[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

摘要

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。

主权项

1.一种基于贝叶斯分类的自适应运动矢量精度快速选择方法，其特征在于，包括以下步骤：步骤1：在对视频帧图像的预测单元PU块执行帧间2Nx2N预测的运动估计时，获取当前预测单元PU块依次经过整像素精度运动估计和分像素精度运动估计后，每个像素点的最优MV的值和对应的预测MV值之差的二维正交变换；所述当前预测单元PU块中每个像素点对应的预测MV值在编码过程中利用高级运动向量预测技术AMVP获得；步骤2：基于步骤1获得的当前预测单元PU块各像素点所述的二维正交变换，分别计算当前预测单元PU块中所有像素点对应的二维正交变换绝对值之和，SATD_int和SATD_qter，并计算SATD_int和SATD_qter的比值SATD_qter/SATD_int；其中，SATD_int表示整像素MV的SATD值，SATD_qter表示分像素MV的SATD值；所述SATD值表示经过哈达曼变换后的绝对误差和；步骤3：获取当前预测单元PU块的QP值，以及统计当前预测单元PU块的相邻已编码的PU块中已执行IMV操作的数量占所有相邻已编码的PU块数量的比例S1，当前预测单元PU块中最优MV的比特数占编码的总比特数的比例S2；步骤4：将步骤2获得的SATD_qter/SATD_int，步骤3获得的QP值、S1以及S2输入基于贝叶斯的IMV执行分类器，获得当前预测单元PU块是否需要执行IMV的分类标志；所述基于贝叶斯的IMV执行分类器是将已执行过IMV模式的PU块的IMV标志位作为输出数据，对应的PU块按照步骤1‑步骤3获得对应的SATD_qter/SATD_int、QP值、S1以及S2作为输入数据进行训练获得；所述PU块的IMV标志位是指在执行过IMV模式后，IMV标志位为0表示PU块无需进行IMV模式，IMV标志位为1表示PU块需要进行IMV模式；步骤5：依据步骤4得到的分类标志，对当前预测单元PU执行相应模式；若当前预测单元PU需要执行IMV，则对当前预测单元PU执行IMV_2N×2N模式后，继续后续模式；若当前预测单元PU不需要执行IMV，则当前预测单元PU跳过IMV_2N×2N模式，并根据率失真代价决策出最优MV以及当前预测单元PU块后续执行的最佳模式；其中贝叶斯训练过程如下：首先获取先验概率，即将所有的数据归结为两类，一类是不使用IMV，另一类是使用IMV，在获取的训练数据中，分别计算两个种类的概率，此概率即为先验概率，分别用P(C0)和P(C1)表示；最终计算出在每个类别下每个特征属性值的概率，即P(X1_i|C0)～P(X4_i|C0)和P(X1_i|C1)～P(X4_i|C1)，i的取值根据每个特征属性值的个数而定，X1_i～X4_i分别为四个特征属性的值，依次表示SATD_qter/SATD_int的值、当前预测单元的QP值、最优MV的比特数占总比特数的比例以及相邻PU块中使用IMV的块占所有相邻块的比例；其中贝叶斯分类过程如下：首先，获得四个特征属性的值，然后在训练之后获得的训练数据中查找该特征值所对应的概率，即P(X1_i|C0)～P(X4_i|C0)和P(X1_i|C1)～P(X4_i|C1)；之后，计算P(X|C0)和P(X|C1)，其中P(X|C0)＝P(X1_a|C0)xP(X2_b|C0)xP(X3c|C0)xP(X4_d|C0)，a、b、c、d在i的取值范围内根据所对应的数据取值，同理可得P(X|C1)；最终，分别求得在该特征值下两种类别的概率，即该特征值下不使用IMV的概率P(C0|X)和该特征值下使用IMV的概率P(C1|X)；这两个的概率由贝叶斯公式可得，贝叶斯公式如下：可得：由于P(X)为常量，由此可得：P(C0|X)＝P(X|C0)P(C0)P(C1|X)＝P(X|C1)P(C1)若满足如下公式：P(C0|X)＞P(C1|X)则表示当前预测单元PU需要执行IMV，否则，当前预测单元PU不需要执行IMV。