基于梯度的H.265/HEVC帧内预测硬件加速算法研究

计算机工程与科学

基于梯度的H.265/HEVC帧内预测硬件加速算法研究

李文武，孙书为，郭阳

（国防科技大学计算机学院,湖南长沙 410073）

收稿日期:2018-08-15 修回日期:2018-10-25 出版日期:2019-04-25 发布日期:2019-04-25
基金资助:
国家自然科学基金（61602493）

A gradient-based H.265/HEVC intra

prediction hardware acceleration algorithm

LI Wenwu，SUN Shuwei,GUO Yang

（School of Computer,National University of Defense Technology,Changsha 410073,China）

Received:2018-08-15 Revised:2018-10-25 Online:2019-04-25 Published:2019-04-25

摘要/Abstract

摘要：

HEVC即H.265，是目前最新的视频编码标准。相比于前一代视频编码标准，H.265/HEVC虽然能够明显改善视频压缩效率，但是却带来了更高的计算复杂度，尤其是在帧内预测过程中。为了解决这个问题，提出一种基于梯度的帧内预测硬件加速算法来跳过一些帧内预测模式和划分深度的预测过程，从而达到减少计算的目的。利用图像梯度信息来粗略估计编码单元的纹理方向和纹理复杂度，其中纹理方向用来估计编码单元的最优帧内预测方向，纹理复杂度用来判断是否跳过当前划分深度的预测编码过程。实验表明，相比于H.265/HEVC测试模型HM16.18，本文提出的算法能够减少6059%的编码时间，仅造成0.38 dB的BDPSNR减少和8.52%的BD-Rate增加。

关键词: H.265/HEVC, 帧内预测, 梯度, 硬件加速, 编码块划分, 帧内预测模式选择

Abstract:

High efficiency video coding (HEVC), namely H.265, is the latest video coding standard. Compared to the previous generation of video coding standards, H.265/HEVC can significantly improve video compression efficiency. However, it incurs a much higher computational complexity, especially in the intra prediction process. To address this issue, we propose an improved and hardware-friendly gradient-based intra prediction hardware acceleration algorithm which can skip some of the intra prediction modes and the intra prediction process for depth partition, so as to reduce computation. The proposed algorithm can estimate the texture direction and texture complexity of codingunits according to gradient information. The texture direction can be used to estimate the optimal intra prediction direction of the coding-unit, and the texture complexity can determine whether to skip the intra-prediction process for the current depth partitioning. Experimental results show that compared with the HEVC test model HM16.18, the proposed algorithm can reduce encoding time by 60.59%, with only 8.52% BD-rate increase and 0.38dB BD-PSNR decrease.

Key words: H.265/HEVC, intra prediction, gradient, hardware acceleration, coding unit partitioning, prediction mode decision

李文武，孙书为，郭阳. 基于梯度的H.265/HEVC帧内预测硬件加速算法研究[J]. 计算机工程与科学.

LI Wenwu，SUN Shuwei,GUO Yang.

A gradient-based H.265/HEVC intra

prediction hardware acceleration algorithm

[J]. Computer Engineering & Science.

[1]	秦文强, 吴仲城, 张俊, 李芳, . 基于异构平台的卷积神经网络加速系统设计[J]. 计算机工程与科学, 2024, 46(01): 12-20.
[2]	周理, 赵祉乔, 潘国腾, 铁俊波, 赵王. 基于RISC-V的图卷积神经网络加速器设计[J]. 计算机工程与科学, 2023, 45(12): 2113-2120.
[3]	张耐, 张晨亮, 柳永翔, 陈聪, 黄艳婷. 基于模型混合的智能交易行为异常检测[J]. 计算机工程与科学, 2023, 45(09): 1639-1647.
[4]	杨静, 徐彦, 姜赢. 基于高低阈值的脉冲神经元抗噪学习算法[J]. 计算机工程与科学, 2023, 45(08): 1483-1489.
[5]	王玉雷, 谢凯亮, 陈思贇, 胡杰, 常胜. 卷积神经网络硬件加速的通用性设计[J]. 计算机工程与科学, 2023, 45(04): 577-581.
[6]	彭坤彦, 尹翔, 刘笑竹, 李恒宇. 基于粒子群优化和深度强化学习的策略搜索方法[J]. 计算机工程与科学, 2023, 45(04): 718-725.
[7]	崔馨月, 蒋林, 杨坤, 惠超, 胡传瞻, 赵静. 一种HEVC帧内预测算法的动态自重构实现方法[J]. 计算机工程与科学, 2022, 44(12): 2120-2127.
[8]	陈浩敏, 姚森敬, 席禹, 张凡, 辛文成, 王龙海, 任超. YOLOv3-tiny的硬件加速设计及FPGA实现[J]. 计算机工程与科学, 2021, 43(12): 2139-2149.
[9]	火元莲, 郑海亮, 李明, 张健, . 基于融合亮度模型和梯度域滤波的图像去雾#br#[J]. 计算机工程与科学, 2021, 43(09): 1623-1633.
[10]	程玉胜, 曹天成, 王一宾, 郑伟杰. 基于负相关性增强的不平衡多标签学习算法[J]. 计算机工程与科学, 2021, 43(09): 1700-1710.
[11]	萧嘉乐, 梁东宝, 陈弟虎, 粟涛. 基于FPGA的高效可伸缩的MobileNet加速器实现[J]. 计算机工程与科学, 2021, 43(04): 628-633.
[12]	官蕊, 丁家满, 贾连印, 游进国, 姜瑛, . 基于强化学习的多样性文档排序算法[J]. 计算机工程与科学, 2020, 42(09): 1697-1703.
[13]	贺小娟1，潘文捷1，程宏2. 基于集成学习方法的点击率预估模型研究[J]. 计算机工程与科学, 2019, 41(12): 2278-2284.
[14]	李红军, 郭阳, 贾润. 归一化积相关算法加速方法研究及FPGA实现[J]. 计算机工程与科学, 2019, 41(11): 1905-1910.
[15]	许煜，刘辉，尚振宏. 基于多种先验的盲图像复原方法[J]. 计算机工程与科学, 2019, 41(08): 1466-1473.