利用信息熵判定HEVC預(yù)測單元尺寸快速算法

馮　磊， 戴　明, 孫麗娜， 趙春蕾

(1.中國科學(xué)院 長春光學(xué)精密機械與物理研究所，長春 130033；2.中國科學(xué)院大學(xué)，北京 100039 )

?

利用信息熵判定HEVC預(yù)測單元尺寸快速算法

馮磊1,2， 戴明1, 孫麗娜1， 趙春蕾1,2

(1.中國科學(xué)院 長春光學(xué)精密機械與物理研究所，長春 130033；2.中國科學(xué)院大學(xué)，北京 100039 )

為提高HEVC編碼器的幀內(nèi)預(yù)測速度，提出一種基于信息熵的high efficiency video coding (HEVC) 幀內(nèi)預(yù)測單元(PU)尺寸快速判定算法. 利用圖像的信息熵隨圖像中細節(jié)的豐富程度產(chǎn)生不同的值這一特性，判斷PU是否需要進行分割處理. 首先計算每個LCU的信息熵，根據(jù)信息熵的結(jié)果從64×64至4×4的PU中找到最優(yōu)的分割尺寸，進而確定最佳編碼深度，再從該編碼深度內(nèi)進行幀內(nèi)角度預(yù)測. 實驗結(jié)果表明，在保證編碼性能基本不變的前提下，幀內(nèi)預(yù)測編碼時間平均縮短了約22.6%. 該算法精簡了遍歷搜索模式中不必要的率失真代價計算過程，在保證圖像質(zhì)量的前提下，縮短了幀內(nèi)預(yù)測編碼時間.

HEVC；視頻壓縮；幀內(nèi)預(yù)測；圖像分割；圖像信息熵

近些年來，隨著終端處理能力以及人們對多媒體體驗要求的不斷提高，高清視頻已經(jīng)成為多媒體主流趨勢[1-3]. 視頻信息雖然具有直觀性、確定性、高效性等優(yōu)點，但由于其信息量大，因而在存儲和傳輸方面面臨著一些困難[4-5]，而現(xiàn)有的H.264編碼標準的壓縮效率仍然不足以應(yīng)對高清、超高清視頻應(yīng)用，需要更為高效的編碼壓縮方案[6]. 為了提升高清視頻的編碼效率，ISO/IEC運動圖像專家組MPEG和ITU-T視頻編碼專家組VCEG成立了一個視頻編碼的合作組(JCT-VC)來發(fā)展下一代視頻編碼標準，提出了下一代視頻編碼標準HEVC[7].

為了對高分辨率視頻進行壓縮，HEVC使用四叉樹編碼結(jié)構(gòu)[8]，即編碼單元(CU)，預(yù)測單元(PU)，變換單元(TU)3個概念描述整個編碼過程. 采用這種結(jié)構(gòu)設(shè)計的目的是使壓縮預(yù)測更符合圖像特性[9]. HEVC中，每一幀圖像首先按順序被依次分割為64×64大小的最大編碼單元(LCU)，從LCU開始，根據(jù)不同深度，每一個CU可以被遞歸的分割成4種深度的(64×64，32×32，16×16，8×8)的CU，構(gòu)成四叉樹編碼結(jié)構(gòu).

在每個深度的CU中，從多達35種不同的預(yù)測模式中尋找最優(yōu)模式進行幀內(nèi)預(yù)測編碼. 與H.264相比，HEVC編碼器大幅提高了預(yù)測模式數(shù)量，必然導(dǎo)致運算復(fù)雜度增加. 因此，提高幀內(nèi)預(yù)測的速度是目前亟待解決的問題. 本文提出了一種基于信息熵的HEVC幀內(nèi)預(yù)測PU分割的尺寸判定算法，可以在保證圖像質(zhì)量的前提下提高編碼速度.

1　HEVC幀內(nèi)預(yù)測簡介

HEVC編碼器在進行幀內(nèi)預(yù)測過程中采用遍歷搜索方式[10]，并利用率失真代價來判定最優(yōu)候選模式. 在參考軟件HM11.0中，率失真代價函數(shù)為

(1)

其中：Bmode為進行每一次模式判決所需要的比特值，HSSE為當前待編碼像素塊與匹配的像素塊差值的平方和，λmode為拉格朗日系數(shù).

在遍歷搜索過程中，需要在所有深度等級的CU中尋找率失真代價最低的幀內(nèi)預(yù)測模式，直到CU達到最大深度為止[11]. 這種遍歷搜索方式的缺點是：幀內(nèi)預(yù)測雖然提高了預(yù)測精度，但也極大地增加了編碼復(fù)雜度和編碼時間. 實際上，圖像中紋理平坦的區(qū)域更適合用大尺寸CU進行預(yù)測，而紋理復(fù)雜的區(qū)域更適合用小尺寸CU 進行預(yù)測. 如果能夠利用紋理特性預(yù)先判定CU的適當深度，則可跳過不必要的遍歷搜索過程，從而節(jié)省編碼時間.

近些年來，為了減小HEVC編碼器的運算復(fù)雜度，相關(guān)研究者們進行了大量的研究，提出了若干比較有效的算法[12]. Piao等[13]提出了一種算法，通過計算低復(fù)雜度率失真代價值和Hadamard變換系數(shù)的絕對值之和來預(yù)先篩選出幀內(nèi)預(yù)測的最佳候選模式(RMD). Zhao等[14]通過進一步將最可能模式(MPM)引入候選模式從而改進了RMD算法. Xiong等[15]提出一種基于理論分析的算法，利用非歸一化的梯度方向直方圖來選擇最佳編碼CU的尺寸. Huang等[16]提出了一種基于方差運算的CU尺寸判定算法，通過設(shè)定適當?shù)拈撝祦頉Q定是否對編碼塊進行分割. 為了進一步提高編碼效率，本文提出了一種基于信息熵的HEVC幀內(nèi)預(yù)測PU的劃分尺寸判定算法，在保證圖像質(zhì)量的前提下，減少編碼時間. 經(jīng)過試驗證實，相比于現(xiàn)有的分割算法，本文提出的算法在編碼時間方面具有一定程度的提升.

2　基于信息熵的幀內(nèi)預(yù)測

2.1信息熵理論

信息熵最早由科學(xué)家香農(nóng)提出，把熵作為一個隨機事件發(fā)生的不確定性或信息量的量度[17]，記信息熵為

(2)

其中：P(xi)為當信源取第i個符號時的概率，i=1,2,…,n；H(X)為信源的信息熵，信息熵具有對稱性、非負性、確定性、可加性等[18]，本文中主要用到的是信息熵的對稱性.

熵的對稱性表述為：矢量各分量的次序任意改變時，熵值不變，熵函數(shù)的取值僅與概率分布有關(guān). 也就是說，信息熵是整個信元的統(tǒng)計特征的表現(xiàn)，它從平均意義上來度量信源的總體信息量[19]. 圖像信息熵是把信息熵公式應(yīng)用在圖像上，設(shè)I(Ai)是一個隨機變量，i=1,2,…,n,其圖像信息熵為

(3)

由上式可見，某一隨機變量的概率越大，其熵值越小. 數(shù)字圖像是由一系列的離散像素點構(gòu)成，灰度值分為256級(0～255)，組成集合I,具有灰度j的像素點在圖像中出現(xiàn)的概率為Pj，灰度J的信息熵由式(3)得

(4)

不同灰度的熵的累積和為灰度圖像的信息熵為

(5)

對于某一幀給定的圖像，信息熵反映了其中包含的灰度信息的均值，通常，圖像的細節(jié)越少，其中所包含的灰度級越少，則其熵值越??；反之，細節(jié)越多，所含灰度級越多，則熵值越大. 當圖像為確定的單一灰度(Pi=1)，信息熵為0；當圖像包含所有256級的灰度，且Pi=Pj時，信息熵最大.

2.2信息熵在幀內(nèi)預(yù)測方面的應(yīng)用

通過上一小節(jié)的分析，利用圖像的信息熵來判定圖像的平坦程度，通過設(shè)定合適的閾值，對PU進行合理分塊. 進行幀內(nèi)預(yù)測之前，先計算LCU的信息熵，根據(jù)信息熵的結(jié)果從64×64至4×4選擇最優(yōu)的分割模式，由于信息熵反映了全局統(tǒng)計特性，不體現(xiàn)圖像的空間分布信息，首先利用父塊和其4個子塊信息熵的結(jié)果設(shè)定一個閾值，來判定圖像的局部統(tǒng)計特性，由此可以判斷圖像塊是否需要進行分割. 另外，通過實驗已經(jīng)證明任何一塊復(fù)雜的圖像，經(jīng)過不斷地分塊，其子塊的信息熵會接近平坦區(qū)的信息熵大小，其紋理復(fù)雜程度也會降低,隨之信息熵也會降低. 因此，本文的算法提出如下：對每一個LCU進行信息熵的計算，得到的結(jié)果與其4個子塊的信息熵大小進行比較，如果4個子塊的信息熵值大小差異不超過10%，且均小于父塊的信息熵，則分割終止，采用父塊進行幀內(nèi)預(yù)測與編碼；如果任意一個子塊的信息熵值比父塊信息熵的值大10%，或者任意一個子塊的信息熵值與其他子塊相比大小超過10%，則該父塊需要進行分割，適合采用子塊進行幀內(nèi)預(yù)測與編碼；以此類推，將上面的子塊作為四叉樹的根節(jié)點，將其信息熵與四叉樹子塊進行比較，判斷是否需要進行分割，直到PU大小為4×4為止. 在這個判定的循環(huán)過程中，如果找到了適合進行分割的PU的大小，則跳出循環(huán)過程. 在幀內(nèi)編碼過程中，對圖像的每一個LCU進行上述判定過程達到提前判斷分割大小的目的. 通過這樣的判定過程獲取每個待編碼塊的最佳編碼深度后，再進行角度預(yù)測，可以節(jié)省編碼時間.

2.3基于信息熵的分割算法驗證

對實際的灰度圖像進行該算法的分割實驗. 任意取一幀灰度圖像，截取其中的3個LCU進行試驗，如圖1所示. 在圖1中分別取A、B、C 3個LCU，灰度圖像如圖2所示.

圖1　灰度圖像中的3個LCU位置

(a) LCU_A　　　　　(b) LCU_B　　　　　(c) LCU_C

對3個LCU進行上述信息熵判定過程，得到的結(jié)果分別如下.

1)得到的LCU_A的4個子塊和A本身的信息熵結(jié)果,如圖3所示. 信息熵分別為：3.997 9，4.432 5，4.557 3，4.974 9，4.703 3. 由于子塊4的信息熵大于父塊，需要對子塊4進行再分割，得到4個32×32的預(yù)測單元(PU)，對4個PU進行信息熵計算，得到的結(jié)果見表1.

由表1可知，塊2的4個16×16子塊的信息熵與父塊信息熵結(jié)果相比較，滿足分割終止條件，因此該塊適于采用32×32大小的PU進行幀內(nèi)預(yù)測編碼，提前跳出分割判定過程；其他3個32×32 PU的各個16×16子塊信息熵大小之間差異超過了10%，應(yīng)進行進一步分割判定. 依次對每個16×16塊進行分割信息熵判定，直到滿足分割終止的條件最終的分割結(jié)果，如圖4所示. 由圖4的分割結(jié)果可見，這個LCU所顯示的區(qū)域是地板，屬于一幀圖像的背景區(qū)域，適合采用較大的32×32，16×16的PU進行編碼，而對于地板之間的花紋，需要采用較小的8×8, 4×4的PU進行編碼.

圖3　LCU_A中各塊信息熵

子塊信息熵16×16PU_116×16PU_216×16PU_316×16PU_432×32PU13.88863.92464.00573.51363.997924.16954.28884.40414.38604.432533.95164.55824.52714.40644.557344.27835.43153.78684.88674.9749

圖4　LCU_A的分割結(jié)果

2)得到的LCU_B的4個子塊和B本身的信息熵結(jié)果，如圖5所示. 信息熵分別為5.491 4，6.290 7，5.584 6，6.566 7，6.536 9. 其中子塊4的信息熵大于父塊，需要進行分割，得到4個32×32的PU，對4個PU進行信息熵計算，得到的結(jié)果見表2.

圖5　LCU_B中各塊信息熵

子塊信息熵16×16PU_116×16PU_216×16PU_316×16PU_432×32PU15.38684.58005.03425.31405.491425.49304.40805.50235.53506.290734.37555.73615.03485.11905.584646.08295.67986.30785.07926.5667

由表2可知，4個32×32塊中的各個16×16子塊信息熵大小之間差異超過了10%，都需要進行進一步的分割. 依次對每個16×16塊進行分割信息熵判定，直到滿足分割終止的條件最終的分割結(jié)果如圖6所示. 由圖6的分割結(jié)果可見，這個LCU所顯示的區(qū)域左半邊是地板，屬于一幀圖像的背景區(qū)域，適合采用較大的16×16的PU進行編碼，而對于地板之間的花紋，需要采用較小的8×8, 4×4的PU進行編碼；右半部分是運動員的身體，處于運動狀態(tài)，因此背景區(qū)域和運動物體交接處需要采用最小的4×4的PU進行編碼，可見信息熵判定的分割效果滿足實際需求.

3)得到的LCU_C的4個子塊和C本身的信息熵結(jié)果,如圖7所示,信息熵分別為6.334 8，6.378 7，6.872 1，6.480 9，7.094 1. 子塊3的信息熵顯著大于其他3個子塊，需要進行分割處理. 得到4個32×32的PU，對4個PU進行信息熵計算，得到的結(jié)果見表3.

由表3可知，4個32×32塊中的各個16×16子塊信息熵大小之間差異超過了10%，都需要進行進一步的分割. 依次對每個16×16塊進行分割信息熵判定，直到滿足分割終止的條件最終的分割結(jié)果如圖8所示. 由圖8的分割結(jié)果可見，這個LCU所顯示的區(qū)域是運動員的頭部，圖像的背景區(qū)域依然是地板，適合采用較大的16×16，8×8的PU進行編碼，運動員頭部與背景區(qū)域交界處屬于運動區(qū)域，采用最小的4×4的PU進行編碼，運動員的面部特征屬于一幀圖像的細節(jié)區(qū)域，采用8×8,4×4的PU進行編碼.

圖6　LCU_B的分割結(jié)果

圖7　LCU_C中各塊信息熵

子塊信息熵16×16PU_116×16PU_216×16PU_316×16PU_432×32PU14.35105.50136.27085.30406.334825.06104.88895.66415.86806.378735.72246.50685.33816.70756.872144.53595.95475.75175.67086.4809

由上面一幀圖像內(nèi)部的3個處于不同位置，表達不同內(nèi)容的LCU的分割結(jié)果可知，采用信息熵進行圖像編碼前的PU預(yù)先判決是行之有效的.

圖8　LCU_C的分割結(jié)果

3　實驗結(jié)果與分析

為了對本文提出的基于信息熵的快速幀內(nèi)預(yù)測算法與標準幀內(nèi)預(yù)測算法進行比較，將本文的算法的功能在HEVC參考軟件HM 11.0上實現(xiàn). 為了客觀全面的驗證本算法的最終性能，對幾個不同紋理特點的標準視頻序列分別進行測試. 實驗采用全I幀進行編碼，編碼結(jié)構(gòu)為深度為4，最大LCU為64×64，熵編碼采用CABAC結(jié)構(gòu)；測試序列采用JCT-VC推薦的不同分辨率下的各標準測試序列. 表4列出了本文提出的快速幀內(nèi)PU分割算法的編碼效果，表5為與其他算法的實驗結(jié)果對比.

表4　本文算法與標準算法的對比結(jié)果

通過實驗發(fā)現(xiàn)，對于具有較多的背景區(qū)域，且圖像中物體運動不是很劇烈的測試序列，如Blowing Bubbles，本算法的加速效果更加明顯，這是因為：首先，圖像中紋理越平滑，劇烈運動的物體越少，整幅圖像中采用小塊的PU所占的比例越少，編碼器可以減少PU的分割次數(shù)，在較大的PU尺寸下跳出分割過程，達到節(jié)省編碼時間的目的；其次，在本算法中，判斷每種PU是否需要分割時，原來的標準算法是4個子塊的率失真代價之和與上一級父塊的率失真進行比較，而本算法只需進行每個子快與父塊信息熵的比較，避免了每一次循環(huán)時的數(shù)值求和過程，這樣也使得整體編碼時間有所降低.

表5各尺寸測試序列下編碼時間的比較

Tab.5Comparison of coding time saving in other algorithm of text sequences

測試序列視頻分辨率/pix編碼時間變化率/%文獻[3]本文方法Traffic2560×1600-16.6-18.7PeopleonStreet2560×1600-15.8-20.4BQTerrace1920×1080-19.4-22.1Kimonol1920×1080-19.2-21.9BasketballDrive1920×1080-19.1-22.5ParkScene1920×1080-16.3-20.8Cactus1920×1080-17.0-21.4BasketballDrill832×480-18.7-23.9RaceHorses832×480-13.9-17.4PartyScene832×480-15.1-19.3BQMall832×480-14.2-20.2BlowingBubbles416×240-20.1-32.5BQSquare416×240-18.4-28.1BasketballPass416×240-17.9-26.8RaceHorses416×240-14.7-22.6

由表4可知，基于信息熵的PU尺寸預(yù)測可以在保證圖像質(zhì)量與原算法基本一致的前提下，平均提高了約22.6%的編碼速度. 對于分辨率為416×240的“Blowing Bubbles”序列，可以獲得最大的編碼速度提升，達到了32.5%，編碼速度提升最小為分辨率832×480的“Race Horses”，對應(yīng)速度提升了17.4%. 由于Blowing Bubbles序列中運動物體移動緩慢，而且分辨率不是很高，采用較大尺寸的PU進行幀內(nèi)預(yù)測編碼的比例相對較大，跳過了小塊PU的判定，因而編碼速度提升較明顯；“Race Horses”序列中物體運動劇烈，需要更多的小塊PU進行編碼，在分割判定中占用了較多的時間，所以編碼速度提升較慢.

4　結(jié)　論

1)針對目前主流的HEVC編碼器幀內(nèi)預(yù)測算法速度偏慢的問題，提出一種基于信息熵的HEVC幀內(nèi)預(yù)測單元尺寸快速判定算法. 該算法可使編碼器在進行角度預(yù)測之前找到最佳幀內(nèi)預(yù)測編碼深度，并可以快速判定當前預(yù)測單元的尺寸.

2)圖像的信息熵隨圖像中細節(jié)的豐富程度會產(chǎn)生不同的熵值，利用此特性可以作為本算法中圖像塊快速分割的依據(jù).

3)使用本算法對HEVC標準視頻序列進行測試，試驗結(jié)果表明：本算法可以在保證圖像質(zhì)量與原算法基本一致的前提下，編碼速度平均提升約22.6%，減小了編碼器的運算復(fù)雜度，節(jié)省了幀內(nèi)預(yù)測的編碼時間.

[1] GARY J, OHM J, HAN W, et al. Overview of the high efficiency video coding (HEVC) standard [J]. IEEE Transactions on Circuits and Systems for Video Technology, 2012, 22(12): 1649-1650.

[2] 祝世平, 陳菊嬙. 基于預(yù)搜索的高效雙目分形視頻編碼 [J]. 光學(xué)精密工程, 2012, 20(3): 675-684.

ZHU Shiping, CHEN Juqiang. Efficient stereo fractal video coding based on pre-searching [J]. Editorial Office of Optics and Precision Engineering, 2012, 20(3): 675-684.

[3] SHEN Liquan, ZHANG Zhaoyan, AN Pin. Fast CU size decision and mode decision algorithm for HEVC intra coding [J]. IEEE Transactions on Consumer Electronics, 2013, 59(1): 207-213.

[4] 趙春蕾, 戴明, 孫麗娜, 等. H.264/AVC碼率控制中初始量化參數(shù)的估計 [J]. 光學(xué)精密工程, 2014,22(9): 2553-2564.

ZHAO Chunlei, DAI Ming, SUN Lina, et al. Estimation of initial quantization parameters for H.264/AVC rate control[J]. Editorial Office of Optics and Precision Engineering, 2014: 22(9): 2553-2564.

[5] 吳銀花，金龍旭，張寧. 針對H.264改進的整像素運動估計算法[J]. 光學(xué)精密工程，2013,21(4): 1017-1025.

WU Yinhua, JIN Longxu, ZHANG Ning. Improvement of fast inter pixel motion estimation algorithm for H.264 [J]. Editorial Office of Optics and Precision Engineering, 2013,21(4): 1017-1025.

[6] 溫佳，馬彩文，趙軍鎖，等.自適應(yīng)提升小波在干涉高光譜壓縮中的應(yīng)用[J]. 哈爾濱工業(yè)大學(xué)學(xué)報，2014, 4(7): 112-117.

WEN Jia, MA Caiwen, ZHAO Junsuo, et al. An adaptive wavelet transformation used on interference hyperspectral image compression [J]. Journal of Harbin Institute of Technology, 2014, 4(7): 112-117.

[7] VANNE J, VIITANEN M, TIMO D. Efficient mode decision schemes for HEVC inter prediction[J]. IEEE Transactions on Circuits and Systems for Video Technology, 2014, 9(24): 1579-1593.

[8] JANI L, FRANK B, HAN W, et al. Intra coding of the HEVC standard[J]. IEEE Transactions on Circuits and Systems for Video Technology, 2012, 22(12):1792-1794.

[9] CHO S, KIM M. Fast CU splitting and pruning for suboptimal CU partitioning in HEVC intra coding [J]. IEEE Transactions on Circuits and Systems for Video Technology, 2013, 23(9):1556-1557.

[10]WANG Lili, XIU Wanchi. Novel adaptive algorithm for intra prediction with compromised modes skipping and signaling processes in HEVC [J]. IEEE Transactions on Circuits and Systems for Video Technology, 2013, 23(10):1687,1689.

[11]方樹青，郁梅，徐升陽，等.一種HEVC的快速幀間編碼新方法[J]. 光電子·激光，2015，26(5)，932-939.

FANG Shuqing, YU Mei, XU Shengyang, et al. A novel fast inter coding algorithm for HEVC [J]. Journal of Optoelectronics·Laser, 2015, 26(5):932-939.

[12]孫樂，戴明, 陳曉露, 等. 基于人眼視覺系統(tǒng)的H.264/AVC碼率控制算法[J]. 光學(xué)精密工程，2014，22(4)，1020-1028.

SUN Le, DAI Ming, CHEN Xiaolu, et al. H.264/AVC rate control algorithm based on human visual system [J]. Editorial Office of Optics and Precision Engineering, 2014, 22(4): 1020-1028.

[13]PIAO Y, MIN J H, CHEN J. Encoder improvement of unified Intra prediction: JCTVC-C207[S]. Guangzhou: Joint Collaborative Team on Video Coding(JCT-VC) of ITU-T and ISO/IEC, 2010.

[14] 趙亮. HEVC幀內(nèi)模式?jīng)Q策及其核心技術(shù)的研究[D]. 哈爾濱: 哈爾濱工業(yè)大學(xué), 2011.ZHAO Liang. Researches on fast intra mode decision and core techniques in HEVC[D]. Harbin: Harbin Institute of Technology, 2011.

[15]XIONG Jian. Fast coding unit selection method for high efficiency video coding intra prediction[J]. Optical Engineering, 2013, 52(7):1-9.

[16]HUANG Y, OU T, CHEN H. Fast decision of block size, prediction mode, and intra block for H.264 intra prediction [J]. IEEE Transactions on Circuits and Systems for Video Technology, 2010, 20(8):1122-1132.

[17]BIALYNICKIBIRULA I, MYCIELSKI J. Uncertainty relations for information entropy in wave mechanics[J]. Communications in Mathematical Physics, 1975, 44(2): 129-132.

[18]CHEN Weiwei, WANG Xuan, MA Jianfeng, et al. Efficient intra prediction algorithm for H.264 based on information entropy [J]. Computer Engineering and Applications, 2007, 43(13):114-116.

[19]謝宏, 程浩忠, 牛東曉. 基于信息熵的粗糙集連續(xù)屬性離散化算法 [J]. 計算機學(xué)報, 2005, 28(9):1570-1574.

XIE Hong, CHENG Haozhong, NIU Dongxiao. Discretization of continuous attributes in rough set theory based on information entropy [J]. Chinese Journal of Computers, 2005, 28(9):1570-1574.

(編輯魏希柱)

An algorithm of fast HEVC PU size decision using information entropy

FENG Lei1,2，DAI Ming1，SUN Lina1，ZHAO Chunlei1,2

(1.Changchun Institute of Optics, Fine Mechanics and Physics, Chinese Academy of Sciences, Changchun 130033, China；2.University of Chinese Academy of Sciences, Beijing 100039, China)

In order to improve the prediction speed of HEVC encoder, this paper proposed an algorithm of PU size decision based on information entropy for HEVC (High Efficiency Video Coding) intra prediction. This algorithm mainly utilizes the characteristic of image entropy producing different values with the richness of the image detail to decide whether the PUs need segmentation. Firstly, we calculate the information entropy of every LCU, then we can obtain the optimal partition size from the PU size of 64×64 to 4×4, so that the optimal coding depth is acquired, we can make the intra angular prediction in the optimal coding depth. The experimental results show that we can avoid the unnecessary RD cost calculating process in the traversal search mode, and the coding time was reduced by about 22.6% in the promise of coding performance essentially unchanged. This algorithm simplified the unnecessary rate-distortion cost procedure in traversal search mode, shortened the intra prediction coding time at high image quality level.

HEVC; video compression; intra prediction; image segmentation; information entropy

10.11918/j.issn.0367-6234.2016.09.028

2015-04-24

空軍裝備預(yù)研基金(402040205)

馮磊(1988—)，男，博士研究生；

戴明(1965—)，男，研究員，博士生導(dǎo)師

馮磊，kabakfl@126.com

TN941.1

A

0367-6234(2016)09-0164-06