CN119854523A 一种基于dcae模型的3d-hevc深度图快速编码方法 （郑州轻工业大学）.pdfVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN119854523A

(43)申请公布日2025.04.18

(21)申请号202411976688.7

(22)申请日2024.12.31

(71)申请人郑州轻工业大学

地址450000河南省郑州市高新技术产业

开发区科学大道136号

(72)发明人刘放美张贺张秋闻

(74)专利代理机构郑州优盾知识产权代理有限

公司41125

专利代理师栗改

(51)Int.Cl.

H04N19/597(2014.01)

H04N19/119(2014.01)

H04N19/126(2014.01)

G06T9/00(2006.01)

权利要求书3页说明书10页附图1页

(54)发明名称

一种基于DCAE模型的3D-HEVC深度图快速编

码方法

(57)摘要

本发明提出了一种基于DCAE模型的3D‑HEVC

深度图快速编码方法，步骤为：利用3D视频序列

构建数据集，对视频序列进行编码作为真实标签

组成训练集；计算每个编码树单元的CTU复杂度

参数和归一化QP值；构建双信道注意力增强模

型，双信道注意力增强模型包含两个通道，每个

通道设有一个卷积特征提取模块，两个通道的卷

积特征提取模块均与注意力机制模块相连接，

CTU复杂度参数和归一化QP值与注意力机制模块

的输出特征拼接后输入全连接层；利用训练集训

练双信道注意力增强模型；将测试序列输入训练

A好的DCAE模型，根据输出的预测概率及决策方

3式，判断CU是否继续划分。本发明在保持视频质

2

5

4量的同时显著提高了编码效率，实现了编码复杂

5

8

9度的有效降低，为3D视频编码技术的发展提供了

1

1

N有力支持。

C

CN119854523A权利要求书1/3页

1.一种基于DCAE模型的3D‑HEVC深度图快速编码方法，其特征在于，其步骤如下：、

步骤一：利用3D视频序列构建数据集，对视频序列进行编码作为视频序列的真实标签，

组成训练集；

步骤二：计算每个编码树单元的CTU复杂度参数和归一化QP值；

步骤三：构建双信道注意力增强模型，双信道注意力增强模型包含两个通道，每个通道

设有一个卷积特征提取模块，两个通道的卷积特征提取模块均与注意力机制模块相连接，

CTU复杂度参数和归一化QP值与注意力机制模块的输出特征拼接后输入全连接层；利用步

骤一的训练集训练双信道注意力增强模型，得到训练好的DCAE模型；

步骤四：将测试序列输入训练好的DCAE模型得到对CU是否划分的预测概率，根据输出

的预测概率及决策方式，判断CU是否继续划分并完成整个编码书单元的深度划分过程。

2.根据权利要求1所述的基于DCAE模型的3D‑HEVC深度图快速编码方法，其特征在于，

所述数据集中的视频序列为大小64×64的编码树单元，训练集中的视频序列与测试序列以

至少50帧完全间隔；对视频序列进行编码操作的方法为：HTM16.0按照自身的编码规则对深

度图的编码树单元进行CU划分，对于每个编码树单元，记录在编码过程中是否被进一步划

分，若CU继续划分，则标签设为1，若不再划分，则标签设为0，构成划分结果作为真实标签；

一个64×64的编码树单元在CU划分过程中包括1个64×64的CU、4个32×32的CU、16个32×

32的CU总共21个CU需要划分。

3.根据权利要求1或2所述的基于DCAE模型的3D‑HEVC深度图快速编码方法，其特征在

于，所述计算每个编码树单元的CTU复杂度参数的方法为：对于每个编码树单元，计算其标

准差并根据预设范围分