn)肥VCWigh EfficiencyVideoCoding)。
[0003] 作為新一代視頻編碼標(biāo)準(zhǔn)，肥V(XH.265)仍然屬于預(yù)測加變換的混合編碼框架，并 對該框架的各個模塊進(jìn)行了技術(shù)創(chuàng)新，包括靈活劃分方式、更加精細(xì)的帖內(nèi)預(yù)測、全新的 Merge模式、基于競爭的運(yùn)動矢量預(yù)測、基于離散余弦變換的亞像素插值、樣點(diǎn)自適應(yīng)補(bǔ)償 濾波器(SampleAdaptiveOffset,SA0)、Tile和追趕編碼并行處理技術(shù)等。運(yùn)些新的技術(shù) 使得皿VC編碼效率比H.264/AVC提高了一倍。然而，巨大而靈活的編碼參數(shù)集的優(yōu)化選擇， 也使得肥VC的編碼器的復(fù)雜度急劇增加，運(yùn)阻礙了皿VC標(biāo)準(zhǔn)的應(yīng)用與推廣。因此，在保證視 頻圖像編碼質(zhì)量的同時，研究肥VC的快速、高效的編碼優(yōu)化算法至關(guān)重要。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的在于保證編碼性能的條件下，快速進(jìn)行皿VC帖內(nèi)編碼單元劃分的選 擇W減少編碼運(yùn)算復(fù)雜度?；诖四康奶峁┝艘环N基于邏輯回規(guī)分類器的帖內(nèi)編碼單元快 速選擇方法，能夠極大地降低肥VC的編碼復(fù)雜度。
[0005]為實(shí)現(xiàn)上述的目的，本發(fā)明提供一種基于邏輯回規(guī)分類器的帖內(nèi)編碼單元快速選 擇方法，將編碼單元的劃分建模為分類問題，通過直接分析輸入視頻數(shù)據(jù)的特征，用簡單而 高效的邏輯回規(guī)分類準(zhǔn)則進(jìn)行劃分的快速預(yù)測，從而避免了基于率失真優(yōu)化的遍歷捜索算 法，降低了編碼器的計算復(fù)雜度。并挖掘與編碼單元劃分密切相關(guān)的輸入圖像數(shù)據(jù)特征，選 擇最優(yōu)特征子集作為決策特征。
[0006]本發(fā)明主要包括兩部分，第一部分是離線學(xué)習(xí)得到邏輯回規(guī)分類器，第二部分是 將學(xué)習(xí)得到的邏輯回規(guī)分類器用于CU劃分選擇過程中。
[0007]所述方法包括如下步驟：
[000引步驟1:離線統(tǒng)計學(xué)習(xí)多個視頻序列，采用肥VC中標(biāo)準(zhǔn)過程編碼每個編碼單元 (CU),并記錄不同量化參數(shù)(QP)和不同編碼深度下最優(yōu)CU劃分為"向下劃分"和"不向下劃 分"時候選特征的值；
[0009] 步驟2:邏輯回規(guī)分類器輸入特征的選擇，將步驟I離線統(tǒng)計得到的候選特征值進(jìn) 行比較，選出最佳輸入特征；
[0010] 步驟3:根據(jù)步驟2得到的最佳輸入特征，運(yùn)用梯度上升算法求得邏輯回規(guī)分類器 的最優(yōu)邏輯回規(guī)系數(shù)；
[0011] 步驟4:將步驟3得到的邏輯回規(guī)分類器用到CU劃分選擇過程中；
[0012] 步驟5:對本層CU的所有預(yù)測模式進(jìn)行編碼，并求得邏輯回規(guī)輸入特征的值；
[0013] 步驟6:將步驟5求得的輸入特征的值代入邏輯回規(guī)分類器中判定當(dāng)前CU是否向下 劃分，如果判定當(dāng)前CU為"不向下劃分"則轉(zhuǎn)步驟8，否則轉(zhuǎn)步驟7;
[0014] 步驟7:CU繼續(xù)向下劃分成4個相同的子CU;
[0015] 步驟8:結(jié)束當(dāng)前編碼樹單元(CTU)的編碼，進(jìn)行下一個CTU的編碼。
[0016] 與現(xiàn)有技術(shù)相比，本發(fā)明具有如下的有益效果：
[0017] 本發(fā)明為基于邏輯回規(guī)分類的CU切分選擇方法，將CU的劃分建模為兩類分類問題 良r向下劃分"和"不向下劃分"，通過直接分析輸入視頻數(shù)據(jù)的特征，用簡單而高效的邏輯 回規(guī)分類準(zhǔn)則進(jìn)行劃分的快速預(yù)測，在保證編碼質(zhì)量的前提下，大大降低了帖內(nèi)編碼的計 算復(fù)雜度。經(jīng)驗證，在使用了該發(fā)明之后，在肥VC的參考編碼器HM16.0下，針對多個視頻序 列編碼器，編碼速度平均有55.5%的速度提升，而抓-rate(相同質(zhì)量下的碼率)僅有1.29% 的增加。
【附圖說明】
[0018] 通過閱讀參照W下附圖對非限制性實(shí)施例所作的詳細(xì)描述，本發(fā)明的其它特征、 目的和優(yōu)點(diǎn)將會變得更明顯：
[0019] 圖1是本發(fā)明一實(shí)施例的邏輯回規(guī)分類的結(jié)果示意圖；
[0020] 圖2是本發(fā)明一實(shí)施例的基于邏輯回規(guī)分類CU劃分提前判定流程圖；
[0021] 圖3是本發(fā)明一實(shí)施例與原始編碼器率失真(RD)性能曲線比較圖。
【具體實(shí)施方式】
[0022] 下面結(jié)合具體實(shí)施例對本發(fā)明進(jìn)行詳細(xì)說明。W下實(shí)施例將有助于本領(lǐng)域的技術(shù) 人員進(jìn)一步理解本發(fā)明，但不W任何形式限制本發(fā)明。應(yīng)當(dāng)指出的是，對本領(lǐng)域的普通技術(shù) 人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可W做出若干變形和改進(jìn)。運(yùn)些都屬于本發(fā)明 的保護(hù)范圍。
[0023]本發(fā)明基于新一代視頻編碼標(biāo)準(zhǔn)化曲Efficien巧VideoCoding(皿VC)，提供一 種對肥VC的帖內(nèi)預(yù)測的編碼單元進(jìn)行快速選擇的方法。具體實(shí)施步驟如下：
[0024] 步驟1:離線統(tǒng)計學(xué)習(xí)3個視頻序列，并記錄各種參數(shù)，具體是：
[0025] 采用皿VC中標(biāo)準(zhǔn)過程編碼CU,并記錄不同量化參數(shù)(QP)和不同編碼深度下最優(yōu)CU 劃分為"向下劃分"和"不向下劃分"時候選特征的值。其中候選的特征包括直接預(yù)測(DC)模 式的預(yù)測誤差的方差、當(dāng)前層最優(yōu)模式的預(yù)測誤差的方差、當(dāng)前層最優(yōu)模式的量化系數(shù)的 方差、當(dāng)前層最優(yōu)模式的率失真代價值、當(dāng)前層最優(yōu)模式編碼所需比特。
[0026] 本步驟中，離線統(tǒng)計學(xué)習(xí)3個視頻序列，在其他實(shí)施例中，也可W根據(jù)需要設(shè)定其 他的視頻序列數(shù)目，運(yùn)對本發(fā)明的實(shí)現(xiàn)沒有本質(zhì)性影響。
[0027]步驟2:邏輯回規(guī)分類器輸入特征的選擇，將步驟I離線統(tǒng)計得到的候選特征值進(jìn) 行比較，選出最佳輸入特征，具體是：
[0028]因為輸入數(shù)據(jù)的特征選擇對分類器的設(shè)計至關(guān)重要，如果相關(guān)性不高甚至不相關(guān) 的輸入數(shù)據(jù)，不但不會幫助分類，反而會使得分類器不準(zhǔn)確。相反，如果選擇出好的特征，可 W更好地理解數(shù)據(jù)，可W降低對于樣本的存儲開銷，可W減少訓(xùn)練和預(yù)測的時間，可W提高 預(yù)測性能。因此，特征選擇對于基于邏輯回規(guī)分類器的帖內(nèi)編碼單元快速選擇方法來說，顯 得更加重要。F-score是衡量兩個集合即"向下切分"和"不向下劃分"的數(shù)據(jù)差異性的評價 標(biāo)準(zhǔn)，它計算簡單，其定義如下：
[0030] 其中，而訂，杯分別是全部樣本、"不向下劃分"類樣本、"向下劃分"類樣本中輸 入矢量的第i個特征的均值，n+，rr分別是"不向下劃分"類樣本的總數(shù)、"向下劃分"類樣本的 總數(shù)，堿，堿分別是"不向下劃分"類、"向下劃分"類中第k個樣本的第i個特征。從上式可 得出，第i個特征在兩類中的均值與所有樣本的均值的差異越大，并且各自類別中第i個特 征的方差越小，F(xiàn)-score的值越大，那么第i個特征與類別的分離性越大，即該特征對分類有 很好的指導(dǎo)作用。分別計算候選特征的F-score值，然后選取值最大的兩個特征作為分類器 的輸入特征。<