摘要：由于边缘反走样区域的相邻索引不具备等值关系,调色板编码的预测效率有限,因此文中提出基于边缘反走样决策和多方向模板的自适应预测编码方法.引进Pitteway面积加权的边缘反走样决策,设计8个4-邻域方向预测模板.利用2D线性相关模型建模待预测索引与4个参考像素之间的相关性.采用最小二乘法为每个方向模板计算一组预测权重系数,自适应地学习显示适配器的边缘反走样算法,实现索引图预测编码.实验表明,文中方法预测准确率较高,能够增强调色板编码在边缘反走样区域和复杂边缘区域的自适应预测能力.

摘要：针对H.266中多叉树划分过程计算复杂度高的问题,结合屏幕内容视频不同区域特性设计了一种多叉树划分快速决策算法。首先利用水平、垂直活动度判断屏幕内容空白区域多叉树划分的遍历必要性,其次定义等距子块亮度差变化幅值提前决策多叉树的划分方向,最后利用亮度值平均绝对误差减少多叉树划分的候选模式数量。实验结果表明,与原参考软件VTM10.0相比,所提算法在AI配置和RA配置下都可节省编码时间,Y,U,V三个分量的BD-rate都有所提高。

摘要：为降低屏幕内容编码的计算复杂度,提出一种基于深度学习的屏幕内容编码帧内CTU深度范围预测快速算法。将编码足够数量的屏幕内容视频帧序列作为训练数据,通过大量的训练数据统计CTU深度范围的分布,根据分布占比设置CTU类别标签。设计并训练卷积神经网络(CNN)架构以预测CTU深度范围,考虑CTU分割特性,设计的CNN架构运用三层不同大小的卷积核提取与CTU深度相关的特征,为CNN模型提供训练参数。在编码时调用训练后的CNN模型预测CTU深度范围,以减少不必要的深度遍历。实验结果表明,与SCM-8.0相比,该算法平均节省48.34%的编码时间,码率上升2.59%,有效降低了编码的计算复杂度。