姚英彪，李曉娟

（杭州電子科技大學通信工程學院 杭州 310018）

1 引言

隨著視頻技術的發(fā)展，以H.264/AVC為代表的第二代視頻編碼標準已不能滿足人們對于實際應用的要求。在這一形勢下，VCEG和MPEG兩大標準組織成立JCT-VC（joint collaborative team on video coding）[1]，在全球范圍內(nèi)征集新的視頻編碼技術提案，統(tǒng)一制定新一代高效率視頻編碼（high efficiency video coding，HEVC）標準。HEVC的核心目標是在H.264/AVC高檔次（high profile，HP）的基礎上壓縮效率提高1倍，即在保證相同視頻圖像質(zhì)量的前提下，視頻流的碼率減少50%[2]。

HEVC沿用H.264/AVC的混合編碼框架，但在幀內(nèi)編碼方面，采用新的多角度幀內(nèi)預測技術和基于大尺寸四叉樹塊的分割結(jié)構(gòu)，預測模式由H.264/AVC的9種增加為35種，包括33種方向模式和DC（direct current）模式、planar模式；使用編碼樹單元（coding tree unit，CTU）、編碼單元（coding unit，CU）、預測單元（prediction unit，PU）和變換單元（transform unit，TU）描述整個編碼過程[2]。大量的預測模式提高了預測精度，靈活的塊結(jié)構(gòu)能更好地適應編碼圖像的內(nèi)容。

對于每幀圖像，可以將其劃分為多個CTU，每個CTU又可以劃分為1個或多個CU。CU是幀內(nèi)、幀間預測編碼的基本單元，最大的CU即最大編碼單元尺寸為64×64，最小編碼單元尺寸為8×8。CTU劃分深度depth范圍及CU深度范圍固定為0～3，深度0、1、2、3對應的編碼塊大小分別為64×64、32×32、16×16、8×8。CU概念便于編碼塊的遞歸劃分及四叉樹編碼結(jié)構(gòu)的形成，具體編碼單元的劃分如圖1所示。PU是預測編碼的基本單元，用來傳輸與預測過程相關的信息，在CU的基礎上劃分而來。PU最多有12種不同模式，對于幀內(nèi)預測而言，只有2N×2N和N×N兩種模式，若當前CU不是最小編碼單元，PU采用2N×2N模式的預測單元，即PU尺寸同當前CU尺寸，當CU尺寸為8×8即CU為最小編碼單元時，PU需要檢測2N×2N和N×N兩種模式，最終選擇率失真代價最小的模式。TU是變換和量化的基本單元，與PU相同，也是在CU的基礎上劃分而來，TU結(jié)構(gòu)與CU結(jié)構(gòu)類似，采用了殘差四叉樹（residual QuadTree，RQT）編碼結(jié)構(gòu)。

在幀內(nèi)編碼過程中，需要遍歷所有的CU、PU、TU的組合以及35種預測模式，經(jīng)過率失真優(yōu)化 （rate distortion optimization，RDO）過程選擇率失真代價最小的單元和預測模式進行最終編碼。率失真代價函數(shù)如下：

圖1 CU、PU塊劃分

其中，JRDO表示率失真代價，SSE表示當前塊與重建塊的殘差平方和，λ表示拉格朗日系數(shù)，B表示當前預測模式下編碼所需的比特數(shù)。

由于率失真代價的計算需要進行完整的編碼，過程復雜，而大量的預測模式和復雜的塊結(jié)構(gòu)大大增加了進行率失真運算的次數(shù)，這就造成幀內(nèi)編碼算法的運算復雜度和編碼時間增加，從而極大地限制了HEVC的應用范圍。因此，在保證編碼性能的前提下，如何降低HEVC幀內(nèi)編碼算法的復雜度是當前HEVC實際應用的研究熱點之一。

2 HEVC幀內(nèi)編碼優(yōu)化算法

[3]提出經(jīng)過粗選（rough mode decision，RMD）過程，利用簡化的率失真模型篩選出部分預測模式，再進行最后的RDO計算。參考文獻[4]利用空間相關性，提出最有可能預測模式（most possible mode，MPM）的概念，即鄰近塊的最佳預測模式，將RMD篩選后得到的模式與MPM一并作為最后的RDO候選模式。參考文獻[5～9]利用圖像的紋理特征篩選出部分模式進行RMD和RDO計算。以上方法都是針對給定大小的PU，從減少所要遍歷的幀內(nèi)預測模式出發(fā)，實現(xiàn)幀內(nèi)快速編碼，減少算法復雜度。

參考文獻[10～12]針對視頻內(nèi)容的時間或者空間相關性，利用已編碼的上一幀對應位置的CU或者空間鄰近CU塊的劃分深度預測當前塊的劃分深度，跳過當前塊的編碼計算或者提前終止其子塊劃分。參考文獻[10]利用圖像內(nèi)容的相關性，在對當前CU塊進行劃分時，跳過空間相鄰CU較少使用的深度。參考文獻[11]利用時空相鄰的CTU/CU之間的相關性，通過已編碼時空相鄰CTU/CU的最佳深度預測當前CTU/CU的深度范圍和深度值，跳過和提前終止不必要的塊劃分計算。參考文獻[12]利用視頻幀的時間相關性，通過前一幀的劃分深度預測當前幀對應位置處CTU的最小劃分深度，并計算當前CU的運動矢量差值和預測殘差系數(shù)，得到其最大劃分深度，從而跳過部分大塊CU的塊劃分和避免小塊CU的塊劃分。

參考文獻[13～17]利用每個深度CU編碼過程中計算得到的率失真代價、預測殘差、像素值的方差、熵等信息提前終止或跳過劃分塊。參考文獻[13]分析了率失真代價與塊劃分的關系，在劃分過程中將每個CU塊的率失真代價與之前設定的閾值進行比較，判斷是否提前終止該CU塊的子塊劃分。參考文獻[14]利用CU塊不同劃分深度與RMD和RDO過程中計算得到的基于SATD的代價值和RDO代價值，跳過大塊編碼計算和提前終止子塊劃分。參考文獻[15]利用預測殘差能夠反映預測準確性的思想，在每一個編碼塊進行編碼時，判斷其預測殘差是否足夠小，若小于事先設定的閾值，則提前終止其子塊劃分。參考文獻[16]利用視頻內(nèi)容的平滑區(qū)域與最終編碼塊大小的相應關系，根據(jù)當前已編碼單元的編碼信息對當前區(qū)域是否平滑進行檢測，根據(jù)檢測結(jié)果提前終止一些不必要的子塊劃分。參考文獻[17]利用視頻序列第一幀像素值的方差，分析視頻紋理特性并減少部分塊劃分過程。

本文利用視頻內(nèi)容的空間相關性及編碼塊大小與其紋理的關聯(lián)，提出一種基于圖像空間相關性與紋理的HEVC塊劃分快速算法。首先，通過分析不同視頻序列相鄰CTU之間的劃分深度范圍的相關性，提出CTU最有可能深度范圍（most possible depth range，MPDR）的概念及計算方法。其次，通過檢測相鄰CTU之間的主要邊緣方向來分析鄰近CTU間的紋理差異性，并根據(jù)該紋理差異判決當前待編碼CTU的劃分深度范圍是采用MPDR，還是采用HM原有算法中的0～3。最后，通過統(tǒng)計不同序列、不同尺寸塊的塊劃分與像素方差的概率密度，得到紋理復雜的閾值計算式；在每個CU編碼之前，計算并比較像素方差與閾值，檢測該CU的紋理復雜程度，判斷是否可以跳過該塊的編碼計算而直接劃分。與HM13.0相比，本文算法能夠保證在編碼性能幾乎不變的情況下，將編碼時間減少20%以上。

3 CTU最有可能深度范圍

3.1 CTU深度范圍與視頻內(nèi)容的相關性

在HEVC幀內(nèi)編碼過程中，每幀圖像都將被劃分為多個CTU，在對CTU塊劃分尋找最佳CU塊尺寸的過程中，HEVC標準算法將CTU的深度范圍固定為0～3，遞歸遍歷所有CU塊尺寸類型，并進行相關的PU、TU劃分和預測模式的選擇，最終得到率失真代價最小的塊劃分類型。但由于不同序列、不同CTU塊之間存在紋理復雜度的差別，CTU深度范圍可能小于標準規(guī)定的0～3。

為分析不同內(nèi)容特性的視頻序列的CTU劃分深度范圍，選取5個不同類別、不同分辨率和不同紋理的視頻序列在不同量化參數(shù)（QP=22、27、32、37）下，統(tǒng)計所有CTU最小劃分深度分別為0、1、2、3的平均比重和最大劃分深度分別為0、1、2、3的平均比重，分別見表1和表2。表1中pmindepth0、pmindepth1、pmindepth2、pmindepth3分別表示最小劃分深度為0、1、2、3所占平均比重， 表2中pmaxdepth0、pmaxdepth1、pmaxdepth2、pmaxdepth3分別表示最大劃分深度為0、1、2、3所占平均比重。

從表1和表2可以看出，并非所有序列CTU的最小劃分深度都為0，最大劃分深度都為3。對于紋理復雜的序列（如序列BQSquare），應該進行較細致的劃分，塊尺寸較??；最小劃分深度為0的概率非常小，若采用原有的劃分深度范圍0～3，則有不必要的深度塊（深度0）的編碼。對于平坦序列（如序列Kimono1），塊尺寸較大；最大劃分深度為3的比重較小，若采用原有的劃分深度范圍0～3，則有不必要的深度塊（深度3）的編碼。因此，可以根據(jù)CTU之間的空間相關性縮小CTU塊劃分時的深度范圍，并且每個CTU內(nèi)部由于紋理的不同，可以針對不同的紋理選擇不同的塊大小，從而避免不必要的塊劃分帶來的復雜計算（包括RDO計算）。

3.2 CTU劃分深度的相關性分析及其MPDR

由于每幀圖像存在內(nèi)容的相關性，空間相鄰CTU的劃分深度之間也存在著相關性，下面的統(tǒng)計數(shù)據(jù)也證明了這一點。各鄰近CTU分別為上方CTU、左方CTU、左上方CTU和右上方CTU，如圖2所示。當前CTU的最小和最大劃分深度與各鄰近已編碼CTU的最小和最大劃分深度分別為mindepth、maxdepth、mindepth_a、maxdepth_a、mindepth_l、maxdepth_l、mindepth_al、maxdepth_al、mindepth_ar、maxdepth_ar。

圖2 鄰近已編碼CTU與當前CTU

定義4個鄰近已編碼CTU的最小劃分深度中的最小值為mp_mindepth，4個鄰近已編碼CTU的最大劃分深度中的最大值為mp_maxdepth，如下：

定義當前CTU的MPDR為：

即用4個鄰近已編碼CTU的最小劃分深度中的最小值mp_mindepth和4個鄰近已編碼CTU的最大劃分深度中的最大值mp_maxdepth估計當前CTU的MPDR。如果當前CTU經(jīng)過HM原有算法編碼后的最佳劃分深度均在[mp_mindepth,mp_maxdepth]，說 明MPDR可 以 作 為 當 前CTU劃分深度范圍。

表1 最小劃分深度分別為0、1、2、3所占平均比重

表2 最大劃分深度分別為0、1、2、3所占平均比重

表3分別統(tǒng)計了當前CTU的最小劃分深度大于或等于任意一個鄰近CTU最小劃分深度即mp_mindepth的概率和最大劃分深度小于或等于任意一個鄰近CTU的最大劃分深度即mp_maxdepth的概率。表3中較大的概率值說明當前CTU的最小、最大劃分深度與利用各個鄰近CTU的最小、最大劃分深度得到的mp_mindepth、mp_maxdepth及MPDR具有較強的相關性。區(qū)間[mp_mindepth，mp_maxdepth]可以作為當前CTU的MPDR。

表3 當前CTU在不同QP下劃分深度范圍與鄰近CTU劃分深度范圍的比較

4 基于內(nèi)容相關性及圖像紋理的塊劃分快速算法

以上CTU劃分深度相關性分析，驗證了可以根據(jù)鄰近已編碼CTU的劃分范圍得到當前待編碼CTU的合適的劃分范圍（即MPDR），該范圍根據(jù)空間相關性適當縮小了原來固定的劃分范圍，避免了不必要的塊劃分所引起的復雜計算?？紤]到圖像紋理的區(qū)域性分布特征，即鄰近CTU的紋理可能存在明顯的差異，此種情況下，利用鄰近CTU的劃分范圍估計當前CTU的最有可能劃分范圍的方法極容易造成誤判。而如果當前CTU的劃分范圍估計錯誤（如劃分范圍被縮?。蜁绊懼蟮腃TU劃分范圍的估計，從而造成錯誤累加，最終使編碼性能大大下降。因此，需要在將MPDR作為當前CTU的劃分范圍之前，對當前CTU的紋理與鄰近CTU紋理的差異性進行分析，如果當前CTU的紋理與該紋理方向上的鄰近CTU的紋理相差較大（如垂直），則采用標準算法的深度范圍0～3進行預測，否則利用空間相關性根據(jù)式（2）～式（4）得到當前CTU的MPDR。

4.1 空間鄰近CTU的紋理差異性檢測

為了判別鄰近CTU間的紋理差異性，采用參考文獻[18]中的邊緣檢測方法，對當前CTU和鄰近CTU進行主要邊緣檢測（dominant edge detection），判別各自的主要邊緣（dominant edge，DE）隸屬于0°、45°、90°、135°的哪一種方向，CTU的主要邊緣方向如圖3所示。如果當前CTU的主要邊緣方向DEc垂直于該方向上鄰近CTU的主要邊緣DE′，則認為當前CTU與鄰近CTU的紋理差異較大，不宜采用MPDR作為當前CTU的劃分深度范圍，否則可以將MPDR作為當前CTU的劃分深度范圍。

圖3 CTU的主要邊緣方向

圖4 將CTU劃分為5個子塊

為了得到當前CTU和鄰近CTU的主要邊緣方向，將N×N（N=64）大小的CTU塊按照如圖4所示方式劃分為a、b、c、d、e共5個子塊，并分別計算5個子塊的像素平均值Pa、Pb、Pc、Pd、Pe。定義不同方向上像素差的絕對值之和為主要邊緣方向一致性（dominant edge assent，DEA），利用式（5）分別計算0°、45°、90°、135°這4個主要邊緣方向一致性DEA1、DEA2、DEA3、DEA4，并取其中最小值所對應的方向作為該CTU的主要邊緣方向DE，DE表示0°、45°、90°、135°中的一種。

對當前CTU和鄰近各個CTU（上方CTU、左方CTU、左上方CTU、右上方CTU）分別進行如式（5）所示的計算，得到各個CTU的主要邊緣方向，當前CTU的主要邊緣方向用DEc表示，各個鄰近CTU的主要邊緣方向分別表示為DEa、DEl、DEal、DEar。如前所述，如果當前CTU的主要邊緣方向DEc垂直于該邊緣方向上的CTU的主要邊緣DE′，即滿足式（6），則認為當前CTU與鄰近CTU的紋理差異較大。

由圖3可以看出，0°與90°垂直，45°與135°垂直，若當前CTU的邊緣方向DEc滿足式（7）～式（10）中的其中一個，則認為DEc⊥DE′，即當前CTU與鄰近CTU的紋理差異較大，不宜采用MPDR作為當前CTU的劃分深度范圍。

4.2 編碼單元CU的紋理復雜度檢測

如前所述，如果編碼塊較平滑，則該編碼塊適合大尺寸編碼單元進行預測；如果編碼塊紋理較復雜，宜選用小尺寸編碼單元進行預測，而實驗進一步證明[17,19]，紋理復雜的編碼塊的像素值方差較大，平滑塊的像素值方差較小。因此，在塊劃分過程中，可以通過計算比較像素值方差的大小判斷編碼塊的紋理復雜程度，進而判斷當前深度的編碼塊大小是否適合該紋理的塊，若不適合則不進行該深度塊的編碼計算，從而大大減少編碼復雜度和編碼時間。像素方差v計算如下：

其中，v表示N×N大小的塊的像素方差，pij表示N×N塊位置（i，j）處的像素值，u表示該塊的所有像素均值。

圖5給出了序列Kimono1和Vidyo1不同尺寸的CU塊的像素方差概率密度分布。從圖5可以看出，對于所有的塊尺寸，當方差達到一定值以后，隨著方差的增大，出現(xiàn)的概率隨之減小，最終概率急速下降趨近于0。這就表明，如果一個CU塊的像素方差大于某一個值（如某一個閾值），說明該塊內(nèi)紋理復雜，這種情況下的尺寸幾乎不可能是最佳的塊尺寸，需要進一步劃分。在CU子塊劃分過程中，在CU塊進行編碼計算（RDO計算）之前，需首先進行紋理復雜度判斷，即判斷CU塊的像素方差是否大于某一個閾值Thv，如果大于，則說明該CU需要進一步分割以減少方差，對于當前深度塊無需進行編碼計算而直接進行下一深度的劃分運算；否則，在估計的深度范圍內(nèi)進行正常的塊劃分過程。

從圖5可以看出，塊尺寸越大，概率急劇下降所對應的方差越大，閾值Thv應該與塊尺寸有關，且塊尺寸越大即深度越小，閾值應該設定得越大。考慮到不同量化參數(shù)QP塊劃分的不同，該閾值也應該與QP值有關，QP越大，閾值越大。通過實驗統(tǒng)計不同序列不同尺寸塊的像素方差值的分布，得到閾值Thv：

其中，α、β、γ為參數(shù)，實驗得到其值分別為45、93、3，depth為當前塊的編碼深度，可以取0、1、2、3，分別對應64×64、32×32、16×16、8×8塊大小，QP為量化參數(shù)。

如果計算出的v大于Thv，即滿足式（13），則認為該尺寸的編碼塊紋理復雜，需要進一步劃分，無需對該深度的CU進行編碼運算。

4.3 編碼塊快速劃分算法總體流

基于以上分析，提出一種基于圖像紋理復雜度及空間相關性的塊劃分快速算法。該算法對某一個CTU進行編碼之前，首先對該CTU的劃分范圍進行估計，即對當前CTU與鄰近CTU的紋理差異性進行分析，若差異不明顯，則利用鄰近CTU的劃分深度范圍估計得到當前CTU的MPDR并進行接下來的編碼計算；若差異明顯，則采用原有算法的深度范圍0～3進行編碼計算。其次在對每一個CU編碼之前，利用式（11）和式（12）計算其像素方差與閾值，并將兩者進行比較，判斷該尺寸塊的紋理是否非常復雜、是否可以直接進行子塊劃分。劃分深度估計算法流程如圖6所示，塊劃分快速算法的總體流程如圖7所示。

圖5 部分序列的各個尺寸編碼塊的像素方差的概率密度分布

5 實驗結(jié)果與分析

為了驗證本文算法的正確性，將該算法加載在HEVC的官方測試模型HM13.0[20]上，對不同類型的視頻測試序列實現(xiàn)全I幀配置，在不同量化參數(shù)QP（QP=22,27,32,37）下進行測試。

測試中，通過碼率BitRate、峰值信噪比PSNR、編碼時間T的變化情況分析算法的性能。編碼性能由BD-Rate和BD-PSNR[21]來度量，編碼時間的增減百分比ΔT用來度量編碼復雜度的減少情況，計算如下：

表4給出了本文算法及參考文獻[10]算法與HM原有算法在編碼效率和計算復雜度方面的比較結(jié)果，正數(shù)表示增加，負數(shù)表示減少。可以看出，本文算法較HM原有算法平均節(jié)約20%以上的編碼時間，而比特率平均僅增加0.84%，PSNR平均下降僅0.04 dB，編碼性能下降微乎其微。特別地，對于序列Kimono1和BQSquare，編碼時間減少得最多，可以節(jié)約30%以上，同時性能下降也很小。與參考文獻[10]相比，本文算法能夠在降低相近的編碼時間的同時，保證編碼性能下降得也很小，因此本文算法優(yōu)于參考文獻[10]算法。以上數(shù)據(jù)及分析說明了本文算法能夠保證在編碼性能下降很小的情況下，減少編碼時間，降低編碼復雜度。

圖6 CTU劃分深度范圍估計算法流程

圖7 塊劃分快速算法總體流程

表4 本文算法及參考文獻[10]算法與HM13.0的性能比較

6 結(jié)束語

本文基于空間相關性及紋理復雜度提出了一種HEVC塊劃分快速算法，該算法應用于CTU塊劃分過程中。在CTU進行劃分前，通過邊緣檢測方法分析當前待編碼CTU與鄰近已編碼CTU的紋理差異，若差異明顯，則采用原有劃分范圍0～3進行編碼計算；若差異不明顯，則利用鄰近CTU的劃分范圍估計得到當前待編碼CTU的MPDR，并利用MPDR進行編碼計算。在CU劃分過程中，在每個CU編碼之前，通過比較像素方差與閾值來分析該CU的紋理復雜程度，并判斷是否可以跳過該深度塊的編碼計算而直接劃分。仿真結(jié)果表明，與HM13.0原有算法相比，本文算法能夠保證在編碼性能幾乎不變的情況下，將編碼時間減少20%以上。

參考文獻

1 ISO/IEC JTC1/SC29/WG11/N11113.ITU-T Q6/16 Visual Coding and ISO/IEC JTC1/SC29/WG11 Coding of Moving Pictures and Audio.Joint Call for Proposals on Video Compression Technology,2010

2 Sullivan G J,Ohm J,Han W J,et al.Overview of the high efficiency video coding(HEVC)standard.IEEE Transactions on Circuits and Systems for Video Technology,2012,22(12):1649～1668

3 Piao Y,Min J,Chen J.Encoder Improvement of Unified Intra Prediction.JCTVC-C207,2010

4 Zhao L,Zhang L,Ma S,et al.Fast mode decision algorithm for intra prediction in HEVC.Proceedings of IEEE Visual Communications and Image Processing(VCIP),Taiwan,China,2011:1～4

5 Jiang W,Ma H,Chen Y.Gradient based fast mode decision algorithm for intra prediction in HEVC.Proceedings of the 2nd International Conference on Consumer Electronics,Communications and Networks(CECNet),Three Gorges,China,2012:1836～1840

6 Chen G,Pei Z,Sun L,et al.Fast intra prediction for HEVC based on pixel gradient statistics and mode refinement.Proceedings of IEEE China Summit and International Conference on Signal and Information Processing(ChinaSIP),Beijing,China,2013:514～517

7 Chen G,Liu Z,Ikenaga T,et al.Fast HEVC intra mode decision using matching edge detector and kernel density estimation alike histogram generation.Proceedings of IEEE International Symposium on Circuits and Systems(ISCAS),Beijing,China,2013:53～56

8 Da Silva T L,Agostini L V,Da Silva Cruz L A.Fast HEVC intra prediction mode decision based on EDGE direction information.Proceedings of the 20th European Signal Processing Conference(EUSIPCO),Bucharest,Romania,2012:1214～1218

9 Fang C M,Chang Y T,Chung W H.Fast intra mode decision for HEVC based on direction energy distribution.Proceedings of IEEE 17th International Symposium on Consumer Electronics(ISCE),Taiwan,China,2013:61～62

10 Shen L,Zhang Z,An P.Fast CU size decision and mode decision algorithm for HEVC intra coding.IEEE Transactions on Consumer Electronics,2013,59(1):207～213

11 晏軻,滕國偉,胡錦雯等.一種基于時空相關性的編碼單元深度快速分級判決算法.光電子·激光,2014,25(1):156～162 Yan K,Teng G W,Hu J W,et al.A rapid classification decision algorithm on CU depth based on temporal-spatial correlation.Journal of Optoelectronics·Laser,2014,25(1):156～162

12 李維,張和仙,楊付正.高效率視頻編碼快速模式判決算法.西安交通大學學報,2013,47(8):104～109 Li W,Zhang H X,Yang F Z.A fast mode decision algorithm for high efficiency video coding.Journal of Xi'an Jiaotong University,2013,47(8):104～109

13 Kim J,Choe Y,Kim Y G.Fast coding unit size decision algorithm for intra coding in HEVC.Proceedings of IEEE International Conference on Consumer Electronics(ICCE),Las Vegas,NV,United States,2013:637～638

14 Cho S,Kim M.Fast CU splitting and pruning for suboptimal CU partitioning in HEVC intra coding.IEEE Transactions on Circuits and Systems for Video Technology,2013,23(9):1555～1564

15 Ma S,Wang S,Wang S,et al.Low complexity rate distortion optimization for HEVC.Proceedings of 2013 Data Compression Conference(DCC),Snowbird,UT,United States,2013:73～82

16 蔣潔,郭寶龍,莫瑋等.利用平滑區(qū)域檢測的HEVC幀內(nèi)編碼快速算法.西安電子科技大學學報,2013(3)Jiang J,Guo B L,Mo W,et al.Fast intra coding algorithm using smooth region detection for HEVC.Journal of Xidian University,2013(3)

17 Khan M U K,Shafique M,Henkel J.An adaptive complexity reduction scheme with fast prediction unit decision for HEVC intra encoding.Proceedings of the 20th IEEE International Conference on Image Processing(ICIP),Melbourne,VIC,Australia,2013:1578～1582

18 Tsai A C,Wang J F,Lin W G,et al.A simple and robust direction detection algorithm for fast H.264 intra prediction.Proceedings of IEEE International Conference on Multimedia and Expo(ICME),Beijing,China,2007:1587～1590

19 Tian G,Goto S.Content adaptive prediction unit size decision algorithm for HEVC intra coding.Proceedings of the 29th Picture Coding Symposium(PCS),Krakow,Poland,2012:405～408

20 McCann K,Bross B,Han W J,et al.JCTVC-O1002 High Efficiency Video Coding(HEVC)Test Model 13(HM 13)Encoder Description.JCT-VC,Tech Rep,2014