基于图形信息的HEVC帧间预测快速算法/Fast Inter-Frame Prediction Algorithm of HEVC Based on Graphic Information

《HEVC标准介绍、HEVC帧间预测论文笔记》系列博客，目录见：http://www.cnblogs.com/DwyaneTalk/p/5711333.html

 Journal of Frontiers of Computer Science and Technology，2014，8（5）：537-542.

利用CU内所有像素点水平和竖直的梯度绝对值之和G_cu，连同CU内像素平均绝对差值MAD（一阶中心距）一起判断纹理平坦（空域信息）；利用当前CU和最佳匹配CU块的绝对差值之和SAD判断当前CU是否为稳定区域（时域信息）。

 核心公式：

       

 

Dx和Dy别表示CU中位于i,j位置的像素点在水平和竖直方向上的梯度，原理就是利用sobel算子进行边缘检测。如下图：左右表格分别是计算偏导数dy和dx的sobel算子卷积模板。

                                    （3）

G_CU是当前CU的所有像素点水平和竖直梯度的绝对值的累加。PS：可以进一步进行如下尝试：

1、一般在sobel进行边缘检测时，通过 来融合水平和竖直梯度进行判断；

2、文中只使用了水平和竖直的两种梯度，实际上还可以通过对角线方向的梯度判断图像的纹理信息。

     （4）

MAD是当前CU内像素平均绝对差值，其中M表示当前CU内的所有像素的均值，P(x,y)表示(x,y)位置的像素值。MAD实际上就是一阶中心距，类似于方差（二阶中心距）。

通过比较G_CU和MAD与阈值（TH₁和TH₂）的大小，来判断图像纹理特征，如果G_CU和MAD都小于给定的阈值，则认为该CU块是纹理平坦的区域，则可以终止继续更深度地划分CU块。（关于TH₁和TH₂后续介绍） 

    （5）

进行运动搜索和运动估计之后，得到最佳预测块。P^’(x,y)就是最佳预测块(x,y)处的像素值。SAD用来判断对于某些非纹理平坦区域，是否是运动平稳区域（时域信息）。如果最佳匹配块与当前块的残差（SAD）已经非常小（阈值TH₃），说明该区域运动平稳，可以终止继续更深度地划分CU块。

 算法流程：如图：算法针对LCU进行优化 

S1：计算当前CU（LCU）的MAD和G_CU；

S2：对LCU进行2Nx2N、2NxN和Nx2N这3种PU模式的运动搜索和运动估计，然后通过率失真优化得到最佳PU决策；

S3：依据MAD和G_CU与两个阈值关系判断，如果是纹理平坦区域，则直接终止对LCU的进一步CU子划分；

S4：否则，依据预测模式为2Nx2N时（即PU块与LCU一样大）的SAD与阈值TH₃的关系判断，如果是平稳区域，则也直接终止子划分；

S5：如果不能提前终止，则按照正常步骤进行CU尺寸和PU模式决策。

思考：只在LCU层进行加速，是否可以在更深的深度进行加速？

 

其中3个阈值TH采用静态初始阈值+动态调整的策略：

1、通过在一系列视频序列进行聚类，得到3个最初的阈值；

2、然后通过TH = 0.9*TH + 0.1*newTH进行调整，进行50次调整，其中newTH对应为满足提前终止条件的G_CU、MAD和SAD。

 实验结果：

         HM10.0、配置为enconde_randomaccess_mian10、TH_1~3初值依次10、200000和15000