来源：期刊VIP网 时间：
作者：李轩;冷雨馨;
单位：沈阳航空航天大学电子信息工程学院;
摘要：作为HEVC标准中最基础、最重要的技术之一，帧内预测对实现视频编码的高速、高质量和高压缩率具有重要的作用。文中针对帧内预测复杂性问题进行研究，提出一种基于深度卷积神经网络（CNN）的方法，通过学习来预测CTU的划分，从而减少HEVC帧内编码的复杂性。通过建立一个大规模的CTU划分数据库，并利用CNN的能力学习各种CTU划分模式，能够准确地预测CTU的划分，从而避免了传统的穷举搜索，实现了HEVC编码复杂性的显著降低，提高了编码效率。实验结果表明，提出的方法在测试序列和图像上分别将帧内编码时间减少了62.25%和69.06%，与其他最先进的方法相比，比特率分别仅增加了2.12%和1.13%，达到了优化的目的。
关键词：高效视频编码;;帧内预测编码;;卷积神经网络;;深度学习;;编码单元;;深度决策;;编码块分割
基金资助：辽宁省“兴辽英才计划”项目（XLYC1907022）;; 辽宁省重点研发计划项目（2020JH2/10100045）
