王 林, 贠境孺

(西安理工大學(xué) 自動(dòng)化與信息工程學(xué)院,西安 710048)

H.264/AVC[1]是國(guó)際電信聯(lián)盟ITU-T的視頻編碼專家組VCEG和國(guó)際標(biāo)準(zhǔn)化組織ISO/IEC的運(yùn)動(dòng)圖像專家組MPEG聯(lián)合制定的新一代視頻編碼標(biāo)準(zhǔn). 為了提高編碼效率,H.264采用了許多新的編碼技術(shù),其中幀內(nèi)預(yù)測(cè)編碼是消除空間冗余的關(guān)鍵技術(shù). 幀內(nèi)預(yù)測(cè)編碼中引入率失真優(yōu)化(Rate Distortion Optimization,RDO)[1]技術(shù)求最優(yōu)預(yù)測(cè)模式,有效地降低了空間冗余,但為了得到一個(gè)最優(yōu)幀內(nèi)預(yù)測(cè)模式需要計(jì)算592種[2]組合模式的代價(jià)函數(shù),大幅度增加了編碼時(shí)間和計(jì)算復(fù)雜度. 因此,研究一種快速幀內(nèi)預(yù)測(cè)模式選擇算法替代原有復(fù)雜算法成為研究的重點(diǎn)方向. 針對(duì)幀內(nèi)預(yù)測(cè)模式選擇算法計(jì)算復(fù)雜度降低問題,國(guó)內(nèi)外學(xué)者主要進(jìn)行了兩方面的研究：一是通過簡(jiǎn)化代價(jià)函數(shù); 二是通過減少候選模式數(shù)量. Pan等人[3]最早用Sobel算子對(duì)當(dāng)前待編碼塊每個(gè)點(diǎn)進(jìn)行邊緣矢量強(qiáng)度計(jì)算,根據(jù)邊緣方向直方圖的特點(diǎn),確定候選模式,降低了的編碼時(shí)間,但該算法需要對(duì)當(dāng)前塊中所有像素點(diǎn)的邊緣方向矢量進(jìn)行計(jì)算,計(jì)算復(fù)雜度仍然很高. Manuel等人[4]為了減少梯度計(jì)算數(shù)量使用Roberts算子代替Pan算法中的Sobel算子,編碼時(shí)間比Pan算法平均減少了22.32%,但Roberts算子對(duì)斜向邊緣提取效果較差,容易忽略少量邊緣信息. Tsai等人[5]運(yùn)用像素梯度檢測(cè)預(yù)測(cè)方向的邊緣強(qiáng)度提出了一個(gè)模式過濾算法,取得編碼性能和計(jì)算復(fù)雜度之間的平衡. Joohyeok Kim等人[6]提出了一種基于絕對(duì)誤差和(SATD)的快速幀內(nèi)預(yù)測(cè)模式選擇算法,實(shí)驗(yàn)結(jié)果表明在碼率和峰值信噪比允許范圍內(nèi)減少了大約70%編碼時(shí)間. Wang等人[7]計(jì)算幀內(nèi)預(yù)測(cè)模式中四個(gè)主要預(yù)測(cè)方向(水平、垂直、45°和135°)的梯度強(qiáng)度,然后選擇最小的梯度強(qiáng)度及鄰近的預(yù)測(cè)模式,獲得最佳預(yù)測(cè)模式. 楊軍等人[8]提出了一種基于MAD值的自適應(yīng)閾值快速幀內(nèi)預(yù)測(cè)算法,先對(duì)宏塊周圍像素使用絕對(duì)誤差(MAD)進(jìn)行預(yù)判,雖然該算法編碼效率不是很高,但與其它幀內(nèi)預(yù)測(cè)模式選擇快速算法結(jié)合使用可以取得較好效果. 宋云等人[9]提出一種基于方向梯度的幀內(nèi)預(yù)測(cè)模式選擇算法,使用參考像素與當(dāng)前塊之間的方向梯度檢測(cè)出預(yù)測(cè)方向與邊緣強(qiáng)度,優(yōu)先篩選部分方向梯度較大的預(yù)測(cè)模式,實(shí)驗(yàn)結(jié)果減少了50%的編碼時(shí)間,碼率上升1.477%. 王欣欣等人[10]針對(duì)Pan算法中存在的缺陷加以改進(jìn),并與中心8×8塊邊界信息判定算法相結(jié)合,最大編碼時(shí)間減少最大超過40%,但中心8×8塊邊界信息采用的像素過多,存在計(jì)算誤差. Kau等人[11,12]針對(duì)Sobel算子存在像素使用多問題,提出一種新的邊緣檢測(cè)算子三點(diǎn)梯度算子,邊緣檢測(cè)率比Sobel算子高很多. Bhimani等人[13,14]針對(duì)預(yù)測(cè)應(yīng)用程序視頻運(yùn)行需要高性能并行計(jì)算提出了FIM方法,采用兩種模型馬爾科夫模型和機(jī)器學(xué)習(xí)模型來提高迭代計(jì)算時(shí)間和多級(jí)的數(shù)據(jù)處理,為大規(guī)模視頻處理減少更多的運(yùn)行時(shí)間.

雖然上述研究對(duì)幀內(nèi)預(yù)測(cè)模式選擇計(jì)算復(fù)雜度降低具有一定貢獻(xiàn),但是研究的焦點(diǎn)一直圍繞如何提高某一宏塊的編碼效率,只是對(duì)當(dāng)前編碼塊內(nèi)進(jìn)行方向與邊緣強(qiáng)度進(jìn)行預(yù)測(cè)模式的篩選,通過改進(jìn)算法篩選出最有可能的幾個(gè)預(yù)測(cè)模式,再進(jìn)行率失真優(yōu)化計(jì)算,得到最佳預(yù)測(cè)模式,沒有充分考慮到H.264幀內(nèi)預(yù)測(cè)中Intra_4×4、Intra_16×16宏塊類型與QP量化參數(shù)之間的關(guān)系. 本文為了提高預(yù)判準(zhǔn)確度提出了一種基于宏塊預(yù)判的快速幀內(nèi)預(yù)測(cè)模式選擇組合算法,先根據(jù)MAD值[8]與QP結(jié)合定義閾值判斷宏塊的類型,然后采用三點(diǎn)梯度算子[11]使用較少的像素求梯度矢量,進(jìn)而得到邊緣方向,最后通過邊緣方向與預(yù)測(cè)模式方向的關(guān)系對(duì)宏塊進(jìn)行預(yù)測(cè),篩選出最佳的預(yù)測(cè)模式.

1 相關(guān)理論與算法

1.1 H.264幀內(nèi)預(yù)測(cè)編碼

H.264幀內(nèi)預(yù)測(cè)編碼利用相鄰像素的相關(guān)性,通過當(dāng)前宏塊的上邊和左邊相鄰的像素進(jìn)行預(yù)測(cè),對(duì)實(shí)際值和預(yù)測(cè)值的差值進(jìn)行變換、量化、熵編碼,以消除空間冗余達(dá)到壓縮目的[1,3]. 編碼以宏塊單位,分為亮度塊預(yù)測(cè)和色度塊預(yù)測(cè)兩部分. 亮度塊預(yù)測(cè)包括9種4×4預(yù)測(cè)模式(4×4預(yù)測(cè)模式)和4種16×16塊的預(yù)測(cè)模式(16×16預(yù)測(cè)模式),色度塊預(yù)測(cè)包含4種8×8預(yù)測(cè)模式. 圖1(a)中的a～p的值可用相鄰塊的A～M來預(yù)測(cè),其中,a～p表示當(dāng)前需要預(yù)測(cè)的像素,A～M表示已編碼并進(jìn)行重建的像素. 圖1(b)是Intra_4×4預(yù)測(cè)模式及方向示意圖,包括8種方向的預(yù)測(cè)模式和DC模式.對(duì)于亮度16×16塊和色度8×8塊僅支持垂直、水平、直流和平面模式. 圖2的4個(gè)子圖分別表示Intra_16×16四種預(yù)測(cè)模式.

圖1 4×4亮度預(yù)測(cè)

1.2 幀內(nèi)預(yù)測(cè)模式選擇

H.264JM8.6[15]模型中對(duì)幀內(nèi)預(yù)測(cè)模式選擇運(yùn)用全搜索 (Full Search,FS)算法[1]. 采用率失真優(yōu)化(Rate Distortion Optimization,RDO)策略進(jìn)行最優(yōu)化編碼模式選擇,通過遍歷所有可能的編碼模式,最后選擇最小率失真代價(jià)模式作為最佳幀內(nèi)預(yù)測(cè)模式.

圖2 16×16亮度預(yù)測(cè)

其中SSD表示原始?jí)K與重建塊的均方差值(Sum of Squared Differences,SSD);lmode=0.85×2(QP-12)/3表示拉格朗日算子(QP為量化參數(shù));R表示熵編碼后的比特率. H.264在基本檔次下,以色度模式為外循環(huán),依次掃描亮度的所有模式,每一個(gè)宏塊需要進(jìn)行M8×(M4×16+M16)=592次RDO計(jì)算才能得到最優(yōu)的預(yù)測(cè)模式,其中M8、M4、M16分別代表8×8塊、4×4塊和16×16塊的預(yù)測(cè)模式個(gè)數(shù),可見獲得最優(yōu)的幀內(nèi)預(yù)測(cè)模式的計(jì)算量非常大[2].

2 幀內(nèi)預(yù)測(cè)模式選擇組合算法

2.1 基于MAD值與QP結(jié)合的宏塊預(yù)判算法

H.264幀內(nèi)預(yù)測(cè)標(biāo)準(zhǔn)中指出,Intra_16×16模式適用于平坦區(qū)域圖像編碼,Intra_4×4模式適用于有大量細(xì)節(jié)的圖像編碼[1]. 如果能提前判斷出宏塊編碼類型,就可以對(duì)預(yù)測(cè)宏塊只進(jìn)行一種方式的搜索. 經(jīng)過對(duì)6個(gè)不同30幀視頻序列在全搜素算法編碼下的測(cè)試,得到6個(gè)視頻序列采用不同編碼類型的匯總. 表1是6個(gè)視頻序列兩種類型中DC模式所占比例; 表2是幀內(nèi)預(yù)測(cè)宏塊類型數(shù)量統(tǒng)計(jì),可以看出Intra_4×4編碼類型平均占82.7%,Intra_16×16編碼類型平均占17.3%,所以提前判斷宏塊類型很有必要. 本算法主要是選取何種圖像特征來表示宏塊類型. 目前表征圖像宏塊平坦程度方法主要有計(jì)算交流系數(shù)AC與直流系數(shù)DC的比值[16]、圖像的信息熵[16]、二維直方圖[17]、相鄰像素差值[2]、MAD值[8]. 交流系數(shù)與直流系數(shù)的比值和信息熵在某些情況下不能準(zhǔn)確表示圖像的平滑程度[16]; 直方圖統(tǒng)計(jì)圖像中各個(gè)像素灰度值出現(xiàn)的次數(shù)和頻率,計(jì)算比較復(fù)雜; 由于基于相鄰像素差值只考慮水平和垂直像素的差值存在一定誤差; 而MAD值計(jì)算只涉及到簡(jiǎn)單的加法、絕對(duì)值和移位操作,計(jì)算復(fù)雜度上相對(duì)較小.

如果MAD值偏小,則圖像細(xì)節(jié)平坦; 如果MAD值偏大,則圖像細(xì)節(jié)豐富. 使用碼流分析工具H264Visa對(duì)全搜索算法編碼得到的碼流進(jìn)行模式分析,圖3表示原始視頻第一幀,圖4表示運(yùn)用JM8.6模型編碼后宏塊類型選擇(小方格表示采用Intra_4×4,大方格表示采用Intra_16×16),可以看出不同宏塊使用的是不同的編碼方式,小方格區(qū)域圖像細(xì)節(jié)豐富,大方格區(qū)域圖像細(xì)節(jié)較為平坦.

圖3 原始視頻序列第一幀

圖4 編碼后宏塊類型選擇

MAD值是指宏塊中每個(gè)像素值相對(duì)均值的離差絕對(duì)值的平均值,預(yù)測(cè)點(diǎn)像素與宏塊中所有像素的平均值的絕對(duì)值.

其中,p(x,y)是坐標(biāo)為(x,y)處的像素值,Mean是此宏塊所有像素的平均值

表1 6個(gè)30幀視頻序列DC預(yù)測(cè)模式比例(單位：%)

表2 幀內(nèi)預(yù)測(cè)宏塊類型數(shù)量統(tǒng)計(jì)

為解決宏塊預(yù)判不夠精確通過設(shè)置動(dòng)態(tài)閾值T1、T2決定宏塊采用Intra_4×4亮度塊類型,還是采用Intra_16×16亮度塊類型,不在閾值范圍內(nèi)的宏塊使用全搜索算法. 從表2可以看出QP值對(duì)宏塊類型有很大的影響. QP越小,編碼宏塊使用Intra_4×4類型越多.為了使預(yù)判更準(zhǔn)確,動(dòng)態(tài)閾值的設(shè)定與QP有關(guān),隨QP值得變化而變化. 通過大量仿真實(shí)驗(yàn),得出QP下的動(dòng)態(tài)閾值如式(4).

表3是QP=28時(shí)對(duì)預(yù)判宏塊的準(zhǔn)確度統(tǒng)計(jì),可以看出6個(gè)視頻序列在Intra_4×4、Intra_16×16的宏塊選擇中基本誤差很小,最高的誤判是Foreman視頻序列在Intra_16×16宏塊類型選擇時(shí)達(dá)到10.6%,序列的宏塊類型誤判符合誤差范圍,以上可以說明預(yù)判算法與QP值的結(jié)合是必要的. 表4是基于MAD值的宏塊預(yù)判算法與JM8.6全搜索算法的性能比較,可以看出碼率(Bit Rate)和峰值信噪比(PSNR)的變化都比較小,但是編碼時(shí)間平均下降了11.23%.

2.2 Pan算法

Pan算法[3]的基本思想是在H.264幀內(nèi)預(yù)測(cè)編碼中,沿局部邊緣方向的像素具有相似的亮度值,并且大部分的預(yù)測(cè)模式都是基于方向性的模式,即得到某一方向?qū)?yīng)的預(yù)測(cè)模式,證明該塊的方向具有該模式對(duì)應(yīng)的方向. Pan利用Sobel算子提取邊緣方向信息,利用每個(gè)像素的邊緣方向直方圖來得到當(dāng)前編碼塊方向的統(tǒng)計(jì)特性. 對(duì)于Intra_4×4亮度塊的8種方向性的預(yù)測(cè)模式,用二分法將預(yù)測(cè)方向圖劃分成8個(gè)幀內(nèi)預(yù)測(cè)模式選擇區(qū)間,確定每個(gè)像素的邊緣方向矢量所處的預(yù)測(cè)區(qū)間,根據(jù)預(yù)測(cè)區(qū)間判斷預(yù)測(cè)模式.

表3 QP = 28時(shí)誤判宏塊統(tǒng)計(jì)(單位：%)

表4 基于MAD值的宏塊預(yù)判算法與全搜索算法的性能比較

2.2.1 建立邊緣方向圖

Pan算法[2,3]中利用Sobel算子獲得邊緣方向信息,Sobel算子是常用的邊緣檢測(cè)算子,有兩個(gè)分別反映垂直方向變化程度和反映水平方向變化程度的卷積核.原始視頻幀序列分別與Sobel算子的兩個(gè)卷積核卷積后,得到第i行第j列像素pi,j相應(yīng)的邊緣矢量：

dxi,j和dyi,j分別表示垂直和水平的變化強(qiáng)度,定義如下：

邊緣矢量強(qiáng)度為：

邊緣矢量的方向：

2.2.2 建立預(yù)測(cè)模式直方圖

3 改進(jìn)的Pan算法

Pan算法[3]利用邊緣方向直方圖篩選出可能性較小的候選模式,大大減少計(jì)算量,但在Pan算法中使用的Sobel算子使用周圍像素較多以及在任何情況下都將DC模式作為候選模式之一,從表1可以看出DC模式在不同編碼類型中作為候選模式的比例不同. 針對(duì)以上缺陷提出以下改進(jìn)方法.

3.1 減少周圍像素計(jì)算

Pan算法利用Sobel算子求邊緣矢量,使用3×3卷積模板時(shí)使用周圍像素至少6個(gè),計(jì)算量較大. 采用三點(diǎn)梯度算子[11],只使用4個(gè)相鄰像素中的3個(gè)像素得到預(yù)測(cè)像素的梯度矢量和邊緣方向. 圖5是像素x周圍的3個(gè)像素,也就是邊緣檢測(cè)時(shí)使用的像素. 三點(diǎn)梯度算子示意圖如圖6所示,其中待求像素為x和周圍像素a,b,c,虛線部分表示邊緣方向,實(shí)線表示梯度矢量.

圖5 邊緣檢測(cè)時(shí)使用像素

圖6 三點(diǎn)梯度算子示意圖

三點(diǎn)梯度算子：定義圖像幀f的梯度

對(duì)角像素差：

梯度矢量：

3.2 DC模式選擇

Pan算法在任何情況下都計(jì)算DC模式的率失真代價(jià)值,為了降低計(jì)算復(fù)雜度,設(shè)定DC模式的選擇依據(jù),判斷是否采用DC模式[12].

DC模式的選擇依據(jù)：

判斷條件：

則將DC模式作為候選模式. 其中s24×4表示像素方差,即圖1中12個(gè)像素A-L的平均值與待求像素的方差.θ4×4表示設(shè)定的閾值,Qstep表示量化步長(zhǎng),而量化參數(shù)是量化步長(zhǎng)的編號(hào),可以通過查表得到.

3.3 基于宏塊預(yù)判快速幀內(nèi)預(yù)測(cè)模式組合算法的具體描述

宏塊預(yù)判算法與改進(jìn)Pan算法的組合算法步驟如下：

1) 編碼某I幀前,先獲得視頻序列的第一幀,利用公式(2)得到各個(gè)宏塊的MAD值;

2) 設(shè)置不同QP值,獲得多個(gè)視頻序列中各個(gè)宏塊的MAD值,通過仿真實(shí)驗(yàn)得到公式(4)閾值,根據(jù)閾值來判斷新的編碼視頻序列宏塊類型. 如果能判斷出則不需要遍歷兩種編碼類型,否則使用全搜索算法來計(jì)算;

3) 通過公式(14)(15)DC模式的判斷依據(jù),判斷DC模式是否作為候選模式之一,如果滿足條件DC模式可以作為候選模式;

4) 在1)、2)步預(yù)判算法的基礎(chǔ)上,采用改進(jìn)Pan算法中三點(diǎn)梯度算子計(jì)算待求宏塊像素的梯度矢量,進(jìn)而得到邊緣方向,根據(jù)邊緣方向得到預(yù)測(cè)模式,通過預(yù)測(cè)宏塊中具有相同的預(yù)測(cè)模式的像素點(diǎn)的個(gè)數(shù)求和來確定預(yù)測(cè)模式直方圖. 最后通過預(yù)測(cè)模式直方圖得到更小范圍的候選預(yù)測(cè)模式;

5) 在4)得到的候選預(yù)測(cè)模式與3)判斷DC模式兩者結(jié)合得到候選模式之后,再通過率失真優(yōu)化 (RDO)來計(jì)算得編碼塊最優(yōu)的預(yù)測(cè)模式.

4 實(shí)驗(yàn)結(jié)果

為了驗(yàn)證本文組合算法的有效性,將本文算法分別與JM8.6標(biāo)準(zhǔn)算法以及Pan算法,在編碼時(shí)間、輸出碼率和峰值信噪比3個(gè)方面進(jìn)行比較. 實(shí)驗(yàn)的硬件環(huán)境：CPU 2.6 GHz、內(nèi)存4 GB、Windows7 64位操作系統(tǒng); 軟件環(huán)境：VC++ 6.0,JM8.6模型; 參數(shù)設(shè)置：基本檔次(baseline)、全I(xiàn)幀編碼、6個(gè)不同運(yùn)動(dòng)特性的QCIF格式視頻測(cè)試序列(Bus,Claire,Foreman,Carphone,Suzie,News),在不同量化參數(shù)QP下對(duì)每個(gè)視頻序列取前30幀進(jìn)行編碼.

(1) 評(píng)價(jià)指標(biāo)

其中,峰值信噪比PSNR單位為dB,時(shí)間Time單位為s,碼率Bit rate單位為kbit/s.

(2) 實(shí)驗(yàn)結(jié)果用3個(gè)部分表示

① 3種算法之間性能比較見表5、表6. 由表5和表6可見,組合算法比全搜索算法、Pan算法編碼時(shí)間下降很多,平均降低分別是72.4%、28.6%; 以碼率升高作為代價(jià),比全搜索算法、Pan算法碼率分別升高4.21%、1.8%.

② 圖7、圖8分別是Claire和News序列在3種算法下的性能對(duì)比圖; 圖7、圖8的子圖(a)是率失真對(duì)比圖,(b)是編碼時(shí)間對(duì)比圖. 從圖7(a)、(b)及圖8(a)、(b) 可以看出Claire 、News視頻序列分別在3種算法編碼下得到的率失真對(duì)比,三者之間的誤差較小,可以忽略影; 而編碼時(shí)間的變化,組合算法明顯優(yōu)于其他單個(gè)算法,大幅度降低.

表5 組合算法與全搜索算法的性能比較

表6 組合算法與Pan算法的性能比較

③ 圖9、圖10分別是Claire和News視頻序列在不同算法下解碼的主觀質(zhì)量圖; 圖9、圖10的子圖(a)、(b)、(c)分別是JM8.6、Pan算法以及組合算法下的圖. 從圖9和圖10可以看出3種算法下的視頻幀主觀質(zhì)量相差很小. 綜上編碼時(shí)間可以衡量算法的復(fù)雜度,在碼率稍高情況下,組合算法比單個(gè)算法有效,大幅度降低計(jì)算復(fù)雜度,減少編碼時(shí)間.

圖7 Claire視頻序列在三種不同算法下的性能對(duì)比圖

圖8 New視頻序列在三種不同算法下的性能對(duì)比圖

圖9 三種不同算法下Claire視頻幀對(duì)比圖

圖10 三種不同算法下的News視頻幀對(duì)比圖

5 結(jié)語

本文針對(duì)幀內(nèi)預(yù)測(cè)模式選擇部分計(jì)算復(fù)雜度問題以及現(xiàn)有快速幀內(nèi)預(yù)測(cè)模式選擇算法中Pan算法中Sobel算子存在的缺點(diǎn),找到一種更有效的快速幀內(nèi)預(yù)測(cè)模式組合算法. 提出了考慮QP變化的MAD宏塊預(yù)判算法與三點(diǎn)梯度算子相結(jié)合的幀內(nèi)預(yù)測(cè)模式選擇算法,避免了遍歷所有模式. 通過實(shí)驗(yàn)可以得到：在視頻幀主觀質(zhì)量基本不變,碼率稍增高的情況下,可以大幅度降低計(jì)算復(fù)雜度,減少編碼時(shí)間.

1 畢厚杰,王健. 新一代視頻壓縮編碼標(biāo)準(zhǔn)——H.264/AVC.2版. 北京：人民郵電出版社,2009.

2王慧,常建平. 改進(jìn)的H.264快速幀內(nèi)預(yù)測(cè)模式選擇算法.計(jì)算機(jī)工程,2008,34(19)：228-229. [doi：10.3969/j.issn.1000-3428.2008.19.077]

3 Pan F,Lin X,Rahardja S,et al. Fast mode decision algorithm for intraprediction in H.264/AVC video coding. IEEE Transactions on Circuits and Systems for Video Technology,2005,15(7)：813-822. [doi：10.1109/TCSVT.2005.848356]

4 De-Frutos-López M,Orellana-Quirós D,Pujol-Alcolado JC,et al. An improved fast mode decision algorithm for intraprediction in H.264/AVC video coding. Signal Processing：Image Communication,2010,25(10)：709-716.[doi：10.1016/j.image.2010.10.005]

5 Tsai AC,Paul A,Wang JC,et al. Intensity gradient technique for efficient intra-prediction in H.264/AVC. IEEE Transactions on Circuits and Systems for Video Technology,2008,18(5)：694-698. [doi：10.1109/TCSVT.2008.919113]

6 Kim J,Jeong J. Fast intra mode decision algorithm using the sum of absolute transformed differences. Proceedings of 2011 International Conference on Digital Image Computing Techniques and Applications. Noosa,QLD,Australia. 2011.655-659.

7 Wang JC,Wang JF,Yang JF,et al. A fast mode decision algorithm and its VLSI design for H.264/AVC intraprediction. IEEE Transactions on Circuits and Systems for Video Technology,2007,17(10)：1414-1422. [doi：10.1109/TCSVT.2007.903786]

8 楊軍,龔聲蓉,劉純平. 自適應(yīng)閾值的宏塊MAD快速幀內(nèi)算法. 計(jì)算機(jī)工程與應(yīng)用,2009,45(34)：189-191.

9 宋云,沈燕飛,龍際珍,等. 基于方向梯度的H.264幀內(nèi)預(yù)測(cè)模式選擇算法. 計(jì)算機(jī)學(xué)報(bào),2013,36(8)：1757-1764.

10 王欣欣,陸中成,程欣欣. H.264/AVC標(biāo)準(zhǔn)中幀內(nèi)預(yù)測(cè)宏塊模式選擇的優(yōu)化. 計(jì)算機(jī)工程與應(yīng)用,2011,47(16)：182-184. [doi：10.3778/j.issn.1002-8331.2011.16.055]

11 Kau LJ,Chen CS. A low complexity dual mode edge detector. Proceedings of 2011 Visual Communications and Image Processing (VCIP). Tainan,China. 2011. 1-4.

12 Kau LJ,Leng JW. A gradient intensity-adapted algorithm for the fast decision of H.264/AVC intra-prediction modes.Proceedings of 2013 IEEE Workshop on Signal Processing Systems (SiPS). Taipei City,Taiwan,China. 2013. 272-277.

13 Bhimani J,Mi NF,Leeser M,et al. FiM：Performance prediction for parallel computation in iterative data processing applications. Proceedings of the 2017 IEEE 10th International Conference on Cloud Computing (CLOUD).Honolulu,HI,USA. 2017. 359-366.

14 Bhimani J,Leeser M,Mi NF. Accelerating K-means clustering with parallel implementations and GPU computing. Proceedings of 2015 IEEE High Performance Extreme Computing Conference (HPEC). Waltham,MA,USA. 2015. 1-6.

15 劉佳,董金明. 一種新的H.264/AVC快速幀內(nèi)預(yù)測(cè)模式選擇判決算法. 電子與信息學(xué)報(bào),2009,31(5)：1072-1076.

16 謝晶,賈克斌. 一種基于二維直方圖的H.264/AVC快速幀內(nèi)預(yù)測(cè)判決算法. 電子與信息學(xué)報(bào),2005,27(7)：1053-1057.

17 Joint Video Team. H.264/AVC Reference Software JM8.6.http：//iphome.hhi.de/suehring/tml/download/old_jm/jm8.6.zi p. 2004-09.