一種深度圖幀內(nèi)預(yù)測(cè)模式?jīng)Q策改進(jìn)算法

李 強(qiáng)，范杰羚，明 艷

(重慶郵電大學(xué) 信號(hào)與信息處理重慶市重點(diǎn)實(shí)驗(yàn)室，重慶 400065)

一種深度圖幀內(nèi)預(yù)測(cè)模式?jīng)Q策改進(jìn)算法

李 強(qiáng)，范杰羚，明 艷

(重慶郵電大學(xué) 信號(hào)與信息處理重慶市重點(diǎn)實(shí)驗(yàn)室，重慶 400065)

為減小3D-高效視頻編碼(three dimensional-high efficiency video coding，3D-HEVC)的編碼復(fù)雜度，提出一種深度圖幀內(nèi)預(yù)測(cè)模式?jīng)Q策改進(jìn)算法。一方面，采用拉普拉斯邊緣檢測(cè)法對(duì)是否遍歷深度模型模式(depth modeling modes，DMMs)進(jìn)行快速判決；另一方面，利用預(yù)測(cè)單元(prediction unit，PU)的楔形分割線與其紋理特征的相關(guān)性，只對(duì)候選預(yù)測(cè)模式中的幀內(nèi)角度模式相關(guān)的楔形分割進(jìn)行搜索，減少楔形分割模式遍歷的數(shù)量，實(shí)現(xiàn)DMM1模式的快速?zèng)Q策。經(jīng)測(cè)試，算法在平均編碼比特率增加很少的情況下，深度模型模式的平均編碼時(shí)間降低了53.65%，而深度圖的合成質(zhì)量基本不變。

多視點(diǎn)視頻加深度；幀內(nèi)預(yù)測(cè)模式；楔形分割；快速?zèng)Q策

0 引 言

3D(three dimensional)視頻可提供自然場(chǎng)景的立體表達(dá)，為人們帶來(lái)“身臨其境”的視覺(jué)體驗(yàn)，深受廣大觀眾的喜愛(ài)。3D電影、支持3D視頻播放的電視、平板電腦和游戲終端已經(jīng)進(jìn)入到了百姓的生活中。3D視頻技術(shù)應(yīng)用的普及，對(duì)3D視頻編碼技術(shù)[1]提出了更高的要求。為了發(fā)展和推廣3D視頻編碼技術(shù)，2012年，國(guó)際電信聯(lián)盟ITU第16工作組視頻編碼專家組(video coding experts group，VCEG)和動(dòng)態(tài)圖像專家組(moving picture experts group，MPEG)共同發(fā)起成立了3D視頻聯(lián)合組JCT-3V，制定出了新一代3D視頻編碼標(biāo)準(zhǔn)，將基于高效視頻編碼技術(shù)H.265/HEVC[2]的3D視頻編碼擴(kuò)展為3D-高效視頻編碼(three dimensional-high efficiency video coding，3D-HEVC)[3]。

多視點(diǎn)視頻加深度(multi-view video plus depth，MVD)在不需要傳輸所有視點(diǎn)信息的情況下，可實(shí)現(xiàn)用戶觀看視點(diǎn)的自由選擇，是3D-HEVC的標(biāo)準(zhǔn)編碼數(shù)據(jù)格式。MVD中的深度圖用于接收端合成虛擬視點(diǎn)而非直接為觀眾可見(jiàn)，具有大范圍平坦區(qū)域和分割這些區(qū)域的尖銳邊緣，圖中尖銳邊緣的編碼質(zhì)量決定了合成虛擬視點(diǎn)的準(zhǔn)確性，如果采用與紋理圖像相同的基于塊的預(yù)測(cè)算法，會(huì)在邊緣處產(chǎn)生明顯的失真。因此，MVD一方面繼承了HEVC的四叉樹(shù)編碼結(jié)構(gòu)以及預(yù)測(cè)模式的遍歷過(guò)程；另一方面根據(jù)深度圖的特征，增加了新的幀內(nèi)預(yù)測(cè)模式，即深度模型模式(depth modeling modes，DMMs)[4]。DMMs的引入提升了深度圖中邊緣輪廓的編碼質(zhì)量，但帶來(lái)了編碼復(fù)雜度的急劇增加。如何在保證深度圖編碼質(zhì)量的情況下，有效降低編碼復(fù)雜度成為3D-HEVC的研究重點(diǎn)。目前很多學(xué)者在如何有效降低深度視頻編碼的復(fù)雜度上開(kāi)展了研究，提出了很多有效算法。如文獻(xiàn)[5]對(duì)編碼塊進(jìn)行方差計(jì)算，得到楔形最有可能分區(qū)，然后對(duì)這些分區(qū)中的楔形分割進(jìn)行遍歷，雖然減少了編碼時(shí)間，但并未考慮是否需要遍歷深度模型模式。文獻(xiàn)[6]利用父輩編碼單元(coding unit，CU)的最優(yōu)幀內(nèi)預(yù)測(cè)模式與子輩CU的幀內(nèi)預(yù)測(cè)模式的相關(guān)性，減少遍歷模式數(shù)，并且對(duì)SDC(segment-wise DC coding)進(jìn)行提前終止。該方法對(duì)CU進(jìn)行了快速判決，但是視頻質(zhì)量下降較多。文獻(xiàn)[7]對(duì)預(yù)測(cè)單元(prediction unit，PU)進(jìn)行率失真(rate-distortion，RD)值計(jì)算，判定RD值是否大于閾值，決定是否進(jìn)行雙部分粗略模式?jīng)Q策(rough mode decision，RMD)，以達(dá)到快速?zèng)Q策的目的，但該算法并未考慮深度模型模式是否遍歷。文獻(xiàn)[8]利用35種幀內(nèi)模式的RD值，判定是否進(jìn)行DMM計(jì)算，以減少計(jì)算復(fù)雜度，但算法只對(duì)DMM模式進(jìn)行了快速判決，對(duì)復(fù)雜度較高的楔形分割沒(méi)有進(jìn)行優(yōu)化。文獻(xiàn)[9]判定CU中的像素點(diǎn)是否屬于Lookup Table，如果CU中的像素點(diǎn)屬于Lookup Table，則對(duì)CU進(jìn)行提前終止，以減小計(jì)算復(fù)雜度。但算法只對(duì)CU進(jìn)行了快速?zèng)Q策，并未對(duì)PU的劃分進(jìn)行優(yōu)化。

本文針對(duì)深度圖幀內(nèi)預(yù)測(cè)模式提出了一種決策改進(jìn)算法，采用拉普拉斯檢測(cè)法對(duì)是否遍歷DMMs模式做快速判決，利用幀內(nèi)預(yù)測(cè)模式和DMMs之間的相關(guān)性，減少模式遍歷的數(shù)量，實(shí)現(xiàn)模式的快速?zèng)Q策。實(shí)驗(yàn)測(cè)試結(jié)果表明，本文改進(jìn)算法在平均編碼比特率增加很少的情況下，平均編碼時(shí)間大幅度減少，而視頻質(zhì)量基本不變。

1 深度圖幀內(nèi)預(yù)測(cè)模式快速?zèng)Q策

1.1 深度圖幀內(nèi)預(yù)測(cè)模式?jīng)Q策過(guò)程

3D-HEVC深度圖幀內(nèi)預(yù)測(cè)包括傳統(tǒng)的35種幀內(nèi)預(yù)測(cè)模式和2種DMMs。35幀內(nèi)預(yù)測(cè)包含33種角度預(yù)測(cè)模式，1種平面模式Planar和1種直流模式DC，DMMs包含了楔形(wedgelet)分割模式DMM1和輪廓(contour)分割模式DMM4，如圖1所示。

圖1 HEVC幀內(nèi)預(yù)測(cè)模式(0：Planar 1：DC)Fig.1 Intra prediction modes in HEVC(0：Planar 1：DC)

深度圖的幀內(nèi)預(yù)測(cè)模式?jīng)Q策以預(yù)測(cè)單元PU為對(duì)象，通過(guò)粗略模式?jīng)Q策、最有可能模式?jīng)Q策和最優(yōu)模式?jīng)Q策3個(gè)過(guò)程得到PU塊的最優(yōu)模式判決，具體過(guò)程如下。

步驟1對(duì)35種幀內(nèi)預(yù)測(cè)模式進(jìn)行粗略模式?jīng)Q策，選擇N個(gè)最小Cost值所對(duì)應(yīng)的幀內(nèi)預(yù)測(cè)模式作為粗略模式?jīng)Q策的候選預(yù)測(cè)模式。對(duì)4×4和8×8的PU塊，N為8；對(duì)16×16，32×32和64×64的PU塊，N為3。在Cost值的計(jì)算公式(1)中，SATD是PU塊的預(yù)測(cè)殘差進(jìn)行Hadamard變換后得到的殘差絕對(duì)值總和；λ為拉格朗日算子；Bits是對(duì)某個(gè)預(yù)測(cè)模式編碼后的二進(jìn)制比特?cái)?shù)。

Cost=SATD+λ×Bits

(1)

步驟2從當(dāng)前PU塊相鄰已編碼的左塊和上塊的最終幀內(nèi)預(yù)測(cè)模式中選擇0～2種模式作為最有可能模式(most probably modes，MPMs)。

步驟3把N種候選預(yù)測(cè)模式，MPMs和DMMs添加到全搜索列表RDModeList中，計(jì)算出列表中所有預(yù)測(cè)模式的全RD值。最小全RD值所對(duì)應(yīng)的預(yù)測(cè)模式即為PU塊的最優(yōu)預(yù)測(cè)模式。全RD值的計(jì)算式為

J=D+ls×λ×R

(2)

(2)式中：J表示率失真值；D為深度圖像和合成視點(diǎn)失真的加權(quán)平均值；ls表示縮放因子；R是指在每個(gè)決策模式下，需要消耗的比特率。

深度圖幀內(nèi)預(yù)測(cè)模式?jīng)Q策過(guò)程中的DMM判決占整個(gè)幀內(nèi)編碼近40%的時(shí)間[10]，如果能實(shí)現(xiàn)對(duì)是否遍歷DMMs進(jìn)行快速判決，以及在對(duì)DMM1決策時(shí)，降低遍歷楔形分割模式的數(shù)量，即可實(shí)現(xiàn)深度圖幀內(nèi)預(yù)測(cè)模式的快速判決，降低3D視頻編碼的時(shí)間。

1.2 是否遍歷DMMs的快速判決

DMMs用于深度圖陡峭邊界的編碼。由于在深度圖中存在大面積的平坦或緩慢變化區(qū)域，如圖2所示的Dancer深度圖，因此，在實(shí)際編碼過(guò)程中，選擇DMMs為最優(yōu)編碼模式的概率不大。

圖2 深度圖dancer(1 920×1 088)Fig.2 Depth map dancer(1 920×1 088)

本文選擇3D-HEVC/HTM測(cè)試序列作為編碼對(duì)象， 7個(gè)測(cè)試序列的編碼參數(shù)如表1所示。對(duì)表1的測(cè)試序列在不同深度量化步長(zhǎng)(QP)下，統(tǒng)計(jì)幀內(nèi)預(yù)測(cè)編碼選擇DMMs為最優(yōu)模式的概率，如表2所示。選擇DMMs為最優(yōu)模式概率，最小為0.09%，最大也只有5.65%。如果在深度圖幀內(nèi)編碼過(guò)程中，總是將DMMs全部加入RDModeList，這將導(dǎo)致預(yù)測(cè)模式判決的運(yùn)算量增大。

表1 測(cè)試序列參數(shù)Tab.1 Test sequence parameters

在PU塊的N個(gè)候選預(yù)測(cè)模式中，如果第1個(gè)模式為Planar，PU塊為平坦區(qū)域，在這種情況下，不用把DMMs添加到RDModeList中；除此之外，如果能通過(guò)對(duì)PU塊紋理特征的分析，決定是否在RDModeList表中添加DMMs，就可減小遍歷DMMs的數(shù)量，加快幀內(nèi)預(yù)測(cè)模式的決策。

表2 DMMs為最優(yōu)模式的統(tǒng)計(jì)概率Tab.2 DMMs statistical rate as best mode

由于DMMs為最優(yōu)模式的PU塊的亮度方差值要大于其他幀內(nèi)預(yù)測(cè)模式為最優(yōu)模式的PU塊的方差值，因此，常采用方差法來(lái)判決是否遍歷DMMs。首先，計(jì)算出PU塊亮度方差Var；然后，與某一閾值Tth做比較，如果Var大于Tth，則把DMMs添加到RDModeList中。Var和Tth的計(jì)算式如(3)-(5)式。

(3)

Tth=Vth×Vth-8

(4)

(5)

(3)-(5)式中：QP為PU塊的深度量化步長(zhǎng)；max表示取2個(gè)數(shù)值中的最大值；fi，M和n分別為PU塊像素的亮度值，亮度平均值和個(gè)數(shù)。

方差是PU塊亮度對(duì)比度的一種粗略估計(jì)，其值越大，亮度對(duì)比度越高。因此，根據(jù)方差值的大小可判斷出PU塊是否存在邊緣，但這種判定方法的計(jì)算量較大。本文采用如圖3所示的拉普拉斯(Laplace)算子對(duì)PU塊進(jìn)行邊緣檢測(cè)，采用(6)式計(jì)算出PU塊亮度的二階差分值▽2f，如果▽2f不為0，則把DMMs添加到RDModeList中。

0101-41010

圖3拉普拉斯算子
Fig.3 Laplace operator

▽2f=f(i+1,j)+f(i-1,j)+f(i,j+1)+

f(i,j-1)-4f(i,j)

(6)

(6)式中：f(i+1,j)，f(i-1,j)，f(i,j+1)，f(i,j-1)和f(i,j)分別為L(zhǎng)aplace算子對(duì)應(yīng)深度圖像素的亮度值。

Laplace檢測(cè)法和方差法的運(yùn)算量的對(duì)比如表3所示。當(dāng)PU塊為32×32和16×16時(shí)，Laplace檢測(cè)法需要的最大加法次數(shù)要略多于方差法，但Laplace檢測(cè)法不需要做乘法運(yùn)算，因此，Laplace檢測(cè)法的運(yùn)算量要小于方差法。在本文算法中，對(duì)32×32，16×16和8×8的PU塊采用Laplace檢測(cè)法，對(duì)4×4的PU塊，采用方差法進(jìn)行檢測(cè)。

表3 方差法和Laplace檢測(cè)法運(yùn)算量的比較Tab.3 Comparison of operation for variance and Laplace detection method

1.3 楔形分割模式快速判決

DMMs將深度圖中的PU塊分割成2個(gè)非矩形區(qū)域后，判斷出最優(yōu)分割模式，計(jì)算每個(gè)區(qū)域的分塊常數(shù)值。楔形分割用一條直線將PU塊分成2個(gè)非矩形區(qū)域，遍歷PU塊所有可能的起始點(diǎn)和終點(diǎn)后，選擇失真最小的分割模式作為最優(yōu)分割模式。該方法在初始化時(shí)，先建立一個(gè)包含楔形所有分割模式的索引初始化列表，然后對(duì)PU塊的分割模式進(jìn)行決策，遍歷PU塊對(duì)應(yīng)的楔形分割模式列表中的每一種模式，因此，這種全搜索楔形分割模式算法的計(jì)算量很大。圖4為4×4的PU塊86種全搜索楔形分割模式，黑色區(qū)域和白色區(qū)域分別表示楔形分割線兩側(cè)的區(qū)域。當(dāng)PU塊較大時(shí)(如16×16)，楔形分割模式數(shù)達(dá)到1 349，其決策過(guò)程耗時(shí)很大。

3D-HEVC對(duì)全搜索法進(jìn)行了改進(jìn)，采用粗略搜索和精細(xì)搜索相結(jié)合的雙層搜索算法來(lái)減小決策復(fù)雜度，如圖5所示。雙層搜索算法決策過(guò)程為：①建立粗略搜索列表集。以8×8的PU為例，在圖5a中，橫縱坐標(biāo)每隔一個(gè)點(diǎn)作為起始點(diǎn)和終點(diǎn)，2點(diǎn)之間的黑實(shí)連線為粗略搜索集的一種分割模式。圖5b中的虛線表示某個(gè)粗略分割模式周圍8個(gè)參考方向的精細(xì)搜索；②遍歷PU對(duì)應(yīng)的楔形粗略搜索集中的所有模式，得到最小失真楔形分割模式索引；③遍歷楔形粗略模式的8種精確搜索，最小失真的楔形分割模式即為該P(yáng)U塊的最終分割模式。

圖4 4×4PU塊的86種楔形分割模式Fig.4 4×4 PU 86 wedgelet pattern

圖5 雙層搜索算法的粗略搜索和精細(xì)搜索Fig.5 Double-layer search of rough and refine search

與全搜索算法相比，雙層搜索算法減小了遍歷楔形分割模式的數(shù)量，降低了計(jì)算復(fù)雜度。這2種算法遍歷分割模式數(shù)的對(duì)比如表4所示。

表4 全搜索法與雙層搜索法遍歷楔形分割模式數(shù)的比較Tab.4 Wedgelet patterns’ comparison of full search and double-layer search

為了降低DMM1存儲(chǔ)楔形分割模式需要的存儲(chǔ)容量，3D-HEVC采用16×16塊的楔形分割模式來(lái)代替32×32塊的楔形分割模式[10]。

由表4可以看出，雙層搜索算法仍需遍歷較多的楔形分割模式，復(fù)雜度仍然很高。由于PU塊的楔形分割線與其紋理特征具有很強(qiáng)的相關(guān)性，因此，可利用這種相關(guān)性來(lái)減小遍歷楔形分割模式的次數(shù)。在PU塊N個(gè)候選預(yù)測(cè)模式中，存在一個(gè)或幾個(gè)幀內(nèi)角度模式，可只對(duì)與這些角度模式相關(guān)的楔形分割模式進(jìn)行搜索?；谶@種相關(guān)性，本文提出一種楔形分割模式快速?zèng)Q策算法，具體過(guò)程如下。

步驟1建立一個(gè)與33種幀內(nèi)角度模式相關(guān)的初始化楔形分割列表WedModeList。以4×4的PU塊為例，根據(jù)楔形分割模式與幀內(nèi)角度模式的相關(guān)性，把86種楔形分割模式分成33個(gè)子集。幀內(nèi)角度預(yù)測(cè)模式7對(duì)應(yīng)4種楔形分割，模式20對(duì)應(yīng)3種楔形分割模式，如圖6所示。

圖6 角度模式7和角度模式20對(duì)應(yīng)的楔形分割Fig.6 Angle 7 and 20 mode corresponding to the wedgelet patterns

步驟2經(jīng)過(guò)粗略搜索和最有可能模式搜索后，得到PU塊的全搜索列表RdModeList。如果列表中需遍歷DMMs，則根據(jù)RdModeList列表包含的幀內(nèi)角度模式遍歷對(duì)應(yīng)的楔形分割，最小失真的楔形分割模式即為PU塊的最終楔形分割模式。

與雙層搜索算法相比，本文算法大幅度減小了遍歷楔形分割模式的數(shù)量，降低了幀內(nèi)模式?jīng)Q策復(fù)雜度。表5是本文算法與雙層搜索算法遍歷分割模式數(shù)的對(duì)比。

表5 本文算法與雙層搜索法遍歷楔形模式數(shù)Tab.5 Number of wedgelet patterns for double-layer search and fast search

1.4 深度圖幀內(nèi)模式快速?zèng)Q策算法流程

基于以上分析，本文提出的一種深度圖幀內(nèi)模式快速?zèng)Q策算法流程如圖7所示。

圖7 快速幀內(nèi)模式?jīng)Q策算法流程Fig.7 Flow chart of a fast intra mode decision algorithm

2 性能測(cè)試

本文提出的深度圖幀內(nèi)預(yù)測(cè)模式?jīng)Q策改進(jìn)算法和文獻(xiàn)[5]的算法均在HTM-13.0[11]測(cè)試平臺(tái)上進(jìn)行了實(shí)現(xiàn)，并分別通過(guò)與HTM-13.0測(cè)試平臺(tái)原有算法性能指標(biāo)的對(duì)比來(lái)評(píng)估本文改進(jìn)算法性能。

2.1 客觀性能指標(biāo)的測(cè)試和對(duì)比

按照J(rèn)CT-3V制定的測(cè)試標(biāo)準(zhǔn)對(duì)幀內(nèi)預(yù)測(cè)模式?jīng)Q策算法性能進(jìn)行評(píng)估，編碼對(duì)象為表1中的7個(gè)測(cè)試序列；深度量化步長(zhǎng)QP取4個(gè)值，分別為39，42，45和48[12]；測(cè)試設(shè)備為泰克公司的PQA600A圖像質(zhì)量分析儀(CPU為Intel Xeon E5-2630，內(nèi)存為32 GBtye)；測(cè)試指標(biāo)采用BD-PSNR，BDBR[13]和DT[14]。BD-PSNR是評(píng)價(jià)圖像質(zhì)量的指標(biāo)，表示在給定的同等碼率下，2種方法的亮度峰值信噪比PSNR-Y的差異；BDBR是衡量編碼效率的指標(biāo)，是在同樣客觀質(zhì)量下，2種方法的碼率節(jié)省情況；DT是評(píng)估算法復(fù)雜度的指標(biāo)，表示2種算法編碼時(shí)間的節(jié)省比例。

表6 本文算法與文獻(xiàn)[5]算法DT值的比較Tab.6 Comparison of DT cost for the proposed algorithm and the reference[5] algorithm %

表7 本文算法與文獻(xiàn)[5]算法BDBR值的比較Tab.7 Comparison of BDBR for the proposed algorithm and the reference [5] algorithm %

表8 本文算法與文獻(xiàn)[5]算法BD-PSNR值的比較Tab.8 Comparison of BD-PSNR for the proposed algorithm and the reference [5] algorithm dB

表6-表8是本文算法與文獻(xiàn)[5]算法性能指標(biāo)的對(duì)比，正值和負(fù)值分別表示與深度模型模式原算法相比性能指標(biāo)數(shù)值的增加和減少量，表6-表8中的每個(gè)數(shù)據(jù)是編碼器分別在4個(gè)不同量化步長(zhǎng)下測(cè)試結(jié)果的平均值。本文算法相對(duì)深度模型模式原算法平均編碼時(shí)間節(jié)省了53.65%，平均編碼比特率增加了1%，亮度峰值信噪比減小了0.15 dB。而文獻(xiàn)[5]算法相對(duì)深度模型模式原算法平均編碼時(shí)間減少了45.73%，平均編碼比特率增加了1.12%,亮度峰值信噪比減小了0.17 dB。測(cè)試結(jié)果說(shuō)明，本文算法與深度模型模式原算法相比，平均編碼時(shí)間大幅度減少，而平均編碼比特率增加較少，客觀視頻質(zhì)量指標(biāo)下降不多。與文獻(xiàn)[5]算法相比，本文算法在有效降低編碼復(fù)雜度方面要優(yōu)于文獻(xiàn)[5]算法，平均編碼比特率和亮度峰值信噪比相差不大。

2.2 虛擬視點(diǎn)合成圖主觀質(zhì)量的對(duì)比

本文通過(guò)解碼后的彩色視頻和深度圖對(duì)虛擬視點(diǎn)進(jìn)行了合成，測(cè)試對(duì)象為表1中的7個(gè)測(cè)試序列，彩色視頻的量化步長(zhǎng)QP為30，深度圖的QP為39。

圖8 分別采用HTM13.0、文獻(xiàn)[5]和本文3種算法 得到的虛擬視點(diǎn)合成圖Fig.8 Virtual viewpoint composite maps for original algorithm in HTM-13.0，the reference [5] and the proposed algorithm

圖8是分別采用HTM13.0原有算法、文獻(xiàn)[5]算法和本文算法對(duì)7個(gè)測(cè)試序列進(jìn)行編解碼后得到的虛擬視點(diǎn)合成圖的第1幀。左列圖為采用HTM-13原有算法生成的合成圖，中間列圖為參考文獻(xiàn)[5]的合成圖，右列圖為采用本文算法生成的合成圖。從合成圖的效果表明，本文算法對(duì)圖像主觀質(zhì)量的影響很小，很難用肉眼分辨出來(lái)。

3 結(jié) 論

本文提出了一種深度圖幀內(nèi)預(yù)測(cè)模式?jīng)Q策改進(jìn)算法，通過(guò)對(duì)是否遍歷DMMs進(jìn)行快速判決，減少遍歷楔形分割模式的數(shù)量來(lái)減小計(jì)算復(fù)雜度。主觀和客觀實(shí)驗(yàn)測(cè)試結(jié)果表明，本文算法在大幅度降低編碼時(shí)間的同時(shí)，編碼比特率增加很少，合成的虛擬視點(diǎn)圖像質(zhì)量幾乎不變，對(duì)3D-HEVC的應(yīng)用具有較大的現(xiàn)實(shí)意義。下一步將對(duì)視點(diǎn)間編碼算法進(jìn)行研究，對(duì)CU的快速?zèng)Q策進(jìn)行分析，以進(jìn)一步降低編碼計(jì)算復(fù)雜度。

[1] 田恬，姜秀華，王彩虹．新一代基于HEVC的3D視頻編碼技術(shù)[J].電視技術(shù)，2014， 38(11)：5-8.

TIAN Tian，JIANG Xiuhua，WANG Xinhua. Next-generation 3D Video Coding Technology Based on HEVC[J].Video Engineering，2014，38(11)：5-8．

[2] SULLIVAN G J，OHM J R，HAN W J，et al．Overview of the High Efficiency Video Coding (HEVC) Standard[J]．IEEE Transactions on Circuits & Systems for Video Technology，2012，22(12)：1649-1668．

[3] MULLER K，SSHWARZ H，MARPE D， et al．3D High-Efficiency Video Coding for Multi-View Video and Depth Data[J]．IEEE Transactions on Image Processing A Publication of the IEEE Signal Processing Society，2013，22(9)：3366-3378．

[4] LIU H，JIA J．Depth modeling mode coding and decoding method and video codec：WO，2014114168 A1[P]．2014．

[5] FU C H，ZHANG H B，SU W M，et al．Fast wedgelet pattern decision for DMM in 3D-HEVC[C]//IEEE.IEEE International Conference on Digital Signal Processing．Singapore：IEEE Press，2015：447-481．

[6] ZHANG H B，TSANG S H，CHAN Y L，et al．Early determination of intra mode and segment-wise DC coding for depth map based on hierarchical coding structure in 3D-HEVC[C]//Asia-Pacific Signal and Information Processing Association Summit and Conference．HK，China：APSIPA，2015:396-400．

[7] GU Z, ZHENG J， LING N，et al．Fast bi-partition mode selection for 3D HEVC depth intra coding[C]//IEEE.Multimedia and Expo (ICME)，2014 IEEE International Conference on Multimedia & Expo．Sydney，Australia：IEEE Press，2014：1-6．

[8] PARK C S.Efficient intra-mode decision algorithm skipping unnecessary depth-modelling modes in 3D-HEVC[J]. Electronics Letters, 2015, 51(10):756-758.

[9] CHUNG K, HUANG Y, LIN C, et al. Novel Bitrate-Saving and Fast Coding for Depth Videos in 3D-HEVC[J]. IEEE Transactions on Circuits & Systems for Video Technology,2016, 26(10):1859-1869.

[10] TAKESHI T．JCT3V-I0110 Lookup table size reduction in DMM1 [S]．Sapporo，Japan：ISO/EC，2014．

[11] JCT3V．HTM-13．[EB/OL]．(2015-02-11)[2016-07-11]．https://hevc.hhi.fraunhofer.de/svn/svn_3DVCSoftware/tags/HTM-13.0/．

[12] KARSTEN M，ANTHONY V．JCT3V-G1100 Common test conditions of 3DV core experiment[S]. San Jose，US：ISO/EC，2014．

[13] BJONTEGAARD G．Calculation of average PSNR difference between RD-curves[C]// ITU-Telecommunications Standardization Sector Study Group 16 Question6 Video Coding Experts Group(VCEG) 13th Meeting．Austin， US：ITU，2001．

[14] 謝紅，魏麗莎，解武．紋理圖的3D-HEVC深度圖編碼單元快速劃分算法[J]．應(yīng)用科技，2016，43(2)：14-18．

XIE Hong，WEI Lisha，XIE Wu．A fast coding unit size decision algorithm for the depth map based on texture in 3D-HEVC[J]．Applied Science and Technology，2016，43(2)：14-18．

s：The National Natural Science Foundation of China(61102131); The Science & Technology Research Project of Chongqing Education Committee of China(KJ1400425)

Improveddepthintramodeselectionalgorithm

LI Qiang, FAN Jieling, MING Yan

Chongqing Key Laboratory of Signal and Information Processing, Chongqing University of Posts and Telecommunications, Chongqing 400065, P. R. China)

In order to reduce the 3D-HEVC coding complexity, there is an improved intra prediction mode decision algorithm for depth maps. On the one hand, the proposed algorithm uses Laplace operator edge detection, and determines whether it traverses depth modeling modes or not. On the other hand, a fast DMM1 decision can be realized efficiently by using the correlation between the line of wedgelet pattern and its textural features in prediction unit. Then, it reduces the number of wedgelet pattern modes through wedgelet pattern related to angle modes in candidate list. After tests, the experiments show that the DMMs algorithm is able to reduce the average time of the encoder by 53.65% while minimally reduced bitrate of coding. Besides, the quality of encoded video almost remains unchanged.

multi-view video and depth；intra prediction mode；wedgelet pattern；fast decision

10.3979/j.issn.1673-825X.2017.06.019

2016-07-15

2017-02-24

范杰羚 445413391@qq.com

國(guó)家自然科學(xué)基金(61102131)；重慶市教委科技項(xiàng)目(KJ1400425)

TP919.81；TP39

A

1673-825X(2017)06-0837-07

李 強(qiáng)(1968 -)，男，湖南益陽(yáng)人，副教授，碩士，主要研究方向?yàn)橐粢曨l信號(hào)處理。E-mail：liqiang@cqupt.edu.cn。

范杰羚(1992 -)，男，湖南婁底人，碩士研究生，主要研究方向?yàn)橐曨l編碼。E-mail：445413391@qq.com。

明 艷(1967 -)，女，湖南長(zhǎng)沙人，副教授，本科，主要研究方向?yàn)閿?shù)字通信技術(shù)。

(編輯：王敏琦)