一种基于子块纹理差异的VVC快速CU划分算法_李亚.pdf

D O I:1 0.1 6 1 3 6/j.j o e l.2 0 2 3.0 2.0 2 1 8一种基于子块纹理差异的V V C快速C U划分算法李 亚1,2,李 强1,2*,孟 慧1,2(1.重庆邮电大学 通信与信息工程学院,重庆4 0 0 0 6 5;2.信号与信息处理重庆市重点实验室,重庆4 0 0 0 6 5)摘要:针对多功能视频编码(v e r s a t i l ev i d e oc o d i n g,VV C)由 于 在 四 叉 树(q u a d t r e e,QT)划 分 的 基 础上引入多叉树(m u l t i-t y p e t r e e,MTT)划 分 结 构 导 致 编 码 复 杂 度 过 高 的 问 题,本 文 提 出 了 一 种 基于编码单元(c o d i n gu n i t,CU)子块纹理特征差异 的VV C快 速CU划 分 算 法。该 算 法 能 够 有 效 降低VV C的编码复杂度,缩短编码时间。首先通过不同 划 分 方 向 的 子 块 的 纹 理 复 杂 度 差 异 提 前 判断MTT划分的方向,跳过不必要的MTT划分方向;然后根据当前CU的相邻子块间的 纹 理 差 异判断是否跳过三叉树(t e r n a r yt r e e,TT)划分,以进一步减少候选列表 中 划 分 模 式 的 数 量。实 验 结果表明,在全帧内(a l l i n t r a,A I)的编码配置下,与 官 方 测 试 平 台VTM-7.0相 比,本 文 算 法 平 均 能够节省4 7.2 4%的编码时间,BDB R(B jn t e g a a r dd e l t ab i t r a t e)仅增加1.2 6%。关键词:多功能视频编码;编码单元划分;纹理特征;快速算法中图分类号:T N 9 1 9.8 文献标识码:A 文章编号:1 0 0 5-0 0 8 6(2 0 2 3)0 2-0 2 0 0-0 8Af a s tC Up a r t i t i o na l g o r i t h mf o rV V Cb a s e do n s u b-b l o c k t e x t u r ed i f f e r e n c eL IY a1,2,L IQ i a n g1,2*,M E N GH u i1,2(1.S c h o o l o fC o m m u n i c a t i o na n dI n f o r m a t i o nE n g i n e e r i n g,C h o n g q i n gU n i v e r s i t yo fP o s t sa n dT e l e c o m m u n i c a-t i o n s,C h o n g q i n g4 0 0 0 6 5,C h i n a;2.C h o n g q i n gK e yL a b o r a t o r yo f S i g n a l a n d I n f o r m a t i o nP r o c e s s i n g,C h o n g q i n g4 0 0 0 6 5,C h i n a)A b s t r a c t:A i m i n ga t t h ep r o b l e mo fh i g hc o d i n gc o m p l e x i t yd u et ot h e i n t r o d u c t i o no fm u l t i-t y p et r e e(M T T)p a r t i t i o ns t r u c t u r eb a s e do nq u a d t r e e(Q T)p a r t i t i o n i nv e r s a t i l ev i d e oc o d i n g(V V C),af a s tc o d i n gu n i t(C U)p a r t i t i o n a l g o r i t h mb a s e d o n t h e d i f f e r e n c e o f t e x t u r e f e a t u r e s o f C Us u b-b l o c k s i s p r o-p o s e d i n t h i sp a p e r.T h i s a l g o r i t h mc a n e f f e c t i v e l y r e d u c e t h e c o d i n g c o m p l e x i t yo fV V Ca n d s h o r t e n t h ec o d i n gt i m e.F i r s t l y,t h r o u g h t h e t e x t c o m p l e x i t y d i f f e r e n c e o f s u b-b l o c k s i nd i f f e r e n t p a r t i t i o nd i r e c t i o n s,t h ed i r e c t i o no fM T Tp a r t i t i o ni sj u d g e di na d v a n c e,a n du n n e c e s s a r y M T Tp a r t i t i o nd i r e c t i o n sa r es k i p p e d;T h e n,a c c o r d i n g t o t h e t e x t u r ed i f f e r e n c eb e t w e e na d j a c e n t s u b-b l o c k so f c u r r e n tC U,i t i s f u r-t h e rd e t e r m i n e dw h e t h e r t os k i p t h e t e r n a r y t r e e(T T)p a r t i t i o n,s oa s t o f u r t h e r r e d u c e t h en u m b e ro fp a r t i t i o nm o d e s i n t h e c a n d i d a t e l i s t.T h e e x p e r i m e n t a l r e s u l t s s h o wt h a t u n d e r t h ec o d i n gc o n f i g u r a t i o no f a l l i n t r a(A I),c o m p a r e dw i t ht h eo f f i c i a l t e s tp l a t f o r mV TM-7.0,t h ep r o p o s e da l g o r i t h mc a ns a v e4 7.2 4%o f t h e c o d i n g t i m e o n a v e r a g e,a n d t h eB jn t e g a a r dd e l t ab i t r a t e(B D B R)o n l y i n c r e a s e s b y1.2 6%.K e yw o r d s:v e r s a t i l ev i d e oc o d i n g(V V C);c o d i n gu n i t(C U)p a r t i t i o n;t e x t u r e f e a t u r e s;f a s t a l g o r i t h m0 引 言 随着通信技术和视频技术的发展,人 们对更高分辨率视频的需求在不断增长。尽管高效视频编码(h i g he f f i c i e n c yv i d e oc o d i n g,HE V C)有 着 不俗的编码性能,但在面对4K、8K等高质量视频光 电 子 激 光第3 4卷 第2期 2 0 2 3年2月 J o u r n a l o fO p t o e l e c t r o n i c sL a s e r V o l.3 4N o.2 F e b r u a r y2 0 2 3*E-m a i l:l i q i a n g c q u p t.e d u.c n收稿日期:2 0 2 2-0 3-3 1 修订日期:2 0 2 2-0 6-0 5基金项目:国家自然科学基金(6 2 1 7 6 0 3 5)和重庆市教委科学技术研究项目(K J Z D-K 2 0 2 1 0 0 6 0 6)资助项目所带来的庞大数据量时,其编码效率也显 得捉襟见肘。为了 解 决 这 一 难 题,2 0 1 5年,联 合 视 频 专家组(j o i n t v i d e oe x p l o r a t i o nt e a m,J V E T)便开始了下一代视频编码标 准的制定工 作。2 0 2 0年7月,第一 版 多 功 能 视 频 编 码(v e r s a t i l ev i d e oc o d i n g,VV C)标准正式发布1。VV C采用了多种新的编码技术,如更加灵活的编码单元(c o d i n gu n i t,C U)划分方式2,6 7种 帧 内 预 测 模 式3,仿 射 运 动 估计等4。这些新编码技术的应用,使得VV C的压缩效率 相 比HE V C提 高5 0%以 上5,然 而VV C编码时间相比HE V C也增加了1 0倍以上6,如此高的编码复杂度给VV C标准的推广和实际应用带来巨大困 难。因 此 如 何 在 保 证 编 码 效 率 的 同时,显著降低VV C的编码复杂度成为了当前研究的重点。VV C采用的四叉树(q u a d t r e e,QT)嵌套多叉树(m u l t i-t y p e t r e e,MT T)的C U划分方式,是编码复杂度 提 升 的 主 要 原 因 之 一7。因 此,优 化C U划分结构,实现C U的快速划分,是当前VV C编码加速的重要研究方向。目前C U划分快速算法大致可分为如下两类:基于统计的方法和 基于学习的方法。基于统计方法的C U快速划分算法主要利用视频编码 帧 的 特 征,如 空 时 域 相 关 性、纹 理 特 性等,建立C U划分的统计模型,然后利用这些模型提前终 止C U划 分,或 跳 过 不 必 要 的 划 分 方 式。文献8 首先根据自适应标准差阈 值对C U纹理复杂度进行分类,初步缩减划分模式列表;然后采用S o b e l梯度算子确定纹理方向,跳过非最优划分模式。文献9 提 出 了 一 种 基 于 梯 度 的C U快 速划分算法。该算法首先根据当前C U的整体梯度的大小来判断是否可以直接终止划分,如 果不能终止划分,就 进一步根据C U的 梯度 方 向 判 断 水平和垂直划分的可能性,从而跳过不必要 的划分方式。文献1 0 提出了一种基于纹理方差和梯度特征的C U快速划 分算法。首先 利用S o b e l算子提取梯度特征来决定当前是进行MT T划分还是QT划分,如果是MT T划分,再通过方差从MT T划分方式中 选 择 一 种 作 为 最 佳 划 分 方 式。文 献1 1 提出了一种基于灰度共生矩阵的C U快速划分算 法。该 算 法 通 过 灰 度 共 生 矩 阵 计 算C U的 纹 理 方 向,跳 过MT T的 水 平 方 向 或 者 垂 直方向。在基于学习的方法中,C U的最佳划分方式可以从大量的数据中自动学习,从而跳过非 最佳划分方式。文献1 2 提出了一种基于深度学习的帧内C U快速划分算法。该算法首先构建多阶段退出划分机制的神经网络模型,依次对包括 不划分在内的最多6种模式进行决策,然后通过 自适应损失函数,设计了一种多阈值的决策方案 以平衡编码复杂度和率失真性能。文献1 3 提出了一种基于随机森林 的C U快 速 划 分 算 法。首 先 将C U分类为简 单、复 杂 和 模 糊3类,对 简 单 和 复 杂 的C U训练一个随机森林模型来预测其最佳划分方式,对模糊的C U训 练一个随机 森 林 模 型 来 预 测其是否需要划分。文献1 4 提出了一种基于支持向量机的VV C帧内快 速C U划 分 算 法。该 算 法将纹理信 息 输 入 到 支 持 向 量 机 模 型,然 后 对C U的分割方 式 进 行 预 测 来 提 前 终 止 或 跳 过 冗 余 分割。文 献 1 5 提 出 了 一 种 基 于 密 集 神 经 网 络 的C U快速算法。该算法通过利用密集神经网络预测44编码块的边缘是划分边界的概率,然后跳过不必要的划分方式。上述的快速C U划分算法虽然都能够一定程度上降低VV C的编码复杂度,但仍然存在着一些问题。如降低的编码复杂度有 限,编码效 率损失较多,并且大部分算法对不同的视频的加 速效果差异较大。为了解决这些问题,本文提出 了一种基于子 块 纹 理 差 异 的VV C快 速C U划 分 算 法。该算法通过C U子块间的纹理差异,对C U划分方式进行筛选,跳过不必要的划分模式,在编码效率损失几乎可以忽略不计的情况下显著降低了编码复杂度。1 本文算法 在本节中,首先分析了VV C的C U划分结构以及其带来的编码复杂度;然后根据不同划分方向获得的子块的复杂度差异,判断出MT T的划分方向;最后通过相邻子块间的纹理差异,判断是否可以跳过三叉树(t e r n a r yt r e e,T T)划分。1.1 C U划分结构 VV C在QT划分基础上引入了更灵活的MT T划分。视频中的每帧图像都被划分为若干个1 2 81 2 8的编码树单元(c o d i n gt r e eu n i t,C TU)。每个C TU先进行QT划分,然后QT的每个叶节点再进行MT T或QT划分。MT T包括水平方向划分和垂直方向划分,每个方向又包括二叉树(b i n a r yt r e e,B T)划分和T T划分。所以一个C U最多有QT、水平二叉树(h o r i z o n t a l b i n a r y t r e e,H B T)、水平三叉树(h o r i z o n t a l t e r n a r yt r e e,HT T)、垂直二叉树(v e r t i-c a lb i n a r yt r e e,V B T)和垂直三叉树(v e r t i c a l t e r n a-r yt r e e,VT T)共5种划分方式。所有可能的划分模式被放在候选列表中,编码器对每一个C U都需要遍历候选列表中的所有划分模式,计算其率失真代价102第2期 李 亚等:一种基于子块纹理差异的VV C快速C U划分算法 (r a t ed i s t o r t i o nc o s t,R D C),然后选择R D C最小的划分模式作为当前C U的最佳划分模式。这种递归遍历计算R D C的过程是VV C编码复杂度的主要来源。图1(a)给出了一种递归遍历后的最佳划分结构图1 V V C中C U划分结构示例:(a)C U划分结构;(b)对应的树状结构F i g.1 E x a m p l eo fC Up a r t i t i o ns t r u c t u r e i nV V C:(a)C Up a r t i t i o ns t r u c t u r e;(b)C o r r e s p o n d i n g t r e e s t r u c t u r e示意图;图1(b)是对应的树状结构图。1.2 M T T划分方向快速决策 图2是VV C官方测试序列B a s k e t b a l l P a s s的第1帧的C U划分结果。从图中可以看出C U的MT T划分方向与C U子块的纹理特征有着很大的联系。如果当前C U在水平方向存在纹理较为简单的子块,则当前C U更倾向于选择水平划分;如果当前C U在垂直方向存在纹理较为简单的子块,则当前C U倾向于选择垂直划分。图2中标注了4个C U,其尺寸均为4N4N,其中A和B选择进行水平划分,A和B在水平方向均存在两个尺寸分别为4NN和4N2N纹理简单的子块;C和D选择垂直划分,C和D在垂直方向均存在纹理简单的子块。纹理复杂度反映了图像纹理简单程度,纹理复杂度越小表明纹理越简单,图像就越平坦。因此可以利用当前C U在水平和垂直方向上子块的纹理复杂度差异来判断其最佳划分方向。为了获取C U不同方向上的子块纹理复杂度差异,本文按照图3所示的方法,仅使用水平或垂直划分,将当前C U划分为4个子块,然后求每个子块的图2 C U划分实例F i g.2 C Up a r t i o ne x a m p l e纹理复杂度。相较 于方差 和 标 准 差,平 均 绝 对 差(m e a na b s o l u t ed i f f e r e n c e s,MA D)的计算复杂度更低,因此本文选用MA D来衡量子块的纹理复杂程度。水 平 方 向 上4个 子 块 的 纹 理 复 杂 度 计 算 式202 光 电 子 激 光 2 0 2 3年 第3 4卷如下:M a dh1=1WH4W-1x=0H4-1y=0f x,y()-m e a nh1,(1)M a dh2=1WH4W-1x=0H2-1y=H4f x,y()-m e a nh2,(2)M a dh3=1WH4W-1x=03H4-1y=H2f x,y()-m e a nh3,(3)M a dh4=1WH4W-1x=0H-1y=3H4f x,y()-m e a nh4,(4)图3 不同划分方向获得的子块:(a)水平方向;(b)垂直方向F i g.3 S u b-b l o c k so b t a i n e df r o md i f f e r e n tp a r t i t i o nd i r e c t i o n s:(a)H o r i z o n t a l d i r e c t i o n;(b)V e r t i c a l d i r e c t i o n式中,M a dh1、M a dh2、M a dh3和M a dh4分别为当前C U在水平方向上4个子块H1、H2、H3和H4的纹理复杂度,W和H表示当前C U的宽度和高度,f(x,y)为C U在坐标(x,y)处的亮度值,m e a nh1、m e a nh2、m e a nh3和m e a nh4分别表示4个子块的平均亮度值。同理垂直方向上C U的4个子块纹理复杂度计算式如下:M a dv1=1HW4H-1y=0W4-1x=0f x,y()-m e a nv1,(5)M a dv2=1HW4H-1y=0W2-1x=W4f x,y()-m e a nv2,(6)M a dv3=1HW4H-1y=03W4-1x=W2f x,y()-m e a nv3,(7)M a dv4=1HW4H-1y=0W-1x=3W4f x,y()-m e a nv4,(8)式中,M a dv1、M a dv2、M a dv3和M a dv4分别为当前C U在垂直方向上的4个子块V1、V2、V3和V4的纹理复杂度,m e a nv1、m e a nv2、m e a nv3和m e a nv4表示每个子块的平均亮度值。为了更简单地比较出当前C U在不同方向上各个子块纹理复杂度的差异,本文仅选取水平方向和垂直方向上的纹理复杂度最小的子块进行比较,计算方式如下:M a dHm i n=m i nM a dh1,M a dh2,M a dh3,M a dh4(),(9)M a d Vm i n=m i nM a dv1,M a dv2,M a dv3,M a dv4(),(1 0)式中,M a dHm i n和M a d Vm i n分别为当前C U按照图3的划分方式,在水平方向和垂直方向获得的子块的纹理复杂度最小值。利用上述计算方法计算图2中标注的4个C U的M a dHm i n和M a d Vm i n,结果如图4所示。根据图4不难发现:A和B两个选择水平方向划分的C U均满足M a dHm i nM a d Vm i n,C和D两个选择垂直方向划分的C U均满足M a dHm i nM a d Vm i n。图4 划分实例中4个C U的M a d Hm i n和M a d Vm i n:(a)A;(b)B;(c)C;(d)DF i g.4 M a d Hm i na n dM a d Vm i no fC Ui np a r t i t i o n i n s t a n c e:(a)A;(b)B;(c)C;(d)D 为了进一步探究M a dHm i n和M a d Vm i n的大小关系与C U的MT T划 分 方 向 之 间 的 联 系,本 文 在VV C参考软件VTM-7.0平台上进行统计实验。实验方法符合J V E T推荐的通用测试条件(c o mm o nt e s t c o n d i t i o n,C T C)。从VV C官方测试序列中,选择6个不同分辨率、不同运动特性的视频,采用全帧内(a l l i n t r a,A I)的编码方式对每个视频的前5帧进行编码,量化参数(q u a n t i t a t i v ep a r a m e t e r s,Q P)分302第2期 李 亚等:一种基于子块纹理差异的VV C快速C U划分算法 别为2 2、2 7、3 2和3 7。本文统计出了如表1所示的M a dHm i n和M a d Vm i n的大小关系与对应的不同C U划分方式的占比。表中的h o r i z o n t a l和v e r t i c a l分别代表MT T水平划分、垂直划分的比例,o t h e r s表示QT划 分 和 不 划 分 的 比 例。R为M a dHm i n和M a d Vm i n的比值,其计算式如下:R=M a dHm i nM a d Vm i n,(1 1)R反映出M a dHm i n和M a d Vm i n的大小关系,即按图3所示的方式对C U进行划分后,C U在水平方向上子块的最小复杂度与垂直方向上子块的最小复杂度的大小关系。从表1可看出:当R1时,垂直划分模式的平均比例仅为1 9%,并且水平划分模式平均比例为垂直划分模式平均比例的两倍以上;当R1时,水平划分模式的平均比例仅为1 7%,并且垂直划分模式平均比例为水平划分模式平均比例的两倍以上。表1 C U在R 1和R 1时的划分结果T a b.1 P a r t i t i o nr e s u l t o fC Uw h e nR1a n dR1S e q u e n c eRH o r i z o n t a l/%V e r t i c a l/%O t h e r s/%C a m p f i r eR13 72 34 0R11 74 24 1C a t R o b o t 1R13 31 94 8R11 34 44 3B a s k e t b a l l D r i v eR16 762 7R12 33 14 6B a s k e t b a l l D r i l lR13 62 63 8R12 43 83 8B a s k e t b a l l P a s sR14 52 13 4R11 24 84 0F o u r P e o p l eR14 22 03 8R11 44 34 3A v e r a g eR14 31 93 8R11 74 14 2 基于以上 统计数据,本 文按照以下 规则设计MT T在划分方向上的快速决策方案。当R1时,表示H2和H3的纹理差异较大;Dv1时,表示V2和V3的纹理差异较大。根据6个视频测试序列C U的划分结果,本文统计两种比例数据:当Dh1时,选择HT T的C U个数占比;当Dv1时,选择VT T的C U个数占比。统计结果如图6所示,C E、C T、B E、B L、B S和F E表示的视频序列同图5。当Dh1时,6个测试序列中选 择HT T划 分 的C U的 比 例 很 低,最 高 的 是 序 列图6 Dh1时H T T的比例和Dv1时V T T的比例F i g.6 P r o p o r t i o no fH T Tw h e nDh1a n dp r o p o r t i o no fV T Tw h e nDv1F o u r P e o p l e,占比仅为8%;当Dv1时,选择VT T划分得到C U也很少,最高的是B a s k e t b a l l D r i v e,仅为8%。统计结果表明,当Dh1时,绝大多数的C U可跳过HT T的R D C计算过程;而当Dv1时,大多数C U不必要计算VT T的R D C。基于以上分析,本文设计了一种跳过T T划分的C U快速划分方案:如果C U选择进行水平MT T划分,当Dh1时,表示水平方向上H2和H3两个中间相邻子块的纹理差异较大,此时选择跳过HT T划分;如果C U选择进行垂直MT T划分,当Dv1时,表示垂直方向上V2和V3两个中间相邻子块的纹理差异较大,此时选择跳过VT T划分。1.4 本文算法流程 本文利用C U子块之间的纹理差异性,跳过不必要的划分方式,实现一种C U快速划分算法。该算法只针对尺寸为3 23 2和1 61 6的亮度C U进行快速划分。如果满足R1时,跳过HT T划分;如果C U选择进行垂直MT T划分,当Dv1时,跳过VT T划分。图7为本文提出的C U划分快速算法的流程图。图7 本文算法流程图F i g.7 A l g o r i t h mf l o wc h a r t o f t h i sp a p e r502第2期 李 亚等:一种基于子块纹理差异的VV C快速C U划分算法 2 实验结果 本文算法在VV C测试平台VTM-7.0上进行实现和性能测试。测试遵循C T C,采用A I编码模式,Q P分别设置为2 2,2 7,3 2,3 7,测试序 列为A 1(3 8 4 02 1 6 0)、A 2(3 8 4 02 1 6 0)、B(1 9 2 01 0 8 0)、C(8 3 04 8 0)、D(4 1 62 4 0)和E(1 2 8 07 2 0)6个类别的J E VT推荐测试序列。本文用来评估算法性能的指标分别为B D B R(B jn t e g a a r dd e l t ab i tr a t e)和T S。B D B R表示在同样的客观质量下码率的增加情况,B D B R为正表示编码效率下降,B D B R为负表示编码效率提升;T S为编码时间节省,其计算式为:T S=144i=1To r gQ Pi()-Tp r oQ Pi()To r gQ Pi(),(2 0)式中,To r g(Q Pi)表示在Q P为Q Pi时原始VTM-7.0编码测试序列的时间;Tp r o(Q Pi)表示采用本文快速算法在Q P为Q Pi时编码测试序列的时间。表2显示了本文算法与原始VTM-7.0平台对比的实验结果。本文算法针对6类2 2个视频序列的编码均有很好的加速效果,平均能够降低4 7.2 4%的编码时间,而B D B R仅增加1.2 6%。其中编码时间降低最多的序列为F o u r P e o p l e,达到了5 2.8 4%。对于4 K超高清分辨率的序列,如A 1和A 2类序列,本文算法也有很好的加速效果,在保证了VV C对超高清 视频高编码效率的同时,显著降低了编码的复杂度。表3为本文算法与文献1 0 算法性能的对比结果,文献1 0 的实验同样基于VTM-7.0。本文选取了与文献1 0 相同的测试序列进行对比。由测试数据可知,本文算法不仅节省的编码时间更多,且B D-B R明显更低,说明本文加速算法的性能要高于文献1 0 算法。此外,文献1 0 算法在D类和E类视频中的编码加速效果差异较大,而本文算法在各类视频中均有着良好的表现。为了评估所提出的快速算法的率失真性能,本文给出了如图8所示的测试序列B a s k e t b a l l D r i l l的率失真曲线。从图可以看出,对于B D B R最大的测试序列B a s k e t b a l l D r i l l,本文所提出的快速算法的率失真曲线与原始VTM-7.0平台的率失真曲线也非常接近。这表明本文算法在编码效率损失很小的同时,能显著降低编码复杂度。表2 本文算法与V T M-7.0的编码性能对比T a b.2 P e r f o r m a n c ec o m p a r i s o no fp r o p o s e da l g o r i t h ma n dV TM-7.0C l a s sS e q u e n c eB D B R/%T S/%A 1C a m p f i r e1.2 74 5.6 4F o o d M a r k e t 40.5 23 1.8 1T a n g o 21.1 94 3.3 2A 2C a t R o b o t 11.3 24 4.7 4D a y l i g h t R o a d 21.4 15 1.2 1P a r k R u n n i n g 30.5 63 6.1 7BB a s k e t b a l l D r i v e1.2 84 8.8 8B Q T e r r a c e1.2 54 9.1 8C a c t u1.3 54 9.4 3M a r k e t P l a c e1.0 95 0.0 7R i t u a l D a n c e1.7 64 8.6 5CB a s k e t b a l l D r i l l2.4 05 0.7 7B QM a l l1.2 95 0.6 2P a r t y S c e n e0.7 65 0.3 3R a c e H o r s e s0.9 64 8.6 2DB a s k e t b a l l P a s s1.3 64 6.7 0B l o w i n g B u b b l e s1.1 14 7.7 2B Q S q u a r e0.7 54 9.3 4R a c e H o r s e s1.0 44 5.3 3EF o u r P e o p l e1.9 05 2.8 4J o h n n y1.7 64 8.5 5K r i s t e n A n d S a r a1.4 34 9.2 6A v e r a g e1.2 64 7.2 4表3 本文算法与文献1 0 对比T a b.3 P r o p o s e da l g o r i t h mi s c o m p a r e dw i t hR e f.1 0C l a s sS e q u e n c eR e f.1 0B D B R%T S/%P r o p o s e dB D B R/%T S/%BB a s k e t b a l l D r i v e 3.2 8 5 9.3 5 1.2 8 4 8.8 8B Q T e r r a c e1.0 8 4 5.3 0 1.2 5 4 9.1 8C a c t u1.8 4 5 2.4 4 1.3 5 4 9.4 3K i m o n o1.9 3 5 9.5 1 0.8 1 4 9.0 4P a r k S c e n e1.2 6 5 1.8 4 1.2 1 5 2.5 9CB a s k e t b a l l D r i l l 1.8 2 4 8.4 8 2.4 0 5 0.7 7B QM a l l1.8 7 5 2.4 7 1.2 9 5 0.6 2P a r t y S c e n e0.2 6 3 8.6 2 0.7 6 5 0.3 3R a c e H o r s e s0.8 8 4 9.0 5 0.9 6 4 8.6 2DB a s k e t b a l l P a s s 1.9 5 4 7.7 0 1.3 6 4 6.7 0B l o w i n g B u b b l e s 0.4 7 4 0.3 5 1.1 1 4 7.7 2B Q S q u a r e0.1 9 3 1.9 5 0.7 5 4 9.3 4R a c e H o r s e s0.5 4 4 1.6 9 1.0 4 4 5.3 3EF o u r P e o p l e2.7 0 5 7.5 7 1.9 0 5 2.8 4J o h n n y3.2 2 5 6.8 8 1.7 6 4 8.5 5K r i s t e n A n d S a r a 2.7 8 5 5.1 1 1.4 3 4 9.2 6A v e r a g e1.6 3 4 9.2 7 1.2 9 4 9.3 3图8 本文算法与V TM-7.0的率失真性能比较F i g.8 T h er a t ed i s t o r t i o np e r f o r m a n c ec o m p a r i s o nb e t w e e nt h ep r o p o s e da l g o r i t h ma n dt h eV TM-7.0602 光 电 子 激 光 2 0 2 3年 第3 4卷3 结 论 本文提出了一种基于子块纹理差异的VV C快速C U划分算法。该算法首先通过不同划分方向的子块的复杂度差异提前判断MT T划分的方向;然后根据相邻子块间的纹理差异进一步判断是否跳过T T划分。实验测试结果表明,与原始平台VTM-7.0相比,本文算法在B D B R仅增加1.2 6%的情况下,能够平均减少4 7.2 4%的编码时间,说明本文算法在计算复杂度降低和编码效率损失之间取得了良好的平衡,对VV C的实际应用具有较大的现实意义。下一步可以对纹理特征与C U划分深度之间的联系进行研究,以进一步提高编码速度。参考文献:1S U L L I V A N G.V e r s a t i l e v i d e oc o d i n g(V V C)a r r i v e sC/I E E EI n t e r n a t i o n a lC o n f e r e n c eo nV i s u a lC o m m u n i-c a t i o n sa n dI m a g eP r o c e s s i n g,D e c e m b e r0 1-0 4,2 0 2 0,M a c a u,C h i n a.N e wY o r k:I E E E,2 0 2 0:1-1.2 H U A N GYW,A NJC,H U A N GH,e ta l.B l o c kp a r t i t i o-n i n gs t r u c t u r e i n t h eV V Cs t a n d a r dJ.I E E ET r a n s a c t i o n so nC i r c u i t sa n dS y s t e m s f o rV i d e oT e c h n o l o g y,2 0 2 1,3 1(1 0):3 8 1 8-3 8 3 3.3 P F A F FJ,F I L I P P O VA,L I US,e t a l.I n t r ap r e d i c t i o na n dm o d ec o d i n gi nV V CJ.I E E ET r a n s a c t i o n so nC i r c u i t sa n dS y s t e m sf o rV i d e o T