公开(公告)号：CN109819252B

公开(公告)日：2021-05-18

申请号：CN201910214227.9

申请日：2019-03-20

Applicant: 福州大学

Inventor： 徐艺文 ,  伊世奇 ,  赵铁松 ,  房颖 ,  林丽群

IPC: H04N19/124 ,  H04N19/147 ,  H04N19/177

Abstract: 本发明涉及一种不依赖GOP结构的量化参数级联方法，首先通过研究编码中帧与帧之间参考比重关系，构建不依赖GOP结构的帧间失真依赖模型；其次，选取适当的参数，使用神经网络获取失真依赖模型的系数；最后，基于编码总体率失真代价最小的原则，利用神经网络输出实现量化参数分配方案，给各个视频帧分配最佳量化参数。本发明能够实现在编码过程不依赖GOP结构的前提下，保证编码的性能。

公开(公告)号：CN112714322B

公开(公告)日：2023-08-01

申请号：CN202011575272.6

申请日：2020-12-28

Applicant: 福州大学

Inventor： 徐艺文 ,  伊世奇 ,  赵铁松 ,  黄景泉

IPC: H04N19/50 ,  H04N19/42 ,  H04N19/23 ,  A63F13/86

Abstract: 本发明涉及一种面向游戏视频的帧间参考优化方法，包括以下步骤:步骤S1：构建背景建模分类模型，背景检测匹配模型；步骤S2:在编码器预测编码前预测其背景是否已建模并检测匹配出相似建模背景；步骤S3：在预测编码时，利用匹配出的相似建模背景进行帧间编码的参考帧优化；步骤S4：预测编码结束后，获取当前帧的编码信息，作为后续帧预测是否需要优化的输入，并输出编码帧；步骤S5：更新背景建模与分类模型，预测该背景是否可能复现，若为可能复现的帧则进行更新建模、分类；步骤S6：对每一帧的编码都重复步骤S2‑S5直至所有帧编码结束；步骤S7：将所有编码帧输出为完整的视频码流。本发明利用游戏视频的复现性质对编码码率进行压缩，改善编码的性能。

公开(公告)号：CN112714322A

公开(公告)日：2021-04-27

申请号：CN202011575272.6

申请日：2020-12-28

Applicant: 福州大学

Inventor： 徐艺文 ,  伊世奇 ,  赵铁松 ,  黄景泉

IPC: H04N19/50 ,  H04N19/42 ,  H04N19/23 ,  A63F13/86

Abstract: 本发明涉及一种面向游戏视频的帧间参考优化方法，包括以下步骤:步骤S1：构建背景建模分类模型，背景检测匹配模型；步骤S2:在编码器预测编码前预测其背景是否已建模并检测匹配出相似建模背景；步骤S3：在预测编码时，利用匹配出的相似建模背景进行帧间编码的参考帧优化；步骤S4：预测编码结束后，获取当前帧的编码信息，作为后续帧预测是否需要优化的输入，并输出编码帧；步骤S5：更新背景建模与分类模型，预测该背景是否可能复现，若为可能复现的帧则进行更新建模、分类；步骤S6：对每一帧的编码都重复步骤S2‑S5直至所有帧编码结束；步骤S7：将所有编码帧输出为完整的视频码流。本发明利用游戏视频的复现性质对编码码率进行压缩，改善编码的性能。

公开(公告)号：CN109819252A

公开(公告)日：2019-05-28

申请号：CN201910214227.9

申请日：2019-03-20

Applicant: 福州大学

Inventor： 徐艺文 ,  伊世奇 ,  赵铁松 ,  房颖 ,  林丽群

IPC: H04N19/124 ,  H04N19/147 ,  H04N19/177

Abstract: 本发明涉及一种不依赖GOP结构的量化参数级联方法，首先通过研究编码中帧与帧之间参考比重关系，构建不依赖GOP结构的帧间失真依赖模型；其次，选取适当的参数，使用神经网络获取失真依赖模型的系数；最后，基于编码总体率失真代价最小的原则，利用神经网络输出实现量化参数分配方案，给各个视频帧分配最佳量化参数。本发明能够实现在编码过程不依赖GOP结构的前提下，保证编码的性能。