公开(公告)号：CN106713935B

公开(公告)日：2019-06-11

申请号：CN201710014097.5

申请日：2017-01-09

申请人： 杭州电子科技大学

发明人： 姚英彪 ,  贾天婕 ,  杨旭

IPC分类号： H04N19/61 ,  H04N19/176 ,  H04N19/119 ,  H04N19/147 ,  H04N19/149

摘要： 本发明公开了一种基于贝叶斯决策的HEVC块划分快速方法。本发明首先利用基于平均灰度差值的场景变换检测将视频序列分成在线学习阶段和快速划分阶段。其次对于在线学习阶段和发生场景变换的视频帧，在每一个划分深度，分别提取CU的Jinter和Jintra为特征值，以此建立混合高斯模型，模型的具体参数根据以K‑Means算法初始化的EM算法确定；对于处于快速划分阶段的待划分的CU，提取其特征值，根据混合高斯模型求出是否划分的条件概率，最后利用最小风险的贝叶斯公式求出风险较小的决策，作为当前CU是否划分的判断依据。本发明降低了算法复杂度，能大幅度减少编码时间。

公开(公告)号：CN106131554B

公开(公告)日：2019-07-26

申请号：CN201610538332.4

申请日：2016-07-07

申请人： 杭州电子科技大学

发明人： 贾天婕 ,  姚英彪

IPC分类号： H04N19/176 ,  H04N19/70 ,  H04N19/82 ,  H04N19/117

摘要： 本发明公开了一种基于主要边缘方向的HEVC快速样点自适应补偿方法。本发明包括如下步骤：步骤1、提取每个CTU的主要边缘方向；步骤2、确定CTU的最优边界补偿模式及其补偿值；步骤3、计算其他SAO补偿方式的相对率失真代价；步骤4、确定CTU的最优SAO模式。本发明提取每个CTU的主要边缘方向并将其作为该CTU的最优EO模式，再遍历BO模式、参数融合模式、不补偿模式，通过式Cost＝Distortion+λ×Bitrate判决出最优模式。本发明利用图像的纹理信息降低了SAO模式确定过程的复杂度，节省了HEVC的SAO编码运行时间。

公开(公告)号：CN106713935A

公开(公告)日：2017-05-24

申请号：CN201710014097.5

申请日：2017-01-09

申请人： 杭州电子科技大学

发明人： 姚英彪 ,  贾天婕 ,  杨旭

IPC分类号： H04N19/61 ,  H04N19/176 ,  H04N19/119 ,  H04N19/147 ,  H04N19/149

CPC分类号： H04N19/61 ,  H04N19/119 ,  H04N19/147 ,  H04N19/149 ,  H04N19/176

摘要： 本发明公开了一种基于贝叶斯决策的HEVC块划分快速方法。本发明首先利用基于平均灰度差值的场景变换检测将视频序列分成在线学习阶段和快速划分阶段。其次对于在线学习阶段和发生场景变换的视频帧，在每一个划分深度，分别提取CU的Jinter和Jintra为特征值，以此建立混合高斯模型，模型的具体参数根据以K‑Means算法初始化的EM算法确定；对于处于快速划分阶段的待划分的CU，提取其特征值，根据混合高斯模型求出是否划分的条件概率，最后利用最小风险的贝叶斯公式求出风险较小的决策，作为当前CU是否划分的判断依据。本发明降低了算法复杂度，能大幅度减少编码时间。

公开(公告)号：CN106131554A

公开(公告)日：2016-11-16

申请号：CN201610538332.4

申请日：2016-07-07

申请人： 杭州电子科技大学

发明人： 贾天婕 ,  姚英彪

IPC分类号： H04N19/176 ,  H04N19/70 ,  H04N19/82 ,  H04N19/117

摘要： 本发明公开了一种基于主要边缘方向的HEVC快速样点自适应补偿方法。本发明包括如下步骤：步骤1、提取每个CTU的主要边缘方向；步骤2、确定CTU的最优边界补偿模式及其补偿值；步骤3、计算其他SAO补偿方式的相对率失真代价；步骤4、确定CTU的最优SAO模式。本发明提取每个CTU的主要边缘方向并将其作为该CTU的最优EO模式，再遍历BO模式、参数融合模式、不补偿模式，通过式Cost＝Distortion+λ×Bitrate判决出最优模式。本发明利用图像的纹理信息降低了SAO模式确定过程的复杂度，节省了HEVC的SAO编码运行时间。