[发明专利]基于强化学习的多遍历视频编码码率分配与控制优化方法

权利要求书

1.一种基于强化学习的视频编码多遍历中码率分配与控制的优化方法，其特征在于，包括：

步骤1，创建预测网络和判别网络，并完成网络参数初始化；预测网络负责决策码率分配和控制策略参数最优值；判别网络负责判别预测网络生成的预测值好坏；

步骤2，执行第一次遍历编码，编码整段视频序列，生成综合统计信息；

步骤3，输入综合统计信息，由预测网络得到码率分配和控制的策略参数；

步骤4，根据码率分配和控制的策略参数，执行第二次遍历编码；

步骤5，编码结果评分，在第二次遍历整段视频序列编码完成以后，得到的压缩效率综合评分R；

步骤6，判别网络估分，根据输入综合统计信息以及码率分配和控制的策略参数，得到估分V；

步骤7，强化学习训练迭代，更新预测网络和判别网络参数，并执行迭代过程；

步骤8，编码决策，负责为视频编码中的任一画面组，在第一次遍历结束之后，第二次遍历开始之前，生成最优化的码率分配与控制的码率分配和控制策略参数，从而提升编码多遍历的编码压缩效率。

2.根据权利要求1所述的基于强化学习的视频编码多遍历中码率分配与控制优化方法，其特征在于，包括：

图像组中不同图像所对应的码率分配与控制的策略参数，包括图像组大小，图像组中各帧图像的码率分配加权值，图像组中相应的帧QP值，以及图像组参考结构；

所述图像组中每一幅图像所对应的码率分配与控制的策略参数，是视频码率分配和控制策略中最关键参数，对视频图像压缩效率影响大，且对不同视频图像内容有适配性的关键策略参数；所述图像组中各帧图像的码率分配加权值可以大于1，即加权后分配码率大于平均设定值；也可以小于1，即加权后分配码率小于平均设定值；

所述图像组中的各帧对编码效率的重要性是有分别的，并且与图像组的编码结构紧密相关；编码结构可以是依次编码，即每一帧图像的解码顺序与其解码后的显示顺序完全一致；也可以是分层结构，即每一帧的解码顺序与其解码后的显示顺序可以不同，每一帧在图像组中的作为参考帧的重要性取决于其所位于的参考层，层数越低，重要性越大；底层的图像可以作为本层图像或者上层图像的参考帧，但上层图像不可以作为位于其层面以下的任何图像的任何参考帧；

所述策略参数通过传统的方法求解全局最优值的复杂度为指数复杂度问题。

3.根据权利要求1所述的基于强化学习的视频编码多遍历中码率分配与控制优化方法，其特征在于，包括：执行第一次遍历编码，编码整段视频序列，生成综合统计信息；

所述综合统计信息为多个图像组从第一次遍历编码后所采集的各帧统计数据，包括：帧内编码后的各个像素分块的方差，各帧帧内预测分块数目与帧间预测分块数目的比例，帧间预测所得运动矢量的分布，帧间放大/缩小的概率预测，帧内预测或帧间预测所得残差的绝对误差和SAD或者差值平方和SSE数值。

4.根据权利要求1所述的基于强化学习的的视频编码多遍历中码率分配与控制优化方法，其特征在于，包括：编码结果评分，

所述编码结果评分，是在对整段视频序列编码完成之后，得到的压缩效率综合评分，包括根据码率和质量评价得到的综合评分；

所述质量评价包括全参考质量评价峰值信噪比PSNR和结构相似性指标SSIM；

所述编码结果评分不需要编码过程中的额外计算或反馈，不需要对编码器做定制化改动，与编码器耦合性弱，且能够综合反映图像组内部各帧编码质量之间的相互影响。

5.根据权利要求1所述的基于强化学习的视频编码多遍历中码率分配与控制优化方法，其特征在于，包括：预测网络负责决策图像组中各帧图像所对应的码率分配与控制的策略参数，

所述预测网络为全连接神经网络，预测网络输入为包含多个图像组从第一次遍历编码后所采集的各帧统计数据，输出图像组各帧图像的码率分配与控制的策略参数p；预测网络的输入为多个图像组由第一次遍历采集的各帧统计数据，对于第二次遍历或以后的遍历，不是从第二次遍历或以后的遍历编码过程中提取的参数，不需要编码器的额外反馈，保持较强解耦性；预测网络在实际推断和编码过程中，用作编码器第二次遍历的前置模块，得到预处理参数。