高效视频编码标准帧内图像码率估计方法

摘要

一种高效视频编码标准帧内图像码率估计方法，由确定边长、确定基本计算单元大小、确定图像的标准差、确定图像类型、获得纹理简单图像模型参数、估计纹理简单图像码率、获得纹理复杂图像模型参数、估计纹理复杂图像码率步骤组成。本发明解决了现有技术需要执行全部编码或部分编码过程算法复杂度高、对于不同纹理复杂图像使用相同的码率估计模型码率估计准确度低，没有同时考虑图像内容特性和编码参数对于图像码率影响的技术问题。本发明具有码率估计准确、模型参数计算简单、算法运行速度快等优点，可用于视频编码、视频通信等领域中。

权利要求

1.一种高效视频编码标准帧内图像码率估计方法，其特征在于由下述步骤组成：(1)确定边长

输入视频图像的空间分辨率，按照式(1)得到边长l：其中round()为四舍五入取整函数，wp为图像宽，hp为图像高，γ∈[0.5,3.5]，σ∈[0.05,0.4]，wc∈{88,89,...,704}，hc∈{72,73,...,576}；

(2)确定基本计算单元大小

基本计算单元为矩形像素块，由边长l确定基本计算单元的宽wb和高hb：wb＝αl                                                               (2)hb＝βl                                                               (3)其中α∈{0.5,1,1.5,2,2.5,3}，β∈{0.5,1,1.5,2,2.5,3}；

(3)确定图像的标准差

基本计算单元的标准差按式(4)确定：

其中sd(i)表示视频第i幅帧内图像的标准差，i∈{1,2,..,Np}，Np是视频的总图像数、取值为有限的正整数，int()为下取整函数，x(i,k,j)表示视频第i幅帧内图像第k个基本计算单元第j个像素的亮度值，k、j为有限的正整数；

(4)确定图像类型

第i幅帧内图像满足sd(i)≥Tsd，此图像被分类为纹理复杂图像，第i幅帧内图像满足sd(i)＜Tsd，此图像被分类为纹理简单图像，其中Tsd为复杂度分类阈值参数，Tsd∈[6,16]；

(5)获得纹理简单图像模型参数

对于纹理简单图像，根据式(5)和式(6)分别获得用于码率估计的两个模型参数θ1和θ2：

2 4

θ1＝ξ1+ξ2sd(i) +ξ3sd(i)                                          (5)其中ξ1，ξ2，ξ3，ξ4，ξ5，ξ6为模型参数，ξ1∈[1000,3000]，ξ2∈[‑200,‑10]，ξ3∈[0,5]，ξ4∈[‑20,0]，ξ5∈[100,500]，ξ6∈[‑1000,0]；

(6)估计纹理简单图像码率

根据式(7)得到纹理简单图像的第一种码率估计值Rf,bpp，码率估计值Rf,bpp的单位是像素每比特：

其中QP表示用于编码的量化参数；

根据式(8)得到纹理简单图像的第二种码率估计值Rf,bit，第二种码率估计值Rf,bit的单位是比特：

根据式(9)得到纹理简单图像的第三种码率估计值Rf,kbps，第三种码率估计值Rf,kbps的单位是千比特每秒：

其中f表示视频的帧率；

(7)获得纹理复杂图像模型参数

对于纹理复杂图像，当量化参数满足QP＜TQP时，按照式(10)和式(11)分别获得用于码率估计的两个模型参数θ3和θ4，其中TQP为量化参数分段阈值参数，TQP∈{1,2,…51}：2

θ3＝ψ1+ψ2(In(sd(i)))                                             (10)3

θ4＝ψ3+ψ4sd(i)+ψ5sd(i)                                          (11)其中In()是以自然常数e为底的对数函数，ψ1、ψ2、ψ3、ψ4、ψ5为模型参数，ψ1∈[‑2,‑

0.01]，ψ2∈[‑1,0)，ψ3∈[0,3]，ψ4∈[0.01,2]，ψ5∈[‑1,0)；

量化参数满足QP≥TQP时，按照式(12)和式(13)分别获得用于码率估计的两个模型参数θ5和θ6：

其中exp()是以自然常数e为底的指数函数，ψ6、ψ7、ψ8、ψ9、ψ10、ψ11为模型参数，ψ6∈[‑1,

0]，ψ7∈(0,1]，ψ8∈(0,1]，ψ9∈[‑10,‑0.1]，ψ10∈[‑50,‑5]，ψ11∈[‑20000,‑1000]；

(8)估计纹理复杂图像码率

量化参数满足QP＜TQP时，按照式(14)、式(15)、式(16)分别获得纹理复杂图像对应的三种码率估计值Rg,bpp、Rg,bit、Rg,kbps：Rg,bpp＝θ3QP+θ4                                                   (14)Rg,bit＝wphp(θ3QP+θ4)                                             (15)量化参数满足QP≥TQP时，按照式(17)、式(18)、式(19)分别获得纹理复杂图像对应的三种码率估计值Rg,bpp、Rg,bit、Rg,kbps：

2.根据权利要求1所述的高效视频编码标准帧内图像码率估计方法，其特征在于：在确定边长步骤(1)中，所述的γ取值为2.312,σ取值为0.1098，wc取值为176，hc取值为144。

3.根据权利要求1所述的高效视频编码标准帧内图像码率估计方法，其特征在于：在确定基本计算单元大小步骤(2)中，所述的α取值为1,β取值为1。

4.根据权利要求1所述的高效视频编码标准帧内图像码率估计方法，其特征在于：在确定图像类型步骤(4)中，所述的Tsd取值为9.5。

5.根据权利要求1所述的高效视频编码标准帧内图像码率估计方法，其特征在于：在获得纹理简单图像模型参数步骤(5)中，所述的ξ1取值为2214.6626,ξ2取值为‑95.4408,ξ3取值为1.1889,ξ4取值为‑6.4966,ξ5取值为258.6685，ξ6取值为‑476.0452。

6.根据权利要求1所述的高效视频编码标准帧内图像码率估计方法，其特征在于：在获得纹理复杂图像模型参数步骤(7)中，所述的TQP取值为22，ψ1取值为‑0.1515，ψ2取值为‑

0.0099，ψ3取值为1.3448，ψ4取值为0.4092，ψ5取值为‑0.0003，ψ6取值为‑0.000204，ψ7取值为

0.000017，ψ8取值为0.000490，ψ9取值为‑1.693003，ψ10取值为‑17.2364，ψ11取值为‑

4109.83。

说明书

高效视频编码标准帧内图像码率估计方法

技术领域

[0001] 本发明属于视频编码技术领域，具体涉及到高效视频编码标准帧内图像码率估计方法。

背景技术

[0002] 在视频多媒体通信系统中，由摄像机采集的原始视频数据量非常庞大，如此庞大的原始视频如果不经过编码是无法在当前的多媒体系统中有效地传输和存储。视频编码是
保证视频多媒体通信系统有效运行的关键技术，视频编码的目的是用更少的编码码率获得
更高质量的编码重建视频。

[0003] 目前随着高清设备的大量普及，面向高清视频的高效视频编码标准被广泛采用，使用高效视频编码标准编码视频时，需要综合各种因素给视频选择一组优化的编码参数组
合，从而获得更加优化的编码性能。高效视频编码标准在选择优化的编码参数组合时通常
使用拉格朗日率失真优化的方法，在此方法中需要用到图像编码的码率信息。视频图像的
真实的编码码率信息只有在图像全部编码完成之后才能获得，但是编码图像要耗费大量时
间，所以通过全编码过程获得图像码率信息的方式由于复杂度过高的技术问题，在实际应
用中很少采用。

[0004] 目前采用部分编码过程的方式获得图像码率的估计值，即对图像进行部分编码操作，然后基于相关编码信息，例如预测块的残差信息、量化后的变换系数、熵编码的上下文
模型等，得到图像码率估计值。相比于全编码过程的方式，基于部分编码过程的图像码率估
计方法虽然降低了一定的复杂度，但其仍然要执行部分编码操作，所以其复杂度仍然较高。
特别是对于一些实时性要求较高的视频多媒体通信应用，例如视频会议、视频监控，基于部
分编码过程的方式仍然不适用。另外，不同的图像具有不同的内容特性，对于不同内容复杂
程度的图像，其对应的优化的码率估计模型形式通常不一样。但目前部分码率估计模型对
于所有的图像类型都使用相同的模型形式，例如幂函数形式，这类方法的码率估计准确度
还有待于提升。此外，视频图像的内容特性及编码参数配置(例如量化参数)是影响图像码
率的两个基本因素，一些图像码率估计方法只考虑了图像的内容特性，并没有考虑同样对
图像码率有重要影响的编码参数。所以这类方法的复杂度虽然很低，但其码率估计的准确
度很难保证。

发明内容

[0005] 本发明所要解决的技术问题在于克服上述现有技术的缺点，提供一种码率估计准确、模型参数计算简单、计算速度快的高效视频编码标准帧内图像码率估计方法。

[0006] 解决上述技术问题所采用的技术方案是由下述步骤组成：

[0007] (1)确定边长

[0008] 输入视频图像的空间分辨率，按照式(1)得到边长l：

[0009]

[0010] 其中round()为四舍五入取整函数，wp为图像宽，hp为图像高，γ∈[0.5,3.5]，σ∈[0.05,0.4]，wc∈{88,89,...,704}，hc∈{72,73,...,576}。

[0011] (2)确定基本计算单元大小

[0012] 基本计算单元为矩形像素块，由边长l确定基本计算单元的宽wb和高hb：

[0013] wb＝αl                                                           (2)

[0014] hb＝βl                                                           (3)

[0015] 其中α∈{0.5,1,1.5,2,2.5,3}，β∈{0.5,1,1.5,2,2.5,3}。

[0016] (3)确定图像的标准差

[0017] 基本计算单元的标准差按式(4)确定：

[0018]

[0019] 其中sd(i)表示视频第i幅帧内图像的标准差，i∈{1,2,..,Np}，Np是视频的总图像数、取值为有限的正整数，int()为下取整函数，x(i,k,j)表示视频第i幅帧内图像第k个基
本计算单元第j个像素的亮度值，k、j为有限的正整数。

[0020] (4)确定图像类型

[0021] 第i幅帧内图像满足sd(i)≥Tsd，此图像被分类为纹理复杂图像，第i幅帧内图像满足sd(i)＜Tsd，此图像被分类为纹理简单图像，其中Tsd为复杂度分类阈值参数，Tsd∈[6,
16]。

[0022] (5)获得纹理简单图像模型参数

[0023] 对于纹理简单图像，根据式(5)和式(6)分别获得用于码率估计的两个模型参数θ1和θ2：

[0024] θ1＝ξ1+ξ2sd(i)2+ξ3sd(i)4                                          (5)

[0025]

[0026] 其中ξ1，ξ2，ξ3，ξ4，ξ5，ξ6为模型参数，ξ1∈[1000,3000]，ξ2∈[‑200,‑10]，ξ3∈[0,5]，ξ4∈[‑20,0]，ξ5∈[100,500]，ξ6∈[‑1000,0]。

[0027] (6)估计纹理简单图像码率

[0028] 根据式(7)得到纹理简单图像的第一种码率估计值Rf,bpp，码率估计值Rf,bpp的单位是像素每比特：

[0029]

[0030] 其中QP表示用于编码的量化参数。

[0031] 根据式(8)得到纹理简单图像的第二种码率估计值Rf,bit，第二种码率估计值Rf,bit的单位是比特：

[0032]

[0033] 根据式(9)得到纹理简单图像的第三种码率估计值Rf,kbps，第三种码率估计值Rf,kbps的单位是千比特每秒：

[0034]

[0035] 其中f表示视频的帧率。

[0036] (7)获得纹理复杂图像模型参数

[0037] 对于纹理复杂图像，当量化参数满足QP＜TQP时，按照式(10)和式(11)分别获得用于码率估计的两个模型参数θ3和θ4，其中TQP为量化参数分段阈值参数，TQP∈{1,2,…51}：

[0038] θ3＝ψ1+ψ2(In(sd(i)))2                                             (10)

[0039] θ4＝ψ3+ψ4sd(i)+ψ5sd(i)3                                          (11)

[0040] 其中In()是以自然常数e为底的对数函数，ψ1、ψ2、ψ3、ψ4、ψ5为模型参数，ψ1∈[‑2,‑0.01]，ψ2∈[‑1,0)，ψ3∈[0,3]，ψ4∈[0.01,2]，ψ5∈[‑1,0)。

[0041] 量化参数满足QP≥TQP时，按照式(12)和式(13)分别获得用于码率估计的两个模型参数θ5和θ6：

[0042]

[0043]

[0044] 其中exp()是以自然常数e为底的指数函数，ψ6、ψ7、ψ8、ψ9、ψ10、ψ11为模型参数，ψ6∈[‑1,0]，ψ7∈(0,1]，ψ8∈(0,1]，ψ9∈[‑10,‑0.1]，ψ10∈[‑50,‑5]，ψ11∈[‑20000,‑1000]。

[0045] (8)估计纹理复杂图像码率

[0046] 量化参数满足QP＜TQP时，按照式(14)、式(15)、式(16)分别获得纹理复杂图像对应的三种码率估计值Rg,bpp、Rg,bit、Rg,kbps：

[0047] Rg,bpp＝θ3QP+θ4                                                   (14)

[0048] Rg,bit＝wphp(θ3QP+θ4)                                             (15)

[0049]

[0050] 量化参数满足QP≥TQP时，按照式(17)、式(18)、式(19)分别获得纹理复杂图像对应的三种码率估计值Rg,bpp、Rg,bit、Rg,kbps：

[0051]

[0052]

[0053]

[0054] 在本发明的确定边长步骤(1)中，所述的γ最佳为2.312,σ最佳为0.1098，wc最佳为176，hc最佳为144。

[0055] 在本发明的确定基本计算单元大小步骤(2)中，所述的α最佳为1,β最佳为1。

[0056] 在本发明的确定图像类型步骤(4)中，所述的Tsd最佳为9.5。

[0057] 在本发明的获得纹理简单图像模型参数步骤(5)中，所述的ξ1最佳为2214.6626,ξ2最佳为‑95.4408,ξ3最佳为1.1889,ξ4最佳为‑6.4966,ξ5最佳为258.6685，ξ6最佳为‑
476.0452。

[0058] 在本发明的获得纹理复杂图像模型参数步骤(7)中，所述的TQP最佳为22，ψ1最佳为‑0.1515，ψ2最佳为‑0.0099，ψ3最佳为1.3448，ψ4最佳为0.4092，ψ5最佳为‑0.0003，ψ6最佳
为‑0.000204，ψ7最佳为0.000017，ψ8最佳为0.000490，ψ9最佳为‑1.693003，ψ10最佳为‑
17.2364，ψ11最佳为‑4109.83。

[0059] 由于本发明采用确定图像类型步骤、获得纹理简单图像模型参数步骤、估计纹理简单图像码率步骤、获得纹理复杂图像模型参数步骤、估计纹理复杂图像码率步骤，解决了
现有技术需要执行全部编码或部分编码过程算法复杂度高、对于不同纹理复杂图像使用相
同的码率估计模型码率估计准确度低，没有同时考虑图像内容特性和编码参数对于图像码
率影响的技术问题。本发明具有码率估计准确、模型参数计算简单、算法运行速度快等优
点，可用于视频编码、视频通信等领域中。

附图说明

[0060] 图1是本发明实施例1的流程图。

具体实施方式

[0061] 下面结合附图和实施例对本发明进一步详细说明，但本发明不限于下面的实施例。

[0062] 实施例1

[0063] 在图1中，本实施例的高效视频编码标准帧内图像码率估计方法由下述步骤组成：

[0064] (1)确定边长

[0065] 输入视频图像的空间分辨率，按照式(1)得到边长l：

[0066]

[0067] 其中round()为四舍五入取整函数，wp为图像宽，hp为图像高，γ∈[0.5,3.5]，σ∈[0.05,0.4]，wc∈{88,89,...,704}，hc∈{72,73,...,576}，本实施例的γ取值为2.312,σ取
值为0.1098，wc取值为176，hc取值为144。

[0068] (2)确定基本计算单元大小

[0069] 基本计算单元为矩形像素块，由边长l确定基本计算单元的宽wb和高hb：

[0070] wb＝αl                                                           (2)

[0071] hb＝βl                                                           (3)

[0072] 其中α∈{0.5,1,1.5,2,2.5,3}，β∈{0.5,1,1.5,2,2.5,3}，本实施例的α取值为1,β取值为1。

[0073] (3)确定图像的标准差

[0074] 基本计算单元的标准差按式(4)确定：

[0075]

[0076] 其中sd(i)表示视频第i幅帧内图像的标准差，i∈{1,2,..,Np}，Np是视频的总图像数、取值为有限的正整数，int()为下取整函数，x(i,k,j)表示视频第i幅帧内图像第k个基
本计算单元第j个像素的亮度值，k、j为有限的正整数。

[0077] (4)确定图像类型

[0078] 第i幅帧内图像满足sd(i)≥Tsd，此图像被分类为纹理复杂图像，第i幅帧内图像满足sd(i)＜Tsd，此图像被分类为纹理简单图像，其中Tsd为复杂度分类阈值参数，Tsd∈[6,
16]，本实施例的Tsd取值为9.5。

[0079] (5)获得纹理简单图像模型参数

[0080] 对于纹理简单图像，根据式(5)和式(6)分别获得用于码率估计的两个模型参数θ1和θ2：

[0081] θ1＝ξ1+ξ2sd(i)2+ξ3sd(i)4                                           (5)

[0082]

[0083] 其中ξ1、ξ2、ξ3、ξ4、ξ5、ξ6为模型参数，ξ1∈[1000,3000]，ξ2∈[‑200,‑10]，ξ3∈[0,5]，ξ4∈[‑20,0]，ξ5∈[100,500]，ξ6∈[‑1000,0]，本实施例的ξ1取值为2214.6626,ξ2取值
为‑95.4408,ξ3取值为1.1889,ξ4取值为‑6.4966,ξ5取值为258.6685，ξ6取值为‑476.0452。

[0084] (6)估计纹理简单图像码率

[0085] 根据式(7)得到纹理简单图像的第一种码率估计值Rf,bpp，码率估计值Rf,bpp的单位是像素每比特：

[0086]

[0087] 其中QP表示用于编码的量化参数。

[0088] 根据式(8)得到纹理简单图像的第二种码率估计值Rf,bit，第二种码率估计值Rf,bit的单位是比特：

[0089]

[0090] 根据式(9)得到纹理简单图像的第三种码率估计值Rf,kbps，第三种码率估计值Rf,kbps的单位是千比特每秒：

[0091]

[0092] 其中f表示视频的帧率。

[0093] (7)获得纹理复杂图像模型参数

[0094] 对于纹理复杂图像，当量化参数满足QP＜TQP时，按照式(10)和式(11)分别获得用于码率估计的两个模型参数θ3和θ4，其中TQP为量化参数分段阈值参数，TQP∈{1,2,…51}：

[0095] θ3＝ψ1+ψ2(In(sd(i)))2                                             (10)

[0096] θ4＝ψ3+ψ4sd(i)+ψ5sd(i)3                                          (11)

[0097] 其中In()是以自然常数e为底的对数函数，ψ1、ψ2、ψ3、ψ4、ψ5为模型参数，ψ1∈[‑2,‑0.01]，ψ2∈[‑1,0)，ψ3∈[0,3]，ψ4∈[0.01,2]，ψ5∈[‑1,0)。本实施例的TQP取值为22，ψ1取值
为‑0.1515，ψ2取值为‑0.0099，ψ3取值为1.3448，ψ4取值为0.4092，ψ5取值为‑0.0003。

[0098] 量化参数满足QP≥TQP时，按照式(12)和式(13)分别获得用于码率估计的两个模型参数θ5和θ6：

[0099]

[0100]

[0101] 其中exp()是以自然常数e为底的指数函数，ψ6、ψ7、ψ8、ψ9、ψ10、ψ11为模型参数，ψ6∈[‑1,0]，ψ7∈(0,1]，ψ8∈(0,1]，ψ9∈[‑10,‑0.1]，ψ10∈[‑50,‑5]，ψ11∈[‑20000,‑1000]。本
实施例的ψ6取值为‑0.000204，ψ7取值为0.000017，ψ8取值为0.000490，ψ9取值为‑1.693003，
ψ10取值为‑17.2364，ψ11取值为‑4109.83。

[0102] (8)估计纹理复杂图像码率

[0103] 量化参数满足QP＜TQP时，按照式(14)、式(15)、式(16)分别获得纹理复杂图像对应的三种码率估计值Rg,bpp、Rg,bit、Rg,kbps：

[0104] Rg,bpp＝θ3QP+θ4                                                   (14)

[0105] Rg,bit＝wphp(θ3QP+θ4)                                             (15)

[0106]

[0107] 量化参数满足QP≥TQP时，按照式(17)、式(18)、式(19)分别获得纹理复杂图像对应的三种码率估计值Rg,bpp、Rg,bit、Rg,kbps：

[0108]

[0109]

[0110]

[0111] 上述方法解决了现有技术需要执行全部编码或部分编码过程算法复杂度高、对于不同纹理复杂图像使用相同的码率估计模型码率估计准确度低，没有同时考虑图像内容特
性和编码参数对于图像码率影响的技术问题，具有码率估计准确、模型参数计算简单、算法
运行速度快等优点。

[0112] 实施例2

[0113] 本实施例的高效视频编码标准帧内图像码率估计方法由下述步骤组成：

[0114] 在确定边长步骤(1)中，输入视频图像的空间分辨率，按照式(1)得到边长l：

[0115]

[0116] 其中round()为四舍五入取整函数，wp为图像宽，hp为图像高，γ∈[0.5,3.5]，σ∈[0.05,0.4]，wc∈{88,89,...,704}，hc∈{72,73,...,576}，本实施例的γ取值为0.5,σ取值
为0.05，wc取值为88，hc取值为72。

[0117] 在确定基本计算单元大小步骤(2)中，基本计算单元为矩形像素块，由边长l确定基本计算单元的宽wb和高hb：

[0118] wb＝αl                                                           (2)

[0119] hb＝βl                                                           (3)

[0120] 其中α∈{0.5,1,1.5,2,2.5,3}，β∈{0.5,1,1.5,2,2.5,3}，本实施例的α取值为0.5,β取值为0.5。

[0121] 在确定图像类型步骤(4)中，如果第i幅帧内图像满足sd(i)≥Tsd，则此图像被分类为纹理复杂图像，如果第i幅帧内图像满足sd(i)＜Tsd，则此图像被分类为纹理简单图像，其
中Tsd为复杂度分类阈值参数，Tsd∈[6,16]，本实施例的Tsd取值为6。

[0122] 在获得纹理简单图像模型参数步骤(5)中，对于纹理简单图像，根据式(5)和式(6)分别获得用于码率估计的两个模型参数θ1和θ2：

[0123] θ1＝ξ1+ξ2sd(i)2+ξ3sd(i)4                                          (5)

[0124]

[0125] 其中ξ1、ξ2、ξ3、ξ4、ξ5、ξ6为模型参数，ξ1∈[1000,3000]，ξ2∈[‑200,‑10]，ξ3∈[0,5]，ξ4∈[‑20,0]，ξ5∈[100,500]，ξ6∈[‑1000,0]，本实施例的ξ1取值为1000,ξ2取值为‑200,
ξ3取值为0，ξ4取值为‑20,ξ5取值为100，ξ6取值为‑1000。

[0126] 在获得纹理复杂图像模型参数步骤(7)中，对于纹理复杂图像，当量化参数满足QP＜TQP时，按照式(10)和式(11)分别获得用于码率估计的两个模型参数θ3和θ4，其中TQP为量
化参数分段阈值参数，TQP∈{1,2,…51}：

[0127] θ3＝ψ1+ψ2(In(sd(i)))2                                             (10)

[0128] θ4＝ψ3+ψ4sd(i)+ψ5sd(i)3                                          (11)

[0129] 其中In()是以自然常数e为底的对数函数，ψ1、ψ2、ψ3、ψ4、ψ5为模型参数，ψ1∈[‑2,‑0.01]，ψ2∈[‑1,0)，ψ3∈[0,3]，ψ4∈[0.01,2]，ψ5∈[‑1,0)。本实施例的TQP取值为1，ψ1取值
为‑2，ψ2取值为‑1，ψ3取值为0，ψ4取值为0.01，ψ5取值为‑1。

[0130] 量化参数满足QP≥TQP时，按照式(12)和式(13)分别获得用于码率估计的两个模型参数θ5和θ6：

[0131]

[0132]

[0133] 其中exp()是以自然常数e为底的指数函数，ψ6、ψ7、ψ8、ψ9、ψ10、ψ11为模型参数，ψ6∈[‑1,0]，ψ7∈(0,1]，ψ8∈(0,1]，ψ9∈[‑10,‑0.1]，ψ10∈[‑50,‑5]，ψ11∈[‑20000,‑1000]。本
实施例的ψ6取值为‑1，ψ7取值为0.001，ψ8取值为0.001，ψ9取值为‑10，ψ10取值为‑50，ψ11取值
为‑20000。

[0134] 其它步骤与实施例1相同。

[0135] 实施例3

[0136] 本实施例的高效视频编码标准帧内图像码率估计方法由下述步骤组成：

[0137] 在确定边长步骤(1)中，输入视频图像的空间分辨率，按照式(1)得到边长l：

[0138]

[0139] 其中round()为四舍五入取整函数，wp为图像宽，hp为图像高，γ∈[0.5,3.5]，σ∈[0.05,0.4]，wc∈{88,89,...,704}，hc∈{72,73,...,576}，本实施例的γ取值为3.5,σ取值
为0.4，wc取值为704，hc取值为576。

[0140] 在确定基本计算单元大小步骤(2)中，基本计算单元为矩形像素块，由边长l确定基本计算单元的宽wb和高hb：

[0141] wb＝αl                                                          (2)

[0142] hb＝βl                                                          (3)

[0143] 其中α∈{0.5,1,1.5,2,2.5,3}，β∈{0.5,1,1.5,2,2.5,3}，本实施例的α取值为3,β取值为3。

[0144] 在确定图像类型步骤(4)中，如果第i幅帧内图像满足sd(i)≥Tsd，则此图像被分类为纹理复杂图像，如果第i幅帧内图像满足sd(i)＜Tsd，则此图像被分类为纹理简单图像，其
中Tsd为复杂度分类阈值参数，Tsd∈[6,16]，本实施例的Tsd取值为16。

[0145] 在获得纹理简单图像模型参数步骤(5)中，对于纹理简单图像，根据式(5)和式(6)分别获得用于码率估计的两个模型参数θ1和θ2：

[0146] θ1＝ξ1+ξ2sd(i)2+ξ3sd(i)4                                          (5)

[0147]

[0148] 其中ξ1、ξ2、ξ3、ξ4、ξ5、ξ6为模型参数，ξ1∈[1000,3000]，ξ2∈[‑200,‑10]，ξ3∈[0,5]，ξ4∈[‑20,0]，ξ5∈[100,500]，ξ6∈[‑1000,0]，本实施例的ξ1取值为3000,ξ2取值为‑10,
ξ3取值为5，ξ4取值为0,ξ5取值为500，ξ6取值为0。

[0149] 在获得纹理复杂图像模型参数步骤(7)中，对于纹理复杂图像，当量化参数满足QP＜TQP时，按照式(10)和式(11)分别获得用于码率估计的两个模型参数θ3和θ4，其中TQP为量
化参数分段阈值参数，TQP∈{1,2,…51}：

[0150] θ3＝ψ1+ψ2(In(sd(i)))2                                             (10)

[0151] θ4＝ψ3+ψ4sd(i)+ψ5sd(i)3                                          (11)

[0152] 其中In()是以自然常数e为底的对数函数，ψ1、ψ2、ψ3、ψ4、ψ5为模型参数，ψ1∈[‑2,‑0.01]，ψ2∈[‑1,0)，ψ3∈[0,3]，ψ4∈[0.01,2]，ψ5∈[‑1,0)。本实施例的TQP取值为51，ψ1取值
为‑0.01，ψ2取值为‑0.001，ψ3取值为3，ψ4取值为2，ψ5取值为‑0.001。

[0153] 量化参数满足QP≥TQP时，按照式(12)和式(13)分别获得用于码率估计的两个模型参数θ5和θ6：

[0154]

[0155]

[0156] 其中exp()是以自然常数e为底的指数函数，ψ6、ψ7、ψ8、ψ9、ψ10、ψ11为模型参数，ψ6∈[‑1,0]，ψ7∈(0,1]，ψ8∈(0,1]，ψ9∈[‑10,‑0.1]，ψ10∈[‑50,‑5]，ψ11∈[‑20000,‑1000]。本
实施例的ψ6取值为0，ψ7取值为1，ψ8取值为1，ψ9取值为‑0.1，ψ10取值为‑5，ψ11取值为‑1000。

[0157] 其它步骤与实施例1相同。

[0158] 为了验证本发明的有益效果，发明人采用本发明实施例1的方法对高效视频编码标准国际制定组织推荐的4个标准视频和服(Kimonol)，克里斯汀和莎拉
(KristenAndSara)，赛马(RaceHorses)，公园景观(ParkScene)进行了实验，实验如下：

[0159] 选择高效视频编码标准国际制定组织推荐的编码器HM16.0，在量化参数QP分别设置为12、17、22、27、32，编码视频的第一幅图像，第一幅图像类型为帧内图像，编码后即可以
获得图像的真实码率值及编码时间。使用本发明实施例1的方法得到不同视频在不同量化
参数设置下的估计码率值，并统计方法运行的时间。方法运行的主要软硬件环境为：
Windows 10操作系统，处理器为Intel(R)Core(TM)i7‑8565U CPU(1.80GHz)，内存8.00GB。

[0160] 采用式(20)‑式(22)所示的BAf,bpp、BAf,bit、BAf,kbps分别衡量本发明实施例1的方法对于纹理简单图像在像素每比特bpp、比特bit、千比特每秒kbps三个指标下的码率估计准
确度：

[0161]

[0162]

[0163]

[0164] 其中Rf,bpp,act、Rf,bit,act、Rf,kbps,act分别表示HM16.0编码完纹理简单图像后得到的图像真实的像素每比特bpp、比特bit、千比特每秒kbps。

[0165] 采用式(23)‑式(25)所示的BAg,bpp、BAg,bit、BAg,kbps分别衡量本发明实施例1的方法对于纹理复杂图像在像素每比特bpp、比特bit、千比特每秒kbps三个指标下的码率估计准
确度，

[0166]

[0167]

[0168]

[0169] 其中Rg,bpp,act、Rg,bit,act、Rg,kbps,act分别表示HM16.0编码完纹理复杂图像后得到的图像真实的像素每比特bpp、比特bit、千比特每秒kbps。

[0170] 从式(7)‑式(9)、式(14)‑式(16)、式(17)‑式(19)可以看出，三个码率指标像素每比特bpp、比特bit、千比特每秒kbps之间是等比例的换算关系，所以对于同样的一幅视频图
像在同样的量化参数设置下，本发明实施例1的方法在像素每比特bpp、比特bit、千比特每
秒kbps三个指标下对应的三个码率估计准确度是一样的，即BAf,bpp＝BAf,bit＝BAf,kbps，
BAg,bpp＝BAg,bit＝BAg,kbps。

[0171] 采用算法运行的时间评判算法的复杂度，如式(26)‑式(28)所示，采用ATCf,bpp、ATCf,bit、ATCf,kbps分别衡量本发明实施例1的方法对于纹理简单图像在像素每比特bpp、比特
bit、千比特每秒kbps三个指标下估计码率值时的复杂度变化。

[0172]

[0173]

[0174]

[0175] 其中ATf,bpp,act、ATf,bit,act、ATf,kbps,act分别表示HM16.0编码完纹理简单图像后得到图像真实像素每比特bpp、比特bit、千比特每秒kbps需要运行的时间，ATf,bpp、ATf,bit、
ATf,kbps分别表示本发明实施例1的方法得到的纹理简单图像像素每比特bpp、比特bit、千比
特每秒kbps估计值需要运行的时间。

[0176] 如式(29)‑式(31)所示，采用ATCg,bpp、ATCg,bit、ATCg,kbps分别衡量本发明实施例1的方法对于纹理复杂图像在像素每比特bpp、比特bit、千比特每秒kbps三个指标下估计码率
值时的复杂度变化。

[0177]

[0178]

[0179]

[0180] 其中ATg,bpp,act、ATg,bit,act、ATg,kbps,act分别表示HM16.0编码完纹理复杂图像后得到图像真实像素每比特bpp、比特bit、千比特每秒kbps需要运行的时间，ATg,bpp、ATg,bit、
ATg,kbps分别表示本发明实施例1的方法得到的纹理复杂图像像素每比特bpp、比特bit、千比
特每秒kbps估计值需要运行的时间。

[0181] 使用实施例1的方法，和服(Kimonol)和克里斯汀和莎拉(KristenAndSara)中的第一幅图像被判定为纹理简单图像，而赛马(RaceHorses)和公园景观(ParkScene)中的第一
幅图像被判定为纹理复杂图像。表1和表2分别表示纹理简单图像和纹理复杂图像对应的实
验结果。

[0182] 表1纹理简单图像对应的码率估计准确度及运行时间比较

[0183]

[0184] 由表1可见，对于纹理简单图像，本发明实施例1的方法对应的BAf,bpp、BAf,bit、BAf,kbps都为6.55％，即估计的码率值与真实的码率值之间只有6.55％的偏差，说明本发明
实施例1的方法能准确地得到图像码率估计值。对于纹理简单图像，本发明实施例1的方法
对应的ATCf,bpp，ATCf,bit、ATCf,kbps分别为96.456％、96.445％、96.446％，即与HM16.0实际编
码运行的时间相比，本发明实施例1的方法减少了超过96％的运行时间，大大降低了运算复
杂度。

[0185] 表2纹理复杂图像对应的码率估计准确度及运行时间比较

[0186]

[0187] 由表2可见，实验数据也能得到表1类似的结论，即相比于HM16.0实际编码的方法，本发明实施例1的方法可以准确估计纹理复杂图像码率的同时显著降低算法的运算复杂
度。