本發明涉及視頻編碼的方法，提供了一種自適應幀間參考結構的拉格朗日乘子優化方法，包括：A.獲取一個圖像組；B.獲取該圖像組內的1幀圖像；C.對步驟B所獲得圖像的未優化的拉格朗日乘子λ_base進行優化計算，優化后的值為λ(i)，λ(i)＝λ_base·Γ(i)·κ^1?p(i)，其中，λ_base為當前幀對應的未優化的拉格朗日乘子，Γ(i)為當前幀對應的層次因子，κ為表示拉格朗日乘子的最遠偏移因子的極大偏移范圍乘子，p(i)為取值空間為[0,1]的依賴因子；D.根據優化后λ(i)配置當前幀圖像的量化參數QP并編碼當前幀的圖像。本發明有效的為每一幀圖像建立數學統計模型，無需人工的干預，能夠實現優化過程的自適應調節，能合理、高效的對拉格朗日乘子進行優化。

技術領域

本發明涉及視頻編碼的方法，尤其是一種自適應幀間參考結構的拉格朗日乘子優化方法。

背景技術

視頻編碼是指通過特定的壓縮技術，將原始大數據量的數字信號壓縮成低數據量的二進制碼流，以大幅降低視頻在存儲和傳輸過程中的成本。數字視頻信號通常是由時域連續的二維圖像(幀)排列而成，這被稱為視頻序列(Sequence)。每幀圖像之間存在極強的相關性，也就是存在大量的冗余信息。冗余信息可分為空域冗余、時域冗余和頻域冗余等。視頻編碼的過程就是不斷去除這些數據之間冗余信息的過程。

為了去除時域冗余，視頻編碼大量采用圖像之間的運動矢量預測技術，這被稱為幀間參考。現代的編碼器一般將視頻序列邏輯上分割成若干個圖像組(Group ofPictures,GOP)，再以一個GOP為單位來制定幀間參考規則。

自H.264/AVC面世以來，由于時域分層參考結構(Hierarchical ReferenceStructure,HRS)的高效性，因此它被廣泛的應用到后續的各代標準中且被驗證為性能顯著。HRS已經成為典型且主流的參考結構，它在隨機訪問(Random-Access,RA)和低延遲(Low-Delay,LD)兩種最常見應用情景下都有相應的配置結構。RA通常以8或16個播放順序號(Picture Order Count,POC)連續的圖像組成一個GOP；LD通常以4個POC連續的圖像組成一個GOP。一般認為RA在GOP為16時的性能略優于為8時。

為了契合HRS參考規則，不同的編碼器都分別為HRS不同層的圖像配置量化參數(QP)和偏移常量(QP-Offset)。進一步地，也配置有顯式或隱式地進行率失真優化(Rate-Distortion Optimation,RDO)拉格朗日乘子(Lambda,λ)的修正乘子。

但上述量化參數(QP)、偏移常量(QP-Offset)和拉格朗日乘子(Lambda,λ)均為按層預設，這就帶來了一個新的問題，那就是如何為幀間編碼的每一幀圖像分配最優的QP值和λ，使得編碼總體性能BDBR盡可能高。目前，為解決上述問題，大多是依靠經驗的手動預配置方法，通常的方式為根據圖像組所包含的層次，計算并建立各層次圖像的層次因子表，并依據層次因子表，根據幀圖像所在層次對其所分配的預設值進行優化和修正。

但應當注意到，盡管HRS在宏觀上是采用二叉樹層次結構來進行幀間參考規則制定，但在其具體實施時，幀間參考規則并不十分嚴格，如跨層次的參考是可能存在的。同時，量化參數(QP)為按檔設置，并非連續值，一個GOP內質量最好的圖像是僅采用幀內預測編碼的I-圖像，或者是僅采用前向預測的F-圖像、P-圖像。因為它們都大量采用補償變換和量化以保持圖像紋理的質量。不失一般性，可假設I-圖像、P-圖像或F-圖像它們位于同一層級，即它們所對應的層級都為0，也即，I-圖像、P-圖像或F-圖像對應層次因子相同；而一個GOP內占多數的雙向預測圖像，也就是B-圖像的質量最差，其對應的層次因子跟它所在的位序有關，層次因子不盡相同，但在一定范圍內變化的層次因子可能并不能對量化參數(QP)構成影響，因此，顯而易見，目前的方法缺乏合理性和自適應性。

發明內容