[发明专利]基于支持向量机的视频转码快速帧内预测方法

权利要求书

1.基于支持向量机的视频转码快速帧内预测方法，其特征在于：首先从输入的视频码流中提取编码信息组成多维特征向量训练支持向量机，即Support Vector Machine，SVM，分类器模型，建立高分辨率视频编码信息与降尺寸视频中宏块的编码模式之间的联系；然后搭建阶梯式SVM分类器对降尺寸视频中宏块帧内编码模式进行分层式预测，具体包括下述步骤：

1)将输入的高分辨率视频码流解码来提取编码信息，包括：帧内编码模式、残差宏块和离散余弦变换系数；

2)分别为三层SVM分类器选取特征向量，即利用编码信息计算获得表征宏块特征的参量来组成多维特征向量；

3)通过定义的核函数性能参数来选择核函数，训练支持向量机模型，通过该模型建立高分辨率视频编码信息与降尺寸视频中宏块的帧内编码模式之间的相关性；

4)由顶层分类器，中间层分类器和下层分类器构建成分层式SVM分类器架构，分三步对降尺寸视频中宏块的帧内预测模式进行分类，首先划分Intra 16×16和Intra 4×4，其次对Intra 4×4中的模式{0，1，2}和其它模式进行划分，最后划分Intra 4×4中的垂直预测模式和水平预测模式；

5)利用缩减后的帧内模式对降尺寸视频进行编码，提前终止率失真优化算法，避免转码中再编码过程中的穷举式全搜索，实现一个低复杂度的H.264视频转码器；

6)输出转码后的低分辨率视频码流。

2.根据权利要求1所述的基于支持向量机的视频转码快速帧内预测方法，其特征在于所述的支持向量机特征向量的选取，包括下述步骤：

1)顶层分类器：选择Intra 16×16和Intra 4×4在当前宏块所对应的原始高分辨率视频的四个相邻宏块中的出现次数作为特征向量之一；将不为零的离散余弦变换系数的个数选作顶层分类器的另一个特征向量；

2)中间层分类器：利用如下公式中定义的方向差值参量来衡量宏块的亮度分布特征，进而划分出采用模式{0，1，2}的宏块；

C_V＝|E₀-E₂|+|E₁-E₃|，C_H＝|E₀+E₁|+|E₂-E₃|，

C_P＝2min{|E₁-E₂|，|E₀-E₃|}，CDC=0.5Σn=03|En-E‾|,]]>

En=Σi,j=03|Dn(i,j)|,]]>n＝0，1，2 and 3.

其中，C_V，C_H，C_P和C_DC分别代表垂直、水平、平面和DC的方向差值参量，D_n(i，j)表示位置(i，j)上的DCT系数，E_n表示宏块亮度值；

3)下层分类器：利用离散余弦变换系数计算获得4×4块的边界方向tanθ，将与tanθ最接近的预测方向作为该块的候选预测方向，其中，θ表示边界方向与水平方向的夹角，F_u，v代表4×4块(u，v)的交流AC系数；

tanθ=F0,1+F0,2+F0,3F1,0+F2,0+F3,0]]>

同时，按照下面的公式将第一行的AC系数绝对值之和定义为ac_sum_h，第一列AC系数绝对值之和定义为ac_sum_v，结合边界方向tanθ对4×4块进行预测；

ac_sum_h=Σj=13|AC[0,j]|,]]>ac_sum_h=Σj=13|AC[i,0]|]]>

如果ac_sum_h小于ac_sum_v，则该4×4块采用垂直预测模式的机会较小，去除模式{0，3，5，7}；相反，如果ac_sum_v小于ac_sum_h，则该4×4块采用水平预测模式的机会较小，去除模式{1，4，6，8}。