趙 川，張萌萌，馬希榮

(1.天津師范大學(xué) 計(jì)算機(jī)與信息工程學(xué)院，天津 300387；2. 北方工業(yè)大學(xué) 電子信息工程學(xué)院，北京 100144)

一種HEVC樣點(diǎn)自適應(yīng)補(bǔ)償改進(jìn)方法

趙 川1，張萌萌2，馬希榮1

(1.天津師范大學(xué) 計(jì)算機(jī)與信息工程學(xué)院，天津 300387；2. 北方工業(yè)大學(xué) 電子信息工程學(xué)院，北京 100144)

新一代視頻編碼標(biāo)準(zhǔn)HEVC在環(huán)路濾波技術(shù)中采用樣點(diǎn)自適應(yīng)補(bǔ)償算法解決變換量化引起的振鈴效應(yīng)，包括邊帶補(bǔ)償和邊緣補(bǔ)償，但是邊帶補(bǔ)償算法沒有完全考慮邊帶分布情況，僅傳遞4個(gè)連續(xù)的邊帶。利用圖像直方圖充分分析了邊帶分布情況，自適應(yīng)地提取了幀內(nèi)預(yù)測(cè)模式紋理信息，針對(duì)不同大小的樹形編碼塊提出了一種樣點(diǎn)自適應(yīng)補(bǔ)償改進(jìn)方法。實(shí)驗(yàn)結(jié)果表明，與HM10.0相比，該方法提高了編碼性能，尤其在色度上比特率增益可達(dá)到-7.53%，圖像邊緣部分主觀評(píng)價(jià)質(zhì)量提升效果明顯。

HEVC；樣點(diǎn)自適應(yīng)補(bǔ)償；邊帶補(bǔ)償；直方圖分析；紋理特性

1 HEVC編碼

隨著存儲(chǔ)數(shù)據(jù)海量化、存儲(chǔ)方式多元化以及計(jì)算機(jī)網(wǎng)絡(luò)通信軟硬件水平提升，超高清、超高分辨率視頻已經(jīng)成為用戶的強(qiáng)烈需求。H.265/HEVC視頻壓縮編碼標(biāo)準(zhǔn)由ISO移動(dòng)圖像專家組(MPEG)和ITU視頻專家組(VCEG)的優(yōu)秀學(xué)者歷經(jīng)3年時(shí)間不斷優(yōu)化創(chuàng)新，繼承上一代H.264/AVC標(biāo)準(zhǔn)優(yōu)勢(shì)，編碼效率提高近50%，尤其表現(xiàn)在8K×4K、1 080p等高分辨率視頻中，吸引全球范圍科研機(jī)構(gòu)和Microsoft、Polycom等視頻領(lǐng)域跨國公司的廣泛關(guān)注。

HEVC依然使用H.264的混合編碼框架[1-2]，包含預(yù)測(cè)、變換、量化、熵編碼等模塊，框架中每個(gè)模塊為提高壓縮性能加入更加高效的算法策略而相應(yīng)帶來計(jì)算復(fù)雜度，如幀內(nèi)預(yù)測(cè)支持35種模式、幀間預(yù)測(cè)引入Merge模式、變換量化支持高達(dá)32×32變換單元、熵編碼放棄了低效的CAVLC而僅采用CABAC算法等。用戶在視覺上對(duì)視頻的主觀評(píng)價(jià)為主觀質(zhì)量評(píng)價(jià)，而高清視頻圖像展現(xiàn)出的紋理細(xì)節(jié)極易引起評(píng)價(jià)者的注意，尤其是物體邊緣和文字內(nèi)容對(duì)主觀評(píng)價(jià)起著至關(guān)重要的作用。為進(jìn)一步提升視頻的主觀質(zhì)量，HEVC環(huán)路濾波技術(shù)不僅沿用H.264標(biāo)準(zhǔn)中的去塊濾波器，而且加入樣點(diǎn)自適應(yīng)補(bǔ)償濾波，減少由運(yùn)動(dòng)估計(jì)和變換量化所產(chǎn)生振鈴效應(yīng)帶來的視頻主觀質(zhì)量損失。

在歷次視頻編碼聯(lián)合開發(fā)組織會(huì)議征集草案中，草案JCTVC-A124[3]在HEVC的初始版本中使用邊帶修正(BDC)和極值修正(EXC)，消除重建幀與原始幀之間的失真；草案JCTVC-D122[4]提出樣點(diǎn)自適應(yīng)補(bǔ)償(SAO)，吸收BDC、EXC技術(shù)，改進(jìn)為邊帶補(bǔ)償(BO)和邊緣補(bǔ)償(EO)，選取最小失真模式進(jìn)行樣點(diǎn)補(bǔ)償；草案JCTVC-E049[5]設(shè)定樹形編碼單元為補(bǔ)償單元，其中包括一個(gè)亮度樹形編碼塊(CTB)和兩個(gè)色度CTB，并且提取鄰近CTB信息應(yīng)用Merge模式快速算法。

在環(huán)路濾波器中，HEVC融合BO和EO算法進(jìn)行SAO濾波[6-7]，旨在消除從4×4到64×64大小CTB塊變換量化和運(yùn)動(dòng)估計(jì)8抽頭亮度濾波和4抽頭色度濾波后引起的吉布斯效應(yīng)。如圖1所示，無論量化步長(zhǎng)(QP)變化，在視頻序列圖像邊緣處重建幀像素點(diǎn)與原始幀相比均會(huì)產(chǎn)生明顯的正負(fù)差值，出現(xiàn)振鈴效果。本文針對(duì)此問題，利用視頻序列原始圖像直方圖統(tǒng)計(jì)和幀內(nèi)預(yù)測(cè)判別過程的自適應(yīng)紋理信息，分析原始圖像CTU像素值分布和邊緣特性，改進(jìn)BO算法使BO編碼效率顯著提升。

圖1 吉布斯效應(yīng)產(chǎn)生振鈴效果示意圖

2 樣點(diǎn)自適應(yīng)補(bǔ)償濾波器設(shè)計(jì)

振鈴效應(yīng)是圖像中物體邊緣位置產(chǎn)生連續(xù)失真現(xiàn)象，很大程度影響圖片主觀質(zhì)量。SAO濾波是為提升經(jīng)過預(yù)測(cè)、變換、量化、去塊濾波后重建幀質(zhì)量，降低與原始幀之間的失真程度，主要采用BO和EO算法。

2.1 邊帶補(bǔ)償

BO將圖像灰度值分成若干個(gè)邊帶，如8比特深度視頻格式以0～255值表征亮度和顏色分量，每個(gè)邊帶包含8個(gè)像素值共32個(gè)邊帶，即用[8，8k+7]表示第k個(gè)邊帶，k∈[0，31]。每個(gè)邊帶根據(jù)自身像素特點(diǎn)進(jìn)行補(bǔ)償，且同一邊帶使用相同補(bǔ)償值。HEVC考慮到CTB的像素值大多分布在連續(xù)4個(gè)邊帶中，因此，僅對(duì)4個(gè)連續(xù)邊帶的像素值進(jìn)行補(bǔ)償，如圖2所示。通過率失真計(jì)算最優(yōu)補(bǔ)償值，最終將起始邊帶位置和4個(gè)帶符號(hào)的補(bǔ)償值傳至解碼端。

圖2 8 bit深度視頻邊帶補(bǔ)償范圍示意圖

2.2 邊緣補(bǔ)償

EO是基于邊緣像素值檢測(cè)的濾波過程，設(shè)定圖3a中0°，45°，90°，135°這4種邊緣檢測(cè)方向，將當(dāng)前像素值c與鄰近像素值a、b對(duì)比，并設(shè)定圖3b中4種邊緣補(bǔ)償分類條件：比兩側(cè)鄰近值??；等于一側(cè)鄰近值且比另一側(cè)鄰近值??；等于一側(cè)鄰近值且比另一側(cè)值大；比兩側(cè)鄰近值大。最后，按照不同邊緣補(bǔ)償類型分別計(jì)算出重建幀像素與原始幀像素差值均值作為補(bǔ)償值，HEVC將補(bǔ)償類型以及補(bǔ)償值絕對(duì)值傳至解碼端。

圖3 邊緣補(bǔ)償像素檢測(cè)條件

2.3 SAO優(yōu)化算法設(shè)計(jì)

2.3.1 提取鄰近SAO參數(shù)的參數(shù)融合模式

SAO使用參數(shù)融合模式(Merge模式)，提取鄰近CTB的SAO參數(shù)，僅需要傳遞融合標(biāo)志位至解碼端，從而進(jìn)一步提高傳遞效率。因此，SAO傳輸補(bǔ)償類型為BO模式、EO_0、EO_45、EO_90、EO_135和MERGE_UP、MERGE_LEFT，還有不補(bǔ)償。其中MERGE模式中，MERGE_UP是提取CTB上側(cè)SAO補(bǔ)償參數(shù)，而MERGE_ LEFT左側(cè)的SAO補(bǔ)償參數(shù)。

2.3.2 SAO率失真優(yōu)化算法

HEVC采用SAO率失真優(yōu)化算法，避免多次重復(fù)計(jì)算重建幀與原始幀之間的失真，大幅度提升了SAO率失真算法效率。

設(shè)(x，y)為像素位置，s(x，y)為原始幀像素值，u(x，y)為重建幀像素值(SAO補(bǔ)償前)，C為像素范圍，m為補(bǔ)償值。

原始幀與重建幀之間的失真為

Dpre=∑(x,y)∈c(s(x,y)-u(x,y))2

(1)

原始幀與重建幀(SAO補(bǔ)償后)之間的失真為

Dpost=∑(x,y)∈c(s(x,y)-(u(x,y)+m))2

(2)

因此，SAO補(bǔ)償前后Dpre與Dpost的差值為

ΔD=Dpost-Dpre=∑(x,y)∈

c(m2-2m(s(x,y)-u(x,y)))=Nm2-2mE

(3)

式中：N是幀像素個(gè)數(shù)；E是原始幀與SAO補(bǔ)償前重建幀之間的差值和。

在決策SAO最優(yōu)模式時(shí)，利用相對(duì)率失真函數(shù)ΔJ=ΔD+λR快速計(jì)算失真，其中λ為拉格朗日因子，R為編碼SAO參數(shù)信息所需的比特?cái)?shù)。

3 邊帶分布直方圖分析

直方圖是表征圖像像素分布特征的結(jié)構(gòu)圖，SAO以邊帶為單位將像素值進(jìn)行分類對(duì)重建幀進(jìn)行補(bǔ)償，因此本文利用直方圖進(jìn)一步觀察序列的邊帶分布特征。根據(jù)視頻圖像特性，邊帶分布較復(fù)雜，平滑塊集中在較窄的邊帶，含有尖銳邊緣的區(qū)域集中在跨度較大的兩個(gè)邊帶，而大塊區(qū)域含有更多像素點(diǎn)，邊帶分布比較分散。本文針對(duì)較大和較小的CTB分別進(jìn)行如下分析。

3.1 針對(duì)較大CTB直方圖分析

對(duì)64×64，32×32和16×16的較大CTB包含內(nèi)容豐富，邊帶分布復(fù)雜，不僅含有4個(gè)連續(xù)邊帶分布的情況，而且出現(xiàn)邊帶分布較集中或較分散的情況。截取32×32大小CTB分析邊帶觀察直方圖分布，圖4a顯示復(fù)雜的紋理區(qū)域邊帶分布較分散，邊帶分布跨度大于4個(gè)邊帶，而圖4b顯示平滑的紋理區(qū)域邊帶分布較為集中，邊帶分布跨度小于4個(gè)邊帶。

圖4 SlideShow序列中32×32CTB邊帶分布

因此，本文以較大原始幀CTB為單元，對(duì)像素值邊帶分布統(tǒng)計(jì)分析。以JCT-VC測(cè)試條件[8]指定的Class A至 Class F 中21個(gè)8 bit測(cè)試序列為統(tǒng)計(jì)樣本，0～255像素值分成32個(gè)邊帶，每個(gè)邊帶含有8個(gè)灰度值，測(cè)試視頻出現(xiàn)4個(gè)連續(xù)邊帶的CTB作為正常分布?jí)K，而出現(xiàn)少于4個(gè)連續(xù)補(bǔ)償邊帶的CTB作為窄邊帶分布?jí)K，出現(xiàn)大于4個(gè)連續(xù)邊帶的CTB為寬邊帶分布?jí)K。

根據(jù)統(tǒng)計(jì)分析結(jié)果表明，如表1所示，對(duì)于較大CTB的正常分布?jí)K占52%，而寬邊帶和窄邊帶分布?jí)K分別占8%和40%。

表1 較大原始幀CTB邊帶分布概率 %

3.2 針對(duì)較小CTB直方圖統(tǒng)計(jì)

對(duì)8×8，4×4大小則包含像素點(diǎn)較少，與較大塊CTB相比所含內(nèi)容較少，邊帶分布不僅含有4個(gè)連續(xù)邊帶分布的情況，而且出現(xiàn)HEVC無法解決的兩個(gè)或多個(gè)邊帶分布跨度較大的情況。截取8×8大小CTB分析觀察邊帶直方圖分布，圖5a顯示邊帶分布較分散，集中出現(xiàn)在兩個(gè)邊帶，且邊帶分布跨度大于4個(gè)邊帶，而圖5b顯示邊帶分布較分散，邊帶集中出現(xiàn)在多個(gè)邊帶，邊帶分布間跨度大于4個(gè)邊帶。

圖5 SlideShow序列中8×8 CTB邊帶分布

因此，與較大塊CTB相同，本文選取JCT-VC測(cè)試條件指定視頻序列樣本，將邊帶分布集中在1個(gè)波峰情況作為單波峰分布?jí)K，而邊帶分布形成2個(gè)波峰(跨度大于4個(gè)邊帶)作為雙波峰分布?jí)K，大于2個(gè)波峰(波峰間跨度大于4個(gè)邊帶)作為多波峰分布?jí)K。

根據(jù)統(tǒng)計(jì)分析結(jié)果表明，如表2所示，對(duì)于單波峰補(bǔ)償塊出現(xiàn)概率為71%，而雙波峰和多波峰出現(xiàn)概率分別為25%和4%。

表2 較小原始幀CTB邊帶分布概率 %

4 幀內(nèi)預(yù)測(cè)模式信息提取紋理

HEVC幀內(nèi)預(yù)測(cè)是利用預(yù)測(cè)單元鄰近像素點(diǎn)信息，消除圖像的空間冗余性。HEVC提供35種預(yù)測(cè)模式，其中包含33種方向預(yù)測(cè)模式，DC、Planar兩種平滑區(qū)域預(yù)測(cè)模式。為降低幀內(nèi)預(yù)測(cè)復(fù)雜度，HEVC利用哈達(dá)瑪變換殘差計(jì)算的粗略模式選擇(RMD)和鄰近信息可能最優(yōu)模式(MPM)，提取幀內(nèi)預(yù)測(cè)最優(yōu)模式集計(jì)算率失真代價(jià)(RDO)，得到幀內(nèi)預(yù)測(cè)最優(yōu)模式。

本文前期的大量工作[9-10]得出結(jié)論，RMD最優(yōu)模式與RDO最優(yōu)模式在表征預(yù)測(cè)塊紋理上具有相關(guān)性，尤其是針對(duì)較小的CTB單元。若RMD最優(yōu)模式與RDO最優(yōu)模式均為方向預(yù)測(cè)模式且方向性一致或相鄰，可準(zhǔn)確表征預(yù)測(cè)塊紋理方向，從而提取圖像的邊緣方向；若RMD最優(yōu)模式與RDO最優(yōu)模式均為DC或Planar模式，可準(zhǔn)確表征預(yù)測(cè)塊為平滑區(qū)域。因此，通過預(yù)測(cè)編碼過程中每次幀內(nèi)預(yù)測(cè)模式判別，利用RMD最優(yōu)模式與RDO最優(yōu)模式之間的相關(guān)性，可快速提取CTB紋理特點(diǎn)。

5 邊帶補(bǔ)償改進(jìn)方法設(shè)計(jì)

本文基于直方圖觀察分析CTB邊帶分布，分別針對(duì)64×64,32×32,16×16的較大CTB和8×8,4×4的較小CTB的復(fù)雜的邊帶分布情況，自適應(yīng)地提取幀內(nèi)預(yù)測(cè)模式的信息判別CTB紋理特征，對(duì)HEVC中的BO算法進(jìn)行優(yōu)化，圖6a和圖6b分別為應(yīng)用于較小和較大CTB的BO改進(jìn)方法流程圖。

圖6 邊帶補(bǔ)償改進(jìn)方法流程圖

5.1 自適應(yīng)判定紋理特征

為準(zhǔn)確判斷圖像波峰特征，在計(jì)算8×8和4×4較小CTB邊帶補(bǔ)償模式前，提取幀內(nèi)預(yù)測(cè)中RMD最優(yōu)模式和RDO最優(yōu)模式，利用兩種模式圖像紋理相關(guān)性進(jìn)行“圖像紋理判別”，如圖6a所示。

如果RMD最優(yōu)模式與RDO最優(yōu)模式均為DC或者Planar模式時(shí)，該CTB則為平滑區(qū)域；如果RMD最優(yōu)模式與RDO最優(yōu)模式的同為角度模式，且方向相鄰(模式相差小于或等于2)，該CTB則為圖像紋理規(guī)則區(qū)域，即含邊緣區(qū)域；如果RMD最優(yōu)模式與RDO最優(yōu)模式的同為角度模式，且方向不相鄰(模式大于2)，該CTB則為圖像紋理非規(guī)則區(qū)域，即無邊緣區(qū)域。

5.2 邊帶補(bǔ)償新增模式

根據(jù)圖像直方圖分析過程得到結(jié)論，針對(duì)較小與較大CTB邊帶分布特點(diǎn)不同，分別采用不同補(bǔ)償模式。

對(duì)于8×8和4×4較小CTB，如圖6a所示，圖像紋理判別后，若為平滑區(qū)域，則該區(qū)域判定為單波峰分布，以傳統(tǒng)BO為標(biāo)志位，傳遞4個(gè)連續(xù)的邊帶補(bǔ)償值；若為含邊緣區(qū)域，判定邊界特征像素點(diǎn)對(duì)邊帶間隔Y，如圖7a和圖7b分別表示 8×8 和4×4的邊界特征像素點(diǎn)位置，以幀內(nèi)預(yù)測(cè)過程提取的CTB紋理方向?yàn)閰⒖紝?duì)稱軸，判定圖7中具有相同數(shù)值位置的特征像素點(diǎn)，如果特征像素點(diǎn)所在邊帶間隔Y<4則該區(qū)域依然判定為單波峰分布，以傳統(tǒng)BO為標(biāo)志位，如果Y≥4則該區(qū)域依然判定為雙波峰分布，以BO_D為標(biāo)志位，傳遞2個(gè)非連續(xù)邊帶補(bǔ)償值；若為無邊緣區(qū)域，則提取波峰邊帶值后，以BO_M為標(biāo)志位，識(shí)別含像素較多的波峰邊帶，傳遞3～4個(gè)非連續(xù)邊帶補(bǔ)償值。

對(duì)于64×64，32×32，16×16較大CTB，如圖6b 所示，統(tǒng)計(jì)圖像像素邊帶分布，判定圖像屬于正常邊帶分布、窄邊帶分布或?qū)掃厧Х植?。正常邊帶分布依然保留BO模式，以傳統(tǒng)BO為標(biāo)志位，傳遞4個(gè)連續(xù)的邊帶補(bǔ)償值；窄邊帶分布設(shè)置BO_N為標(biāo)志位，傳遞2個(gè)連續(xù)邊帶補(bǔ)償值；寬邊帶分布設(shè)置BO_B為標(biāo)志位，傳遞5～8個(gè)連續(xù)邊帶補(bǔ)償值。

6 實(shí)驗(yàn)結(jié)果

本實(shí)驗(yàn)測(cè)試環(huán)境使用HEVC標(biāo)準(zhǔn)參考代碼HM10.0在Windows 8系統(tǒng)VS2012編譯運(yùn)行，按照HEVC測(cè)試標(biāo)準(zhǔn)[8]規(guī)定，對(duì)Class A-Class F所有測(cè)試序列進(jìn)行統(tǒng)計(jì)和測(cè)試。以全I(xiàn)幀(AI)、隨機(jī)存取(RA)、低延遲-P幀(LP)、低延遲-B幀(LB)為編碼環(huán)境，設(shè)置22，27，32，37作為QP值，利用Bjontegaard-Delta比特率[11](BD-rate)將提出的邊帶補(bǔ)償優(yōu)化改進(jìn)方法與HEVC原始BO方法進(jìn)行對(duì)比，并統(tǒng)計(jì)編解碼時(shí)間，結(jié)果如表所示。

客觀評(píng)價(jià)上，表3展示了4種編碼條件下大量樣本的測(cè)試結(jié)果，Y，Cb，Cr這3個(gè)分量的比特率獲得增益平均值為 -0.42%， -2.34%，-2.72%。該方法在色度分量上編碼效率，尤其是在靜態(tài)背景特征的Class E的測(cè)試序列、LP測(cè)試環(huán)境下可達(dá)到-7.53%。表中的編碼時(shí)間和解碼時(shí)間變化顯示，編解碼復(fù)雜度上的提升可忽略不計(jì)。主觀評(píng)價(jià)上，將改進(jìn)方法與HEVC原始BO方法解碼后的圖像與原始幀對(duì)比，圖8a～圖8c左圖顯示邊緣部分像素點(diǎn)得到較好補(bǔ)償，而且 圖8a～圖8c 右圖顯示改進(jìn)算法一定程度上避免了不適用SAO補(bǔ)償情況出現(xiàn)。

表3 6組序列在不同測(cè)試環(huán)境下的編碼效率及運(yùn)行時(shí)間

圖8 序列SlideShow編碼圖像主觀評(píng)價(jià)對(duì)比

7 結(jié)論

本文利用圖像直方圖觀察序列原始幀邊帶分布，分析較大和較小CTB邊帶分布特征，新增BO_B，BO_N，BO_D，BO_M這4種邊帶補(bǔ)償模式，彌補(bǔ)HEVC邊帶補(bǔ)償算法的不足，并自適應(yīng)提取幀內(nèi)預(yù)測(cè)模式判別中RMD最優(yōu)模式與RDO最優(yōu)模式相關(guān)性表征紋理特征，輔助較小CTB邊帶補(bǔ)償模式選擇。實(shí)驗(yàn)結(jié)果表明，與HM10.0相比，本文提出SAO改進(jìn)方法提高了編碼性能，尤其在色度上比特率增益可達(dá)到-7.53%，并且圖像邊緣部分主觀評(píng)價(jià)質(zhì)量提升效果明顯。

[1] SULLIVAN G，OHM J，WOO-JIN H，et al.Overview of the highefficiency video coding(HEVC)standard[J]. IEEE Trans. Circuits System Video Technology， 2012， 22(12)：1649-1668.

[2] BOSSEN F， BROSS B， SUHRING K，et al. HEVC complexity and implementation analysis[J]. IEEE Trans. Circuits System Video Technology， 2012， 22(12)：1685-1696.

[3] KEN M， WOO-JIN H，IL-KOO K. Document JCTVC-A124，Samsung’s response to the call for proposals on video compression technology[S]. 2010.

[4] FU C，CHEN C，HUANG Y， et al. Document JCTVC-D122，Picture quadtreeadaptive offset[S]. 2011.

[5] FU C，CHEN C， TASI C，et al. Document JCTVC-E049，Sample adaptive offset with LCU-Independent decoding[S]. 2011.

[6] FU C，ALSHINA E，ALSHIN A， et al.Sample adaptive offset in the HEVC standard[J]. IEEE Trans. Circuits System Video Technology， 2012， 22(12)：1755-1764.

[7] 唐華敏，杜建超，王慶雷.視頻編碼標(biāo)準(zhǔn)HEVC中的環(huán)路濾波技術(shù)分析[J].電視技術(shù)，2014，38(11)：1-4.

[8] BOSSEN F. Document JCTVC- J1100，Common HM test conditions and software reference configurations[S]. 2012.

[9] ZHANG M，ZHAO C，XU J. An adaptive fast intra mode decision in HEVC[C]//Proc. IEEE International Conference on Image Processing(ICIP).Orlando： IEEE Press， 2012，221-224.

[10] ZHANG M， ZHAO C， XU J， et al.A fast depth-map wedgelet partitioning scheme for intra prediction in 3D video coding[C]//Proc.IEEE International Symposium on Circuits and Systems (ISCAS).Beijing： IEEE Press， 2013，2852-2855.

[11] BJONTEGAARD G. Document VCEG-M33，Calculation of average PSNR differences between RD curves[S].2001.

趙 川(1986— )，助理實(shí)驗(yàn)師，主研視頻編碼與通信、圖像視頻處理；

張萌萌(1978— )，副教授，主要研究方向?yàn)橐曨l傳輸及編碼、圖像信息處理、嵌入式系統(tǒng)設(shè)計(jì)；

馬希榮(1962— )，女，教授，主研情感計(jì)算、模式識(shí)別、智能機(jī)器人。

責(zé)任編輯：時(shí) 雯

Improved Scheme for Sample Adaptive Offset in HEVC

ZHAO Chuan1，ZHANG Mengmeng2，MA Xirong1

(1.CollegeofComputerandInformationEngineering，TianjinNormalUniversity，Tianjin300387，China；2.CollegeofElectronicInformationEngineering，NorthChinaUniversityofTechnology，Beijing100144，China)

Sample adaptive offset(SAO)is adopted in the state-of-the-art video coding standard HEVC，including band offset(BO) and edge offset(EO) to attenuate ringing artifacts，which are more likely to appear after transform and quantization. Although BO spreads over 4 continuous bands， it is a fixed strategy for different blocks with the same size and does not consider a range narrower or wider than four bands. In this paper， band distribution of coding tree block(CTB)is analyzed by utilizing histogram， and adaptively bring a block’s texture characteristics in intra prediction. Based on the analysis， an improved strategy is further developed for BO in SAO for HEVC. Experimental results indicate that significant performance and up to 7.53%, BD-rate reduction is achieved in chrome with marginal running time increase and the subjective visual quality is enhanced in the edge under common test conditions of HEVC

oftware version 10.0.

HEVC；sample adaptive offset；band offset；histogram analyze；texture characteristic

【本文獻(xiàn)信息】趙川，張萌萌，馬希榮.一種HEVC樣點(diǎn)自適應(yīng)補(bǔ)償改進(jìn)方法[J].電視技術(shù),2015，39(13).

國家自然科學(xué)基金項(xiàng)目(61370111；61103113)；天津師范大學(xué)教學(xué)改革研究基金項(xiàng)目(JG14409021)；天津師范大學(xué)實(shí)驗(yàn)室改革研究基金

TN919.81

A

10.16280/j.videoe.2015.13.003

2015-02-02