本发明涉及一种基于纹理划分特征的HEVC帧内编码模式选择方法，包括以下步骤：（1）输入一个编码模式待选择的CTU；（2）对当前CTU的原始像素亮度值进行纹理特征分析，计算得到不同尺寸CU的纹理划分标识和32×32 CU的纹理特征值；（3）利用CU的纹理划分标识和纹理特征值，预测当前CTU的深度范围，以及计算CU的提前终止编码划分标识和PU的提前终止预测划分标识；（4）利用当前CTU的深度范围、CU的提前终止编码划分标识以及PU的提前终止预测划分标识，完成当前CTU的四叉树划分。本发明能够在保持良好编码率失真性能的情况下，有效减少HEVC帧内编码的处理时间，同时具有较好的并行处理特性。
📄 2017100614007
📂 H04N19_186
👤 浙江工业大学
📅 2017-01-26
本发明涉及一种融合HEVC压缩域和像素域的镜头边界检测方法，包括以下步骤：（1）输入视频码流；（2）解析并统计码流；（3）基于CU深度的运动矢量幅值滤波；（4）基于Intra模式和运动矢量的候选突变P帧分级；（5）突变P帧检测；（6）基于直方图的突变I帧检测；（7）基于突变帧的视频分段；（8）渐变候选帧选取；（9）每帧编码比特数平滑滤波；（10）渐变帧检测；（11）渐变帧合并；以突变P帧、突变I帧和渐变帧为镜头边界。本发明充分利用了HEVC编码过程中产生的编码信息并且辅以直方图比较法，能够有效地检测镜头突变和镜头渐变，相比完全像素域的处理方法极大地减少了计算复杂度。
📄 2018110631111
📂 H04N19_142
👤 浙江工业大学
📅 2018-09-12
本发明涉及一种基于HEVC压缩域的运动感知图提取方法，输入一帧已编码帧的编码信息；全局运动检测，判断是否有全局运动；计算运动矢量幅值，并以4×4像素块为基本单位建立运动矢量幅值图；运动矢量幅值空间中值滤波；基于块尺寸的幅值滤波；基于Skip模式的幅值滤波；更新Intra模式CU的运动矢量幅值；对运动矢量幅值图进行膨胀处理，保存膨胀后的感知图给下一P帧参考；根据前一帧是否为P帧来决定是否进行基于时间域上的运动矢量幅值滤波；根据权重值生成当前P帧的运动感知图。本发明充分利用了HEVC编码过程中产生的编码信息，能够有效的提取单目标或者多目标的运动区域，相比像素域的处理方法极大的减少了计算复杂度。
📄 2017107671763
📂 H04N19_80
👤 浙江工业大学
📅 2017-08-31
本发明属于多媒体信息安全中信息加密技术领域，具体涉及一种基于感兴趣区域的HEVC视频加密方法。本发明首先通过检测待编码视频帧中的感兴趣区域位置，根据感兴趣区域位置确定Tile划分，接着在熵编码过程中，选择对感兴趣区域所在Tile的部分语法元素加密。为避免视频区域加密误差漂移造成非加密区域的失真，编码过程中还需要对运动估计和MV预测模式进行限制。本发明方法相对于预先Tile划分的感兴趣区域视频加密方法，可以对视频帧中的感兴趣区域进行更精确地定位，并减少需要加密的数据量。
📄 202011056869X
📂 H04N19_167
👤 杭州心扬传媒有限公司
📅 2020-09-30
本发明公开了一种考虑帧间依赖的帧级量化参数计算方法。首先建立基于帧间依赖的失真预测模型(ΔD‑ΔQp模型)，然后将该模型运用到率失真优化中，求得率失真代价最小时的拉格朗日乘子λ，最后由λ‑Qp关系，求出最优帧级量化参数。其中的ΔD‑ΔQp模型不仅体现了帧间依赖，并在建模过程中将视频内容考虑了进来，所以该模型可以根据视频内容自适应调整。本方法具有实施复杂度低的特点，方法中使用的参量均是从视频编码过程中获得，不需要复杂的计算，基本不会增加视频编码复杂度，所以不会造成系统延时。
📄 2018111174344
📂 H04N19_147
👤 杭州电子科技大学
📅 2018-09-25
本发明公开了一种面向HEVC快速编码的自适应复杂度调整系统及方法。本发明首先结合离线训练模块和在线训练模块，确定在给定编码树单元(CTU)的目标编码时间时启用的预测模式以及跳过的模式；然后使用复杂度分配模块，利用第3个图片组(GOP)的编码时间来预测整个序列的编码时间，从而估算出当前给定目标复杂度下所需控制的序列目标编码时间，并将目标编码时间以分层的方式分配到CTU层级；在模式选择模块中，根据分配到每个CTU的目标编码时间选择启用的预测模式，然后开始编码，跳过未启用的模式；最后复杂度更新模块周期性地取一帧作标准编码，用于更新序列的目标编码时间和调整下一帧的目标编码时间。本发明充分利用视频编码的特点将实际的编码复杂度自适应地调整在目标复杂度附近，并尽可能减少失真。
📄 2020111523677
📂 H04N19_14
👤 北京优易视联信息技术有限公司
📅 2020-10-26
本发明公开了一种基于HEVC的运动目标检测和跟踪方法。该方法包括如下步骤：步骤1：从HEVC码流中提取当前帧编码视频的编码单元结构、运动矢量及预测模式；步骤2：编码块尺寸归一化；步骤3：确定运动宏块；步骤4：计算运动宏块的运动矢量权重；步骤5：运动目标检测；步骤6：运动目标分类；步骤7：运动目标跟踪。本发明利用HEVC编解码过程中产生的运动矢量、编码单元划分方式、预测模式等信息进行运动目标检测与跟踪，避免不必要的数字图像处理过程，从而减少计算的复杂度，而且在不破坏原有压缩视频数据的基础上进行快速的运动目标检测和跟踪。
📄 201810252619X
📂 G06T7_223
👤 杭州电子科技大学
📅 2018-03-26
本发明公开了一种适用于HEVC的熵解码解码器优化方法，根据不同语法元素的特性，将多个常规算术解码器分组并行形成5路输出装置，从而实现在单周期时钟并行计算多个bin，从电路级做到熵解码的并行计算，通用性好；其中，并行多个常规算术解码器的步骤为：获取当前进行常规算术解码的bin，在当前位流指针指向对应模块所需的语法元素时输出对应的常规算术解码器驱动信号。其中，对于常规算术器中的重归一化操作，常规常规算术器输入裁切为当前8bit位流的高5位，将ivlCurrRange区间范围的大小比较改进为移位判断选择器。
📄 2022115794037
📂 H04N19_436
👤 杭州电子科技大学
📅 2022-12-09
本发明公开了一种用于HEVC的帧间预测编码单元选择方法，属于视频编码技术。本发明的技术方案为：构建当前帧间预测编码单元CU的金字塔运动散度PMD：基于运动矢量估计，求取当前CU、将当前CU均分得到的4个子块的运动散度，记为PMD；选取当前CU的参考CU：在当前CU的已编码CU近邻中，基于对应的PMD，根据欧式距离获取最相似的l个参考CU，所述参考CU的尺度与当前CU的尺度相同；基于l个参考CU的分割标识符，确定当前CU的分割标识符的取值：若l个参考CU的分割标识符均相同，则当前CU的分割标识符等于参考CU的分割标识符；否则，基于率失真代价确定当前CU的分割标识符。本发明简单而高效，在保证编码质量的前提下有效降低了HEVC帧间预测的时间复杂度。
📄 2013102165536
📂 H04N7_26
👤 电子科技大学
📅 2013-06-03
本发明公开了一种HEVC并行加速编码方法、系统、设备及存储介质，本方法获取预测的运动矢量，并将预测的运动矢量作为起点，预设运动矢量的第一预测范围；将原点作为起点，预设运动矢量的第二预测范围；延后预设的多个编码单元，并预设多个空闲线程对第一预测范围内的所有运动矢量进行SAD计算，以及对第二预测范围内的所有运动矢量进行SAD计算；在HEVC帧间编码中对运动矢量进SAD计算时，若多个空闲线程已完成SAD计算，并且运动矢量在第一预测范围内或第二预测范围内，则直接调用运动矢量对应的SAD计算结果；根据SAD计算结果，对编码单元进行编码。本发明能够保证视频编码的质量，同时提高HEVC的编码速度。
📄 2022113420138
📂 H04N19_513
👤 中南大学
📅 2022-10-31
本发明提出一种基于决策树的HEVC屏幕内容帧内快速编码算法，属于视频编解码技术领域。该算法包括：1)提取有效的特征值；2)生成原始数据集作为训练集，在此基础上加以训练完成决策树，包括CU决策树和PU决策树；3)将图像分割为若干个CTU,在执行帧内编码过程中，判断当前CU是否为边界CTU，如果是则执行标准算法完成编码，否则进行步骤4)；4)执行快速编码，即在一定深度的决策树中，通过对该层的特征值的计算完成当前CU的划分与PU模式的选择。本发明通过决策树做判决的算法通过减少CU深度和PU的模式遍历而降低编码复杂度。最终保证在码率和峰值信噪比基本不变的情况下，有效减少编码时间，达到快速帧内编码的效果。
📄 2018110204978
📂 H04N19_96
👤 重庆邮电大学
📅 2018-09-03
本发明属于视频编码相关技术领域，具体涉及一种基于卷积神经网络的HEVC帧内CTU划分方法，该方法包括：采用四杈树神经网络模型对视频帧进行处理，得到整帧所有的CTU四杈树结构，采用优化的编码器对当前帧的所有CTU四杈树的结构进行编码划分，根据划分结果对HEVC帧内CTU进行划分；本发明采用多个卷积神经网络对四杈树进行优化处理，构成了四杈树神经网络模型，通过该模型，能够将所有的HEVC帧内CTU进行划分，并且使得每个划分结果的关联性加强，提高了处理数据的效率，降低了编码的时间。
📄 2021101473407
📂 H04N19_119
👤 重庆邮电大学
📅 2021-02-03
柿子坊 · 知识产权运营
柿子坊知识产权运营平台