AVS中B帧宏块模式选择快速方法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (5): 179-181.

• 图形、图像、模式识别 • 上一篇下一篇

AVS中B帧宏块模式选择快速方法

邵娟，张卫宁，陈栋，魏磊

山东大学信息科学与工程学院，济南 250100

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-02-11 发布日期:2011-02-11

Fast macroblock mode decision algorithm for B frame in AVS

SHAO Juan，ZHANG Weining，CHEN Dong，WEI Lei

College of Information Science and Engineering，Shandong University，Jinan 250100，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-02-11 Published:2011-02-11

摘要/Abstract

摘要： 为了降低AVS中B帧宏块模式选择的计算复杂度，提出了一种基于率失真优化（RDO）的宏块模式快速选择算法。根据人眼对图像边缘比较敏感的特点，提出了视觉阈值模型；利用sobel算子提取出宏块的边缘信息，并应用到视觉阈值模型中，从而得到了边缘点模型。在对图像水平、垂直纹理复杂度分析的基础上，对边缘点模型进行了选择，得到了宏块分割模式的快速算法；根据图像序列的时/空相关性提出了帧内预测判决算法。仿真结果表明，与原AVS全搜索算法相比，本算法在比特率略有增加和信噪比基本保持不变的条件下，使整个图像的总编码时间减少了40%左右，从而大大提高了AVS编码速度。

关键词: 音视频编解码技术标准（AVS）, B帧宏块分割, 率失真优化（RDO）, 图像纹理复杂度, 视觉阈值模型, sobel

Abstract: In order to reduce the computational complexity of macroblock（MB） mode decision for B frame in AVS（Audio Video Coding Standard），a fast strategy for B frame MB mode decision based on RDO（Rate-Distortion Optimization） technique is proposed.According to the characteristics of eyes which are sensitive to edge，a visual threshold mode is proposed.Edge information of an MB is extracted by sobel operator，which is then applied to visual threshold mode to get the edge modes of an MB.Edge mode is chosen based on the analysis of the grain complexity of one MB from both the horizontal and vertical directions，in order to get fast strategy of MB partition mode decision.And the intra mode decision algorithm is proposed based on the temporal and spatial correlation.Experimental results show that the new algorithm reduces computational time by 40%，with slight increment of bit-rate and little loss of peak signal-to-noise ratio.

Key words: Audio Video Coding Standard（AVS）, macroblock partition for B frame, Rate Distortion Optimization（RDO）, grain complexity of video sequence, visual threshold mode, sobel

邵娟，张卫宁，陈栋，魏磊. AVS中B帧宏块模式选择快速方法[J]. 计算机工程与应用, 2011, 47(5): 179-181.

SHAO Juan，ZHANG Weining，CHEN Dong，WEI Lei. Fast macroblock mode decision algorithm for B frame in AVS[J]. Computer Engineering and Applications, 2011, 47(5): 179-181.

[1]	吴进，赵隽，李聪，吴汉宁. 机器视觉中边缘检测算法的SDSoC加速实现[J]. 计算机工程与应用, 2019, 55(12): 208-214.
[2]	李忠海，金海洋，邢晓红. 整数阶滤波的分数阶Sobel算子的边缘检测算法[J]. 计算机工程与应用, 2018, 54(4): 179-184.
[3]	李忠海，宋智钦，王崇瑶. 非整数步长的分数阶微分Sobel算子的应用[J]. 计算机工程与应用, 2018, 54(17): 192-197.
[4]	唐广发，张会林. 人眼疲劳预测技术的研究[J]. 计算机工程与应用, 2016, 52(9): 213-218.
[5]	张晓林1，周哲海1，2，王晓玲1，祝连庆1，2. 基于改进Zernike方法实现圆形边缘亚像素检测[J]. 计算机工程与应用, 2015, 51(20): 157-161.
[6]	程欣，赵景秀. 基于颜色三角形信息量的彩色图像边缘检测[J]. 计算机工程与应用, 2014, 50(10): 152-155.
[7]	温黎茗，彭力. 基于Sobel算子的小波包变换遥感图像融合算法[J]. 计算机工程与应用, 2013, 49(3): 207-209.
[8]	都骏，苗放，鲁宇航，唐中林，李淼. 月球撞击坑边缘清晰度评价方法的研究[J]. 计算机工程与应用, 2013, 49(15): 179-183.
[9]	姜义成，吴桂华. 基于边缘检测的雨刷片测试图像特征提取[J]. 计算机工程与应用, 2013, 49(15): 184-187.
[10]	郭世超，卡米力·木依丁. 维吾尔文笔迹边缘提取算法及特征提取研究[J]. 计算机工程与应用, 2013, 49(15): 162-166.
[11]	陆丽华1，王小涛1，王邢波2. 边缘增强图像互相关模板匹配的并行架构[J]. 计算机工程与应用, 2012, 48(6): 214-220.
[12]	蒋伟1，陈辉2. 基于分数阶微分和Sobel算子的边缘检测新模型[J]. 计算机工程与应用, 2012, 48(4): 182-185.
[13]	时海亮1，魏涛2，辛向军1，裴云霞1. 基于PCA和NSCT的多光谱图像和全色图像的融合[J]. 计算机工程与应用, 2012, 48(10): 212-216.
[14]	潘志红，金曦. H.264/AVC帧内4×4块快速帧内预测算法[J]. 计算机工程与应用, 2011, 47(11): 175-177.
[15]	郭依正，焦蓬蓬. 面向AVS的全零块预先判决算法[J]. 计算机工程与应用, 2010, 46(28): 208-210.

AVS中B帧宏块模式选择快速方法

Fast macroblock mode decision algorithm for B frame in AVS

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