一种基于视频特征的编码参数自适应选择方法与流程

encoding time该文献提出了一种基于pareto的编码参数配置方案，通过率
ꢀ‑
失真-复杂度分析，将中粒度编码时间控制与细粒度编码时间控制相结合， 将hevc编码时间限制在每个gop的预定目标以下。此外该技术没有考虑不同 视频的特征差异导致的参数最佳取值的差异。但该研究只考虑了少量参数， 并采用枚举的方法，分别测试rd性能和编码复杂度。然后通过观察实验结果 找出性能和复杂度均较好的参数配置。该方法涉及的参数较少，不能很好地 发挥编码器性能，并且没有建立起有效的参数选择方法，也没有考虑视频特 征对于参数取值的影响，仍然是按经验进行参数选择。


技术实现要素：

7.本发明目的在于提供一种基于视频特征的编码参数自适应选择方法,以 解决视频编解码过程中没有考虑不同视频的特征差异导致的参数最佳取值的 差异的技术问题。
8.为解决上述技术问题，本发明的一种基于视频特征的编码参数自适应选 择方法的具体技术方案如下：
9.一种基于视频特征的编码参数自适应选择方法，包括如下步骤：
10.步骤1：提出一种参数取值选择算法，通过该参数取值选择策略控制编码 复杂度，同时获得相对最佳rd性能；
11.步骤2：分析已编码帧的编码信息用以描述视频特征。同时确定受视频特 征影响较显著的编码参数；
12.步骤3：提出一种基于视频特征的自适应参数选择方法，根据视频的不同 特征自适应选择适于当前视频的一组最优参数组合，建立参数取值与视频 特征参量间的数学模型。
13.进一步地，步骤1包括如下具体步骤：
14.首先将编码复杂度、编码时间按公式(1)进行归一化处理：
[0015][0016]
其中enctime为某一参数组合对应的编码时间，anchorpreset为x265编 码器的预设参数配置，t为一正数区间，其值大于1表明编码复杂度增加， 小于1表明复杂度降低，定义综合性能评价指标rdc，含义为单位复杂度 rd性能增益，即单位复杂度代价下rd性能提升量，rdc的计算如式(2) 所示：
[0017][0018]
其中bdbr0为初始参数配置的rd性能，t0为对应的编码复杂度，bdbr0为0，t0为1；
[0019]
结合rdc计算原则，提出一种快速参数取值选择算法。
[0020]
进一步地，快速参数取值选择算法包括如下具体步骤：
[0021]
输入：初始参数配置param
init
；目标编码复杂度tt；允许的编码时间误 差te；
[0022]
输出：目标参数组合；
[0023]
说明：提前确定显著参数集p1,p2,
…
,pm,
…
,pm；确定每个参数pm的取 值空间，km为第m个参数的候选取值个数：pm＝{p
m1
,p
m2
,
…
,p
mk
,
…
,p
mkm
}； 初始参数配置中将每个参数取值设置为其最小值p
m1
；
[0024]
步骤1：使用初始参数配置进行编码，获取psnr、bitrate、enctime编 码信息；
[0025]
步骤2：将初始参数配置中参数pm的取值由p
mk
增大为p
m(k 1)
，获取psnr、 bitrate、enctime编码信息，并以步骤1中的结果为基准，计算rdc
m(k 1)
；
[0026]
步骤3：比较当前rdc结果，若rdc
m(k 1)
《rdc
mk
，则用p
m(k 1)
替换当前参数 取值p
mk
，否则参数取值保持不变；若当前参数pm遍历完其所有取值，k＝ km，将pm改变为p
m 1
,继续执行步骤2,当显著参数集遍历完所有参数，m＝ m时，跳转到步骤4；
[0027]
步骤4：获取当前参数配置下的实际编码时间tr，若|tr(param
this
)-tt |》te，则转至步骤5；否则转至步骤7；
[0028]
步骤5：比较当前参数组合的编码时间tr与目标编码时间tt；若tr (param
this
)》tt，则分别将当前参数组合中的每个参数p1,p2,
…
,pm,
…
, pm各自的取值p
mk
减小为p
m(k-1)
，计算rdc
1(k-1)
，
…
，rdc
m(k-1)
，
…
，rdc
m(k-1)
；
[0029]
步骤6：比较当前所有rdc结果，选择使得rdc最小的参数取值改变，使 用p
m(k-1)
替换当前参数取值p
mk
，跳转到步骤4；
[0030]
步骤7：输出目标参数组合param
this
。
[0031]
进一步地，步骤2包括如下具体步骤：提取不同尺寸cu所占比例作为特 征参数，使用统计建模的方法建立不同尺寸cu所占比例与视频内容复杂 度之间的函数关系，取一个b
…
bp的平均值代替后面连续若干帧的特征； 在一个gop内，采用首个p帧及其之前的所有连续b帧的已编码信息描述 整个gop的特征，视频特征的提取与参数的调节在一个gop内进行一次即 可，在编码初始的若干帧时即可完成；将p、b帧中进行帧内编码块的比 例作为调节因子，将p帧预测编码过程中的残差能量作为反馈控制因子。 进一步地，步骤3包括如下具体步骤：
[0032]
通过分析已编码帧中的不同尺寸cu比例自适应调整参数ctu的取值，设 64
×
64到8
×
8四种尺寸cu所占比例分别为γ1、γ2、γ3、γ4，图像 的纹理复杂度可表示为公式(3)：
[0033]
t
p
＝[(1-γ1) (1-γ2)]
·
γ4ꢀꢀ
(3)
[0034]
定义视频的纹理复杂度为tv，按公式(3)对首个p帧及其之前b帧的每一 帧图像计算其纹理复杂度，然后取它们的平均值，用于表示整个视频序列 的纹理复杂度tv，如公式(4)，其中n为首个p帧及其之前的连续b帧 的总帧数：
[0035][0036]
将不同尺寸cu所占比例与qp变化拟合为式(5)的函数关系：
[0037]
γi＝ki·
qp
η
bi,i＝1,2,4
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0038]
其中i＝1,2,4时分别表示64
×
64、32
×
32、8
×
8三种尺寸的cu比例，η、 ki、bi为模型参数，当i＝1,2时，将η近似确定为1/2，当i＝4时，η近 似确定为-1/2,得到下面的式(6)以表示γi与qp的关系模型：
[0039][0040]
建立能够稳定表达视频纹理特征的参量，记为tc，得到特征参量tc与γ i、qp之间的函数关系如式(7)所示:
[0041]
tc＝α1·
(γ1 γ2)
·
qp-1/2
α2·
γ4·
qp
1/2
β
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0042]
其中α1，α2为比例系数，α1确定为0.102，α2确定为0.164，β的取值 为0；
[0043]
建立tc与ctu参数取值之间的分段函数模型，将离线状态下ctu的最优 取值32用状态0表示，状态1表示需要将ctu从32增大至64，状态-1 表示需要将参数从32减小至16，
△
ctu与tc的函数关系如式(8)所示: [0044]
subme的特征参量ts表示为式(9)，γ
intra
为进行帧内编码的cu比例：
[0045]
ts＝tc·
(1-γ
intra
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9)
[0046]
选取每一个b
…
bp中的p帧预测后的残差能量，记作re，描述该帧预测 过程的准确程度，将残差能量re作为反馈调节因子，从而实现帧级反馈 控制，
[0047]
在一个gop内，可采用首个b
…
bp的平均值代替后面连续若干帧的特征， 为特征参量ts加入反馈调节因子，如式(10)：
[0048]
ts＝tc·
(1-γ
intra
)
·
(ρ
·
re)
ꢀꢀꢀꢀꢀꢀꢀꢀ
(10)
[0049]
其中ρ是re的权重系数，将tc代入式(8)中整理，可得subme的特征参 量ts如公式(11)：
[0050]
ts＝ρ
·
re·
[α1·
(γ1 γ2)
·
qp-1/2
α2·
γ4·
qp
1/2
β]
·
(1-γ
intra
)
ꢀꢀꢀꢀꢀꢀ
(11)
[0051]
由于ρ为常数，对ts只存在线性影响，将ρ确定为1/15000以调节ts的 取值在合适范围，由于subme取值离散，特征参量ts的取值范围与subme 取值的对应关系确定为分段函数，subme的基准值为离线状态下确定的最 优值2。
[0052]
本发明的一种基于视频特征的编码参数自适应选择方法具有以下优点：
[0053]
(1)提出了一种参数取值算法，依据该算法能够确定出相对最优的参数取 值，即使编码器达到更好的rd性能，同时达到更低的编码复杂度，实现 了利用较小复杂度代价换取较大rd性能增益的目的。
[0054]
(2)分析了ctu、subme这两个参数受视频特征影响的情况。同时，将不同 尺寸cu的比例信息、量化系数qp作为特征参量来描述视频特征；此外， 将p帧与b帧中的intra块的比例、帧间预测误差satd作为调节因子。
[0055]
(3)分析了参数取值与视频特征间的变化关系，用统计建模的方法建立了 参数取值与视频特征参量间的数学模型，从而建立了基于视频特征的参数 自适应取值模型。
附图说明
[0056]
图1为本发明的复杂度约束下的率失真优化过程示意图；
[0057]
图2为本发明的临近帧中不同尺寸cu所占比例曲线图；
[0058]
图3为本发明的一个gop内的编码结构示意图；
[0059]
图4为本发明的不同尺寸cu所占比例随qp变化趋势折线图；
[0060]
图5为本发明的视频的纹理复杂度tv与tc随qp的变化趋势折线图；
[0061]
图6为本发明的ctu最优取值与特征参量tc的分布规律图；
[0062]
图7为本发明的subme参数的反馈控制模型框图；
[0063]
图8为本发明的所有参数组合的bdbr-time分布图；
[0064]
图9为本发明的应用离线模型和在线模型时视频序列的性能增益折线图；
[0065]
图10为本发明的基于视频特征的编码参数自适应选择方法原理框图。
具体实施方式
[0066]
为了更好地了解本发明的目的、结构及功能，下面结合附图，对本发明 一种基于视频特征的编码参数自适应选择方法做进一步详细的描述。
[0067]
1、提出了一种参数取值选择算法，可通过该参数取值选择策略控制编码 复杂度，同时获得相对最佳rd性能。
[0068]
rd性能采用bdbr(delta bit rate)衡量。bdbr为负值 代表性能提升，为正值表明性能降低，且其值越小表明性能更优。为评估不 同参数组合对码率-失真-复杂度的影响，须提出有效的码率-失真-复杂度综 合性能评价方法。首先将编码复杂度(编码时间)按公式(1)进行归一化处理：
[0069][0070]
其中enctime为某一参数组合对应的编码时间，anchorpreset为x265 编码器的预设参数配置。t应为某一正数区间，其值大于1表明编码复杂度 增加，小于1表明复杂度降低。进一步定义综合性能评价指标rdc (rate-distortion-complexity，码率-失真-复杂度)，含义为单位复杂度 rd性能增益，即单位复杂度代价下rd性能提升量。rdc的计算如式(2)所示：
[0071][0072]
其中bdbr0为初始参数配置的rd性能，t0为对应的编码复杂度。由于参 数选择过程中以初始参数配置作为基准，所以bdbr0为0，t0为1。根据对编 码时间和rd性能的影响，参数组合可分为三类，第一类有助于减少编码时间 和提升rd性能的参数取值组合，这类参数组合中使得rdc越小的组合综合编 码性能更优；第二类是编码时间增加但rd性能有提升，以及rd性能降低但 编码时间有提升的参数组合，这类参数组合同样是使得rdc越小的组合综合 编码性能更优；第三类是编码时间增加且rd性能降低的参数组合。目标参数 组合可从前两类中选取用于替换编码器预设的参数配置，而第三类则可以直 接排除。
[0073]
结合rdc计算原则，提出一种快速参数取值选择算法。复杂度约束下的 率失真优化过程如图1所示。
[0074]
如图10所示，参数取值选择算法的具体步骤如下：
[0075]
输入：初始参数配置param
init
；目标编码复杂度tt；允许的编码时间误 差te。
[0076]
输出：目标参数组合。
[0077]
说明：需提前确定显著参数集p1,p2,
…
,pm,
…
,pm；确定每个参数pm的取值空间(km为第m个参数的候选取值个数)：pm＝{p
m1
,p
m2
,
…
,p
mk
,
…
,p
mkm
}； 为便于算法实现，初始参数配置中将每个参数取值设置为其最小值p
m1
。
[0078]
步骤1：使用初始参数配置进行编码，获取psnr、bitrate、 enctime(anchorpreset)等编码信息。
[0079]
步骤2：将初始参数配置中参数pm的取值由p
mk
增大为p
m(k 1)
，获取psnr、 bitrate、
enctime等编码信息，并以步骤1中的结果为基准，计算rdc
m(k 1)
。
[0080]
步骤3：比较当前rdc结果，若rdc
m(k 1)
《rdc
mk
，则用p
m(k 1)
替换当前参 数取值p
mk
，否则参数取值保持不变。若当前参数pm遍历完其所有取值(k＝ km)，将pm改变为p
m 1
。继续执行步骤2。当显著参数集遍历完所有参数(m＝ m)时，跳转到步骤4。
[0081]
步骤4：获取当前参数配置下的实际编码时间tr(param
this
)。若|tr (param
this
)-tt|》te，则转至步骤5；否则转至步骤7。
[0082]
步骤5：比较当前参数组合的编码时间tr(param
this
)与目标编码时间tt。若tr(param
this
)》tt，则分别将当前参数组合中的每个参数p1,p2,
…
, pm,
…
,pm各自的取值p
mk
减小为p
m(k-1)
，计算rdc
1(k-1)
，
…
，rdc
m(k-1)
，
…
，rdc
m(k-1)
。
[0083]
步骤6：比较当前所有rdc结果，选择使得rdc最小的参数取值改变， 使用p
m(k-1)
替换当前参数取值p
mk
。跳转到步骤4。
[0084]
步骤7：输出目标参数组合param
this
。
[0085]
2.cu分布情况可一定程度上反映视频内容的纹理复杂度，可通过分析已编 码帧中的不同尺寸cu比例自适应调整参数ctu的取值。由于编码过程中 cu尺寸的确定需要计算rdcost，ctu取值越小，迭代比较次数越少，越 能节省rdcost的计算次数，从而降低复杂度。subme的取值同样与视频 内容复杂度密切相关。
[0086]
本方法采用编码过程中编码器的中间参量描述视频特征，以避免引入额 外的计算复杂度。具体为提取不同尺寸cu所占比例作为特征参数，使用统计 建模的方法建立不同尺寸cu所占比例与视频内容复杂度之间的函数关系。获 取cu分布等信息需要先对视频进行编码。图2中(a)、(b)是序列traffic 在qp为22、27时不同尺寸cu所占比例，(c)、(d)是序列cactus在qp为 22、27时不同尺寸cu所占比例。可见同一个视频序列中临近帧的cu分布等 特征信息十分接近，而不同视频序列的分布情况差异较大。对于大多数测试 序列，临近帧的cu分布近似周期性变化(一个b
…
bp为一个周期)，而不同 视频序列间的差异往往较为明显。因此，可以取一个b
…
bp的平均值代替后 面连续若干帧的特征。
[0087]
因此，在一个gop内，可采用首个p帧及其之前的所有b帧的信息描述 整个gop的特征。视频特征的提取与参数的调节在一个gop内进行一次即可， 在编码初始的若干帧时即可完成。此外，将p、b帧中进行帧内编码块的比例 作为调节因子，将p帧预测编码过程中的残差能量作为反馈控制因子，这将 在后文详细介绍。gop内的编码结构如图3所示。
[0088]
3.提出了一种基于视频特征的自适应参数选择方法，可根据视频的不同特征 自适应选择适于当前视频的一组最优参数组合。对于其最佳取值受视频特 征影响较大的编码参数，建立了参数取值与视频特征参量间的数学模型。
[0089]
cu分布情况可一定程度上反映视频的纹理复杂程度，参数ctu的取值与 视频纹理复杂程度密切相关，可通过分析已编码帧中的不同尺寸cu比例自适 应调整参数ctu的取值。设64
×
64到8
×
8四种尺寸cu所占比例分别为γ1、 γ2、γ3、γ4，图像的纹理复杂度可表示为公式(3)：
[0090]
t
p
＝[(1-γ1) (1-γ2)]
·
γ4ꢀꢀ
(3)
[0091]
定义视频的纹理复杂度为tv，按公式(3)对首个p帧及其之前b帧的每 一帧图像计算其纹理复杂度，然后取它们的平均值，以表示整个视频序列的 纹理复杂度tv，如公式(4)，其中n为首个p帧及其之前的连续b帧的总帧 数。
[0092][0093]
实验发现，当qp取值不同，tv也随之变化，且差异较大。这说明qp的 变化对块划分有一定程度的影响。由于在实际编码过程中，往往需要调整qp 以适应不同编码要求，因此，使用cu分布情况描述视频纹理复杂度还需要考 虑qp的影响，需要进一步探索不同qp下cu分布与视频纹理复杂度的函数关 系，以调整视频纹理特征的描述方式。通过大量实验结果统计可知，随着qp 增大，尺寸为64
×
64、32
×
32的块占比呈增长趋势，尺寸为8
×
8的块呈下 降趋势，而尺寸为16
×
16的块比例因视频序列的不同而不同。64
×
64、32
ꢀ×
32、8
×
8三种尺寸cu所占比例随qp变化的趋势分别如图4中的(a)、(b)、 (c)所示。
[0094]
将不同尺寸cu所占比例与qp变化拟合为式(5)的函数关系：
[0095]
γi＝ki·
qp
η
bi,i＝1,2,4
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0096]
其中i＝1,2,4时分别表示64
×
64、32
×
32、8
×
8三种尺寸的cu比例， η、ki、bi为模型参数。经大量数据统计及函数拟合实验，当i＝1,2时，将 η近似确定为1/2，当i＝4时，η近似确定为-1/2。可得到下面的式(6)以表 示γi与qp的关系模型：
[0097][0098]
由于qp不同取值对块划分的结果有一定影响，导致tv也随qp取值变化 而变化，用于表示视频的纹理复杂度存在不足。为建立视频特征与编码参数 ctu间的函数关系，首先需要建立能够稳定表达视频纹理特征的参量，记为 tc。从γi与qp的关系模型出发，经大量实验数据统计，得到特征参量tc与 γi、qp之间的函数关系如式(7)所示。
[0099]
tc＝α1·
(γ1 γ2)
·
qp-1/2
α2·
γ4·
qp
1/2
β
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0100]
其中α1，α2为比例系数，α1确定为0.102，α2确定为0.164，β的取 值只对tc的幅度有影响，对最终的参数取值没有影响，故可确定为0。
[0101]
分别为不同视频序列的tv与tc在不同qp下的值，图5中的(a)、(b)， 横坐标的1-22表示22个不同的测试序列。可见(a)图中同一视频序列的tv因qp不同存在差异，而经式(7)处理后，不同qp时视频的纹理复杂度tc的 变化趋势基本一致，如图5中的(b)所示。这也证明了式(7)中的视频纹理复 杂度表示方法的有效性，从而可以得到较为稳定的视频纹理复杂度特征参量 tc，即可以用tc较好地描述一个视频序列的纹理复杂度特征。
[0102]
在编码过程中，cu的划分过程较为耗时，需要从最大尺寸往最小尺寸迭 代若干次，通过比较rdcost确定最佳划分方式。ctu参数用于设定cu的最 大尺寸，若其取值越小，迭代比较次数越少，从而降低时间复杂度。如当cu 尺寸集中在32
×
32及以下(即64
×
64尺寸的块较少)时，可将ctu设置为32；同理，当cu尺寸集中在16
×
16及以下时，可将ctu设置为16。由于tc 较好地描述了视频的纹理特性，而ctu参数的设定与视频的纹理特性密切相 关，因此可根据tc与ctu参数最优取值的统计规律，如图6所示，其中纵坐 标的1-22为22个测试序列，每个测试序列取4个不同qp值进行测试。
[0103]
可见，对于大多数序列，离线状态下确定的ctu取值已经最优(ctu＝32)， 主要集中在0.25《tc《0.6的区间；对于少数tc《0.25的序列，ctu增大为64 时性能更优。据此次分布规律建立tc与ctu参数取值之间的分段函数模型， 将离线状态下ctu的最优取值32用状态0
表示，状态1表示需要将ctu从 32增大至64，状态-1表示需要将参数从32减小至16。
△
ctu与tc的函数 关系如式(8)所示。
[0104][0105]
subme的取值同样与视频纹理复杂度密切相关。一般图像内容越复杂运 动预测需要越精细，即subme取值越大。此外，编码过程中p帧、b帧中intra 块所占比例对其取值也有一定程度的影响。如intra块所占比例较大，则进 行帧间预测块的比例减小，则subme对编码性能的影响减小，考虑到对编码 复杂度的影响，取值可适当减小，以提升整体的r-d-c性能。因此subme的 特征参量ts可表示为式(9)。γ
intra
为进行帧内编码的cu比例。
[0106]
ts＝tc·
(1-γ
intra
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9)
[0107]
此外，subme取值还可以根据预测的精度进行反馈调节，当预测不够准 确时，可适当增大subme取值从而增加预测的精细程度，以提升编码效率。 由于p帧为参考帧，本文选取每一个b
…
bp中的p帧预测后的残差能量(记 作re)描述该帧预测过程的准确程度，即残差能量越大表明预测准确度越低。 将残差能量re作为反馈调节因子，从而可实现帧级反馈控制，如图7所示。
[0108]
在一个gop内，可采用首个b
…
bp的平均值代替后面连续若干帧的特征。
[0109]
根据以上分析，可为特征参量ts加入反馈调节因子，如式(10)：
[0110]
ts＝tc·
(1-γ
intra
)
·
(ρ
·
re)
ꢀꢀꢀꢀꢀꢀꢀꢀ
(10)
[0111]
其中ρ是re的权重系数，将tc代入式(8)中整理，可得subme的特征参 量ts如公式(11)。
[0112]
ts＝ρ
·
re·
[α1·
(γ1 γ2)
·
qp-1/2
α2·
γ4·
qp
1/2
β]
·
(1-γ
intra
)
ꢀꢀꢀꢀ
(11)
[0113]
由于ρ为常数，对ts只存在线性影响，将ρ确定为1/15000以调节ts 的取值在合适范围。由于subme取值离散，特征参量ts的取值范围与subme 取值的对应关系确定为表1的分段函数。subme的基准值为离线状态下确定 的最优值2。由于测试结果中ts出现的值在0.09到23.85之间，故ts大于 23时
△
subme的参考值未给出(
△
subme为4和5时ts的范围未列出)。
[0114]
表1：subme的特征参量范围与
△
subme的推荐取值
[0115]
ts《0.150.15-3.63.6-8.98.9-14.714.7-23》23
‑‑△
subme-2-1012345
[0116]
(1)使用参数取值选择算法得到的目标参数组合
[0117]
x265是当今最流行的hevc视频编码器，由于并行性和某些早期终止算 法，它相比hm有更高的编码效率，同时也具有更多的编码参数，因此本发 明选取x265为载体进行实验和研究，并详细分析了该编码器预设模式涉及的 全部31个编码参数，根据性能表现筛选出bframes/b-adapt、ref、max-merge、 subme、rdoq-level、tu-inter、rdlevel/rskip、ctu/min-cu-size、sao、 rect这10个(组)重要参数。为适应不同编码复杂度要求，x265提供了10 种预设编码模式，分别对应着10组不同的编码参数配置。
[0118]
设置0.40、0.73、1.00、1.11、3.50五个目标复杂度，分别对应superfast、 faster、
medium、fast、slow五种常用预设模式(允许误差为 /-0.05倍)。 实验过程中性能与复杂度计算均使用22个序列的平均值，以默认的medium 模式为基准。目标复杂度对应的参数配置及编码性能如表2，表中的 generated(p1-p5)分别表示5组目标参数配置。
[0119]
表2：目标复杂度对应的参数组合
[0120][0121]
在复杂度几乎相等的情况下，rd性能有较大提升。优化过程中所有编码 参数组合获得的bdbr和编码时间如图8所示(相对于medium预设模式)。 图中每个蓝色点代表一组参数配置在22个测试序列下的bdbr的平均值。红 色线代表5种预设模式对应参数组合，绿色线代表根据预定复杂度得到的目 标参数组合。表3列出了目标复杂度为1.0时所有序列的性能，对于大多数 序列，都取得了较好的性能提升，这表明了该方法的有效性。但对于少数序 列，性能还需进一步优化。
[0122]
表3：目标复杂度为1.0时不同序列的编码性能和复杂度
[0123][0124][0125]
(2)基于视频特征的自适应参数组合
[0126]
应用上述自适应参数选择模型，以离线情况下参数取值选择算法得到的 最优参
数组合为基础(离线模型得到的ctu、subme的最优取值分别为32、2)， 对不同测试序列分别单独测试ctu、subme两个参数的最优取值，各测试100 帧。测试过程中分别设定4个不同qp值以验证参数取值与qp的关系。测试 使用22个标准测试序列，与离线参数模型相比得到的结果相比，部分序列的 最优参数取值有所变化，如表4所示，其中加粗部分的参数值为使用在线参 数选择模型得到的最优值。
[0127]
表4：不同qp下基于视频特征的最优参数取值
[0128][0129]
(3)编码性能分析
[0130]
对不同视频序列分别计算离线模型和在线模型的率失真性能和编码复 杂度，如表5(其中加粗的序列为采用在线模型后参数取值发生变化的序列)。 可见对于大多数序列，都取得了较好的编码效果，这表明了该方法的有效性。 不同序列的rd性能和编码复杂度表现如表5所示。如bqterrace、 slideediting、slideshow这几个序列，与x265默认的medium模式相比， 在率失真性能提升-9.20％、-14.51％、-17.30％的同时，复杂度均有一定程度 的降低，分别为原来的0.93、0.94、0.86。大部分序列在率失真性能有较大 提升的同时，编码复杂度略低于目标复杂度1.0。这意味着该方法在复杂度 控制方面的有效性。
[0131]
在线模型与离线模型相比，在复杂度几乎不变的情况下，平均rd性能 由10.93％提升至11.28％(bdbr由-10.93％降低至-11.28％)，且大部分序列 的编码复杂度保持在1.0附近。对于特定的序列，由于其特征与其他序列差 异较大，经在线参数模型进行参数调节后，其性能有较为显著的提升。如 johnny的bdbr由3.64％降低到-2.48％，kristenandsara由1.67％降低到
ꢀ‑
3.04％。图9中(a)、(b)分别展示了这两个序列在离线模型和在线模型下参 数取最优值时的y-psnr。这可能是由于相比其他序列，这两个序列有较低的 纹理复杂度。这也印证了不同参数配置带来的编码性能与视频自身特征相关。 可见在线参数选择模型很好地解决了离线模型的不足。在线模型与离线模型 相结合，可取得整体较好的编码性能和复杂度控制效果。
[0132]
表5：目标复杂度为1.0时所有序列的rd性能与实际编码复杂度
[0133][0134][0135]
可以理解，本发明是通过一些实施例进行描述的，本领域技术人员知悉 的，在不脱离本发明的精神和范围的情况下，可以对这些特征和实施例进行 各种改变或等效替换。另外，在本发明的教导下，可以对这些特征和实施例 进行修改以适应具体的情况及材料而不会脱离本发明的精神和范围。因此， 本发明不受此处所公开的具体实施例的限制，所有落入本技术的权利要求范 围内的实施例都属于本发明所保护的范围内。