[发明专利]一种基于贝叶斯分类的自适应运动矢量精度快速选择方法与装置

说明书

本发明公开了一种基于贝叶斯分类的自适应运动矢量精度快速选择方法及装置，通过贝叶斯分类算法，提前预测IMV的可能性，以跳过其不必要的帧间预测过程，在保证视频主观质量下降可忽略不计的情况下，从而进一步降低了新一代视频编码的计算复杂度，大幅度地缩短了帧间预测的时间，从而节省了编码时间；本方法简单易行，有利于新一代视频编码标准的产业化推广。

技术领域

本发明属于视频编码领域，特别涉及一种基于贝叶斯分类的自适应运动矢量精度快速选择方法与装置。

背景技术

自适应运动矢量精度(AMVR，Advanced Motion Vector Resolution)是在运动估计中，完成1/4像素精度运动估计之后，由于1/4像素精度运动估计会带来比特数的增加，虽然可能失真减小了，但总体的RDcost(率失真代价)并没有减小，因此需要重新执行一次整像素运动估计并与之前获得的最优MV(运动矢量)进行比较，取RDcost最小者作为最终的最优MV。重新执行的整像素运动估计，被称之为IMV(Integer Motion Vector，整数运动矢量)。最近，新一代视频编码标准的制定引入了大量的新型编码工具，IMV技术则是其中之一。

新一代的视频编码标准依旧采用混合编码框架，包括变换、量化、熵编码、帧内预测、帧间预测以及环路滤波等模块，但是，为了提高视频压缩率，该标准采用QTBT(Quadtreeplus binary tree，四叉树加二叉树)的划分结构，取代了HEVC的四叉树划分。在QTBT结构下，去掉了多种划分类型如CU(编码单元)、PU(预测单元)和TU(变换单元)分离观念，支持更弹性的CU划分类型来更好的匹配视频数据的局部特征，同时在各个模块引入了一系列相当耗时的新型编码工具，例如基于Affine(仿射)的merge(合并)技术以及IMV(IntegerMotion Vector)技术等，这些技术在提高压缩率的同时却大幅度地提高了编码器的计算复杂度，这不利于新一代视频编码标准的产业化推广。因此，在保证视频主观质量下降可忽略不计的情况下，优化编码器并减少编码时间成为了视频编解码领域亟待研究和解决的新问题之一。

在新一代视频编码标准中引入的IMV属于运动估计(Motion Estimation，简称ME)的一部分。在新标准中，运动估计主要分为三个步骤，具体过程如下：

步骤一：执行整像素精度的运动估计，如果是B类型的slice，或者没有使用快速搜索模式，那么进行整像素精度的全搜索，如果是P类型的slice或者使用了快速搜索模式，那么进行整像素精度的快速搜索，通过比较各个MV的SAD选出最优的MV并保存相应的MV以及SAD信息；

步骤二：执行分像素精度的运动估计，即1/2和1/4像素精度运动估计。先执行1/2像素精度运动估计，再执行1/4像素精度运动估计，通过比较各个MV的SATD选出最优MV并保存相应的MV以及SATD信息；

步骤三：执行整像素精度运动估计，即IMV，若该整像素精度最优MV的率失真代价小于当前最佳MV的率失真代价，则将最优MV替换为整像素精度的MV，并保存其率失真代价以及相关信息。

通过对新一代视频编码标准的参考软件JEM的测试分析发现，在Lowdelay(低延迟)配置下，整个帧间预测的编码时间占总编码时间的40％～45％，因此，如果能通过提前预测出是否进行IMV，从而避免不必要的判断选择过程将大大提高新一代视频编码标准的编码效率。

发明内容

本发明针对新一代视频编码效率过低的缺陷，提出的一种基于贝叶斯分类的自适应运动矢量精度快速选择方法与装置，通过提前预测IMV的可能性，以跳过其不必要的帧间预测过程，在保证视频主观质量下降可忽略不计的情况下，降低编码器的计算复杂度，减少编码时间，提高编码效率。

一种基于贝叶斯分类的自适应运动矢量精度快速选择方法，包括以下步骤：