視頻編碼中幀內編碼的碼率估計方法技術

本發明專利技術公布了一種在視頻編碼領域的I幀編碼中率失真優化模塊的快速碼率估計方法，通過對預測塊的殘差信息進行建模，并在相應模型下根據信息熵理論估計出預測塊的編碼比特數，從而可以在RDO過程中跳過熵編碼過程，包括：統計預測塊分布信息并建模得到混合模型、根據模型估計預測模式的編碼比特數、并對估計的編碼比特數做出修正，用以估算RDO過程中每種預測模式的編碼碼率，以替代真實熵編碼過程的巨大的時間復雜度，在視頻質量損失較少的情況下有效地減少編碼時間。本發明專利技術適用于視頻編碼中I幀的碼率估計。

【技術實現步驟摘要】

本專利技術屬于視頻編碼
，涉及幀內(I幀)預測編碼技術，尤其涉及一種視頻編碼中幀內(I幀)的碼率估計方法，可用于快速高效地選擇出幀內預測的最佳模式，減少幀內編碼所需的時間。
技術介紹
視頻編碼技術是指對視頻進行壓縮的技術。日常生活中的視頻數據包括信息和冗余數據兩部分內容，視頻編碼旨在去除視頻數據的冗余部分，以減少視頻數據在存儲和傳輸過程中的壓力。當前主流的視頻編碼平臺都采用基于圖像塊的混合編碼框架，圖像塊需要經過預測、變換、量化、熵編碼等方法，最大限度地消除視頻數據中的統計冗余。率失真優化技術(Rate-DistortionOptimization，簡稱RDO)是保證在一定的視頻質量條件下盡量減少編碼比特數的方法，或在一定碼率限制條件下盡量減少編碼的失真。率失真過程會通過率失真優化函數來評估每種預測方式的優劣，主要通過考察每種預測模式的失真和編碼比特數。在相同失真的情況下，編碼比特數越小的預測模式將會在RDO過程中被選擇。由此，在RDO過程中需要得到每種預測模式的失真以及編碼比特數。然而，要求得到某種預測模式的編碼比特數，需要對該預測塊的變換量化后的結果做熵編碼，這卻是一個非常耗時的過程。
技術實現思路
為了克服上述現有技術的不足，本專利技術提供一種視頻編碼中幀內(I幀)的碼率估計方法，主要通過預測塊的信息建模，并在相應模型下利用信息熵理論估計出預測塊編碼比特數，從而跳過了熵編碼的過程；本專利技術方法可用于快速高效地選擇出幀內預測的最佳模式，減少幀內編碼所需的時間。在視頻質量損失較少(0.64％BD-rate損失)的情況下節約了較多的編碼時間(37.7％的RDO模塊時間)。率失真優化RDO過程首先選出每一種塊劃分下的最優預測模式；再從各種塊劃分的最優模式中選出最佳的塊劃分模式。本專利技術的關鍵創新點在于：本專利技術使用了廣義高斯分布和均勻分布相結合的新模型，新模型對視頻編碼中的殘差分布的擬合與實際結果更為接近，同時由于模型尾部是均勻分布，使得在整個碼率估計過程中，更新查找表環節的計算復雜度能夠大大降低。本專利技術方法增加了對估計編碼比特數修正的環節，相當于對上述混合模型的決策結果進行了一次修正，使得修正結果更加接近真實熵編碼的結果。本專利技術提供的技術方案是：一種視頻編碼中幀內編碼的碼率估計方法，通過對預測塊的殘差信息進行建模，并在相應模型下根據信息熵理論估計出預測塊的編碼比特數，從而可以在RDO(率失真優化，Rate-DistortionOptimization)過程中跳過熵編碼過程，有效地減少編碼時間；所述碼率估計方法主要包括：統計預測塊分布信息并建模過程、根據模型估計預測模式的編碼比特數的過程，和對估計的編碼比特數做出修正的過程；具體步驟如下：1)統計預測塊分布信息并建模的流程如下：11)以一幀為單位，統計不同的預測塊大小(RDO過程會將預測塊劃分為不同的大小，從4x4～64x64)中每個位置的殘差分布，并對預測塊中每個位置的殘差用廣義高斯分布模型和均勻分布模型的混合模型進行擬合，得到的概率密度函數作為用于預測塊中每個位置的概率分布情況的混合模型。(注：混合模型的更新頻率原則上每一幀更新一次，也就是說當前幀的統計結果會用到下一幀的預測當中。但如果在一幀結束以后沒有達到一定的樣本數量，則不會更新模型，統計樣本與下一幀樣本一同更新。)12)用步驟11)得到的模型，計算出預測塊在每個位置上、量化結果為特定值的概率(即對某一預測塊上的某一位置，若經過量化后這個位置的量化值為x，求出這種情況發生的概率)，再根據概率求出信息熵。以算出的信息熵作為預測塊在這個位置這個量化值的估計編碼比特數。將估計得到的編碼比特數存放到一個數據表中，這樣在下一幀編碼的RDO過程中只需要查詢該數據表即可獲得相應的編碼比特數。2)根據模型估計RDO過程的每種預測模式的編碼比特數：在上述的建模過程在我們得到了預測塊在每個位置的每個量化值的估計編碼比特數，我們在RDO的過程中，經過預測、變換、量化步驟后，根據每個位置量化的結果從相應數據表中查詢得到該位置的估計比特數，并將這個預測塊的所有位置的編碼比特數相加即可得到該預測塊的估計編碼比特數，從而跳過了熵編碼的過程。3)估計的編碼比特數做出修正：利用步驟2)的結果，我們可以跳過熵編碼的過程，選出每種塊大小(4x4～64x64)中的最佳預測模式(這在RDO過程中已經實現；我們的專利技術是利用步驟2)替代了RDO過程中計算復雜度較高的熵編碼過程)。RDO過程會緊接著在不同塊劃分的最優模式中選出一個最佳模式作為最終的劃分結果。本專利技術中，當我們得出每個塊大小的最優模式后，對這些最優模式做一個簡易的熵編碼，并用這個簡易的熵編碼結果作為最優模式的預估編碼比特數，用于我們在不同的塊大小之間選擇出最優的劃分方式。與現有技術相比，本專利技術的有益效果是：本專利技術提供一種視頻編碼中幀內(I幀)的碼率估計方法，主要通過預測塊的信息建模，并在相應模型下利用信息熵理論估計出預測塊編碼比特數，從而跳過了熵編碼的過程；本專利技術方法可用于快速高效地選擇出幀內預測的最佳模式，減少幀內編碼所需的時間。本專利技術具有以下優點：(一)廣義高斯分布和均勻分布的混合模型比較符合真實情況的殘差分布，在同一種塊大小中能夠很好地甄別出最優的預測模式。(二)對每一種塊大小中的最優模式做了重新的熵編碼(簡易熵編碼)，該過程與真實的熵編碼相比復雜度較低，但足夠用來決策出最好的塊劃分方式。視頻質量損失較少(0.64％BD-rate損失)。(三)一幀更新一次統計模型，而在RDO過程中只需要做簡單的查詢操作，時間復雜度較低。節約了較多的編碼時間(節省了37.7％的RDO模塊時間)附圖說明圖1是本專利技術提供的碼率估計方法的流程框圖。圖2是現有的廣義高斯分布模型和本專利技術所提出的混合模型的概率密度函數圖；其中，虛線形表示傳統的廣義高斯分布模型；實線形表示廣義高斯分布和均勻分布的混合模型；兩條豎線與橫軸的交點表示在混合模型中廣義高斯分布和均勻分布的分界點。圖3是本專利技術計算預測塊中某一位置被量化為特定值的概率示意圖；其中，曲線是針對預測塊中某一個位置的殘差分布；橫軸表示該位置量化前的值，縱軸表示該位置量化前取特定值的概率密度；對于該位置而言，當量化后的結果時，從量化公式其中f為量化偏移，Qstep為量化步長,int(x)表示取整函數，sgn(x)表示符號函數)可知，對應的量化前的值可能處于的區間是從而在這個區間對曲線求積分，即可得到該位置的值被量化為的概率，也就是圖3中黑色陰影部分的面積；對于量化后結果為可得量化前區間可能處于(-(1-f)·Qstep,(1-f)·Qstep)，該區間即量化死區deadzone，圖3中部白色陰影部分的面積表示該位置量化后結果為的概率。具體實施方式下面結合附圖，通過實施例進一步描述本專利技術，但不以任何方式限制本專利技術的范圍。本專利技術提供了一種在視頻編碼領域的I幀編碼中率失真優化(RateDistortionOptimization)模塊的快速碼率估計方法，用以估算RDO過程中每種預測模式的編碼碼率，以替代真實熵編碼過程的巨大的時間復雜度，在視頻質量損失較少(0.64％BD-rate損失)的情況下節約了較多的編碼時間(37.7％的RDO模塊時間)。本專利技術適用于視本文檔來自技高網...

【技術保護點】
一種視頻編碼中幀內編碼的碼率估計方法，通過對預測塊的殘差信息進行建模，利用建模得到的模型估計出預測塊的編碼比特數，使得在率失真優化過程中跳過熵編碼過程，有效地減少編碼時間；所述碼率估計方法主要包括：統計預測塊分布信息并建模的過程、根據模型估計預測模式的編碼比特數的過程和對估計的編碼比特數做出修正的過程；具體步驟如下：1)統計預測塊的分布信息并建模11)將預測塊劃分為不同的大小，以一幀為單位，統計不同大小的預測塊的每個位置的殘差分布；對預測塊中每個位置的殘差用廣義高斯分布模型和均勻分布模型的混合模型進行擬合，得到的概率密度函數作為用于預測塊中每個位置的概率分布情況的混合模型；12)計算得到預測塊的每個位置的量化值和量化值為特定值的概率，再根據概率求出信息熵，以所述信息熵作為預測塊在相應位置的量化值對應的估計編碼比特數；并將所述估計編碼比特數存放到一個數據表中；2)根據模型估計率失真優化過程的每種預測模式的編碼比特數：在率失真優化過程中經過預測、變換、量化步驟后，根據每個位置的量化值，從步驟12)所述數據表中查詢得到該位置的估計編碼比特數，并將該預測塊的所有位置的編估計碼比特數結果相加，即可得到該預測塊的估計編碼比特數，從而跳過了熵編碼的過程；3)對估計的編碼比特數做修正：對不同大小的預測塊，針對當前預測塊的最優預測模式做一個簡易的熵編碼，將所述簡易的熵編碼結果作為最優預測模式的預估編碼比特數，用于在不同的塊大小之間選擇出最優的塊劃分方式；由此完成率失真優化過程中的碼率估計。...

【技術特征摘要】
1.一種視頻編碼中幀內編碼的碼率估計方法，通過對預測塊的殘差信息進行建模，利用建模得到的模型估計出預測塊的編碼比特數，使得在率失真優化過程中跳過熵編碼過程，有效地減少編碼時間；所述碼率估計方法主要包括：統計預測塊分布信息并建模的過程、根據模型估計預測模式的編碼比特數的過程和對估計的編碼比特數做出修正的過程；具體步驟如下：1)統計預測塊的分布信息并建模11)將預測塊劃分為不同的大小，以一幀為單位，統計不同大小的預測塊的每個位置的殘差分布；對預測塊中每個位置的殘差用廣義高斯分布模型和均勻分布模型的混合模型進行擬合，得到的概率密度函數作為用于預測塊中每個位置的概率分布情況的混合模型；12)計算得到預測塊的每個位置的量化值和量化值為特定值的概率，再根據概率求出信息熵，以所述信息熵作為預測塊在相應位置的量化值對應的估計編碼比特數；并將所述估計編碼比特數存放到一個數據表中；2)根據模型估計率失真優化過程的每種預測模式的編碼比特數：在率失真優化過程中經過預測、變換、量化步驟后，根據每個位置的量化值，從步驟12)所述數據表中查詢得到該位置的估計編碼比特數，并將該預測塊的所有位置的編估計碼比特數結果相加，即可得到該預測塊的估計編碼比特數，從而跳過了熵編碼的過程；3)對估計的編碼比特數做修正：對不同大小的預測塊，針對當前預測塊的最優預測模式做一個簡易的熵編碼，將所述簡易的熵編碼結果作為最優預測模式的預估編碼比特數，用于在不同的塊大小之間選擇出最優的塊劃分方式；由此完成率失真優化過程中的碼率估計。2.如權利要求1所述碼率估計方法，其特征是，步驟...

【專利技術屬性】
技術研發人員：王榮剛，曹洪彬，王振宇，高文，
申請(專利權)人：北京大學深圳研究生院，
類型：發明
國別省市：廣東;44