基于3D-HEVC的編碼單元快速劃分算法研究.pdf

1、伴隨著視頻技術(shù)的迅猛發(fā)展，3D視頻，3D電影等立體技術(shù)逐漸走進(jìn)并影響人們生活。關(guān)于視頻壓縮技術(shù)的研究在逐漸的成為學(xué)者們爭相研究的熱點。新一代高效視頻編碼技術(shù)H.265/HEVC是最新提出的視頻編碼標(biāo)準(zhǔn)，而3D-HEVC采用“多視點加深度”的編碼格式，在H.265/HEVC編碼框架的基礎(chǔ)上使得三維立體技術(shù)有了更進(jìn)一步的提高。但是較高的編碼復(fù)雜度和冗長的編碼時間使得編碼性能不夠完善。因此，著眼于這兩點的研究是在完善視頻編碼標(biāo)準(zhǔn)研究內(nèi)容中的重

2、要研究部分。
　　本文首先研究了H.265/HEVC以及3D-HEVC編碼技術(shù)現(xiàn)狀，而且對兩者的編碼框架以及相關(guān)的關(guān)鍵編碼技術(shù)做了分析。在3D-HEVC編碼過程中，編碼單元(Coding Unit,CU)的劃分決策采用的是四叉樹結(jié)構(gòu)的遞歸窮盡搜索的模式，與編碼時間的長短有著很直接的關(guān)系。所以減少CU劃分過程中的時間是提高視頻編碼效率的一個關(guān)鍵點。本文就3D-HEVC編碼過程，對紋理圖以及深度圖的CU劃分過程分別提出改進(jìn)并進(jìn)行深入研

3、究。
　　在已有的紋理圖CU快速劃分過程中，通常是根據(jù)CU的紋理特征尋找固定的閾值，以此為判斷條件，提前終止CU的四叉樹遞歸劃分。這種方法雖然能夠起到降低編碼時間的效果，但是由于局限性使得對于不同的視頻產(chǎn)生的適應(yīng)性可能不同。本文采用概率神經(jīng)網(wǎng)絡(luò)(Probabilistic Neural Network,PNN)分類器，將CU的劃分特征值向量作為分類器的輸入，而分類器的輸出值作為CU的劃分判斷條件，因此簡化了遞歸的過程。利用采集到的

4、大量CU劃分的數(shù)據(jù)對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并通過測試數(shù)據(jù)進(jìn)行測試，對不同的視頻序列都可以實現(xiàn)對CU的良好的快速劃分。經(jīng)過實驗仿真表明，本文提出的快速算法可以誤差范圍內(nèi)，保證視頻觀看質(zhì)量不受影響的前提下，平均節(jié)省43％左右的編碼時間。
　　對于深度圖的CU快速劃分算法方面，本文利用統(tǒng)計信息和貝葉斯(Bayes)決策規(guī)則，對紋理圖的最大編碼單元(Largest Coding Unit，LCU)和深度圖LCU內(nèi)部的CU劃分深度分布進(jìn)行分析，得出

5、當(dāng)紋理圖LCU內(nèi)部劃分深度全為0時，對應(yīng)同位置的深度圖LCU內(nèi)部劃分深度也全為0；當(dāng)紋理圖LCU內(nèi)部劃分深度全為1時，同位置的深度圖LCU內(nèi)部劃分深度利用Bayes決策理論的最小錯誤率決策規(guī)則，對其分布進(jìn)行分類，當(dāng)對應(yīng)深度圖的LCU的率失真代價(Rate Distortion Cost, RDCost)與設(shè)置的閾值相比較小時，則其劃分深度全為0，否則按照四叉樹遞歸劃分算法遞歸劃分，尋找最優(yōu)的CU尺寸。通過實驗結(jié)果證明，本文提出的深度圖L