基于纹理特征和Cart决策树的虚拟现实360度视频帧内编码算法优化.pdfVIP

基于纹理特征和Cart 决策树的虚拟现实360 度视频帧内编 码算法优化 摘 要 虚拟现实 360 度视频具有很广泛的应用前景，但其具有的高分辨率增加了 视频编码的复杂度。现有的高效视频编码框架 （High Efficiency Video Coding, HEVC ）并没有针对虚拟现实 360 度视频的特点进行优化。为了降低编码复杂 度，减少编码时间，论文针对等矩形投影（Equirectangular Projection ，ERP ）格 式下的虚拟现实 360 度视频，提出了基于纹理特征和 Cart 决策树的帧内编码快 速算法。该算法具体分为如下两个部分： （1）针对 ERP 投影格式下虚拟现实 360 度视频编码单元划分过程复杂度 高的问题，论文设计了一种基于纹理反差的 CU 划分快速算法。定义了纹理反 差 （Texture Contrast ，TC ）作为描述编码树单元 （Coding Tree Unit ，CTU ）和 编码单元（Coding Unit ，CU ）纹理特性的指标，通过计算 CTU 的纹理反差对 其深度范围进行预测，再在该深度范围内计算每个划分深度下 CU 的纹理反 差，实现 CU 的深度预测，避免了参考模型中对所有深度的遍历过程，缩短了 编码时间。算法采用统计方式，获得了各区域不同深度 CU 的划分判决阈值。 实验结果显示，与 HM16.20 参考模型相比，所提出的算法平均节省编码时间 33%，BD-rate 仅增加0.80% 。 （2 ）针对虚拟现实360 度视频模式选择过程复杂度高的问题，提出了一种 基于纹理特征和决策树的帧内模式选择快速算法。算法通过减少帧内预测过程 候选模式的数量，实现预测模式快速决策：对两极区域，针对水平方向候选模 式的选择概率明显大于垂直方向这一现象，对竖直方向的候选模式进行大幅删 减；对赤道区域，将预测单元四个方向的纹理反差作为属性构造 Cart 决策树， 利用决策树的分类结果筛选出当前编码单元最可能的预测模式。实验结果表 明，与 HM16.20 参考模型相比，所提出的算法平均节省了 28% 的编码时间， BD-rate 仅增加0.61% 。 关键词：虚拟现实，帧内预测，纹理特征，决策树，CU 划分，模式选择 I 目 录 摘 要 I ABSTRACT II 第一章 绪论 1 1.1 研究背景及意义 1 1.2 国内外研究现状3 1.3 研究内容和创新点4 1.4 章节安排4 第二章 虚拟现实360 度视频编码，纹理特征和决策树的相关技术 6 2.1 虚拟现实360 度视频编码投影格式及编码框架6 2.2 虚拟现实360 度视频的帧内编码8 2.2.1 编码单元划分8 2.2.2 CU 递归划分过程9 2.2.3 帧内预测候选模式 10 2.3 图像纹理特征 12 2.3.1 纹理特征描述方法 12 2.3.2 描述方法比较 13 2.3.3 灰度共生矩阵中常用计算方法 14 2.4 决策树 15 2.4.1 决策树构造过程 16 2.4.2 决策树的优缺点 16 2.4.3 Cart 决策树 16 2.5 本文算法框架 18 2.6 本章小结 18 第三章 基于纹理反差的CU 划分快速算法19 3.1 编码单元的划分与虚拟现实360 度视频的纹理特性 19 3.2 基于纹理反差的编码单元快速划分算法22 3.2.1 基于纹理反差的CTU 深度范围预测22 3.2.2 基于纹理反差的 CU 深度预测25 3