基于已重建先驗(yàn)信息的VVC 快速仿射運(yùn)動(dòng)估計(jì)算法*

楊若蘭，何小海，熊淑華，卿粼波，陳洪剛

（四川大學(xué) 電子信息學(xué)院，四川 成都 610065）

0 引言

隨著5G 技術(shù)的發(fā)展與普及，超高清視頻的應(yīng)用也越來(lái)越廣泛，視頻數(shù)據(jù)迅速增長(zhǎng)，但傳輸寬帶和各種終端設(shè)備的存儲(chǔ)容量有限，以往的視頻壓縮編碼技術(shù)H.264/高級(jí)視頻編碼（Advanced Video Coding，AVC）[1]和H.265/高效視頻編碼（High Efficiency Video Coding，HEVC）[2]已無(wú)法滿足市場(chǎng)的需求。為了研究更加高效的視頻壓縮編碼技術(shù)，以支持未來(lái)一代的高分辨率視頻編碼標(biāo)準(zhǔn)，由聯(lián)合視頻探索組（Joint Video Explore Team，JVET）在2020 年7 月正式發(fā)布了新一代視頻壓縮編碼標(biāo)準(zhǔn)H.266/多功能視頻編碼（Versatile Video Coding，VVC）[3,4]，標(biāo)準(zhǔn)參考軟件為VVC 測(cè)試軟件（VVC Test Model，VTM）[5]。VVC 與HEVC的整體編碼框架區(qū)別不大，只是在每個(gè)編碼模塊中引入了新的技術(shù)。在不影響視頻視覺質(zhì)量的前提下，VVC的編碼效率較HEVC 提升了約50%。但同時(shí)帶來(lái)的還有編碼時(shí)間的巨大提高，不利于實(shí)時(shí)通信。

在幀間預(yù)測(cè)模塊中，VVC 引入了仿射運(yùn)動(dòng)估計(jì)模型[6]。與HEVC 幀間預(yù)測(cè)時(shí)僅采用平移運(yùn)動(dòng)對(duì)運(yùn)動(dòng)物體進(jìn)行運(yùn)動(dòng)補(bǔ)償相比，仿射運(yùn)動(dòng)模型除了能描述物體的平移運(yùn)動(dòng)，還能描述物體的旋轉(zhuǎn)和縮放，這也更貼近現(xiàn)實(shí)中物體的真實(shí)運(yùn)動(dòng)過(guò)程。仿射運(yùn)動(dòng)帶來(lái)了更高的壓縮效率，然而同時(shí)也導(dǎo)致計(jì)算復(fù)雜度升高，從而使預(yù)測(cè)編碼時(shí)間大幅度增加，不利于在很多實(shí)際場(chǎng)景中的應(yīng)用[7]。同時(shí)，VVC 在編碼塊（Coding Unit，CU）劃分部分引入了多類型樹劃分[8]，與選擇最佳幀間預(yù)測(cè)模式遞歸進(jìn)行，這也進(jìn)一步增加了計(jì)算量，使編碼時(shí)間大幅增加[9]。因此找到一種不明顯影響VVC 壓縮效率的快速仿射運(yùn)動(dòng)估計(jì)方法是有意義的。

為了降低VVC 幀間仿射運(yùn)動(dòng)估計(jì)的計(jì)算復(fù)雜度，文獻(xiàn)[10]提出了一種基于邊緣檢測(cè)算法的VVC 快速仿射運(yùn)動(dòng)估計(jì)算法，利用迭代梯度下降法的對(duì)稱性限制仿射運(yùn)動(dòng)估計(jì)的迭代次數(shù)，并根據(jù)VVC 中仿射高級(jí)矢量預(yù)測(cè)（Affine Advanced Motion Vector Prediction，A AMVP）模式對(duì)于4 參數(shù)仿射模型的對(duì)稱性對(duì)6 參數(shù)的A AMVP 模式進(jìn)行了修正。文獻(xiàn)[11]提出了一種自適應(yīng)選擇4 參數(shù)或6 參數(shù)仿射運(yùn)動(dòng)模型的框架，減少了遍歷兩種仿射模型的冗余計(jì)算。文獻(xiàn)[12]針對(duì)HEVC 提出了兩種快速仿射運(yùn)動(dòng)補(bǔ)償算法：一種是單步亞像素查值法，第二種是基于插值精度的自適應(yīng)塊大小運(yùn)動(dòng)補(bǔ)償方法。由于文獻(xiàn)[12]提出的基于H.265/HEVC的算法不能很好適用于H.266/VVC，文獻(xiàn)[13]對(duì)文獻(xiàn)[12]提出的算法做出了改進(jìn)，對(duì)AAMVP 候選列表的構(gòu)建方法和迭代搜索法進(jìn)行了優(yōu)化，進(jìn)一步節(jié)省了編碼時(shí)間。文獻(xiàn)[14]和文獻(xiàn)[15]都利用父CU的相關(guān)性，提出了一種根據(jù)父CU 最佳幀間預(yù)測(cè)模式是否是Skip 模式來(lái)跳過(guò)當(dāng)前CU的仿射運(yùn)動(dòng)估計(jì)過(guò)程的方法，此外，文獻(xiàn)[15]還通過(guò)最佳預(yù)測(cè)方向縮小仿射運(yùn)動(dòng)估計(jì)參考幀的大小。以上方法都在一定程度上降低了H.266/VVC 中仿射運(yùn)動(dòng)估計(jì)的復(fù)雜度，節(jié)省了編碼時(shí)間，但很少使用到劃分過(guò)程中同一父CU 下，前面已經(jīng)使用過(guò)的劃分方式下的子CU（后文稱為前序子CU）和相鄰CU 之間的運(yùn)動(dòng)相關(guān)性。因此，本文在分析了H.266/VVC 中仿射運(yùn)動(dòng)估計(jì)模式的分布情況，以及它與已重建先驗(yàn)信息的相關(guān)性的基礎(chǔ)上，提出了一種基于已重建先驗(yàn)信息的快速仿射運(yùn)動(dòng)估計(jì)算法。

1 H.266/VVC 中的仿射運(yùn)動(dòng)估計(jì)

HEVC 在幀間預(yù)測(cè)中僅使用平移運(yùn)動(dòng)作為運(yùn)動(dòng)補(bǔ)償?shù)幕灸Ｐ蚚16]，而VVC 在幀間預(yù)測(cè)模塊中引入了基于塊的仿射運(yùn)動(dòng)估計(jì)模型（Afiine），提高了幀間預(yù)測(cè)編碼的性能。仿射運(yùn)動(dòng)估計(jì)除了能表示平移運(yùn)動(dòng)，還能表示物體的旋轉(zhuǎn)和縮放，這也更加符合現(xiàn)實(shí)生活中運(yùn)動(dòng)物體的運(yùn)動(dòng)軌跡。VVC 中的仿射運(yùn)動(dòng)估計(jì)模型有兩種，分別為4 參數(shù)模型和6 參數(shù)模型[17,18]。4 參數(shù)模型中，一個(gè)塊的仿射運(yùn)動(dòng)向量由兩個(gè)控制點(diǎn)控制，而6 參數(shù)模型中有3 個(gè)控制點(diǎn)。圖1 為VVC 中的仿射運(yùn)動(dòng)模型，圖1（a）和圖1（b）分別為4 參數(shù)仿射運(yùn)動(dòng)模型和6 參數(shù)仿射運(yùn)動(dòng)模型。這兩種模型都是通過(guò)當(dāng)前塊控制點(diǎn)的運(yùn)動(dòng)矢量（Control Point Motion Vector，CPMV），并根據(jù)相應(yīng)公式計(jì)算得到當(dāng)前塊的運(yùn)動(dòng)矢量。

本文以4 參數(shù)模型的仿射運(yùn)動(dòng)估計(jì)具體過(guò)程為例，如圖1（a）中左上和右上兩個(gè)控制點(diǎn)的運(yùn)動(dòng)矢量分別為mv0和mv1，則以(x,y)像素為中心的當(dāng)前塊的運(yùn)動(dòng)向量計(jì)算公式為：

式中：mvh(x,y)和mvh(x,y)分別為當(dāng)前塊的水平和垂直方向的運(yùn)動(dòng)矢量；和分別為左上角控制點(diǎn)的水平和垂直方向的運(yùn)動(dòng)矢量；和分別為右上角控制點(diǎn)的水平和垂直方向的運(yùn)動(dòng)矢量；W為當(dāng)前塊的寬。

對(duì)于6 參數(shù)模型，如圖1（b）中所示，它比4 參數(shù)模型多了左下角的控制點(diǎn)，其運(yùn)動(dòng)矢量為mv2，6 參數(shù)模型的當(dāng)前塊的運(yùn)動(dòng)向量計(jì)算公式為：

圖1 VVC 中的仿射運(yùn)動(dòng)模型

HEVC幀間預(yù)測(cè)中的平移運(yùn)動(dòng)有合并（Merge）[19]模式和高級(jí)運(yùn)動(dòng)矢量預(yù)測(cè)（Advanced Motion Vector Prediction，AMVP）[20]模式，VVC 中的仿射運(yùn)動(dòng)估計(jì)也有仿射合并（Affine Merge，AMerge）模式和AAMVP 兩種模式。Affine Merge 模式應(yīng)用于寬和高均大于8的CU 塊，類似于HEVC 幀間預(yù)測(cè)的Merge 模式，Affine Merge 模式也會(huì)構(gòu)建一個(gè)具有5個(gè)元素的候選列表，其中每個(gè)元素是CPMV的集合，每一個(gè)元素中包含2 個(gè)或者3 個(gè)CPMV，在編碼時(shí)僅需傳輸最佳的一個(gè)元素在列表中的索引[21]。Affine Merge 構(gòu)建候選列表的具體過(guò)程為：

（1）繼承相鄰CU的CPMV：需要搜索的相鄰CU 如圖2 候選列表搜索塊所示，其中，左邊相鄰CU的搜索順序?yàn)長(zhǎng)0->L1，上方相鄰CU的搜索順序?yàn)锳0->A1->A2，然后利用包含L0的相鄰CU的CPMV 計(jì)算得到當(dāng)前CU的CPMV。Affine Merge 模式的繼承過(guò)程如圖3 所示。

圖2 候選列表搜索塊

圖3 Affine Merge 模式繼承過(guò)程

（2）利用相鄰CU的平移MV 構(gòu)造CPMVs：圖4 為Affine Merge 模式的構(gòu)造過(guò)程，左上角的CPMV 由順序搜索A2->A3->L2的MV 得到，右上角的CPMV 由順序搜索A1->A0的MV 得到，左下角的CPMV 由順序搜索L1->L0的MV 得到，將得到的CPMV 構(gòu)建候選列表。

圖4 Affine Merge 模式的構(gòu)造過(guò)程

（3）零向量填充：當(dāng)候選列表中的候選模式數(shù)量少于候選列表規(guī)定模式數(shù)量時(shí)，用零向量進(jìn)行填充。

Affine AMVP 模式應(yīng)用于寬和高均大于16的CU 塊，Affine AMVP 會(huì)構(gòu)建一個(gè)長(zhǎng)度為2的候選列表，編碼器根據(jù)候選列表中最優(yōu)的矢量組元素進(jìn)行迭代搜索實(shí)際CPMV，并且傳輸?shù)氖钱?dāng)前CU的實(shí)際CPMV 和預(yù)測(cè)CPMV 之間的差值，而不是Affine Merge 模式是直接傳輸預(yù)測(cè)CPMV的索引。

2 基于已重建先驗(yàn)信息的快速仿射運(yùn)動(dòng)估計(jì)算法

2.1 先驗(yàn)信息分析

在普遍情況下，視頻中的運(yùn)動(dòng)物體往往只占整幀圖像的一小部分，其余的大部分為背景區(qū)域，而通常只有運(yùn)動(dòng)物體的運(yùn)動(dòng)軌跡存在平移、旋轉(zhuǎn)和縮放，背景區(qū)域一般只存在平移運(yùn)動(dòng)。在VVC的幀間預(yù)測(cè)時(shí)，是對(duì)所有的區(qū)域都進(jìn)行仿射運(yùn)動(dòng)估計(jì)，而最終只有很少一部分區(qū)域?qū)⒎律溥\(yùn)動(dòng)估計(jì)模式作為最佳幀間預(yù)測(cè)模式，因此存在大量不必要的計(jì)算，造成了時(shí)間的浪費(fèi)。設(shè)事件A表示最佳幀間預(yù)測(cè)模式是仿射運(yùn)動(dòng)估計(jì)模式的情況，P(A)表示最佳幀間預(yù)測(cè)模式是仿射運(yùn)動(dòng)估計(jì)模式的概率，P(A)的定義如式（3）所示，其中的MAffine表示最佳幀間預(yù)測(cè)模式是仿射運(yùn)動(dòng)估計(jì)模式的CU 數(shù)量，Mall表示所有幀間預(yù)測(cè)的CU 總數(shù)量。表1 展示了4 個(gè)視頻序列中仿射運(yùn)動(dòng)估計(jì)模式為最佳幀間預(yù)測(cè)模式的CU 占比情況，表1 中的P(A)普遍較小，均值為9.3%。從表1 可以看出，在整幀圖片中，僅有很少一部分圖像區(qū)域最終采用仿射運(yùn)動(dòng)估計(jì)，但其他沒有將仿射運(yùn)動(dòng)估計(jì)作為最佳模式的CU 在計(jì)算過(guò)程中也會(huì)使用仿射運(yùn)動(dòng)估計(jì)模型進(jìn)行計(jì)算，這些不必要的計(jì)算在編碼時(shí)間上造成了較大的浪費(fèi)。

表1 仿射運(yùn)動(dòng)估計(jì)模式為最佳幀間預(yù)測(cè)模式的CU 占比情況

VVC 在選擇CU 最佳幀間預(yù)測(cè)模式的過(guò)程中，CU 劃分和模式的率失真代價(jià)計(jì)算是遞歸進(jìn)行的。通過(guò)計(jì)算每種劃分方式下的每種模式的率失真代價(jià)值選擇代價(jià)最小的作為最佳模式。率失真代價(jià)的計(jì)算公式為：

式中：SAD為絕對(duì)誤差和；λ為拉格朗日算子；B為編碼所需比特?cái)?shù)。CU的劃分順序如圖5 所示。

圖5 是VVC 中CU的劃分方式，父CU 一共有5種劃分方式劃分為子CU，分別為四叉樹劃分（QT），水平二叉樹劃分（BH），垂直二叉樹劃分（BV），水平三叉樹劃分（TH），垂直三叉樹劃分（TV）。但是在實(shí)際劃分過(guò)程中，是按照?qǐng)D5 中虛線所示的順序進(jìn)行的，并會(huì)保存前面劃分后的預(yù)測(cè)模式和編碼信息，而在同一編碼樹單元（Coding Tree Unit，CTU）中的圖像紋理及運(yùn)動(dòng)方式具有很強(qiáng)的相似性，因此可以利用前面已經(jīng)進(jìn)行劃分編碼的同層級(jí)子CU（前序子CU）的信息和上一層級(jí)父CU的信息來(lái)預(yù)測(cè)當(dāng)前CU 選擇仿射運(yùn)動(dòng)估計(jì)模式作為最佳模式的可能性，從而可以跳過(guò)不必要的仿射運(yùn)動(dòng)估計(jì)過(guò)程。同時(shí)，相鄰CU的紋理和運(yùn)動(dòng)方式也具有較強(qiáng)的相關(guān)性，因此相鄰CU的重建信息也可以作為是否跳過(guò)仿射運(yùn)動(dòng)估計(jì)的判斷條件之一。

圖5 VVC 中CU 劃分方式

幀間預(yù)測(cè)Merge 模式中存在一種特殊模式，即Skip 模式。Skip 模式的特殊之處在于它不傳殘差，是一種更為簡(jiǎn)單的模式。Skip 模式和Affine 模式具有互斥性。Skip 模式多用于背景區(qū)域以及紋理較少和運(yùn)動(dòng)緩慢的區(qū)域，而此類區(qū)域往往不會(huì)將仿射運(yùn)動(dòng)估計(jì)模式作為最佳模式，因此可以通過(guò)判斷父CU、前序子CU 和相鄰CU的最佳模式是否是Skip模式，來(lái)提前終止仿射運(yùn)動(dòng)估計(jì)過(guò)程。

設(shè)事件Nskip為相鄰左、上CU 最佳模式都為Skip的事件，事件Pskip為父CU 和前序子CU 中至少有一個(gè)的最佳模式為Skip的事件。P(A|B)表示，在事件B（B∈{Nskip,Pskip}）的條件下，當(dāng)前CU的最佳幀間預(yù)測(cè)模式是Affine 模式的概率。表2 統(tǒng)計(jì)了4 個(gè)視頻序列中的P(A|B)情況。P(A|Nskip)和P(A|Pskip)的定義為：

從表2 可以看出，P(A|B)的值普遍較小，P(A|Nskip)的平均值為0.13，P(A|Pskip)的平均值為0.1，這表明在當(dāng)前CU 相鄰塊的最佳幀間預(yù)測(cè)模式都是Skip 模式時(shí)，或者在父CU 和前序子CU 中至少有一個(gè)的最佳幀間預(yù)測(cè)模式為Skip 模式時(shí)，當(dāng)前CU將Affine 模式作為最佳模式的概率很低。通過(guò)以上分析可以根據(jù)條件提前跳過(guò)很多冗余的仿射運(yùn)動(dòng)估計(jì)計(jì)算過(guò)程。

表2 條件概率P(A|B)

2.2 算法提出

本文提出了一種基于已重建先驗(yàn)信息的快速仿射運(yùn)動(dòng)估計(jì)算法，算法整體框架如圖6 所示。

圖6 本文算法整體框架

本文算法的具體步驟為：

（1）執(zhí)行仿射運(yùn)動(dòng)估計(jì)之前的常規(guī)平移運(yùn)動(dòng)估計(jì)過(guò)程，獲取父CU、前序子CU、相鄰左邊和相鄰上邊CU的最佳幀間預(yù)測(cè)模式以及當(dāng)前CU 目前的最佳模式；

（2）判斷當(dāng)前CU 目前的最佳幀間預(yù)測(cè)模式是否是Skip 模式，若是，則跳過(guò)當(dāng)前CU的仿射運(yùn)動(dòng)估計(jì)過(guò)程，執(zhí)行步驟（6），若否，執(zhí)行步驟（3）；

（3）判斷父CU 和前序子CU 中是否存在最佳幀間預(yù)測(cè)模式為Skip 模式的CU，若存在，則跳過(guò)當(dāng)前CU的仿射運(yùn)動(dòng)估計(jì)過(guò)程，執(zhí)行步驟（6），若不存在，執(zhí)行步驟（4）；

（4）判斷相鄰左邊、上邊對(duì)CU的最佳幀間預(yù)測(cè)模式是否都為Skip 模式，若是，則跳過(guò)當(dāng)前CU的仿射運(yùn)動(dòng)估計(jì)過(guò)程，執(zhí)行步驟（6），若否，則執(zhí)行步驟（5）；

（5）執(zhí)行原始仿射運(yùn)動(dòng)估計(jì)過(guò)程；

（6）確定最佳幀間預(yù)測(cè)模式；

（7）結(jié)束運(yùn)動(dòng)估計(jì)過(guò)程。

3 實(shí)驗(yàn)結(jié)果與分析

為測(cè)試本文提出算法的有效性，將所提算法實(shí)驗(yàn)結(jié)果與VVC 標(biāo)準(zhǔn)算法進(jìn)行比較，采用H.266/VVC標(biāo)準(zhǔn)測(cè)試序列進(jìn)行測(cè)試。實(shí)驗(yàn)平臺(tái)的硬件配置為Inter(R)Core(TM)i7-6700 CPU @ 3.40 GHz。然后，在H.266/VVC 標(biāo)準(zhǔn)參考軟件模型VTM9.1 上進(jìn)行了實(shí)驗(yàn)，選擇22、27、32 和37 作為量化參數(shù)，測(cè)試配置文件為encoder_lowdelay_P_vtm.cfg。使用總體編碼時(shí)間差?Tall，仿射運(yùn)動(dòng)估計(jì)編碼時(shí)間差?Taffine，同等客觀質(zhì)量下本文算法較VVC 標(biāo)準(zhǔn)算法改變的碼率百分比（Bj?ntegaard Delta Bit Rate，BDBR）和同等碼率下本文算法較VVC 標(biāo)準(zhǔn)算法改變的客觀質(zhì)量（Bj?ntegaard Delta Peak Signal-to-Noise Rate，BDPSNR）作為實(shí)驗(yàn)效果的評(píng)價(jià)參數(shù)。?Tall和?Taffine的定義分別為：

式中：Tpro為本文提出算法的總體編碼時(shí)間；Tori為VVC 標(biāo)準(zhǔn)算法的總體編碼時(shí)間；TApro為所提算法的仿射運(yùn)動(dòng)估計(jì)總體編碼時(shí)間；TAori為VVC 標(biāo)準(zhǔn)算法的仿射運(yùn)動(dòng)估計(jì)總體編碼時(shí)間。TApro和TAori分別表示為：

式中：TAoff為將標(biāo)準(zhǔn)VVC 配置文件中的Affine flag設(shè)置為0，即關(guān)閉仿射運(yùn)動(dòng)估計(jì)的VVC 標(biāo)準(zhǔn)算法總體編碼時(shí)間。式（7）也可寫成：

?Tall和?Taffine為負(fù)數(shù)則分別表示本文提出算法節(jié)省了VVC 標(biāo)準(zhǔn)算法的總體編碼時(shí)間和仿射運(yùn)動(dòng)估計(jì)的編碼時(shí)間。

BDBR 表示在視頻圖像相同的情況下碼率的變化情況：若為負(fù)數(shù)，表示降低了碼率；若為正數(shù)，則表示增加了碼率。BDPSNR 表示在碼率相同的情況下，視頻圖像質(zhì)量的變化情況：若為正數(shù)，表示視頻質(zhì)量提升；若為負(fù)數(shù)，則表示質(zhì)量下降。表3給出了該算法的實(shí)驗(yàn)結(jié)果。

表3 算法實(shí)驗(yàn)結(jié)果

如表3 所示，相較于VVC 標(biāo)準(zhǔn)算法，所提算法在所有測(cè)試序列中的編碼時(shí)間均有所下降，整體編碼時(shí)間平均下降了10.17%，仿射運(yùn)動(dòng)估計(jì)的編碼時(shí)間平均下降了44.20%，BDBR 平均只增加了0.21%，BDPSNR 平均值降低了0.008 dB。其中，序列BQTerrace、BQMall、RaceHorsesC、BQSquare、RaceHorses、Johnny 和SlideEditing的仿射運(yùn)動(dòng)估計(jì)時(shí)間都降低了超過(guò)50%，這主要是因?yàn)檫@些序列中大多為背景區(qū)域，且所包含的運(yùn)動(dòng)也多為平移運(yùn)動(dòng)，僅有很小一部分的區(qū)域采用了仿射運(yùn)動(dòng)，因此本算法減少了背景區(qū)域和平移運(yùn)動(dòng)區(qū)域的仿射運(yùn)動(dòng)估計(jì)計(jì)算過(guò)程，大幅度降低了仿射運(yùn)動(dòng)估計(jì)的預(yù)測(cè)編碼時(shí)間。為了更直觀地展示所提算法的實(shí)驗(yàn)效果，圖7 給出了測(cè)試序列BQMall、BasketballDrillText 和PartyScene的率失真曲線。

在圖7 中，橫坐標(biāo)表示編碼的比特率（Bitrate），單位為Kbps，縱坐標(biāo)表示視頻的客觀質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)PSNR，單位為dB。圖7 中星號(hào)標(biāo)注的曲線表示原始VTM9.1算法的率失真曲線，豎直斷線標(biāo)注的曲線表示所提算法的率失真曲線。從圖7 可以看出，本文算法與原始VVC算法的率失真曲線基本重合，表明本文所提快速仿射運(yùn)動(dòng)估計(jì)算法未明顯降低視頻的壓縮效率。

圖7 部分序列率失真曲線

為進(jìn)一步體現(xiàn)所提算法的有效性，將所提算法與文獻(xiàn)[10]和文獻(xiàn)[15]中提出的快速仿射運(yùn)動(dòng)估計(jì)算法進(jìn)行了對(duì)比。對(duì)比結(jié)果分別如表4 和表5 所示。

從表4 可知，本文算法在比文獻(xiàn)[10]中的算法只增加了0.02%的BDBR的情況下，進(jìn)一步降低了3.26%的總體編碼時(shí)間。從表5 可知，本文算法在比文獻(xiàn)[15]中的算法只增加了0.09%的BDBR的情況下，進(jìn)一步減少了4.6%的總體編碼時(shí)間和7%的仿射運(yùn)動(dòng)估計(jì)時(shí)間。從表4 和表5 可以看出，本文所提算法在降低復(fù)雜度的性能上均優(yōu)于文獻(xiàn)[10]和文獻(xiàn)[15]。

表4 所提算法與文獻(xiàn)[10]算法比較 %

表5 所提算法與文獻(xiàn)[15]算法比較 %

4 結(jié)語(yǔ)

針對(duì)H.266/VVC 幀間預(yù)測(cè)中的仿射運(yùn)動(dòng)估計(jì)過(guò)程存在大量冗余計(jì)算，復(fù)雜度高的問(wèn)題，本文分析了VVC 幀間仿射運(yùn)動(dòng)估計(jì)模式的分布情況和編碼塊間最佳預(yù)測(cè)模式的相關(guān)性，提出了一種基于已重建先驗(yàn)信息的快速仿射運(yùn)動(dòng)估計(jì)算法。該算法利用Skip 模式和Affine 模式之間的互斥性，根據(jù)上層級(jí)CU、本層級(jí)子CU 和相鄰CU的重建信息跳過(guò)冗余的仿射運(yùn)動(dòng)估計(jì)過(guò)程。實(shí)驗(yàn)結(jié)果表明，在不明顯影響視頻碼率和質(zhì)量的情況下，所提算法有效地降低了VVC的整體編碼時(shí)間和仿射運(yùn)動(dòng)估計(jì)時(shí)間。