【HEVC帧间预测论文】P1.6 A Fast HEVC Inter CU Selection Method Based on Pyramid Motion Divergence

A Fast HEVC Inter CU Selection Method Based on Pyramid Motion Divergence

《HEVC标准介绍、HEVC帧间预测论文笔记》系列博客,目录见:http://www.cnblogs.com/DwyaneTalk/p/5711333.htmlMotion Vectors Merging Low Complexity Prediction Unit Decision Heuristic for the InterPrediction of HEVC Encoders.pdf

A Fast HEVC Inter CU Selection Method Based on Pyramid Motion Divergence.pdf

IEEE TRANSACTIONS ON MULTIMEDIA, VOL. 16, NO. 2, FEBRUARY 2014

PMD作为特征,利用kNN决策判断是否进行CU块划分。

 

核心公式:

分析:(1)中计算R-D的SSD是原始图像与重建图像差值平方和

         但是为了节约时间,一般采用原始图像与预测图像的差值平方和来判断,如下:

     (2)

         X为一个CU块,x为X中一个点,m是预测得到的每个像素点的运动矢量(有专门的算法),t和t-1表示帧号(假设t帧参考t-1帧)。在不考虑光照因素,设每个像素点实际运动矢量为mx,那么

     (3)

      (4)

公式(4)是将率失真优化理论上归到同一帧处理,由于图像符合一阶马科夫过程,所以对于一幅图像:(一阶马科夫系数p为两点的欧氏距离)

       (5)

         (6)

         简化模型后,(6)式中一阶马科夫系数满足

                    (7)

         然后可以进行如下推理:

        (8)

                     (9)

         进行一阶泰勒展开:得到(10)

         (10)

     (11)

         最终就是为了得到R-D值和距离平方正相关。下图进一步通过实验,验证了CU块内所有点MV的方差和该CU块的Cost的正相关性

    (12)

         然后如上图和公式12就是计算一个CU的特征,左边为当前CU,右边是分成4个子CU,mx是像素级的运动矢量

           

         然后上图验证了A 、B两个CU的PA和PB之间相似度和A、B的CU是否划分相同的概率,表名通过判断PA和PB像素来决定CU是否划分的可行性。其中PA和PB相似度ndist如下:

    (13)

         kNN决策就是从已编码的CU块中,找到k个和当前块PMD最想的,然后用下面策略进行决策:

       (14)

         进行kNN判断相似度时,除了(13)外,还可以用下面(15)

(15)

         Lu是k个最近邻CU中决策为unsplit的个数,Ls是k个最近邻CU中决策为split的个数。Unsure表示按照正常的CU划分策略进行决策。

算法流程:

         实际算法流程如下:

首先对图像进行下采样(为了减少Optical Flow Estimation的时间,选择x/4,y/4是为了保证每个TU块中有一个像素参与);

         然后通过Optical Flow Estimation算法,得到每个下采样之后的像素点的MV;

         对每个CU块,计算PMD特征

         根据kNN准则,预测是否spliting。

说明:

         Previous Coded CU是一个FIFO队列,存储已经编码的CU块的PMD特征和最终的CU是否划分的判决,kNN决策时,根据FIFO队列和当前块PMD特征最近的k个,如果全是spliting,则当前块split;如果全是not-spliting,则当前块not-spliting。

实验结果:

环境:HM9.0,kNN的k=5,FIFO队列大小300。表格显示了时间、码率和质量的变化。最后一列是下采样优化的Flow Estimation花费时间所占总体时间的比例。下图不同点表示不同的k值对码率、时间的影响。

 

 

posted @ 2016-07-28 17:09  DwyaneTalk  阅读(...)  评论(... 编辑 收藏