-
题名基于卷积神经网络的HEVC帧内预测算法优化
被引量：1
- 1
-
-
作者
李轩
冷雨馨
-
机构
沈阳航空航天大学电子信息工程学院
-
出处
《现代电子技术》
北大核心
2024年第11期69-77,共9页
-
基金
辽宁省“兴辽英才计划”项目(XLYC1907022)
辽宁省重点研发计划项目(2020JH2/10100045)。
-
文摘
作为HEVC标准中最基础、最重要的技术之一,帧内预测对实现视频编码的高速、高质量和高压缩率具有重要的作用。文中针对帧内预测复杂性问题进行研究,提出一种基于深度卷积神经网络(CNN)的方法,通过学习来预测CTU的划分,从而减少HEVC帧内编码的复杂性。通过建立一个大规模的CTU划分数据库,并利用CNN的能力学习各种CTU划分模式,能够准确地预测CTU的划分,从而避免了传统的穷举搜索,实现了HEVC编码复杂性的显著降低,提高了编码效率。实验结果表明,提出的方法在测试序列和图像上分别将帧内编码时间减少了62.25%和69.06%,与其他最先进的方法相比,比特率分别仅增加了2.12%和1.13%,达到了优化的目的。
-
关键词
高效视频编码
帧内预测编码
卷积神经网络
深度学习
编码单元
深度决策
编码块分割
-
Keywords
HEVC
intra-frame predictive coding
CNN
deep leaning
coding unit
depth decision
coding block segmentation
-
分类号
TN919.81-34
[电子电信—通信与信息系统]
-
