CN107371022B - 应用于hevc医学影像无损编码的帧间编码单元快速划分方法 - Google Patents
应用于hevc医学影像无损编码的帧间编码单元快速划分方法 Download PDFInfo
- Publication number
- CN107371022B CN107371022B CN201710746108.9A CN201710746108A CN107371022B CN 107371022 B CN107371022 B CN 107371022B CN 201710746108 A CN201710746108 A CN 201710746108A CN 107371022 B CN107371022 B CN 107371022B
- Authority
- CN
- China
- Prior art keywords
- coding
- current
- partition
- depth
- hevc
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000003066 decision tree Methods 0.000 claims abstract description 19
- 238000013145 classification model Methods 0.000 claims abstract description 16
- 238000005192 partition Methods 0.000 claims description 46
- 230000033001 locomotion Effects 0.000 claims description 24
- 238000012549 training Methods 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 239000013598 vector Substances 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 8
- 238000000638 solvent extraction Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000013138 pruning Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000000481 breast Anatomy 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
- H04N19/103—Selection of coding mode or of prediction mode
- H04N19/109—Selection of coding mode or of prediction mode among a plurality of temporal predictive coding modes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
- H04N19/119—Adaptive subdivision aspects, e.g. subdivision of a picture into rectangular or non-rectangular coding blocks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
- H04N19/12—Selection from among a plurality of transforms or standards, e.g. selection between discrete cosine transform [DCT] and sub-band transform or selection between H.263 and H.264
- H04N19/122—Selection of transform size, e.g. 8x8 or 2x4x8 DCT; Selection of sub-band transforms of varying structure or type
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
- H04N19/146—Data rate or code amount at the encoder output
- H04N19/147—Data rate or code amount at the encoder output according to rate distortion criteria
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
- H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
- H04N19/51—Motion estimation or motion compensation
- H04N19/513—Processing of motion vectors
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
- H04N19/59—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving spatial sub-sampling or interpolation, e.g. alteration of picture size or resolution
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Discrete Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明是一种应用于HEVC医学影像无损编码的帧间编码单元快速划分方法。本发明基于HEVC对医学影像序列进行无损编码，并使用编码帧间2N×2N模式和SKIP模式后得到的编码信息对当前编码单元(Coding Unit,CU)是否划分进行提前决策。本发明从编码帧间2N×2N模式和SKIP模式后得到的编码信息中提取了八个特征，并利用上述特征针对划分深度为0、1、2的CU分别离线训练了决策树分类模型来决策是否终止当前CU划分。该方法可以显著的减少HEVC医学影像帧间编码的计算复杂度。
Description
技术领域
本发明涉及HEVC医学影像编码领域，具体是指一种基于医学影像特性的HEVC帧间编码单元划分提前终止方法。
背景技术
随着医疗信息系统、图像存档和传输系统的发展，大量的医学影像序列需要被归档存储和实时传输。不同于自然视频序列，为了不影响医学诊断结果，医学影像序列通常需要采用无损编码。新一代视频编码标准HEVC在保证视频质量的前提下，相比上一代视频编码标准H.264，将编码效率提高了一倍，提供了更有效的视频编码方案具体参见文献1(Sullivan G J,Ohm J,Han W J,et al.Overview of the High Efficiency VideoCoding(HEVC)Standard[J].IEEE Transactions on Circuits&Systems for VideoTechnology,2012,22(12):1649-1668)。新发布的HEVC拓展版本(range extensions，RExt)中采用了部分新技术来提高无损编码效率，例如残差差分脉冲编码(ResidualDifferential Pulse Code Modulation，RDPCM)具体参见文献2(Flynn D,Marpe D,Naccari M,et al.Overview of the Range Extensions for the HEVC Standard:Tools,Profiles and Performance[J].IEEE Transactions on Circuits&Systems for VideoTechnology,2015:1-1)。因此，采用HEVC RExt对医学影像进行无损压缩使得上述需求成为可能。
HEVC提供了更加灵活的四叉树编码单元(Coding Unit，CU)划分结构，四叉树的深度从0到3，对应的CU尺寸从64×64到8×8。确定CU划分结构需要从四叉树的根结点开始，以深度优先的方式遍历每一个结点CU，当遍历到每一个结点CU时依次计算每一种预测单元(Prediction Unit，PU)模式的率失真代价，通过比较率失真代价决策当前CU划分。这个过程耗费了大量的计算时间，因此如何提前终止CU划分，对四叉树进行剪枝，是加速编码的关键问题。
对于CU划分提前决策问题众多研究机构展开了相关研究，并且在该方面已有不少研究成果。文献3(参见K.Choi,S.H.Park,and E.S.Jang,Coding tree pruning based CUearly termination,JCTVC-F092,2011)是已被HEVC标准采纳的提案，提出了基于SKIP模式的四叉树剪枝算法。SKIP/Merge 2N×2N模式是通过在时、空域PU中搜索后，判断是否可以将某一PU的运动信息作为参考，若可以则最终只需编码对应PU的索引。文献3中针对自然视频序列的统计分析结果指出，在选择SKIP模式为最优的CU中有95％最终都没有向下划分，因此提出若当前CU遍历所有PU模式后选择SKIP模式作为最优，则终止CU继续划分。该算法在HM3.1下节省了42％的编码时间，亮度BD-rate损失小于0.6％。文献4(参见Shen X,YuL.CU splitting early termination based on weighted SVM[J].Eurasip Journal onImage&Video Processing,2013,2013(1):1-11)采用了基于支持向量机(Support VectorMachine,SVM)的分类器在计算完所有预测模式后决策当前CU的划分。上述帧间CU划分提前终止算法均针对自然视频序列得到，而医学影像在图像特征方面和自然视频序列存在差异，上述方法在应用于医学影像序列无损编码时效果不理想，所以有必要提出针对医学影像序列的CU单元划分优化方案。本发明正是利用医学影像序列的特性，提出了针对HEVC医学影像序列无损编码的CU划分快速决策方案。
发明内容
本发明的目的在于提供一种HEVC医学影像无损编码的帧间编码单元快速划分方案。
本发明基于HEVC标准测试软件平台(HM16.8)对不同部位的计算机断层扫描(Computed Tomography，CT)序列和磁共振影像(Magnetic Resonance，MR)序列进行编码，统计了在CU划分深度分别为0、1、2时，继续划分和终止划分CU的编码比特数。从表1的统计结果中可以发现：继续划分(split)和终止划分(non-split)CU的编码比特数均值相差很大，终止划分CU的编码比特数明显小于继续划分CU的编码比特数，尤其是在深度0和深度1时，因此可以将CU编码比特数作为辨别纹理复杂度较低区域和提前终止CU划分的特征。另外，根据实验发现，采用非最优预测模式和最有预测模式编码产生的比特数接近，因此可以使用部分预测模式编码后得到的比特数决策CU划分。由于预测模式选择流程中计算的前两种预测模式SKIP和帧间2N×2N相比其他预测模式简单，我们在编码SKIP和帧间2N×2N模式后提取编码比特数，并进行CU划分决策。对于判断结果为继续划分的CU，则无需进行后续的PU模式选择过程，节省更多编码时间。对于判断结果为终止划分的CU再进行剩余的PU模式选择，得到最优模式后结束。为了使得CU划分决策更加准确，本文在SKIP和帧间2N×2N模式编码后提取更多特征和CU编码比特数一起作为训练CU划分决策模型的特征，并基于上述模型预测CU划分结果，提前终止不必要的划分过程，降低帧间编码单元划分的计算复杂度。
表1编码SKIP和帧间2N×2N模式后的CU编码比特数均值
为达到上述目的，本发明采取的解决方案是：首先选取不同部位的医学影像序列作为训练集，采用HM编码训练集序列。当CU划分深度分别为0、1、2时，在SKIP和帧间2N×2N模式编码后的中间信息中提取八个特征，针对不同深度利用提取到的特征分别离线训练决策树分类模型，分类模型得到继续划分和终止划分两种结果。对于判断继续划分的CU则跳过帧间2N×2N之后的PU模式直接划分，对于判断终止划分的CU则继续计算完帧间2N×2N之后剩余的PU模式后终止CU划分。
本发明技术方案包括以下步骤：
步骤S1、采用HEVC标准测试平台拓展版本HM16.8RExt对作为训练集的医学影像序列进行编码，分别在CU划分深度为0、1、2时，从SKIP，帧间2N×2N模式编码后得到的编码信息中提取特征。所述特征包括如下：
(1)SKIP和2N×2N模式编码后得到的编码当前CU的比特数，计算如下：tbits＝min(BitsSKIP,Bits2N×2N)(1)
其中BitsSKIP和Bits2N×2N分别为编码SKIP和2N×2N模式后得到的CU比特数，特征标记为tbits。
(2)块编码标志。块编码标志(Coded Block Flag,CBF)是HEVC中的标志位，当CU编码后残差系数非常小，即可以认为残差为0，此时CBF为0，若存在明显的残差系数则CBF为1。通常Y、U、V分量的CBF均为0时，总的CBF才为0，而通常医学影像只有Y分量，因此只判断Y分量CBF值，特征标记为cbf。
(3)运动矢量。运动矢量可以在一定程度上表现出当前CU的运动情况，本发明中使用水平和竖直方向的运动矢作为特征，特征分别标记为mvH和mvV。
(4)相邻区域CU划分深度信息。时间和空间相邻区域具有纹理相似性和运动一致性，而纹理复杂程度和运动剧烈程度都影像了CU划分深度。本发明中考虑了相邻区域纹理和运动的一致性，以及对CU划分结果的影响，提取与当前编码树单元(current CodingTree Unit，current CTU)相邻的上(UCTU)、左(LCTU)、左上(ULCTU)的CTU以及参考帧中对应位置CTU(co-located CTU)的划分深度作为特征，特征分别记为udepth、ldepth、uldepth和cdepth。位置关系如图1所示。
步骤S2、针对不同CU划分深度，采用C4.5决策树算法(已属于现有技术)和步骤S1中提取的特征，进行离线训练决策树分类模型。其中，所述C4.5决策树算法采用信息增益率的划分标准来评估划分。在构建决策树的过程中，每个树结点都选择信息增益率最高的特征作为当前结点的划分标准。分别针对CU划分深度为0、1、2时训练得到的决策树如图2所示。
步骤S3、将步骤S2中离线训练得到的分类模型应用于HM16.8RExt中。当CU计算完SKIP和帧间2N×2N模式后提取步骤S1中选取的特征并判断当前CU的划分深度，若当前CU划分深度为0，则将提取到的特征信息送入深度0的决策树分类模型中。类似的，若CU划分深度为1和2时送入对应深度的分类模型。若当前CU划分深度等于3，则直接进入步骤S5。
步骤S4、若步骤S3得到的CU划分决策结果是继续划分当前CU，则跳过检测HM16.8RExt标准测试流程中剩余PU模式，直接划分为4个尺寸相同子CU，对每个子CU递归进行上述步骤。
步骤S5、若步骤S3得到的决策结果是终止划分当前CU或当前CU划分深度为3，则继续检测HM16.8RExt标准测试流程中剩余PU模式，选择出当前CU的最优模式后，终止计算当前CTU(Coding Tree Unit，CTU)。
本发明的以上技术方案为实现发明目的体现出的贡献性的关键技术如下：
(1)本发明基于对HEVC医学影像序列编码的分析，结合医学影像序列的特性，将CU划分决策过程提前到了计算完SKIP和帧间2N×2N模式之后，不仅简化了CU划分模式选择过程还省去了不必要PU模式计算，更大限度的降低了编码的计算复杂度。
(2)本发明通过分析HEVC医学影像序列编码产生的编码信息与CU划分结果的相关性，从纹理复杂程度、运动剧烈程度和相邻区域CU划分相关性方面提取特征。分别针对0、1、2三种不同的CU深度训练决策树分类模型。确保划分决策的准确性，以至于在降低编码计算复杂度的同时不影响压缩效率。
由于采用上述技术方案，本发明具有以下有益效果：本发明从HEVC医学影像序列编码得到中间信息提取有效的特征，针对不同深度的CU分别训练划分决策模型。提前决策CU划分结果，对于继续划分的CU跳过不必要的PU模式计算，在保证编码质量的情况下，减少编码时间。
附图说明
图1时空相邻CTU位置示意图。
图2是本发明中训练得到的决策树分类模型。
图3是本发明HEVC医学影像编码的帧间快速编码单元划分算法流程图。
具体实施方式
本发明的方案实施分为训练分类模型和CU划分提前决策两部分。以下结合附图3所示流程图对本发明作进一步的说明。
步骤1：基于HEVC通用的测试平台HM16.8RExt，对CU进行编码，依次检测SKIP和帧间2N×2N模式后，判断CU当前划分深度，若深度小于3，则转步骤2，若深度大于等于3，转步骤3。
步骤2:从当前编码信息中提取特征，具体特征如下：
(1)SKIP和2N×2N模式编码后得到的编码当前CU的比特数，计算如下：
tbits＝min(BitsSKIP,Bits2N×2N)(2)
其中BitsSKIP和Bits2N×2N分别为编码SKIP和2N×2N模式后得到的比特数，特征标记为tbits。
(2)块编码标志。块编码标志(Coded Block Flag,CBF)是HEVC中的标志位，当CU编码后残差系数非常小，即可以认为残差为0，此时CBF为0，若存在明显的残差系数则CBF为1。通常Y、U、V分量的CBF均为0时，总的CBF才为0，而通常医学影像只有Y分量，因此此处提取的CBF值为Y分量的CBF值，特征标记为cbf。
(3)运动矢量。运动矢量可以在一定程度上表现出当前CU的运动情况，提取当前CU水平和竖直方向的运动矢量作为特征，特征分别标记为mvH和mvV。
(4)相邻区域CU划分深度信息。时间和空间相邻区域具有纹理相似性和运动一致性，而纹理复杂程度和运动剧烈程度都影像了CU划分深度。基于相邻区域纹理和运动的一致性与CU划分结果的相关性，提取与当前编码树单元(currentCoding Tree Unit，currentCTU)相邻的上(UCTU)、左(LCTU)、左上(ULCTU)的CTU以及参考帧中对应位置CTU(co-located CTU)的划分深度作为特征，特征分别记为udepth、ldepth、uldepth和cdepth。CTU位置关系如图1所示。
步骤3：按照HM16.8RExt标准流程检测剩余PU模式，选择最优预测模式，并将当前CU递归划分为4个子CU并且深度加1，针对每个CU重复上述步骤，确定最优CU编码模式。
步骤4:提取CU划分类别标签，对步骤4中的CU是否划分进行分别标记，终止当前CTU(Coding Tree Unit，CTU)模式选择过程，当训练序列中所有CTU都完成上述步骤后，转步骤5。
步骤5:利用步骤2和步骤4中提取的特征以及类别标签，针对不同的CU划分深度，采用C4.5决策树算法离线训练决策树分类模型。分别针对CU划分深度为0、1、2时训练得到的决策树如图2所示。从图2中模型可以看到，步骤2中提取到的每个特征都参与了CU划分决策。其中，编码CU得到的比特数是决定分类结果的主要特征，而剩余特征辅助其提供了更加准确的分类结果。
步骤6：将步骤S2中离线训练得到的分类模型实现于HM16.8RExt通用测试平台中。对当前CU进行编码，依次检测SKIP和帧间2N×2N模式。
步骤7:从步骤6完成后得到编码信息中提取特征。
步骤8:判断当前CU划分深度，若深度大于等于3，则转步骤9。若深度小于3，则将提取到的特征送入步骤5得到的分类器当中，进行CU划分决策，若决策继续划分转步骤10，若决策终止划分，转步骤9。
步骤9:按照HM16.8RExt标准流程检测剩余PU模式，选择最优预测模式，确定CU编码模式，转步骤11。
步骤10:将当前CU递归划分为4个子CU并且深度加1，针对每个CU重复上述步骤，确定CU编码模式，转步骤11。
步骤11:结束编码当前CTU。
本发明中的方法与文献3中提出的方法，得到的实验结果如表2所示。从实验结果中可以看到本发明提出的算法平均加速时间超过50％，平均比特率损失只有0.21％，而文献3中的方法得到的平均加速时间只有12.53％。
表2实验结果
Claims (1)
1.应用于HEVC医学影像无损编码的帧间编码单元快速划分方法，其特征在于，包括如下步骤：
步骤S1、采用HEVC标准测试平台拓展版本HM16.8RExt对作为训练集的医学影像序列进行编码，分别在CU划分深度为0、1、2时，从SKIP帧间2N×2N模式编码后得到的编码信息中提取特征；所述特征包括如下：
(1)SKIP和2N×2N模式编码后得到的编码当前CU的比特数，计算如下：tbits＝min(BitsSKIP,Bits2N×2N) (1)
其中BitsSKIP和Bits2N×2N分别为编码SKIP和2N×2N模式后得到的CU比特数，特征标记为tbits；
(2)块编码标志
块编码标志(Coded Block Flag,CBF)是HEVC中的标志位，当CU编码后残差系数非常小，即可以认为残差为0，此时CBF为0，若存在明显的残差系数则CBF为1；通常Y、U、V分量的CBF均为0时，总的CBF才为0，而通常医学影像只有Y分量，因此只判断Y分量CBF值，特征标记为cbf；
(3)运动矢量
运动矢量可以在一定程度上表现出当前CU的运动情况，本发明中使用水平和竖直方向的运动矢量作为特征，特征分别标记为mvH和mvV；
(4)相邻区域CU划分深度信息
时间和空间相邻区域具有纹理相似性和运动一致性，而纹理复杂程度和运动剧烈程度都影像了CU划分深度；本发明中考虑了相邻区域纹理和运动的一致性，以及对CU划分结果的影响，提取与当前编码树单元(current Coding Tree Unit，current CTU)相邻的上(UCTU)、左(LCTU)、左上(ULCTU)的CTU以及参考帧中对应位置CTU(co-located CTU)的划分深度作为特征，特征分别记为udepth、ldepth、uldepth和cdepth；
步骤S2、针对不同CU划分深度，采用C4.5决策树算法和步骤S1中提取的特征，进行离线训练决策树分类模型，其中，所述C4.5决策树算法采用信息增益率的划分标准来评估划分；在构建决策树的过程中，每个树结点都选择信息增益率最高的特征作为当前结点的划分标准；分别针对CU划分深度为0、1、2时训练得到的决策树；
步骤S3、将步骤S2中离线训练得到的分类模型应用于HM16.8 RExt中；当CU计算完SKIP和帧间2N×2N模式后提取步骤S1中选取的特征并判断当前CU的划分深度，若当前CU划分深度为0，则将提取到的特征信息送入深度0的决策树分类模型中；同样的，若CU划分深度为1和2时送入对应深度的分类模型；若当前CU划分深度等于3，则直接进入步骤S5；
步骤S4、若步骤S3得到的CU划分决策结果是继续划分当前CU，则跳过检测HM16.8RExt标准测试流程中剩余PU模式，直接划分为4个尺寸相同子CU，对每个子CU递归进行上述步骤；
步骤S5、若步骤S3得到的决策结果是终止划分当前CU或当前CU划分深度为3，则继续检测HM16.8RExt标准测试流程中剩余PU模式，选择出当前CU的最优模式后，终止计算当前CTU(Coding Tree Unit，CTU)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710746108.9A CN107371022B (zh) | 2017-08-26 | 2017-08-26 | 应用于hevc医学影像无损编码的帧间编码单元快速划分方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710746108.9A CN107371022B (zh) | 2017-08-26 | 2017-08-26 | 应用于hevc医学影像无损编码的帧间编码单元快速划分方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107371022A CN107371022A (zh) | 2017-11-21 |
| CN107371022B true CN107371022B (zh) | 2020-02-14 |
Family
ID=60310438
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710746108.9A Expired - Fee Related CN107371022B (zh) | 2017-08-26 | 2017-08-26 | 应用于hevc医学影像无损编码的帧间编码单元快速划分方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107371022B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109905702B (zh) * | 2017-12-11 | 2021-12-21 | 腾讯科技（深圳）有限公司 | 一种视频编码中参考信息确定的方法、装置及存储介质 |
| CN109040764B (zh) * | 2018-09-03 | 2021-09-28 | 重庆邮电大学 | 一种基于决策树的hevc屏幕内容帧内快速编码算法 |
| CN109361920B (zh) * | 2018-10-31 | 2021-09-28 | 南京大学 | 一种面向多场景的自适应决策树选择的帧间快速预测算法 |
| CN111064968B (zh) * | 2019-12-18 | 2021-02-12 | 南华大学 | 一种vvc帧间cu深度快速划分方法 |
| CN111385585B (zh) * | 2020-03-18 | 2022-05-24 | 北京工业大学 | 一种基于机器学习的3d-hevc深度图编码单元划分方法 |
| CN111918057B (zh) * | 2020-07-02 | 2023-01-31 | 北京大学深圳研究生院 | 硬件友好的帧内编码块划分方法、设备及存储介质 |
| CN112437310B (zh) * | 2020-12-18 | 2022-07-08 | 重庆邮电大学 | 一种基于随机森林的vvc帧内编码快速cu划分决策方法 |
| CN112738520B (zh) * | 2020-12-23 | 2022-07-05 | 湖北中钰华宸实业有限公司 | 一种vr全景视频信息处理方法 |
| CN113315967B (zh) * | 2021-07-28 | 2021-11-09 | 腾讯科技（深圳）有限公司 | 视频编码方法、装置、介质及电子设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102932642A (zh) * | 2012-11-13 | 2013-02-13 | 北京大学 | 一种帧间编码快速模式选择方法 |
| CN103813178A (zh) * | 2014-01-28 | 2014-05-21 | 浙江大学 | 一种基于编码单元深度时空相关性的快速hevc编码方法 |
| KR101516347B1 (ko) * | 2013-11-21 | 2015-05-04 | 한밭대학교 산학협력단 | Hevc 화면내 부호화 방법 및 장치 |
| CN104602017A (zh) * | 2014-06-10 | 2015-05-06 | 腾讯科技（北京）有限公司 | 视频编码器、方法和装置及其帧间模式选择方法和装置 |
-
2017
- 2017-08-26 CN CN201710746108.9A patent/CN107371022B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102932642A (zh) * | 2012-11-13 | 2013-02-13 | 北京大学 | 一种帧间编码快速模式选择方法 |
| KR101516347B1 (ko) * | 2013-11-21 | 2015-05-04 | 한밭대학교 산학협력단 | Hevc 화면내 부호화 방법 및 장치 |
| CN103813178A (zh) * | 2014-01-28 | 2014-05-21 | 浙江大学 | 一种基于编码单元深度时空相关性的快速hevc编码方法 |
| CN104602017A (zh) * | 2014-06-10 | 2015-05-06 | 腾讯科技（北京）有限公司 | 视频编码器、方法和装置及其帧间模式选择方法和装置 |
Non-Patent Citations (1)
| Title |
|---|
| 基于图形信息的HEVC帧间预测快速算法;张强;《计算机科学与探索》;20140523;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107371022A (zh) | 2017-11-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107371022B (zh) | 应用于hevc医学影像无损编码的帧间编码单元快速划分方法 | |
| CN110087087B (zh) | Vvc帧间编码单元预测模式提前决策及块划分提前终止方法 | |
| CN102917225B (zh) | Hevc帧内编码单元快速选择方法 | |
| CN111355956A (zh) | 一种hevc帧内编码中基于深度学习的率失真优化快速决策系统及其方法 | |
| JP5312942B2 (ja) | 移動物体境界の抽出 | |
| CN108174208B (zh) | 一种基于特征分类的高效视频编码方法 | |
| CN103327327B (zh) | 用于高性能视频编码hevc的帧间预测编码单元选择方法 | |
| CN110446052B (zh) | 一种3d-hevc帧内深度图快速cu深度选择方法 | |
| CN103297781A (zh) | 一种基于纹理方向的hevc帧内编码方法、装置和系统 | |
| CN107146222B (zh) | 基于人体解剖结构相似性的医学图像压缩方法 | |
| CN109587491A (zh) | 一种帧内预测方法、装置及存储介质 | |
| CN106682094A (zh) | 一种人脸视频检索方法和系统 | |
| CN112291562A (zh) | 针对h.266/vvc的快速cu分区和帧内模式决策方法 | |
| CN108200432A (zh) | 一种基于视频压缩域的目标跟踪技术 | |
| CN101237581B (zh) | 基于运动特征的h.264压缩域实时视频对象分割方法 | |
| CN105825234A (zh) | 一种融合超像素和背景模型的前景检测方法 | |
| CN110225339A (zh) | 一种hevc视频序列编解码加速方法 | |
| Chen et al. | Pixel-level texture segmentation based AV1 video compression | |
| CN111385585B (zh) | 一种基于机器学习的3d-hevc深度图编码单元划分方法 | |
| CN102592130B (zh) | 一种针对水下显微视频的目标识别系统及其视频编码方法 | |
| CN104104948B (zh) | 视频转码方法及视频转码器 | |
| CN111741313B (zh) | 基于图像熵k均值聚类的3d-hevc快速cu分割方法 | |
| CN108737840A (zh) | 一种基于深度图纹理特性的3d-hevc帧内快速编码方法 | |
| CN114143536B (zh) | 一种shvc空间可伸缩帧的视频编码方法 | |
| CN106101489B (zh) | 基于云平台的模板匹配监控视频去雾系统及其去雾方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200214 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |