摘要：针对H.264视频编码中传统全零块检测方法检测率较低的问题,提出了一种全零块检测的线性分类器算法.根据编码特性选择5个变量作为全零块检测的特征,基于参考块的全零块情况,设计了2个不同的线性分类器来区分全零块和非全零块,然后选取代表不同运动程度的视频样本,利用Fisher准则训练得到2个分类器的权系数和不同量化参数下全零块检测的阈值,最后用最小二乘原理将各个量化参数下的阈值拟合成量化参数的二次多项式,从而得到最终的全零块检测的线性分类器.实验结果表明,新算法在基本不降低视频质量的同时,能获得比其他现有算法更好的检测率,并且有效地缩短了编码时间.

摘要：针对目前全零块检测算法准确率不高的问题,提出了一种基于径向基函数(RBF)神经网络(NN)的全零块检测算法。通过分析H.264的编码特点,选取了绝对误差和(SAD)、变换绝对差值和(SATD)、编码块类型、率失真优化(RDO)代价、量化系数(QP)、参考块的全零块情况6个特征,考虑了哈达玛变换(HT)中应该使用SATD的情况,采用最小二乘法得到QP与RBF网络宽度参数的关系,根据参考块是否为零,设计了两个分类器来区分全零块与非全零块。在保证图像质量和编码率不变的前提下,平均能提高编码速度50%以上,实验结果表明,利用RBF神经网络很好地提高了全零块检测准确率和编码效率。