基于最邻近帧质量增强的视频编码参考帧列表优化算法OA北大核心CSTPCD

帧间预测是视频编码的核心模块,其利用参考帧的重建样本来预测当前图像样本,从而通过传输少量预测残差数据表示复杂视频内容。在有损视频编码中,参考帧质量受到量化失真的影响,导致预测精度较差,影响编码性能。针对低时延视频业务,提出一种基于最邻近帧质量增强的参考帧列表优化算法,通过基于深度学习的卷积神经网络增强与当前帧最邻近参考帧的质量,并将增强后的高质量帧整合到当前帧的参考帧列表中,提高了帧间预测精度。以高效视频编码H.265/HEVC参考软件平台HM16.22为参考基准,所提算法在Y、Cb、Cr这3个分量上可分别节省9.06%、14.92%、13.19%的编码码率。