本书旨在概述H.265/HEVC标准及H.266/VVC标准中的重要研究课题, 对最新的高效视频编码技术进行了总结分析, 并介绍了作者针对该课题所取得的研究成果, 对推动视频信号处理技术的发展有积极的意义。结合近年来的成果, 本书分别对H.265/HEVC标准与H.266/VVC标准下的高效编码方法进行了系统介绍。希望借助此书, 使读者对当下主流的高效视频信号处理技术有所了解。
第1章 绪论
第2章 H.265/HEVC视频编码标准概述
2.1 概述
2.2 H.265/HEVC编码框架
2.2.1 框架结构
2.2.2 高效率视频编码的基本单元
2.2.3 四叉树编码结构
2.3 H.265/HEVC编码关键技术
2.3.1 率失真优化技术
2.3.2 预测编码技术
2.3.3 变换编码技术和重构图像后处理技术
2.4 相关工作
2.4.1 对率失真很优化技术的研究
2.4.2 对编码模式判决技术的研究
2.5 本章小结
参考文献
第3章 基于量化步长的量化器自选择算法
3.1 概述
3.2 率失真优化量化技术特征分析
3.2.1 均匀标量量化器特征分析
3.2.2 率失真优化量化器特征分析
3.3 高效率失真优化量化判决算法
3.3.1 均匀标量量化和率失真量化判决
3.3.2 算法流程
3.4 实验结果及分析
3.4.1 与原始HEVC编码标准的比较
3.4.2 主观质量分析
3.5 本章小结
参考文献
第4章 基于纹理分析的skip模式提前检测算法
4.1 概述
4.2 skip模式特征分析
4.3 skip模式提前检测算法
4.3.1 skip纹理变化缓慢区域编码块的检测
4.3.2 skip纹理变化丰富区域编码块的检测
4.3.3 算法流程
4.4 实验结果及分析
4.4.1 与原始HEVC编码标准的比较
4.4.2 与经典改进算法实验结果的比较
4.4.3 主观质量分析
4.5 本章小结
参考文献
第5章 基于SAO的skip模式检测算法
5.1 概述
5.2 特征分析
5.2.1 CU空间编码参数分析
5.2.2 HEVC模式决策过程分析
5.3 skip模式的检测
5.3.1 CU的skip模式检测算法
5.3.2 快速帧内模式决策算法
5.3.3 算法流程
5.4 实验结果及分析
5.5 本章小结
参考文献
第6章 基于运动特征和率失真代价的快速CU划分算法
6.1 概述
6.2 特征分析
6.2.1 CU运动特征分析
6.2.2 CU率失真代价阈值分析
6.3 提出算法
6.3.1 基于运动特征的快速CU划分算法
6.3.2 基于RD代价阈值的快速CU划分算法
6.3.3 算法流程
6.4 实验结果及分析
6.5 本章小结
参考文献
第7章 基于3D-HEVC的低复杂度编码算法
7.1 概述
7.2 3D-HEVC的非独立视点编码
7.2.1 视差补偿预测
7.2.2 视点间运动预测
7.2.3 视点间冗余预测
7.3 3D-HEVC的深度图编码
7.3.1 纹理图像的应用
7.3.2 平坦区域的表示
7.3.3 边缘区域的划分
7.4 基于运动同质性的纹理视频快速编码算法
7.4.1 运动同质性分析
7.4.2 快速确定深度等级范围
7.4.3 早期的skip/Merge模式决策
7.4.4 自适应运动搜索范围调整
7.4.5 算法流程
7.5 实验结果及分析
7.6 本章小结
参考文献
第8章 H.266/VVC视频编码标准概述
8.1 概述
8.2 H.266/VVC编码框架
8.3 H.266/VVC编码标准关键技术
8.3.1 H.266/VVC中QTMT划分结构
8.3.2 H.266/VVC帧内预测关键技术
84 相关工作
8.4.1 对于H.265/HEVC中传统的快速CU划分算法的研究
8.4.2 对于H.265/HEVC中基于机器学习的快速CU划分算法的研究
8.4.3 对于H.266/VVC中传统的快速CU划分算法的研究
8.4.4 对于H.266/VVC中基于ML的快速CU划分算法的研究
8.5 测试条件及评估标准
8.5.1 测试条件
8.5.2 评估标准
8.6 本章小结
参考文献
第9章 基于RFC的快速CU划分算法
9.1 概述
9.2 CU的分类和基于RFC的快速划分
9.2.1 RF算法
9.2.2 基于纹理复杂度的CU分类
9.2.3 RFC的建立与训练
9.2.4 判决结果的准确性分析
9.2.5 基于RFC的快速CU划分算法流程
9.3 实验结果及分析
9.3.1 与原始H.266/VVC参考软件VTM的实验结果的比较
9.3.2 与目前存在的快速算法的实验结果的比较分析
9.4 本章小结
参考文献
第10章 基于改进的DAG-SVM分类器的快速CU划分算法
10.1 概述
10.2 DAG-SVM分类器的改进和快速CU划分
10.2.1 传统的F-score特征选择方法
10.2.2 改进的F-score特征选择方法
10.2.3 基于改进的F-score方法选择的特征
10.2.4 传统的SVM分类器
10.2.5 常用的多类SVM方法
10.2.6 改进的DAG-SVM分类器的建立与训练
10.2.7 基于改进的DAG-SVM分类器的快速CU划分算法流程
10.3 实验结果及分析
10.3.1 与原始H.266/VVC参考软件VTM 4.0的实验结果的比较分析
10.3.2 与目前存在的快速算法的实验结果的比较分析
10.4 本章小结
参考文献
第11章 基于灰度共生矩阵的快速CU划分算法
11.1 概述
11.2 灰度共生矩阵算法与像素值偏差法及其改进
11.2.1 纹理复杂度与RMD复杂度的关系
11.2.2 基于灰度共生矩阵的CU划分决策算法
……