一種基于內(nèi)容自適應(yīng)偏移模型的視頻編碼硬判決量化方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明算法適用于H. 264視頻編碼器的量化器設(shè)計，同樣適用于H. 265/HEVC視頻 編碼器的量化器設(shè)計，具體是一種基于內(nèi)容自適應(yīng)偏移模型的視頻編碼硬判決量化方法。
【背景技術(shù)】
[0002] 量化是MPEG和Η. 26x等有損視頻壓縮編碼器中的核心模塊，量化將較大動態(tài)范圍 的變換系數(shù)映射到有限個量化區(qū)間，充分利用人眼視覺失真系統(tǒng)的感知冗余特性，在較小 感知失真情況下實現(xiàn)信號壓縮。量化決定著視頻壓縮失真大小，對碼率控制也有極大的影 響。視頻編解碼標(biāo)準(zhǔn)中規(guī)定了量化步長參數(shù)（Qp)，并規(guī)定了擬量化的細(xì)節(jié)，并未對變換系數(shù) 的量化實現(xiàn)細(xì)節(jié)做出具體規(guī)定。在早期的視頻編解碼器中，變換系數(shù)采用了均勻標(biāo)量量化 (uniform scalar quantizer，USQ)。后來，在 MPEG-4 和早期 H.264/AVC 等相關(guān)編碼標(biāo)準(zhǔn)中 采用了基于簡單四舍五入的硬判決量化算法（Hard-decision quantization, HDQ)。之后 又有學(xué)者提出，采用固定偏移量的死區(qū)硬判決量化（deadzone HDQ)算法，軟判決量化算法 (soft-decision quantization SDQ)，以及簡化版SDQ算法，即率失真優(yōu)化量化算法（Rate distortion optimization quantization RD0Q)〇
[0003] 以上提到的量化算法，各有優(yōu)缺點，本發(fā)明充分利用了上述算法中的優(yōu)點，同時又 彌補上述算法中的部分缺陷。
[0004] 最接近的已有技術(shù)1 :自適應(yīng)固定偏移量的死區(qū)HDQ算法。
[0005] 該算法利用熵編碼的統(tǒng)計特性，對幀內(nèi)預(yù)測塊及幀間預(yù)測塊分別采用了不同的死 區(qū)量化偏移量。實驗驗證，幀內(nèi)預(yù)測塊和幀間預(yù)測塊的偏移量分別取1/3和1/6較合適。相 比早期量化器中簡單四舍五入HDQ算法，采用固定偏移量的死區(qū)HDQ算法可以較大提升率 失真性能。H. 264/AVC及HEVC標(biāo)準(zhǔn)的相關(guān)編碼器均采用該算法。
[0006] 該已有技術(shù)的缺陷： 該算法仍然屬于HDQ算法，認(rèn)為塊內(nèi)相鄰系數(shù)相互獨立，即認(rèn)為信號源為無記憶信號 源。但是，在基于上下文的熵編碼算法中，無記憶信號源的假設(shè)是不成立的。所以在率失真 性能上，該算法并不是最優(yōu)的。
[0007] 最接近的已有技術(shù)2 :軟判決量化（SDQ)算法 SDQ算法采用HDQ算法進行預(yù)量化，將零到預(yù)量化值之間的所有整數(shù)作為候選量化值， 利用維特比全搜索方法，在率失真優(yōu)化準(zhǔn)則下選擇出最佳量化值。這個優(yōu)化選擇是對變換 塊內(nèi)所有系數(shù)同時進行量化實現(xiàn)的。相對預(yù)量化結(jié)果，該算法對塊中部分系數(shù)的量化結(jié)果 進行了微調(diào)，調(diào)整時考慮率失真編碼代價以及系數(shù)間的相互影響，在性能上相比于HDQ有 很大提升。
[0008] 該已有技術(shù)的缺陷： 該算法充分考慮系數(shù)間的相關(guān)性，同時采用了維特比全搜索方法，雖在性能上表現(xiàn)優(yōu) 異，但是，由維特比搜索帶來的計算復(fù)雜度非常高，系數(shù)間的相關(guān)性以及串行性嚴(yán)重阻礙 SDQ算法在硬件上的有效實現(xiàn)。
[0009] 最接近的已有技術(shù)3 :RD0Q算法 RDOQ算法是在SDQ算法基礎(chǔ)上，為降低SDQ算法復(fù)雜度而提出的簡化算法。RDOQ算法 同樣采用HDQ算法進行預(yù)量化，但該算法一般只選取3個可能的候選量化值；用局部路徑搜 索代替全網(wǎng)格搜索，從而大大地降低計算復(fù)雜度。在性能上仍能獲得大部分SDQ算法編碼 增益。目前，H. 264/AVC標(biāo)準(zhǔn)的JM參考代碼和HEVC標(biāo)準(zhǔn)的HM參考代碼均采用了 RDOQ算 法。
[0010] 該已有技術(shù)的缺陷：該算法是對SDQ算法的簡化，但主要針對基于軟件實現(xiàn)的視 頻編碼器，且未能消除由維特比算法分支選擇以及上下文算術(shù)編碼導(dǎo)致的串行性。因此，數(shù) 據(jù)間極高的相關(guān)性仍然阻礙該算法在硬件上的實現(xiàn)。

【發(fā)明內(nèi)容】

[0011] 本發(fā)明提出一種基于內(nèi)容自適應(yīng)的視頻編碼死區(qū)量化方法，采用內(nèi)容自適應(yīng)量化 偏移量模型，實現(xiàn)內(nèi)容自適應(yīng)量化算法。該模型可以根據(jù)視頻內(nèi)容的不同，實現(xiàn)量化偏移量 的自適應(yīng)變化。同時，在率失真性能方面，相較于固定偏移量的死區(qū)HDQ算法有顯著提高； 由于算法采用系數(shù)獨立的硬判決量化，量化可在系數(shù)級進行并行處理，在硬件上易于實現(xiàn)。 本發(fā)明基于DCT系數(shù)獨立統(tǒng)計分析，得到較準(zhǔn)確的分布參數(shù)，利用分布參數(shù)及量化參數(shù)構(gòu) 建系數(shù)自適應(yīng)的量化偏移量模型。在視頻編碼量化時，采用基于該模型的自適應(yīng)死區(qū)HDQ 量化，實現(xiàn)高效視頻編碼。
[0012] 本發(fā)明需解決的技術(shù)問題： (1) 基于自適應(yīng)量化偏移量模型、低串行依賴的死區(qū)硬判決量化方法； (2) 基于正判概率最大化、誤判概率最小化的自適應(yīng)偏移量模型構(gòu)建方法； (3) 如何確定最佳偏移量模型與DCT分布參數(shù)以及量化參數(shù)之間的函數(shù)關(guān)系； 為此本發(fā)明提出了如下技術(shù)方案： (1) 本發(fā)明提出一種基于自適應(yīng)量化偏移量模型的低串行依賴死區(qū)硬判決量化方法， 根據(jù)簡單四舍五入硬判決量化（預(yù)量化）的結(jié)果，確定2-3個可能較優(yōu)的候選量化結(jié)果，基 于本發(fā)明提出的系數(shù)級自適應(yīng)偏移量模型，在不產(chǎn)生系數(shù)間串行依賴前提下，對預(yù)量化結(jié) 果進行調(diào)整實現(xiàn)量化優(yōu)化； (2) 提出離線統(tǒng)計分析，構(gòu)建自適應(yīng)偏移量模型：對比四舍五入硬判決預(yù)量化和SDQ量 化結(jié)果，如果兩者不同，試探使硬判決量化和SDQ結(jié)果相同的可能偏移量區(qū)間，稱為正向區(qū) 間；如果兩者相同，試探使硬判決量化和SDQ結(jié)果保持相同的偏移量區(qū)間，稱為反向區(qū)間； 基于正判概率最大化、誤判概率最小化約束，取兩種偏移量區(qū)間交集，并采用柱狀圖統(tǒng)計分 析方法，對所有系數(shù)的正反偏移量取值范圍分組分析，確定各個系數(shù)最佳偏移量； (3) 將偏移量模型構(gòu)建為DCT系數(shù)分布參數(shù)和量化參數(shù)的函數(shù)，采用（2)方法大量采集 不同序列和不同目標(biāo)碼率情況下的樣本，采用最小二乘法擬合出最優(yōu)量化偏移量模型。
[0013] 該技術(shù)方案的技術(shù)效果 (1) 構(gòu)建自適應(yīng)偏移量模型過程中，樣本采集考慮了所有量化系數(shù)，兼顧兩種量化系數(shù) 對比結(jié)果，確立兩部分樣本各自的最佳偏移量范圍，求交集。因此，基于這些樣本構(gòu)建的模 型可提高正判概率，降低誤判概率； (2) 在正判概率最大化、誤判概率最小化約束下，確定最佳偏移量范圍。采用柱狀圖統(tǒng) 計分析方法，在最佳偏移量范圍中確定各個系數(shù)的最佳偏移量。在樣本采集過程中，采集了 大量不同序列，不同目標(biāo)碼率下的樣本，因此，憑借大量樣本構(gòu)建的模型，保證該模型的普 遍性，使得采用該模型的算法適用于不同的應(yīng)用場合，滿足不同的市場需求； 該方案提出新的硬判決量化算法，在量化判決上，考慮了 DCT系數(shù)的統(tǒng)計特性，采用本 發(fā)明提出的自適應(yīng)偏移量模型，實現(xiàn)量化系數(shù)的調(diào)整。因此，在性能上，比采用固定偏移量 的死區(qū)硬判決算法將有較大提升；同時，本算法未產(chǎn)生系數(shù)間的串行性，且基本未增加計算 復(fù)雜度。因此，該算法是一種性能優(yōu)異、低串行依賴、復(fù)雜度低的視頻編碼量化算法。
【附圖說明】
[0014] 圖1是自適應(yīng)偏移量建模流程圖； 圖2是I和P/B幀心.Pt --Qp統(tǒng)計值圖一； 圖3是I和P/B幀5_ -Qp統(tǒng)計值圖二； 圖4是I/PB幀Sept -Qp模型值圖一； 圖5是I/PB幀-Qp模型值圖二； 圖6是預(yù)測編碼過程圖。
【具體實施方式】
[0015] 下面結(jié)合附圖對本發(fā)明作進一步說明。
[0016] 基于分塊圖像壓縮編碼方案采用了預(yù)測差分編碼方式，該編碼方式可以減少數(shù)據(jù) 在時間和空間上的相關(guān)性。視頻壓縮以及編碼的數(shù)據(jù)是原始圖像和預(yù)測圖像的差值。因此， 殘差數(shù)據(jù)的分布規(guī)律將直接影響編碼性能。所以，