HEVC对偶编码单元划分优化算法

摘要：

为了解决视频数据量日益增长与用户享受高质量视频体验需求之间的矛盾,HEVC在H.264/AVC标准的基础上通过引入新型的编码结构和算法进一步将编码效率提升了50％,但是也极大地提升了编码复杂度.基于此,提出对偶编码单元(CU)划分网络DualNet,来降低HEVC中帧内编码复杂度.该网络由预测网络和目标网络2个部分组成,其中,预测网络通过分析图像统计特征实现编码单元划分决策,从而跳过四叉树的遍历搜索,提高编码单元划分决策的时间效率;目标网络基于率失真代价评价和优化决策模型提升编码单元划分性能,实现模型互补和最优率失真估计.实验结果表明:与HEVC标准对比,所提算法在实现相近的压缩效果的前提下能够节省64.06％的编码时间.

关键词：视频编码、H.265/HEVC、编码单元(CU)划分、深度学习、对偶神经网络

所属期刊栏目：48

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;中央高校基本科研业务费专项;中央高校基本科研业务费专项

在线出版日期：2022-09-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1383-1389