跳出视频编码模式级压缩瓶颈：帧内模式编码技术新突破

2023-11-15 10:15:42

突破视频编码模式级压缩瓶颈：一种基于长短期相关性建模的帧内模式编码方法

引言

视频编码是近年来备受关注的研究领域，在视频通信、网络流媒体、数字电视等多个领域有着广泛的应用。视频编码的核心在于去除视频信号中的冗余信息，从而实现视频数据的压缩和传输。传统视频编码技术主要集中在利用帧间冗余进行压缩，即利用视频序列中相邻帧之间的相似性进行预测编码。然而，随着视频分辨率的不断提高，帧间冗余逐渐减少，传统的视频编码技术已难以满足日益增长的视频压缩需求。

针对上述问题，本文提出了一种基于长短期相关性建模的帧内模式编码方法，以期提高视频压缩效率。该方法通过捕捉视频序列中帧间和帧内像素的长期和短期相关性，建立了一种更加准确和鲁棒的预测模型。实验结果表明，该方法在各种视频序列上都取得了显著的压缩性能提升。

方法介绍

本文提出的帧内模式编码方法主要包括以下几个步骤：

长短期相关性建模： 首先，通过分析视频序列中帧间和帧内像素的长期和短期相关性，建立一种新的相关性模型。该模型能够捕捉到视频序列中像素之间的多种相关性，并将其表示为一个相关性矩阵。
预测模型构建： 利用相关性模型，构建帧内预测模型。该模型通过利用周边已编码信息，对当前编码单元进行预测。预测模型的构建过程如下：
1. 首先，计算当前编码单元与周边已编码像素之间的相关性。
2. 然后，利用相关性矩阵，将周边已编码像素加权求和，得到对当前编码单元的预测值。
残差编码： 计算预测值与实际值之间的残差，并对残差进行编码。残差编码通常采用熵编码技术，以实现无损压缩。
模式选择： 在编码过程中，选择最优的预测模式，以实现最佳的压缩性能。模式选择过程如下：
1. 首先，计算不同预测模式的预测误差。
2. 然后，选择预测误差最小的预测模式作为最优预测模式。