[发明专利]针对芯片实现的HEVC视频编码多模块优化方法和系统

说明书

技术领域

本发明涉及一种视频编码优化方法和系统，具体是一种针对芯片实现的HEVC视频编码多模块联合优化方法和系统。

背景技术

近年来受高清、多视等应用需求驱动，产业界迫切需要具备更高压缩性能的视频编码标准，JCT-VC 工作组于2013年推出了新一代视频标准HEVC。可以预见在将来5-10 年，HEVC 标准及应用的研究会成为一个热点。设计符合HEVC 标准的专业级高清编码器，对于促进HEVC 标准应用极为重要。HEVC 标准以实现复杂度的急剧增加，获得压缩性能的成倍提升，设计高性能高清HEVC 编码器是一项极具挑战的任务。在视频监控和消费类电子产品等应用中，ASIC芯片是性价比最高的视频编码实现方案,并行流水处理是缓解HEVC编码数据吞吐压力的有效方法。

    特定标准视频编码器中有多个可定制模块，其算法允许用户根据需求进行定制和优化，算法优化对于挖掘特定标准压缩性能非常重要。HEVC编码器中运动估计、模式选择、码率控制等可定制模块之间存在复杂关联，算法定制和优化需协同考虑模块间关联作用机理；在进行流水化算法优化时，需权衡率失真性能、硬件(计算、存储)资源消耗、吞吐、外存带宽等目标性能的均衡表现。视频编码算法设计和优化是一个多个可定制模块算法联合优化问题。

HEVC编码算法优化是个复杂非线性系统优化问题。在算法优化时，需考虑视频内容(残差图像)、模块算法参数以及率-失真-复杂度性能之间互相作用机理，从而实现可定制模块算法优化时率-失真-复杂度性能均衡。学术界和工业界研究可定制模块之间的算法联合优化。

 现有技术中的模块优化方法有以下几种：

一．基于率失真模型的单模块优化：

建立准确率(R)-失真(D)模型，包括R-Qp和D-Qp模型，模型参数通常是残差图像方差var或sad的函数。基于R-D模型进行模块算法优化，是视频算法优化的切入点，如码率控制、运动估计、模式选择以及去噪预处理。监控和消费类应用一般采用中低端摄像头，采集的视频信号中存在噪声，数字相机和DV中都内置空时域降噪模块，去噪以显著提高视频编码效率。

该方法的缺点为：视频编码器是个包含反馈控制的复杂非线性系统。帧内预测和帧间预测导致帧内宏块/CTU间及帧间存在复杂依赖，导致信源(残差图像)的分布特性受到编码器算法影响。这个问题导致R-D模型准确构建非常困难。

二．基于模块算法特点和经验模型的多模块优化

根据两个或多个可定制模块算法特点，进行多模块优化。包括：码率控制和模式选择算法联合优化、运动估计和模式选择的联合优化、视频内容预分析常和码率控制联合优化，以实现内容自适应量化控制。

该方法的缺点为：考虑了部分模块之间的算法优化问题，但是并没有从系统角度，实现全局优化；另外，视频编码算法性能优化需要进行率-失真-复杂度优化，无法实现多模块多目标性能优化。

三．基于动态规划优化的算法联合优化

基于动态规划优化方法，基于trellis搜索策略搜索合适的编码参数组合，这一方法不仅仅应用在码率控制，还扩展到帧间、帧内、甚至块内系数间的关联优化。多层次trellis算法优化框架，用于确定运动矢量、量化参数及块内量化系数，实现编码多模块算法协同优化。

该方法的缺点为：视频编码器是个包含反馈控制的复杂非线性系统。帧内预测和帧间预测导致帧内宏块/CTU间及帧间存在复杂依赖，导致信源(残差图像)的分布特性受到编码器算法影响。无法实现多模块多目标性能优化。另一方面，实现的复杂度太高，一些工作不适合实时编码器实现。

四．基于率-失真-复杂度模型的算法优化方法

通过率-失真-功耗模型建模，根据编码器应用目标进行复杂度分配，实现复杂度可分级编码控制，以及编码算法率-失真-功耗性能优化。

该方法的缺点为：率-失真-复杂度模型建模非常困难，模型参数较多，对于视频序列特点有比较强的依赖，同时视频编码器是个包含反馈控制的复杂非线性系统，也导致该类方法实际性能受到影响。

发明内容

为了解决现有技术中存在的上述技术问题，本发明提供了一种针对芯片实现的HEVC视频编码多模块联合优化方法，包括整像素运动估计、分像素运动估计、模式选择、码率控制和视频去噪，所述码率控制中的视频预分析、视频去噪中的运动预测和整像素运动估计协同优化；码率控制中的视频预分析、分像素运动估计和模式选择结合进行优化。