公开(公告)号：CN117915102A

公开(公告)日：2024-04-19

申请号：CN202410142922.X

申请日：2024-02-01

Applicant: 重庆邮电大学

Inventor： 汪大勇 ,  余俊仪 ,  邓乙申 ,  钟宇 ,  李洋 ,  徐金玉 ,  郑实山

IPC: H04N19/186 ,  H04N19/103 ,  H04N19/96

Abstract: 本发明属于视频编码领域，具体涉及一种基于内容划分的VVC SCC快速模式决策方法，包括：将视频帧亮度分量分割成64x64的CU；设计模式决策模型并对其进行训练；通过内容预测子网络预测该CU的类别概率，根据概率值将他们分类；若CU的类别为混合内容，继续预测内容；对于分类为自然内容的CU，直接选择Intra模式；对于分类为动画内容A和屏幕内容TGM的CU，进一步将其特征图送入模式预测子网络预测每个模式的概率；根据动画内容A和屏幕内容TGM的CU的编码概率值进行最优模式决策。本发明针对VVC复杂的划分结构进行了优化，通过使用CNN模型和基于组合的分类子网络，以实现对CU的内容分类和模式预测。

公开(公告)号：CN117880532A

公开(公告)日：2024-04-12

申请号：CN202410057279.0

申请日：2024-01-15

Applicant: 重庆邮电大学

Inventor： 汪大勇 ,  邓乙申 ,  余俊仪 ,  钟宇 ,  李洋 ,  徐金玉 ,  郑实山

IPC: H04N19/96 ,  H04N19/593 ,  H04N19/147 ,  H04N19/176

Abstract: 本发明涉及一种基于VVC的屏幕内容快速模式决策方法，包括：根据图像内容利用基于组合的分类策略将编码单元划分为屏幕内容CU、自然内容CU以及混合内容CU；根据CU之间的空间相关性对自然内容CU进行模式决策；根据CU的纹理特征和空间相关性特征以及中间编码信息对屏幕内容CU进行模式决策；对于混合内容CU则保留VVC默认的模式决策；本发明对于自然内容CU结合空间相关性跳过非Intra模式的检查，对于屏幕内容CU利用决策树来进行模式检查排序以及模式检查提前终止预测，实现了模式检查候选列表的缩减，减少了视频编码的时间。

公开(公告)号：CN116456088A

公开(公告)日：2023-07-18

申请号：CN202310331439.1

申请日：2023-03-30

Applicant: 重庆邮电大学

Inventor： 汪大勇 ,  梁鹏 ,  邝毅 ,  陈柳林 ,  黄令 ,  许亚庆 ,  储浩

IPC: H04N19/119 ,  H04N19/124 ,  H04N19/159 ,  H04N19/14 ,  H04N19/154 ,  H04N19/176

Abstract: 本发明属于视频编码领域，具体涉及一种基于可能性大小的VVC帧内快速编码方法；包括判断编码单元CUi的尺寸是否为32×32；若是，则根据划分可能性方法得到划分列表；若不是，则采用现有编码器得到划分列表；根据划分列表中的划分模式对CUi进行划分，得到子块CUi，j；采用帧内预测可能性方法对子块CUi，j进行帧内预测，得到子块CUi，j的帧内预测模式粗选表；基于子块CUi，j的划分模式粗选表，采用子块提前终止预测方法提前终止CUi的划分；本发明在保证编码质量的同时降低了VVC编码复杂度。

公开(公告)号：CN115633171A

公开(公告)日：2023-01-20

申请号：CN202211224383.1

申请日：2022-10-08

Applicant: 重庆邮电大学

Inventor： 汪大勇 ,  郑实山

IPC: H04N19/119 ,  H04N19/11 ,  H04N19/593

Abstract: 本发明涉及编码处理技术领域，且公开了基于SHVC的快速CU决策算法，该算法首先通过划分决策树得到当前CU划分的可能性，若可能性低于阈值则划分终止，否则通过ILR模式决策树来得到当前CU模式为ILR的可能性PILR，有了PILR则可以得到Intra模式的可能性为1‑PILR，然后当前CU会继续进行ILR模式从而可以得到ILR模式的残差以及ILR模式率失真代价，通过上述三个值训练出的Intra模式决策树来得到Intra模式的最终可能性P_finnalIntra,然后使用划分的可能性与P_finnalIntra的乘积来得到P_union，若P_union值小于threshhold则跳过Intra模式，否则通过P_union的数值大小来进行Intra角度模式自适应选择，该基于SHVC的快速CU决策算法，仅在0.265％的BD‑rate的代价下减少了了增强层帧内编码时间约78.64％，有效的提升了编码效率。

公开(公告)号：CN114143536A

公开(公告)日：2022-03-04

申请号：CN202111483296.3

申请日：2021-12-07

Applicant: 重庆邮电大学

Inventor： 汪大勇 ,  王欣 ,  解乐乐 ,  王倩敏 ,  宋丽娟

IPC: H04N19/103 ,  H04N19/147 ,  H04N19/182

Abstract: 本发明涉及的领域是视频相关技术领域，具体涉及一种SHVC空间可伸缩帧的视频编码方法，包括根据相邻编码单元和前一帧编码单元采用ILR编码模式的概率值预测当前编码单元采用ILR编码模式的概率，当概率大于阈值判定当前编码单元采用ILR，若概率等于0则采用Intra，若介于两者之间，利用相邻编码单元的率失真值服从正态分布的特性，判定当前编码单元的编码模式，然后判断当前编码单元是否能够提前终止编码，本发明基于编码单元的纹理特征利用liblinear机器学习方法来预测当前编码单元是否需要继续划分，能够在保证视频质量的前提下，显著的提高编码速度。

公开(公告)号：CN108259898A

公开(公告)日：2018-07-06

申请号：CN201810101482.8

申请日：2018-02-01

Applicant: 重庆邮电大学

Inventor： 赵志强 ,  刘妍君 ,  崔盈 ,  汪大勇 ,  郭毅军 ,  赵德春 ,  李章勇 ,  刘英彬

IPC: H04N19/103 ,  H04N19/147 ,  H04N19/159 ,  H04N19/30 ,  H04N19/593 ,  H04N19/96

Abstract: 本发明涉及远程医疗视频通信技术领域，具体涉及一种基于质量可伸缩视频编码QSHVC的帧内快速编码方法；所述方法包括：利用相关性排除可能较小的深度；利用“分布拟合”检验方法判断残差系数是否符合拉普拉斯分布；若符合拉普拉斯分布，采用层间ILR预测模式，跳过帧内Intra预测模式实现提前终止；若不符合拉普拉斯分布则遍历层间ILR预测模式和帧内Intra预测模式，计算率失真值，通过比较选择合适的深度值；本发明主要解决编码中递归式的四叉树编码单元划分所引起的高计算复杂度问题；本发明在保证视频质量的前提下，显著提高了编码速度，可用于视频会议，远程咨询，远程教育，远程医疗和视频点播等。

公开(公告)号：CN119922320A

公开(公告)日：2025-05-02

申请号：CN202510075692.4

申请日：2025-01-17

Applicant: 重庆邮电大学

Inventor： 汪大勇 ,  周煜彪 ,  刘卫红 ,  袁超 ,  罗程

IPC: H04N19/30 ,  H04N19/176 ,  H04N19/189 ,  H04N19/42 ,  H04N19/44 ,  H04N19/597 ,  H04N19/124

Abstract: 本发明涉及图像编码技术领域，具体涉及一种基于多尺度的端到端360度图像压缩方法，包括构建并训练图像压缩模型，所述图像压缩模型包括三层路径，每一层路径都包括编码模块、自适应尺度块编码模块和解码模块；通过训练好的图像压缩模型实现端到端360度图像压缩；本发明能够提高压缩效率，减少过度拉伸产生的比特率冗余。

公开(公告)号：CN119767013A

公开(公告)日：2025-04-04

申请号：CN202510082862.1

申请日：2025-01-20

Applicant: 重庆邮电大学

Inventor： 汪大勇 ,  袁超 ,  周煜彪 ,  罗程 ,  刘卫红

IPC: H04N19/146 ,  H04N19/91 ,  H04N19/85 ,  H04N19/42

Abstract: 本发明公开了基于可变码率分配的图像压缩方法、系统和存储介质，该方法包括：获取待压缩图像，将其输入训练后的图像连续可变码率图像压缩网络，输出图像压缩结果；待压缩图像进行编码、解码，包括：在编码端：提取图像特征值y，利用联合量化模块，对图像特征值y进行通道维度和空间维度的联合量化，得到量化后的特征值；利用算术编码器，将量化后的特征值编码为比特流数据；在解码端：接收的比特流数据经过算术解码器解码后，进行通道维度和空间维度的联合反量化，得到解码后的图像特征值y’；对解码后的图像特征值y’，进行特征重构，得到重构图像。本发明可以动态控制图像压缩时的比特率，降低误码率，提升压缩图像的质量。

公开(公告)号：CN117915080B

公开(公告)日：2024-10-01

申请号：CN202410131440.4

申请日：2024-01-31

Applicant: 重庆邮电大学

Inventor： 汪大勇 ,  余俊仪 ,  邓乙申 ,  钟宇 ,  李洋 ,  徐金玉 ,  郑实山

IPC: H04N19/103 ,  H04N19/186 ,  H04N19/176

Abstract: 本发明属于视频编码领域，具体涉及一种适用于VVC SCC的快速编码模式决策方法，包括：将视频帧亮度分量分割成不同大小的子块并分为四组；对四组CU分别设计四种基于卷积神经网络的模式分类器，并设计损失函数进行训练；通过训练后的模式分类器并行预测每个子块的编码模式概率；对每个子块的编码模式概率进行排序，从大到小选择前n个模式的概率并求和，当所选模式的概率和大于设定阈值时，停止选择，得到最优编码模式。本发明针对VVC复杂的划分结构进行了优化，通过使用卷积神经网络，实现了对编码单元(CU)的模式快速预测，能够有效地跳过不可能的模式，显著减少了不必要的模式检查，从而大幅提高了编码速度。

公开(公告)号：CN116320436B

公开(公告)日：2023-11-07

申请号：CN202310331719.2

申请日：2023-03-31

Applicant: 重庆邮电大学

Inventor： 汪大勇 ,  储浩 ,  陈柳林 ,  黄令 ,  邝毅 ,  梁鹏 ,  许亚庆

IPC: H04N19/147 ,  H04N19/103 ,  H04N19/159 ,  H04N19/149

Abstract: 本发明属于视频编码领域，具体涉及一种基于决策树的VVC快速编码方法，包括：获取当前CU的特征，预测当前CU预测模式的概率分布并设定概率阈值，根据概率值大小顺序测试候选模式并记录已编码模式的概率和，直到已编码模式概率合大于等于阈值；若当前CU最优预测模式为MERGE/SKIP模式，则评估其预测效果是否终止其编码流程；获取待划分CU的编码信息及子块的特征，根据决策树得到各种划分的概率分布，尝试各种划分模式，直到概率合大于等于阈值时停止。本发明对不同尺寸CU分别建立决策树模型解决了机器学习预测准确率较低的问题，并提出概率和阈值的方法解决单一模式阈值不能适应复杂视频场景的问题，提高了编码效率。