公开(公告)号：CN104837019A

公开(公告)日：2015-08-12

申请号：CN201510215888.5

申请日：2015-04-30

Applicant: 上海交通大学

Inventor： 解蓉 ,  罗瑞 ,  张文军 ,  张良

IPC: H04N19/40 ,  H04N19/147 ,  H04N19/103

Abstract: 一种基于支持向量机的AVS到HEVC优化视频转码方法，通过采集AVS码流的特征向量，并利用支持向量机对其进行学习并得到训练模型，将提取出的AVS特征向量分为在HEVC中相应位置的CU划分或不划分两类，在转码阶段以训练模型预测CU是否需要划分，当得到当前CU需要划分时，再在当前HEVC的深度下分别进行2N×2N模式和SKIP模式计算，并从这两种模式中选择出最优预测模式，当预测得到当前CU不需要进行划分，则按照HEVC标准编码过程进行最优模式选择。本发明结合了机器学习基本思想，将整个转码过程分为了训练阶段和转码阶段，通过学习得到训练模型，预测HEVC中CU的划分，并结合快速模式选择算法，既提高了转码的速度，又保证了转码后视频的整体视频质量。

公开(公告)号：CN104837019B

公开(公告)日：2018-01-02

申请号：CN201510215888.5

申请日：2015-04-30

Applicant: 上海交通大学

Inventor： 解蓉 ,  罗瑞 ,  张文军 ,  张良

IPC: H04N19/40 ,  H04N19/147 ,  H04N19/103

Abstract: 一种基于支持向量机的AVS到HEVC优化视频转码方法，通过采集AVS码流的特征向量，并利用支持向量机对其进行学习并得到训练模型，将提取出的AVS特征向量分为在HEVC中相应位置的CU划分或不划分两类，在转码阶段以训练模型预测CU是否需要划分，当得到当前CU需要划分时，再在当前HEVC的深度下分别进行2N×2N模式和SKIP模式计算，并从这两种模式中选择出最优预测模式，当预测得到当前CU不需要进行划分，则按照HEVC标准编码过程进行最优模式选择。本发明结合了机器学习基本思想，将整个转码过程分为了训练阶段和转码阶段，通过学习得到训练模型，预测HEVC中CU的划分，并结合快速模式选择算法，既提高了转码的速度，又保证了转码后视频的整体视频质量。