[发明专利]编码单元深度确定方法及装置

说明书

本申请公开了一种编码单元深度确定方法及装置，本申请预先利用标记有分类结果的训练样本来训练预测模型，该训练样本包括设定类型的编码信息特征，进而在确定待处理编码单元的当前最优模式的残差系数不为零时，判断需要进行编码深度预测，从待处理编码单元及其所在编码树单元的近邻编码树单元中，获取设定类型的编码信息特征，组成预测特征向量样本，输入至预测模型中，利用机器学习预测模型来预测待处理编码单元是否需要进一步进行深度划分。本申请在预测结果表明待处理编码单元不需要进一步进行深度划分时，无需对待处理编码单元进行深度划分及率失真代价的计算和比较，相比于现有技术其编码预测时间大大降低，减少了计算资源。

技术领域

本申请涉及视频编码技术领域，更具体地说，涉及一种编码单元深度确定方法及装置。

背景技术

近年来，数字视频已经成为许多消费应用中占据主导地位的媒体内容，人们对于更高的分辨率和更好的视频质量的要求也在增加。针对这种需求，新一代视频编码国际标准HEVC(High Efficiency Video Coding，高效率视频编码标准)开始制定。同H.264/AVC标准相比，HEVC取得了更高的编码压缩性能。

结合附图1对HEVC编码标准的编码过程进行介绍：原始视频序列中一帧图像与缓存的参考帧一起经过帧内预测或者帧间预测之后，得到预测值，预测值与输入的视频帧相减得到残差，残差经过DCT变换和量化之后得到残差系数，然后送入熵编码模块进行编码，并输出视频码流。同时，残差系数经过反量化和反变换之后，得到重构图像的残差值，重构图像的残差值和帧内或帧间的预测值相加，得到重构图像，重构图像经过去方块效应滤波、环路滤波之后，得到重建帧，重建帧作为下一帧输入图像的参考帧，加入参考帧序列。

在HEVC标准中，输入的视频帧被划分为一系列的编码树单元CTU(Coding TreeUnit)。在帧内或帧间预测时，每个CTU从最大编码单元LCU(Largest Code Unit)开始，每层按照四叉树形式划分为不同大小的编码单元CU(Coding Unit)。深度为0的层次即为LCU，其大小一般为64*64，深度为1-3的层次大小分别为32*32、16*16、8*8。为了达到最佳的编码性能，现有HEVC在编码单元CU块深度划分中选择最佳模式时，采用的是全遍历方式，它将CU块不同深度的所有模式都进行率失真代价的计算，然后逐层比较，进而选取率失真代价最小的模式。参见图2，其示例了一种最优模式的CU划分情况，图2中左侧图为具体划分方式，右侧图为左侧图划分方式对应的四叉树，四叉树中的叶子节点表示按照左侧图中箭头示意的划分顺序，每层中四个CU块是否需要进一步划分，其中1表示需要，0表示不需要。

根据上述图2可知，有些CU块在做了一层划分之后就找到了最优的模式，不需要再向下划分并计算、比较率失真代价，如图2所示四叉树中第1层中第2个CU块，其节点数值为0，表示不需要进一步划分。显然，按照现有全遍历算法，其编码预测过程耗时极长，且需要消耗大量的计算资源。

发明内容

有鉴于此，本申请提供了一种编码单元深度确定方法及装置，用于解决现有全遍历方法来确定编码单元深度的方法所存在的编码预测时间长、消耗大量计算资源的问题。

为了实现上述目的，现提出的方案如下：

一种编码单元深度确定方法，包括：

确定待处理编码单元的当前最优模式的残差系数；

在所述残差系数不为零时，从所述待处理编码单元及所述待处理编码单元所在编码树单元的近邻编码树单元中，分别获取设定类型的编码信息特征，组成预测特征向量样本；

将所述预测特征向量样本输入预训练的预测模型中，得到所述预测模型输出的预测结果，所述预测结果表明所述待处理编码单元是否需要进一步进行深度划分；

其中，所述预测模型为利用标记有分类结果的训练样本预训练得到，所述训练样本包括所述设定类型的编码信息特征。