公开(公告)号：CN112689146B

公开(公告)日：2022-07-22

申请号：CN202011516046.0

申请日：2020-12-18

Applicant: 重庆邮电大学

Inventor： 罗雷 ,  何全

IPC: H04N19/11 ,  H04N19/593

Abstract: 本发明涉及一种基于启发学习的VVC帧内预测快速模式选择方法，属于视频编码领域，包括以下步骤，S1：计算CU的纹理复杂度，分为平坦与非平坦两类；S2：对于平坦类型的CU，选取平面模式与直流模式作为候选模式，跳过模式粗选过程，直接进入率失真优化过程；S3：对于非平坦类型的CU，首先根据梯度信息缩减模式粗选过程的搜索范围，其次根据上下文信息为模式粗选过程设置起始搜索点，然后分别以较大、较小步长进行两轮搜索，最后选取最优的两种模式进入率失真优化过程。本发明在降低帧内预测复杂度的同时，有效地保持了RD性能。

公开(公告)号：CN112437310A

公开(公告)日：2021-03-02

申请号：CN202011510836.8

申请日：2020-12-18

Applicant: 重庆邮电大学

Inventor： 罗雷 ,  何全

IPC: H04N19/182 ,  H04N19/11 ,  H04N19/593 ,  G06K9/62

Abstract: 本发明涉及一种基于随机森林的VVC帧内编码快速CU划分决策方法，属于视频编码领域，包括以下步骤：S1：根据纹理信息与上下文信息将CU分为三类，并为各类CU选取一系列具有代表性的特征；S2：选取一系列具有不同分辨率与内容的视频序列进行编码，提取编码过程中各类CU的五类特征构建数据集；S3：为不同种类的CU分别构建随机森林分类器，通过数据集对随机森林分类器进行训练；S4：将训练好的随机森林分类器嵌入VVC原始编码流程中，预测各类CU的划分模式，替换原始递归的CU划分过程。本发明将随机森林分类器引入到VVC帧内编码中，在保证RD性能的同时有效地减小了编码复杂度。

公开(公告)号：CN111784610A

公开(公告)日：2020-10-16

申请号：CN202010633602.6

申请日：2020-07-02

Applicant: 重庆邮电大学

Inventor： 罗雷 ,  刘平 ,  何全 ,  刘行谋

IPC: G06T5/00 ,  G06K9/62

Abstract: 本发明涉及一种基于聚类的边窗滤波器优化方法，属于图像处理及计算机视觉领域。该方法是仅对边缘一侧的像素点进行滤波，首先采用聚类算法将图像划分成若干相近的区域，从而使得边缘两侧的像素点被划分到不同的聚类中；每一个聚类分配一个唯一的标识，同一聚类中的像素共享这一标识；在每一个边窗中，与待滤波像素拥有相同标识的像素点才被用于滤波。本发明方法相比于传统边窗滤波器可以进一步提升边缘保持特性；而且本发明方法计算复杂度较低，可以达到实际应用。

公开(公告)号：CN112437310B

公开(公告)日：2022-07-08

申请号：CN202011510836.8

申请日：2020-12-18

Applicant: 重庆邮电大学

Inventor： 罗雷 ,  何全

IPC: H04N19/182 ,  H04N19/11 ,  H04N19/593 ,  G06K9/62 ,  G06V10/764

Abstract: 本发明涉及一种基于随机森林的VVC帧内编码快速CU划分决策方法，属于视频编码领域，包括以下步骤：S1：根据纹理信息与上下文信息将CU分为三类，并为各类CU选取一系列具有代表性的特征；S2：选取一系列具有不同分辨率与内容的视频序列进行编码，提取编码过程中各类CU的五类特征构建数据集；S3：为不同种类的CU分别构建随机森林分类器，通过数据集对随机森林分类器进行训练；S4：将训练好的随机森林分类器嵌入VVC原始编码流程中，预测各类CU的划分模式，替换原始递归的CU划分过程。本发明将随机森林分类器引入到VVC帧内编码中，在保证RD性能的同时有效地减小了编码复杂度。

公开(公告)号：CN112689146A

公开(公告)日：2021-04-20

申请号：CN202011516046.0

申请日：2020-12-18

Applicant: 重庆邮电大学

Inventor： 罗雷 ,  何全

IPC: H04N19/11 ,  H04N19/593

Abstract: 本发明涉及一种基于启发学习的VVC帧内预测快速模式选择方法，属于视频编码领域，包括以下步骤，S1：计算CU的纹理复杂度，分为平坦与非平坦两类；S2：对于平坦类型的CU，选取平面模式与直流模式作为候选模式，跳过模式粗选过程，直接进入率失真优化过程；S3：对于非平坦类型的CU，首先根据梯度信息缩减模式粗选过程的搜索范围，其次根据上下文信息为模式粗选过程设置起始搜索点，然后分别以较大、较小步长进行两轮搜索，最后选取最优的两种模式进入率失真优化过程。本发明在降低帧内预测复杂度的同时，有效地保持了RD性能。