郭紅偉，朱策，楊栩，羅雷,3

（1.紅河學院工學院，云南 蒙自 661100；2.電子科技大學信息與通信工程學院，四川 成都 611731；3.重慶郵電大學通信與信息工程學院，重慶 400065；4.成都師范學院物理與工程技術學院，四川 成都 611130）

0 引言

隨著互聯(lián)網(wǎng)和多媒體信息處理技術的發(fā)展，視頻數(shù)據(jù)量呈爆發(fā)式增長。為了降低視頻存儲和傳輸成本，近30 年來，工業(yè)界聯(lián)合學術界推出了多個視頻編碼標準，例如，高級視頻編碼（AVC,advanced video coding）H.264/AVC[1]、高效視頻編碼（HEVC,high efficiency video coding）H.265/ HEVC[2]和通用視頻編碼（VVC,versatile video coding）H.266/VVC[3]等。數(shù)字視頻中包含空間、時間、視覺和信息熵等多種信息冗余，為了去除上述冗余實現(xiàn)高效數(shù)據(jù)壓縮，當前視頻編碼標準采用基于塊的混合編碼框架，包括預測、變換、量化和熵編碼等模塊。視頻編碼過程中，輸入視頻序列被分級劃分為許多子任務，例如，圖像組（GoP,group of picture）、編碼幀和基本編碼單元。H.264 中的基本編碼單元是宏塊（MB,macro block），HEVC 和VVC 中的基本編碼單元是編碼樹單元（CTU,coding tree unit）。在各種標準的視頻編碼器中，采用基于拉格朗日乘子的率失真優(yōu)化（RDO,rate-distortion optimization）方法為一個基本編碼單元選擇最佳編碼模式以達到最優(yōu)的率失真性能。

為了進一步提升編碼器率失真性能，近年來一些文獻研究視頻編碼過程中的率失真依賴關系，提出多種依賴RDO 方法。針對H.264 幀內編碼，文獻[4]通過調整4×4 像素塊的率失真代價運算方式改善下邊界和右邊界像素的編碼質量，一定程度地改善了編碼性能。針對HEVC 編碼器，文獻[5]通過分析幀內預測時編碼單元之間的模式選擇空域依賴性，提出對垂直方向上的2 個編碼單元進行聯(lián)合優(yōu)化，該方法以增加數(shù)倍編碼運算復雜度為代價實現(xiàn)了大約0.7%的率失真性能提升。文獻[6]對文獻[5]方法進行了降低復雜度優(yōu)化，使運算復雜度降低到原始HEVC 編碼器的同時提升率失真性能。優(yōu)化幀內預測編碼帶來的壓縮性能提升有限，而且相應的運算復雜度增加較大，因此針對空域依賴RDO 的方法相對較少。

針對HEVC 的分級固定量化參數(shù)（QP,quantization parameter）設置，文獻[7-10]提出了低時延編碼配置下的自適應QP 級聯(lián)（QPC,QP cascading）方法，其根據(jù)視頻內容變化動態(tài)地設置編碼幀的QP。類似地，文獻[11-13]提出隨機接入配置下的QPC 方法。這些方法根據(jù)幀間率失真依賴關系自適應調整GoP 中視頻幀的編碼QP，然后一幀內所有CTU 均采用相同的QP 進行編碼。文獻[14]采用原始視頻幀作為參考，通過預編碼估算時域失真?zhèn)鞑?，提出CTU 級的自適應QP 設置，獲得了比幀級QPC 方法更高的率失真性能。

文獻[15]通過分析信源失真在H.264 視頻編碼中的時域傳播，建立信源失真時域擴散模型，自適應地調節(jié)MB 的拉格朗日乘子，獲得了非常顯著的率失真性能提升。文獻[16]和文獻[17]把上述信源失真時域擴散模型擴展到HEVC 的低時延和隨機接入編碼結構，同樣提升了率失真性能。文獻[18]在高碼率條件假設下認為參考像素的編碼失真不影響后續(xù)編碼單元的失真而是影響碼率，通過考慮當前編碼單元失真對后續(xù)編碼單元碼率的增量，提出自適應拉格朗日乘子和QP 選擇方法。上述方法均需要緩存后續(xù)待編碼幀以建立時域傳播鏈。文獻[19]提出只考慮失真直接傳播的自適應拉格朗日乘子選擇方法，其不需要緩存后續(xù)待編碼幀，但率失真性能低于文獻[16]方法。此外，文獻[20-22]把率失真依賴關系應用到HEVC 碼率控制[23]的幀級和CTU 級最優(yōu)比特分配，改善了碼率控制下的率失真性能。針對HEVC 碼率控制方法感知率失真性能較低的問題，文獻[24]提出了一種視頻主觀觀測實驗啟發(fā)的感知幀內碼率控制方法。

不同于上述基于預分析的自適應QPC 或自適應拉格朗日乘子選擇算法，本文提出一種基于失真反向傳播模型的時域依賴RDO 算法，該算法在編碼當前幀時不需要緩存后續(xù)待編碼幀。本文的主要研究工作如下。

1) 根據(jù)指數(shù)形式率失真函數(shù)，推導出時域失真?zhèn)鞑ヒ蜃涌杀硎緸榫幋a失真除以運動補償預測誤差。為避免緩存后續(xù)幀進行預分析，采用失真反向傳播模型近似真實的失真前向傳播。解決了編碼塊時域傳播因子估算問題。

2) 分析了HEVC 低時延分級編碼結構下的QP和拉格朗日乘子設置，根據(jù)16×16 像素塊的時域傳播因子確定CTU 的權重系數(shù)，結合幀級拉格朗日乘子確定自適應的CTU 級拉格朗日乘子和QP，實現(xiàn)編碼比特資源分配優(yōu)化。

3) 實驗結果表明，在低時延B 幀（LDB,low delay B-frame）和低時延P 幀（LDP,low delay P-frame）編碼器配置下，相比于HEVC 基準編碼器，本文算法分別獲得了平均4.4%、4.3%和最高13.0%的碼率節(jié)省，在調節(jié)I 幀QP 后，平均碼率節(jié)省可進一步提高到6.4%。

1 時域依賴RDO

RDO 技術貫穿于整個視頻編碼過程，其目標是在有限碼率條件下最小化編碼視頻失真[25]，可描述為一個約束優(yōu)化問題，即

其中，Di和Ri分別是第i個編碼單元的失真和碼率；N是總的編碼單元數(shù)；RT是總共可用的碼率預算。

通過引入拉格朗日乘子，式(1)的約束優(yōu)化問題可以被轉換為

其中，J是全局率失真代價函數(shù)；oi是第i個編碼單元的編碼模式選擇；λg是全局拉格朗日乘子，較小的λg失真較小但碼率消耗較多，反之則失真較大而碼率消耗較少。實際上，由于編碼單元之間存在率失真依賴關系，式(2)所示的最小化問題在視頻編碼中難以實現(xiàn)。通常地，視頻編碼過程中假設編碼單元之間相互獨立，對每一個編碼單元單獨進行優(yōu)化，表示為

其中，Ji是第i個編碼單元的率失真代價函數(shù)；λi是第i個編碼單元進行模式選擇采用的拉格朗日乘子。這種編碼單元獨立的假設使基于拉格朗日乘子的RDO 方法易于在編碼端實現(xiàn)，但該獨立優(yōu)化不能使視頻編碼達到最優(yōu)的率失真性能。

事實上，為了使式(2)所示的全局率失真代價函數(shù)J最小，可令J對第n個編碼單元失真的一階導數(shù)為零，表示為

這里的編碼單元表示HEVC 中獨立進行編碼模式選擇的CTU。由于幀內預測、運動矢量預測和基于上下文的熵編碼等，一幀內相鄰CTU 之間存在編碼決策依賴，但文獻[4-6]的研究表明，這種編碼決策依賴所引起的空域率失真依賴性較小。對于幀間預測，當前塊的編碼質量會顯著地影響后續(xù)參考塊編碼單元的壓縮性能。文獻[15]分析表明，編碼單元碼率僅由它自己的編碼選擇決定，而編碼單元失真與參考塊編碼質量相關性很強。

為了驗證上述對視頻編碼過程中空域和時域率失真依賴性的描述，設計了以下實驗。首先用原始HEVC 測試模型（HM,HEVC-test model）在低時延P 幀編碼配置下編碼如圖1(a)所示的測試序列Basketball Pass（416 像素×240 像素），編碼器輸入QP 分別采用22、27、32 和37，根據(jù)第2 幀的4 個碼率點得到圖1(c)中實線所示的率失真曲線。其中，D(MSE)表示使用均方誤差（MSE,mean square error）描述失真。為觀察幀間編碼中參考幀編碼質量變化對編碼幀的率失真特性影響，修改HM 使第1 幀的QP 比原始設置小5，其他編碼工具和編碼結構均不做任何改變。用修改后的HM 編碼測試序列再次得到第2 幀的率失真曲線如圖1(c)中虛線所示。從圖1(c)中可知，改善第1 幀編碼質量后，第2 幀的率失真曲線明顯下移。此外，如圖1(b)所示，把測試序列的第1 幀劃分為2 個區(qū)域，第1 個～第22 個CTU 作為第1 個區(qū)域，第23 個～第28 個CTU 作為第2 個區(qū)域。采用原始HM 編碼后，統(tǒng)計第2 個區(qū)域的4 個碼率點得到圖1(d)中實線所示的率失真曲線。為觀察第1 個區(qū)域的編碼質量變化對第2 個區(qū)域的率失真特性影響，修改HM 使第1 個區(qū)域中CTU 的QP 值比原始設置小5，第2 個區(qū)域中CTU 的編碼方式不做任何改變。用修改后的HM 編碼測試序列第1 幀再次得到第2 個區(qū)域的率失真曲線如圖1(d)中虛線所示。從圖1(d)中可知，改善第1 個區(qū)域編碼質量后，第2 個區(qū)域的率失真特性沒有明顯變化。

圖1 率失真依賴性

基于上述分析，式(4)左側的碼率求和項對Dn的一階導數(shù)可寫為

其中，λn是HEVC 編碼CTU 所采用的拉格朗日乘子。在編碼器中，CTU 按順序被編碼，在編碼第n個CTU時，前面的第1 個～第n-1 個CTU 已經(jīng)編碼結束，它們產(chǎn)生的碼率和失真已經(jīng)確定，即D1～Dn-1為常量。因此，式(4)左側失真求和項對Dn的一階導數(shù)可表示為

把式(5)和式(6)代入式(4)，整理得到

其中，kn表示第n個CTU 編碼失真變化引起后續(xù)直接和間接參考它的編碼單元總失真變化率，稱為時域失真?zhèn)鞑ヒ蜃?。時域依賴RDO 通常采用式(7)的拉格朗日乘子調節(jié)CTU 的編碼優(yōu)化目標，以改善率失真性能。

對于時域失真?zhèn)鞑ヒ蜃拥墓烙嫞墨I[15]針對H.264 中的IPPP 編碼結構，首先在原始視頻幀中通過前向運動搜索建立如圖2 所示的時域傳播鏈，從而確定被當前編碼塊失真直接和間接影響的后續(xù)像素塊；然后提出信源失真時域擴散模型計算時域失真?zhèn)鞑ヒ蜃印Ｓ捎贖EVC 采用具有多參考幀的分級編碼結構，當前CTU 編碼失真具有多條傳播路徑，使時域傳播因子估計變得非常困難。針對HEVC低時延分級編碼結構，文獻[16]通過統(tǒng)計關鍵幀和非關鍵幀在編碼過程中被參考的概率，建立具有多分支的時域傳播鏈，從而把信源失真時域擴散模型擴展到HEVC 低時延分級編碼結構中。

圖2 時域傳播鏈

2 基于失真?zhèn)鞑ツＰ偷囊蕾嘡DO 算法

2.1 時域失真?zhèn)鞑ヒ蜃?/h3>

根據(jù)式(7)，時域失真?zhèn)鞑ヒ蜃颖硎緸?/p>

式(8)涉及失真變化量，因此視頻編碼過程中難以直接采用式(8)計算傳播因子。

視頻編碼中，在高碼率條件下，編碼碼率和失真之間的關系可表示為[15]

同理，式(15)中的Cn+2也是與時域傳播鏈上原始參考像素塊Bn的編碼失真nD不相關的項。式(8)中Di表示時域傳播鏈上受nD影響的后續(xù)幀中相應像素塊編碼失真，其下標i=n+1,n+2,…,N。這里的N表示以Bn為起始塊的時域傳播鏈上最后一個像素塊的序號。由式(15)可寫出Di的通式為

把式(16)代入式(8)得到時域失真?zhèn)鞑ヒ蜃訛?/p>

此外，根據(jù)式(9)得到ηt為

因此，不需要獲得失真變化量，由時域傳播鏈上各像素塊的編碼失真和MCP 誤差即可計算時域傳播因子。

2.2 算法實現(xiàn)

根據(jù)式(17)和式(18)計算時域傳播因子需要提前編碼后續(xù)幀以獲得編碼失真和MCP 誤差，而實時視頻通信在編碼當前幀時，后續(xù)幀的圖像還沒有采集。因此，本文算法采用失真后向傳播來近似計算時域失真?zhèn)鞑ヒ蜃?，具體步驟描述如下。

1) 計算16×16 像素塊的時域傳播因子

在HEVC 中，CTU 的大小為64×64 像素塊，根據(jù)視頻內容特性CTU 會被劃分為32×32 像素塊、32×16 像素塊或16×16 像素塊等更小的預測單元（PU,prediction unit）進行預測編碼。因此，幀間預測中的重建參考像素塊可能具有上述不同的形狀和大小。本文在算法1 的基礎上測試了以32×32 像素塊和16×16 像素塊為單元計算時域傳播因子，結果顯示采用16×16 像素塊能獲得更好、更穩(wěn)定的率失真性能。例如，在低時延P 幀編碼配置下，對于視頻ParkScene 和BQTerrace，采用16×16 像素塊的算法1 獲得了5.5%和1.1%的率失真性能提升；而采用32×32 像素塊的算法1 對視頻ParkScene 只獲得了4.2%的率失真性能提升，對視頻BQTerrace 甚至遭受了2.2%的率失真性能損失。這是因為對于場景和紋理較復雜的視頻，編碼器趨向于選擇較小的預測單元編碼，這時采用32×32 像素塊計算的時域傳播因子不夠準確。因此，出于率失真性能和算法穩(wěn)健性考慮，本文最終選擇以16×16 像素塊為單元計算時域傳播因子。為了獲得16×16 像素塊的MCP誤差和編碼失真，首先對當前幀進行一次預編碼。預編碼過程采用HEVC 原有的固定QP 設置，通過檢測64×64 像素塊、32×32 像素塊和16×16 像素塊這3 種幀間模式減少預編碼時間。預編碼后，當前幀中第j個16×16 像素塊的時域傳播因子由式(19)計算得到。

2) 計算CTU 的權重系數(shù)

根據(jù)式(19)得到當前編碼幀中16×16 像素塊的時域傳播因子。然后結合式(7)引入CTU 的拉格朗日乘子權重系數(shù)為

其中，Wm是第m個CTU 的拉格朗日乘子權重系數(shù)；Lm是第m個CTU 中包含的16×16 像素塊個數(shù)，一般情況下，Lm=16。但由于一些視頻序列的空間分辨率不是64 的整數(shù)倍，在這些視頻幀的右邊界和下邊界處CTU 中包含的16×16 像素塊個數(shù)少于16。

3) 自適應拉格朗日乘子和QP

HEVC 采用分級編碼結構，低時延配置下，一個GoP 包含4 幀圖像，其層級分別為3、2、3 和1，默認編碼幀的QP 設置為

其中，QP0是編碼器的輸入QP；QPOffset是編碼幀所屬的層級。此外，編碼幀的拉格朗日乘子為

其中，ωL是一個與編碼幀所屬層級和QP 大小有關的權重系數(shù)，層級越小，ωL的值越小，計算得到的拉格朗日乘子也越小。式(22)一定程度地考慮了幀級別的時域率失真依賴關系，其傾向于把層級低的幀編碼得更好，以減小當前編碼失真對后續(xù)幀編碼失真的影響。

本文算法中，CTU 級拉格朗日乘子由式(22)的幀級拉格朗日乘子和式(20)的拉格朗日乘子權重系數(shù)確定。由于式(20)中權重系數(shù)總是小于1，為了保持當前幀的總體優(yōu)化目標不變，采用式(23)和式(24)重新調整CTU 級拉格朗日乘子權重系數(shù)，使其均值為1。

其中，M是一幀中包含的CTU 個數(shù)。式(24)表示的CTU 級拉格朗日乘子權重系數(shù)均值為1，其中具有較大時域傳播因子的CTU 權重系數(shù)小于1，而具有較小時域傳播因子的CTU 權重系數(shù)大于1。

最終，當前幀中用于編碼各個CTU 的自適應拉格朗日乘子為

由于編碼每個CTU 采用了不同的拉格朗日乘子，CTU 的QP 也應該進行相應調整，采用文獻[26]中擬合的λ-QP 可得

由式(25)和式(26)得到CTU 級自適應的拉格朗日乘子和QP，然后對當前幀進行編碼。為便于對本文算法的理解，算法1 用偽代碼描述了本文算法的具體實現(xiàn)過程。

算法1基于失真反向傳播的時域依賴率失真優(yōu)化

輸入當前待編碼幀

輸出CTU 級自適應的拉格朗日乘子λm和量化參數(shù)QPm

3 實驗結果

3.1 實驗設置

為了驗證所提時域依賴RDO 算法的有效性，把本文算法集成到HEVC 參考軟件HM16.7。與其他大多數(shù)視頻編碼優(yōu)化算法一樣，本文算法通過優(yōu)化編碼比特資源分配來提升編碼器率失真性能，不會改變HEVC 碼流句法結構，不需要改動解碼器。測試實驗中，編碼器采用LDB 和LDP 分級編碼結構，對應的編碼器配置文件分別是“encoder_lowdelay_ main.cfg”和“encoder_lowdelay_ P_main.cfg”，參數(shù)配置采用上述2 個文件中的默認設置。測試序列為通用測試條件（CTC,common test condition）[27]對LDB 和LDP配置建議的Class B、Class C、Class D、Class E 和Class F 中全部20 個視頻，包括了從416 像素×240像素到1920 像素×1080 像素不同分辨率、幀率和場景內容的原始YUV 序列。每個視頻序列依據(jù)CTC測試輸入QP 為22、27、32 和37 的4 個碼率點。

對比算法包括文獻[9]、文獻[10]、文獻[16]、文獻[18]和文獻[19]的算法。其中，文獻[9]算法使視頻序列起始I 幀的QP 值降低5，即編碼器輸入QP 為32，則I 幀QP 為27。由于I 幀編碼質量對整個視頻序列編碼影響很大，為了公平比較，本節(jié)除了測試上述算法1 描述的本文算法外，還測試了在算法1 基礎上直接對I 幀QP 值減小5 以后的算法，命名為本文算法+調節(jié)I 幀。另外，本節(jié)也測試了算法1 中只調節(jié)CTU 的拉格朗日乘子的情況，即不執(zhí)行算法1 的步驟14)，命名為本文算法-調節(jié)QP。

3.2 率失真性能對比

為了全面客觀地呈現(xiàn)本文算法和其他算法的率失真性能，采用BD-Rate（Bj?ntegaard Delta rate）作為評價指標。BD-Rate 表示在相同客觀質量下，測試方法相對于基準編碼器的碼率節(jié)省百分比，正值表示率失真性能損失，負值表示率失真性能改善，本文中的客觀質量用壓縮視頻亮度分量的峰值信噪比（PSNR,peak signal-to-noise ratio）度量。實驗對比中，把原始未修改過的HEVC 參考軟件HM 作為基準編碼器。表1 列出了LDB 和LDP 編碼配置下，文獻[9]、文獻[10]、文獻[16]、文獻[18]、文獻[19]和本文3 種算法相對于HEVC 基準編碼器的BD-Rate。文獻[9]的自適應QPC 算法降低了I 幀QP編碼，其獲得相對較高的率失真性能提升，在LDB和LDP 編碼配置下都達到平均4.9%的碼率節(jié)省。文獻[10]是針對監(jiān)控視頻的自適應QPC 算法，其對監(jiān)控視頻編碼獲得較高的率失真性能提升，但對于CTC 測試序列，在LDB 和LDP 編碼配置下只有平均2.2%和2.3%的碼率節(jié)省。文獻[16]通過建立失真時域傳播鏈估算塊間率失真依賴，從而自適應調節(jié)CTU 的拉格朗日乘子和QP，在LDB 和LDP 編碼配置下分別獲得平均3.2%和3.6%的碼率節(jié)省。文獻[18]通過估計編碼失真對后續(xù)編碼單元的碼率增量，自適應選擇拉格朗日乘子和QP，在LDB 和LDP 編碼配置下分別獲得平均3.9%和4.3%的碼率節(jié)省。文獻[19]通過分析失真直接傳播影響，自適應調節(jié)CTU級的拉格朗日乘子，但一幀中所有CTU 仍然采用相同的QP 編碼，該方法在LDB 和LDP 編碼配置下分別獲得平均1.8%和1.7%的碼率節(jié)省。

表1 不同算法相對于HEVC 基準編碼器的BD-Rate 對比

如表1 所示，本文算法在LDB 和LDP 編碼配置下分別獲得平均4.4%和4.3%的碼率節(jié)省，率失真性能僅次于文獻[9]。而在本文算法基礎上直接減小I 幀QP 值后，本文算法+調節(jié)I 幀可達到平均6.4%的碼率節(jié)省，率失真性能提升顯著高于文獻[9]的自適應QPC 算法。此外，在只調節(jié)拉格朗日乘子情況下，本文算法-調節(jié)QP 獲得平均2.4%和2.0%的碼率節(jié)省。為了直觀地展示本文算法和HEVC 基準編碼器對各個視頻序列的編碼性能，圖3給出了LDP 編碼配置下全部20 個測試序列的率失真曲線對比。圖3 中，縱軸表示壓縮視頻亮度分量的PSNR，曲線越靠上，表示率失真性能越好。從圖3 中可以看到，與表1 的BD-Rate 數(shù)據(jù)一致，對于絕大多數(shù)測試序列，本文算法的率失真性能優(yōu)于HEVC 基準編碼器。特別地，BasketballDrill、PartyScene 和 FourPeople 等測試序列的率失真曲線顯示本文算法在低碼率和高碼率下均獲得比HEVC基準編碼器HM16.7 更好的壓縮性能。

圖3 率失真曲線對比

接下來，對實驗結果做進一步的討論。數(shù)據(jù)顯示，對于包含相對靜止和緩慢運動目標的視頻序列，本文算法最有效。例如，對于Class E 的會議場景視頻，在LDB 和LDP 編碼配置下，本文算法獲得了平均6.9%和7.4%的碼率節(jié)省。另外，對于背景變化相對緩慢，并包含多個運動目標的視頻序列BasketballDrill，本文算法獲得了最高13%的碼率節(jié)省。其原因是這些視頻中許多CTU具有很強的時域率失真依賴性，通過改善它們的編碼質量可以顯著降低編碼失真時域傳播，從而提升率失真性能。事實上，對于具有固定背景的視頻，直接調整I 幀編碼質量就能達到明顯的壓縮性能提升，如文獻[10]通過減小I 幀QP，在背景基本不變的監(jiān)控視頻上達到很高的壓縮性能，但對于包含多種視頻場景的CTC 測試序列，該算法平均性能提升相對較小。本文算法+調節(jié)I 幀在LDP 配置時對Class E 的平均碼率節(jié)省達到了16.6%，證實了I 幀編碼質量對具有固定背景的視頻影響很大。

然而，時域依賴RDO 和改善I 幀編碼質量并非對所有視頻序列有效。表1 數(shù)據(jù)顯示，本文算法調節(jié)I 幀后，Kimono、RaceHorses 等幾個測試序列的率失真性能反而降低了。這是因為這些視頻的場景內容變化較快，提升I 幀編碼質量對后續(xù)編碼幀帶來的收益較小。另外，LDB 配置下，本文算法在Class C 的RaceHorses（WVGA）上遭受2.0%的性能損失，而在Class D的RaceHorses（WQVGA）上卻得到1.9%的性能增益。事實上，RaceHorses（WQVGA）是由RaceHorses（WVGA）降采樣得到的，它們具有相同的場景內容。再次觀察表1 數(shù)據(jù)發(fā)現(xiàn)，其他幾種對比算法[9-10,16,19]同樣出現(xiàn)類似的情況，這些算法對分辨率較大的RaceHorses（WVGA）的性能都差于對分辨率較小的RaceHorses（WQVGA）的性能。其原因是RaceHorses 場景中具有復雜紋理和快速運動目標，而高分辨率視頻的相鄰幀中像素運動尺度更大，很難利用時域率失真依賴進行編碼優(yōu)化。對于下采樣后的視頻，其相鄰幀中像素運動尺度相對減小，因此為時域依賴率失真優(yōu)化提供了一定的性能提升空間。對于Class F中的測試序列SlideEditing，本文算法也遭受1.4%的性能損失。其原因是該屏幕內容視頻包含多個局部場景切換，從而導致失真反向傳播估計的時域傳播因子出現(xiàn)較大誤差。

3.3 算法分析

本文算法采用了預編碼以獲得當前幀的編碼失真和MCP 誤差，必然會一定程度地增加編碼器運算量。為了評估本文算法的運算復雜度，引入式(27)的編碼時間增加百分比。

其中，TProp和TOrig分別是本文算法和原始HM16.7的編碼時間。為了降低單個視頻序列編碼時間波動的影響，使用每一類視頻序列的總編碼時間計算ΔEncT，結果如表2 所示。實驗數(shù)據(jù)顯示，本文算法相對原始HM16.7 的運算復雜度僅增加了23%。這是因為預編碼的模式選擇過程中只進行64×64 像素塊、32×32 像素塊和16×16 像素塊的幀間預測模式判決，略過了大量8×8 像素塊、4×4 像素塊和其他對稱及不對稱的二叉樹劃分。

表2 本文算法相比原始HM16.7 的編碼時間增加百分比ΔEncT

此外，式(19)采用失真反向傳播近似視頻編碼中真實的失真前向傳播來估算時域傳播因子，選取的反向傳播長度太短不能反映失真間接影響，太長則會產(chǎn)生較大的近似誤差。為了分析式(19)中反向傳播長度對率失真性能的影響，表3 給出了LDP編碼配置下設置不同反向傳播長度獲得的BD-Rate。實驗數(shù)據(jù)顯示，反向傳播長度設置為3時獲得的平均率失真性能提升最大。

表3 LDP 編碼配置下設置不同反向傳播長度獲得的BD-Rate

4 結束語

本文根據(jù)視頻編碼中運動補償原理和高碼率條件下的率失真函數(shù)首先推導出時域失真?zhèn)鞑ヒ蜃颖磉_式，然后提出一種基于失真反向傳播的時域依賴RDO 算法。該算法不用緩存后續(xù)幀建立傳播鏈，采用反向操作近似真實的失真前向傳播，通過已編碼的兩幀和預編碼當前幀得到的編碼失真及MCP 誤差估算時域傳播因子，進而自適應地調節(jié)CTU 的拉格朗日乘子和QP。實驗數(shù)據(jù)顯示，與HEVC 基準編碼器相比，本文算法獲得了平均4.4%和最高13.0%的碼率節(jié)省，在增加調節(jié)I 幀QP 的情況下，平均率失真性能提升達到了6.4%。最后，本文分析了算法的運算復雜度和反向傳播長度對算法編碼性能的影響。