102 / 2022-10-11 17:20:45

基于卷积神经网络的虚拟现实视频帧内预测编码

为了提高虚拟现实视频帧内预测编码的性能,采用卷积神经网络算法进行视频帧编码单元(Coding Unit,CU)选择,从而降低视频图像编码复杂度.首先设置量化参数,获取虚拟现实视频帧样本,接着构建图像编码树,然后建立卷积神经网络(Convolutional Neural Network,CNN)帧编码单元优化模型,将帧样本的图像亮度作为CNN的输入,结合图像率失真成本阈值,通过训练获得帧编码单元的优化结果.采用CNN训练优化,能够根据图像不同纹理度模块的帧内编码需求,获得不同深度的编码树(Coding Tree Unit,CTU)结构及合适数量的CU模块.实验结果表明,通过合理设置卷积核尺寸和量化参数,相比常用视频帧内预测编码算法,CNN算法能够获得更优的图像质量,在Balboa序列中的BD码率和编码时间分别为56483.76 kbps和3209.24 s.