-
公开(公告)号:CN118317091B
公开(公告)日:2024-09-06
申请号:CN202410733766.4
申请日:2024-06-07
申请人: 浙江大华技术股份有限公司
IPC分类号: H04N19/147 , H04N19/70 , H04N19/61 , H04N19/176
摘要: 本申请提出一种率失真优化方法、图像编码方法、图像编解码装置以及计算机存储介质。所述率失真优化方法包括:获取待编码块的语法元素,其中,语法元素指示预设的预测模式和变换类型组合;利用预测模式和变换类型组合,获取所述待编码块的变换块,其中,所述变换块包括若干变换系数;将所述语法元素输入码率估计器,获取所述待编码块的估计码率;将所述变换系数输入失真估计器,获取所述待编码块的估计失真;基于所述估计码率和所述估计失真,确定所述待编码块使用所述预测模式和所述变换类型组合的率失真代价。通过上述率失真优化方法,在保证编码性能损失和复杂度降低具有良好折衷的前提下,实现了率失真优化的硬件实现,提高率失真优化效率。
-
公开(公告)号:CN118158420A
公开(公告)日:2024-06-07
申请号:CN202410570186.8
申请日:2024-05-09
申请人: 浙江大华技术股份有限公司
IPC分类号: H04N19/176 , H04N19/20 , H04N19/42 , H04N19/44
摘要: 本申请提出一种图像编码方法、图像解码方法,图像编解码装置以及计算机存储介质。所述图像编码方法包括:获取待编码图像;将所述待编码图像划分为若干子图像;使用编码器对所述若干子图像分别编码,得到每一子图像对应的子码流;将若干子码流合并得到所述待编码图像的完整码流。通过上述图像编码方法,解决了多路编码后解码恢复完整序列过程中的问题,即避免了传输过程中多流的同步,还避免了解码过程需要多路配合同时解码时系统层的调度,还避免了存储过程中对于一个原始视频序列需要存多个码流,提供图像编码效果。
-
公开(公告)号:CN118317080B
公开(公告)日:2024-08-16
申请号:CN202410747375.8
申请日:2024-06-11
申请人: 浙江大华技术股份有限公司
IPC分类号: H04N19/119 , H04N19/105 , H04N19/176 , H04N19/503 , G06T9/00
摘要: 本申请提出一种图像编码方法、图像解码方法、图像编解码装置以及计算机存储介质。所述图像编码方法包括:获取待编码图像的待编码块的块尺寸;响应于块尺寸为第一预设尺寸,采用卷积神经网络预测待编码块的划分模式;响应于块尺寸为第二预设尺寸,采用决策树模型预测待编码块的划分模式;按照待编码块的划分模式将待编码块划分为若干待编码子块;对若干待编码子块进行编码,获取待编码块的编码码流;其中,第一预设尺寸大于第二预设尺寸。通过上述图像编码方法,利用卷积神经网络对大尺寸的待编码块进行划分模式预测,利用决策树模型对小尺寸的待编码块进行划分模式预测,从而优化帧间编码过程,大大降低了帧间编码的复杂度。
-
公开(公告)号:CN118317091A
公开(公告)日:2024-07-09
申请号:CN202410733766.4
申请日:2024-06-07
申请人: 浙江大华技术股份有限公司
IPC分类号: H04N19/147 , H04N19/70 , H04N19/61 , H04N19/176
摘要: 本申请提出一种率失真优化方法、图像编码方法、图像编解码装置以及计算机存储介质。所述率失真优化方法包括:获取待编码块的语法元素,其中,语法元素指示预设的预测模式和变换类型组合;利用预测模式和变换类型组合,获取所述待编码块的变换块,其中,所述变换块包括若干变换系数;将所述语法元素输入码率估计器,获取所述待编码块的估计码率;将所述变换系数输入失真估计器,获取所述待编码块的估计失真;基于所述估计码率和所述估计失真,确定所述待编码块使用所述预测模式和所述变换类型组合的率失真代价。通过上述率失真优化方法,在保证编码性能损失和复杂度降低具有良好折衷的前提下,实现了率失真优化的硬件实现,提高率失真优化效率。
-
公开(公告)号:CN118317080A
公开(公告)日:2024-07-09
申请号:CN202410747375.8
申请日:2024-06-11
申请人: 浙江大华技术股份有限公司
IPC分类号: H04N19/119 , H04N19/105 , H04N19/176 , H04N19/503 , G06T9/00
摘要: 本申请提出一种图像编码方法、图像解码方法、图像编解码装置以及计算机存储介质。所述图像编码方法包括:获取待编码图像的待编码块的块尺寸;响应于块尺寸为第一预设尺寸,采用卷积神经网络预测待编码块的划分模式;响应于块尺寸为第二预设尺寸,采用决策树模型预测待编码块的划分模式;按照待编码块的划分模式将待编码块划分为若干待编码子块;对若干待编码子块进行编码,获取待编码块的编码码流;其中,第一预设尺寸大于第二预设尺寸。通过上述图像编码方法,利用卷积神经网络对大尺寸的待编码块进行划分模式预测,利用决策树模型对小尺寸的待编码块进行划分模式预测,从而优化帧间编码过程,大大降低了帧间编码的复杂度。
-
-
-
-