[发明专利]一种基于四叉树概率预测的低复杂度视频编码方法

摘要

本发明属于视频压缩编码领域，公开了一种基于四叉树概率预测的低复杂度视频编码方法，基于编码器内部参数，对编码帧四叉树的根节点和树深度进行预测，并定期对预测四叉树的根节点和树深度进行更新，保证后续编码帧的预测精度。采用本发明的技术方案，在全帧内、低延时、随机接入等有损压缩配置下均可以实现不同程度的编码时间节省，且码率增加较少，重建图像主观质量较好。

主权项

一种基于四叉树概率预测的低复杂度视频编码方法，其特征在于，包括以下步骤：步骤S1、采用预设的编码四叉树对首个图像组(Group of picture,GOP)中所有编码帧进行编码，得到初始GOP中每帧图像的最优编码单元(coding unit,CU)分布概率P；步骤S2、通过四叉树分布概率P建模得到已编码GOP的预测四叉树结构F_esta.；步骤S3、对待编码GOP进行四叉树结构预测，F_pred.表示待编码GOP中每一帧图像的四叉树结构，F_pred.计算如下式：其中，δ(CU,Frame_n)表示待编码GOP中第n帧图像的编码四叉树节点是否存在，δ计算如下式：$\mathrm{\δ}=\left\{\begin{array}{c}0,P\<\mathrm{\σ}\\ 1,P\≥\mathrm{\σ}\end{array}\right.,$其中，{1,0}分别代表编码四叉树的节点是否存在，σ为经验阈值，当式(1)中δ(CU,Frame_n)＝0时，表示预测四叉树中该节点不存在；当δ(CU,Frame_n)＝1时，预测四叉树的根节点尺寸定义为δ(CU,Frame_n)中CU的最大尺寸；树深度定义为log₂(Root node)‑log₂(leaf node)+1，其中，Root node表示根节点尺寸，leaf node表示δ(CU,Frame_n)中CU的最小尺寸；步骤S4、由更新周期T判断当前编码帧是否需要进行概率模型更新，若需更新则进入步骤S5，否则进入步骤S6；步骤S5、对当前GOP的预测四叉树分布概率模型更新，用更新后的四叉树结构作为当前或后续GOP的预测四叉树，计算如下式：${\tilde{F}}_{esta.}^n=\left\{\begin{array}{cc}{F}_{esta.}^{n-1},& Z\left(F_{esta.}^n\right)=Z\left(F_{esta.}^{n-1}\right)\\ \mathrm{\ρ}\·F_{esta.}^{n-1}+\left(1-\mathrm{\ρ}\right)\·F_{esta.}^n,& Z\left(F_{esta.}^n\right)\≠Z\left(F_{esta.}^{n-1}\right)\end{array}\right.$其中，表示更新后的预测四叉树结构，表示当前GOP的已预测四叉树结构，表示前一个GOP的已预测四叉树结构，Z(·)表示F中零元素的个数和位置，ρ∈[0,1]用于平衡更新性能；将替代执行步骤S3，得到预测四叉树的根节点尺寸和树深度，然后执行步骤S6；步骤S6、由计算得到的根节点尺寸和树深度构成预测四叉树，从预测四叉树根节点开始遍历所有树节点，直到树深度达到预测的最大值，同时通过预测四叉树对当前及后续GOP中所有编码帧进行节点遍历，通过率失真代价计算得到最优CU尺寸划分结果；步骤S7、判断当前GOP是否为最后一个GOP，若是则采用预测四叉树完成编码并结束，否则返回步骤S4。