摘要：多视点彩色加深度视频(MVD)是目前3D场景的主流表示方式之一。在3D-HEVC的编码框架中,深度视频帧内编码具有较高的编码复杂度。本文提出了一种基于区域分割的3D-HEVC深度视频快速帧内编码算法。首先根据对应彩色视频的纹理特征和深度视频的边界提取结果,把深度图分为四个区域;然后统计分析了各区域中深度视频编码失真对绘制中间视点质量的影响以及帧内编码预测模式的分布规律;最后设计了在不同区域里采用不同的CU尺寸提前决定、模式粗选限定和快速DMMs模式决定的算法。实验结果表明,本文提出的算法在绘制的中间视点质量不变的情况下平均节省55.11%的总体编码时间,对于深度视频的编码时间平均节省61.57%。

摘要：为了解决农机基于电子地图导航系统的抽象性和缺乏沉浸感的缺点,以图像清晰化复原算法为依据,提出了一种基于高速DSP图像处理系统的导航深度视频帧内编码方法,并设计了一种新的农机导航系统,从而实现了导航视频的快速处理,达到了快速精准导航的目的。本次设计的农机导航系统选用高清摄像机作为视频采集装置,使用FPGA作为协同处理器,将深度视频帧内编码数据发送到DSP主处理芯片进行处理,最后将处理得到的结果在VGA接口进行显示。为了验证系统的可行性,以低矮作物的农机导航为测试对象,利用导航系统对作物和障碍物进行了摄像,并对实时获得的视频进行深度视频帧内编码处理,最终得到低矮作物和障碍物的具体标定位置,为农机自主导航线的划定提供了基本依据。

摘要：在农机多行作业时,其作业效率主要受到导航精度和系统响应速度的制约。为了解决农机多行作业导航精度和时效性的问题,基于边缘检测方法和3D视频编码技术,引入了一种深度帧内编码方法,用于实时导航视频的获取,有效提高了导航的时效性和导航精度。在实时图像的垄位置标定和导航线提取时,基于特征点匹配计算量大、误匹配概率高及实时性不强的确定,提出了导航线检测的Sobel算子,有效提高了导航线获取的精度。最后,利用样机对快速导航系统进行了测试。测试结果表明:基于图像边缘检测和3D深度视频帧内编码的农机导航方法,可以实时准确地标定作物垄的导航线,满足了农机快速导航系统的设计要求。

摘要：H.265/HEVC帧内编码采用率失真最优化穷举搜索大大提高了编码效率,但引入极高计算复杂度。为降低计算复杂度,对当前64×64单元与时空相邻编码单元之间的率失真统计特性进行研究,提出一种纹理代价与非纹理代价关系优化的提前判决算法。实验结果表明,该方法平均降低了48.74%的计算复杂度,同时相比于HM参考软件,只增加了0.49%的BDBR,仅损失了0.039dB的BD-PSNR。

摘要：为了提高采摘机器人在线定位和监测系统的效率,将帧内编码的方法引入到了视频的传输和处理过程中,通过对视频的去冗余和压缩,实现了视频的高效传输。将边缘检测方法引入到了机器人监测定位系统的设计上,实现了复杂环境下采摘果实的定位。利用颜色等级编码的方式设计了机器人果实成熟度识别系统,通过对颜色等级的识别,机器人可以快速判断是否进行采摘,有效提高了采摘效率和采摘质量。

摘要：针对采摘机器人对目标水果分级难度高、误差大等问题,提出了一种基于DSP和帧内编码的采摘机器人数字视频监控系统,对水果等进行识别和分级。系统可根据水果瑕疵面积和RGB三色直方图,对果实成熟度进行判断。试验结果表明:采摘机器人识别和判定结果与市场分级结果一致,系统检测精度高,性能可靠,可以满足水果识别分级的设计需求。

摘要：高效视频编码(HEVC)在H.264之上实现了显著的编码性能.但是却以明显的编码复杂度为代价获得了性能上的提高,其中,由于对所有可能的编码单元(CU)进行基于率失真优化的遍历搜索,因此编码树单元(CTU)最耗时的部分就是CU的划分.为了解决此类问题,本文提出了一种基于纹理分类的深度卷积神经网络(CNN)模型来对CTU的划分进行预测.首先通过考虑每个CU的特征,开发了基于阈值的纹理分类模型来识别纹理简单的编码单元.其次,设计并训练一种CNN结构来预测纹理复杂的编码单元.最后,依据实验结果表明,本文提出的算法与原始HM16.5相比该方案可节省60.28%的帧内编码时间,而BD速率损失可忽略不计2.15%.与其他优秀算法相比,本文算法减少帧内编码时间更明显,并且编码质量更优.

摘要：AVS2是由中国数字音视频编解码技术标准工作组独立提出的一种视频编码标准。帧内编码是AVS2的关键技术之一。在帧内编码中,AVS2引入了基于四叉树的编码单元(Coding Unit,CU)划分方法,使得编码性能显著提高,但是计算复杂度急剧增加。为了有效地降低帧内编码的计算复杂度,研究人员已经研究了许多CU尺寸快速决策算法。然而,传统的CU尺寸快速决策算法主要的关注点在于保持视频的客观性能几乎不变的条件下,减少编码的时间,而没有对视频的主观性能进行考虑。这就意味着可以对基于感知的CU尺寸快速决策算法进行进一步的研究。本文提出了一种基于时空相邻信息和内部感知纹理信息的编码单元尺寸快速决策算法。实验结果表明,在RD17.0的全帧内测试配置下,该方法平均可减少28.06%的时间复杂度,主观性能损失可忽略不计。

摘要：高效视频编码(HEVC)标准相对于H.264/AVC标准提升了压缩效率,但由于引入的编码单元四叉树划分结构也使得编码复杂度大幅度提升。对此,该文提出一种针对HEVC帧内编码模式下编码单元(CU)划分表征矢量预测的多层特征传递卷积神经网络(MLFT-CNN),大幅度降低了视频编码复杂度。首先,提出融合CU划分结构信息的降分辨率特征提取模块;其次,改进通道注意力机制以提升特征的纹理表达性能;再次,设计特征传递机制,用高深度编码单元划分特征指导低深度编码单元的划分;最后建立分段特征表示的目标损失函数,训练端到端的CU划分表征矢量预测网络。实验结果表明,在不影响视频编码质量的前提下,该文所提算法有效地降低了HEVC的编码复杂度,与标准方法相比,编码复杂度平均下降了70.96%。

摘要：为了提升高效视频编码(HEVC)帧内预测编码部分的编码效率,提出了一种HEVC帧内预测编码编码单元(CU)结构快速选择算法。算法通过对CTU(coding tree unit)四叉树结构的遍历过程进行优化,设计了两种不同的最优CU结构快速决策算法,分别从最大划分深度和最小划分深度开始遍历,并在每一步遍历之前,判断是否提前终止遍历操作。同时,在对每个CTU进行求解时,依据其纹理复杂度和当前编码状态,从两种算法中选择出最优快速决策算法对其进行求解。在HM 15.0的基础上实现了提出的快速选择算法。实验结果表明,本文算法能够在保证编码性能的同时,降低31.14%的编码时间,提高了HEVC的编码效率。