3D-HEVC深度图帧内快速模式决策算法

doi:10.3778/j.issn.1002-8331.1610-0212

计算机工程与应用 ›› 2017, Vol. 53 ›› Issue (11): 206-210.DOI: 10.3778/j.issn.1002-8331.1610-0212

3D-HEVC深度图帧内快速模式决策算法

王驰，冯桂

华侨大学信息科学与工程学院，福建厦门 361021

出版日期:2017-06-01 发布日期:2017-06-13

Fast mode decision algorithm for depth map intra coding in 3D-HEVC

WANG Chi, FENG Gui

College of Information Science and Engineering, Huaqiao University, Xiamen, Fujian 361021, China

Online:2017-06-01 Published:2017-06-13

摘要/Abstract

摘要： 3D-HEVC是多视点纹理加深度视频（MVD）的最新编码标准。针对3D-HEVC中深度图帧内编码过程计算复杂度高的问题，提出了一种减少帧内候选模式数目的快速模式决策算法。该算法基于最佳预测模式与粗选模式列表首位模式与之间的相关性，选择成为最佳预测模式概率较高的几种HEVC帧内预测模式加入到粗选模式列表中。实验结果表明，与原始HTM13.0相比，该算法使得深度图的编码时间减少26.35%，而引起的合成视点的失真忽略不计。

关键词: 3D高效视频编码（3D-HEVC）, 深度图, 帧内编码, 计算复杂度, 最佳预测模式, 相关性

Abstract: The 3D video extension of High Efficiency Video Coding（3D-HEVC） is the latest video coding standard for MVD. In order to reduce the computational complexity of depth map intra coding, an algorithm is proposed to reduce the number of modes in the full-RD search list. By using the self-correlation between the optimal mode and the first mode in the full-RD search list, few modes are chose and added to the full-RD search list. Experimental results show that the proposed algorithm can save 26.35% of depth map encoding time on average with negligible distortion for the synthesized views compared with HTM 13.0.

Key words: 3D High Efficiency Video Coding（3D-HEVC）, depth maps, intra coding, computational complexity, optimal mode, self-correlation

王驰，冯桂. 3D-HEVC深度图帧内快速模式决策算法[J]. 计算机工程与应用, 2017, 53(11): 206-210.

WANG Chi, FENG Gui. Fast mode decision algorithm for depth map intra coding in 3D-HEVC[J]. Computer Engineering and Applications, 2017, 53(11): 206-210.

[1]	杨力，吴义，魏德宾，潘成胜. 基于时空相关性的卫星网络流量预测[J]. 计算机工程与应用, 2021, 57(7): 101-106.
[2]	成怡，郝密密. 改进深度强化学习的室内移动机器人路径规划[J]. 计算机工程与应用, 2021, 57(21): 256-262.
[3]	张杰，常天庆，郭理彬，张雷，马金盾. 基于跟踪异常与相关性检验的目标丢失判断[J]. 计算机工程与应用, 2021, 57(18): 204-212.
[4]	刘虹，王烈. 结合余弦相关性的卷积网络识别汉字的方法[J]. 计算机工程与应用, 2020, 56(8): 130-135.
[5]	王晶晶，杨有龙. 针对弱标记数据的多标签分类算法[J]. 计算机工程与应用, 2020, 56(5): 65-73.
[6]	郭莎莎，李爽，阎红灿. 已知时间的空间文本skyline查询[J]. 计算机工程与应用, 2020, 56(24): 59-65.
[7]	陈朝辉，杨湘，李鹏，何亨. 流内编码中考虑链路相关性的机会路由机制[J]. 计算机工程与应用, 2020, 56(24): 85-94.
[8]	向敏，戴柯宇，周恩，刘榆，雷儒杰. 面向物联网终端的任务相关性调度策略[J]. 计算机工程与应用, 2020, 56(23): 95-102.
[9]	高琦，李红娇. 面向用电数据的周期敏感度差分隐私保护方法[J]. 计算机工程与应用, 2020, 56(20): 73-81.
[10]	杨飞跃，陶洋. 时空协作的WSNs节点异常检测算法[J]. 计算机工程与应用, 2019, 55(7): 127-131.
[11]	孙登第1，孟欠欠1，2，马云鹏1，2. 图正则化迁移稀疏概念编码的跨域图像分类[J]. 计算机工程与应用, 2019, 55(6): 197-203.
[12]	李锋，杨有龙. 基于标签特征和相关性的多标签分类算法[J]. 计算机工程与应用, 2019, 55(4): 48-55.
[13]	安纪存，吕鑫，季琳雅. 不完全数据下基于时空相关性拥堵预测方法[J]. 计算机工程与应用, 2019, 55(4): 96-100.
[14]	郭秋红1，梁秀霞1，2. 对3D Warping分解的高质量虚拟视点绘制方法[J]. 计算机工程与应用, 2019, 55(3): 184-190.
[15]	刘亮，张霖，杨柳，庞瑞琴，汪涛. 数据中心网络中相关感知流量整合算法[J]. 计算机工程与应用, 2019, 55(24): 62-67.

3D-HEVC深度图帧内快速模式决策算法

Fast mode decision algorithm for depth map intra coding in 3D-HEVC

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics