《HEVC視頻編碼優化與實現》在介紹新一代視頻編碼標準HEVC基本原理的基礎上，重點介紹作者科研團隊在低復雜度視頻編碼、感知視頻編碼、基於深度學習的視頻編碼，以及視頻編碼超大規模集成電路架構設計等方面的新研究成果。
《HEVC視頻編碼優化與實現》分為9章。第1章概述了視頻編碼國際標準和HEVC的發展歷程，介紹了HEVC的特色技術、感知視頻編碼技術和視頻編碼芯片實現。第2-8章介紹了HEVC視頻編碼關鍵模塊包括：幀間預測、幀內預測、變換與量化、熵編碼、環路濾波、率失真優化與碼率控制、參考幀存儲壓縮等編碼模塊的低復雜度優化方法、基於視覺感知的視頻編碼方法、基於深度學習的視頻編碼方法，以及高效的超大規模集成電路架構的設計與實現。第9章總結，介紹了主要結論和研究展望。

（1）西北工業大學電子信息學院，2004-至今，任助教、講師、副教授、教授（2）美國加州大學聖地亞哥分校，2017年，訪問學者（3）加拿大卡爾加裡大學， 2012年，訪問學者（4）美國加州大學聖地亞哥分校，2008年，訪問學者

目 錄
第1章 緒論 1
1．1 引言 1
1．2 視頻編碼 2
1．2．1 視頻表達 2
1．2．2 視頻中的冗餘 5
1．2．3 視頻編碼過程 6
1．3 視頻編碼標準 7
1．3．1 視頻編碼標準的發展 7
1．3．2 MPEG繫列標準 8
1．3．3 H．26X繫列標準 9
1．3．4 HEVC的標準化 9
1．4 新一代視頻編碼標準HEVC 10
1．4．1 HEVC中的基本概念 10
1．4．2 HEVC框架 12
1．4．3 HEVC關鍵技術 13
1．5 感知視頻編碼 15
1．6 視頻編碼器芯片設計 17
參考文獻 18
第2章 幀間預測 21
2．1 HEVC中的幀間預測方法 21
2．1．1 SKIP/merge模式 21
2．1．2 AMVP模式 23
2．1．3 運動估計 24
2．1．4 四叉樹劃分 28
2．1．5 幀間劃分流程 30
2．2 低復雜度HEVC幀間預測算法優化 31
2．2．1 算法的思想 32
2．2．2 模型的建立 32
2．2．3劃分算法的流程 35
2．2．4 實驗結果與分析 36
2．3 基於深度學習的HEVC內插值濾波算法優化 45
2．3．1 HEVC中的分數像素插值濾波算法 45
2．3．2 基於卷積神經網絡的分數像素插值濾波算法 48
2．3．3 實驗結果與分析 55
2．4 HEVC內插值濾波器的高效VLSI架構設計與實現 58
2．4．1 快速內插值濾波算法 58
2．4．2 高效插值濾波器VLSI架構 60
2．4．3 實驗結果與分析 65
參考文獻 66
第3章 幀內預測 69
3．1 HEVC中的幀內預測方法 69
3．1．1 幀內預測 69
3．1．2 HEVC幀內預測模式的決策過程 73
3．1．3 幀內預測CU的劃分和選取 75
3．2 低復雜度HEVC幀內預測算法優化 76
3．3 基於視覺感知的HEVC幀內預測算法優化 82
3．3．1 視覺顯著性模型的實現 83
3．3．2 基於圖像顯著性的深度標記 85
3．3．3 算法流程及算法分析 88
3．3．4 實驗結果與分析 89
3．4 基於深度學習的HEVC幀內預測角度預測模式選擇算法優化 92
3．4．1 基於深度學習的HEVC幀內預測角度預測模式選擇算法研究 92
3．4．2 基於深度學習的HEVC幀內預測劃分算法研究 103
3．4．3 兩種改進算法相結合的編碼性能分析 118
3．5 HEVC幀內預測的高效VLSI架構設計與實現 120
3．5．1 整體架構設計 120
3．5．2 自適應參考像素平滑濾波器的架構設計 122
3．5．3 可重構的角度預測模塊的架構設計 124
3．5．4 累加架構的Planar預測模塊架構設計 127
3．5．5 復用結構的DC預測模塊架構設計 128
3．5．6 實驗結果與分析 129
參考文獻 133
第4章 變換與量化 135
4．1 HEVC中的變換與量化方法 135
4．1．1 DCT與視頻編碼 135
4．1．2 整數DCT算法的研究 140
4．1．3 整數DCT算法的優化 145
4．1．4 HEVC中的其他殘差處理方法 147
4．1．5 HEVC中的量化 149
4．2 低復雜度HEVC變換與量化算法優化 154
4．2．1 全零塊檢測基本原理 154
4．2．2 全零塊檢測算法 158
4．2．3 實驗結果與分析 166
4．2．4 量化與繫數編碼 168
4．3 快速TU劃分算法研究 172
4．3．1 HM中的TU劃分方法 172
4．3．2 快速TU劃分算法 174
4．3．3 實驗結果與分析 181
4．4 HEVC變換與量化的高效VLSI架構設計與實現 182
4．4．1 整數DCT的VLSI實現 182
4．4．2 實驗結果與分析 192
4．4．3 整數DST的VLSI實現 195
4．4．4 實驗結果與分析 197
4．4．5 量化算法的VLSI實現 198
4．4．6 實驗結果與分析 200
參考文獻 200
第5章 熵編碼 203
5．1 HEVC中的熵編碼方法 203
5．1．1 二進制化 203
5．1．2 上下文建模 203
5．1．3 二進制算術編碼 204
5．2 低復雜度HEVC熵編碼算法優化 204
5．2．1 變換繫數熵編碼優化算法的思想 204
5．2．2 變換繫數熵編碼優化算法的流程 207
5．2．3 實驗結果與分析 208
5．3 哥倫布及等概率編碼優化 210
5．3．1 哥倫布-萊斯碼 210
5．3．2 哥倫布編碼估計 212
5．3．3 等概率編碼過程的簡化 213
5．3．4 實驗結果與分析 214
參考文獻 215
第6章 環路濾波 217
6．1 HEVC中的環路濾波方法 217
6．1．1 去塊效應濾波 217
6．1．2 樣點自適應補償 218
6．1．3 去塊效應濾波的標準算法 218
6．1．4 樣點自適應補償的標準算法 222
6．2 基於視覺感知的HEVC環路濾波算法優化 226
6．2．1 算法的思想 226
6．2．2 算法的流程 227
6．2．3 實驗結果與分析 228
6．3 基於深度學習的HEVC環路濾波算法優化 230
6．3．1 基於卷積神經網絡的樣點自適應補償算法 230
6．3．2 實驗結果與分析 237
6．4 HEVC環路濾波的高效VLSI架構設計與實現 239
6．4．1 易於硬件實現的快速邊界判定算法 239
6．4．2 樣點自適應補償中的快速編碼比特數預測算法 244
6．4．3 實驗結果與分析 250
6．4．4 HEVC中環路濾波整體架構設計 252
6．4．5 環路濾波架構的並行設計 253
6．4．6 去塊效應濾波的VLSI架構設計 257
6．4．7 樣點自適應補償的VLSI架構設計 261
6．4．8 環路濾波器的流水線設計 267
6．4．9 存儲器設計 269
6．4．10 實驗結果與分析 270
參考文獻 272
第7章 率失真優化與碼率控制 274
7．1 HEVC中的率失真優化與碼率控制方法 274
7．1．1 率失真優化 274
7．1．2 碼率控制 274
7．2 基於視覺感知的HEVC率失真優化與碼率控制算法優化 277
7．2．1 算法框架 277
7．2．2 視覺顯著性模型 278
7．2．3 失真模型 280
7．2．4 基於視覺顯著性的加權失真 282
7．2．5 感知碼率控制算法 283
7．2．6 實驗結果與分析 286
7．3 快速碼率估計算法 291
7．3．1 素編碼結構 291
7．3．2 碼率計算的標準過程 292
7．3．3 碼率計算過程的簡化 294
7．3．4 實驗結果與分析 301
參考文獻 303
第8章 參考幀存儲壓縮 305
8．1 參考幀存儲壓縮基本概念 305
8．1．1 簡述 305
8．1．2 常見的參考幀壓縮方法 305
8．2 無損參考幀存儲壓縮繫統 309
8．2．1 基於像素紋理的無損參考幀壓縮算法研究 309
8．2．2 DRAM存儲繫統的研究 318
8．2．3 並行流水無損參考幀壓縮架構 320
8．2．4 實驗結果與分析 325
8．3 有損參考幀存儲壓縮繫統 329
8．3．1 人類視覺繫統 329
8．3．2 率失真理論 330
8．3．3 有損參考幀壓縮算法 333
8．3．4 並行流水有損參考幀壓縮VLSI架構 344
8．3．5 實驗結果與分析 349
參考文獻 357

視覺是人類從外部獲取信息的最主要的途徑。與聽覺、嗅覺和味覺等其他感覺相比，視覺可以通過感知光學信號的光線和色彩變化來獲得更為直觀和豐富的信息。人類接收的信息大約有70%來自視覺。與文字信息相比，圖像或視頻信息更直觀，更能被大多數人接受。
隨著互聯網技術和多媒體技術的發展，視頻信息已廣泛存在於人們的生活和學習中。根據調查顯示，在互聯網流量中，網絡視頻約占90%。隨著時間的推移，人們對於視頻質量的要求也在不斷提高，視頻從最初的CIF分辨率發展到高分辨率1080P，傳統的VCD、DVD及CRT顯像管電視等播放設備逐漸被可以為消費者提供1080P高清視頻的播放設備取代。目前，1080P分辨率的視頻已經不能滿足廣大消費者的使用需求，取而代之的是分辨率高達4K（3840×2160）和8K（7680×4320）的超高清視頻。與此同時，視頻的幀率也在不斷提高，從傳統的30fps（幀／秒）發展到60fps，再發展到120fps，甚至更高。
數字視頻具有直觀性、確定性、廣泛性等一繫列的優點，但隨著視頻分辨率的提高，數字視頻信息量大和實時性要求高的特點使得視頻信息傳輸和存儲的成本成倍增加，成為阻礙人們享受數字視頻的瓶頸。因此，研究有效的數字視頻編碼技術，以壓縮的形式傳輸和存儲視頻信息成為急需解決的問題。
隨著互聯網和多媒體技術的發展，視頻編碼技術廣泛應用於計算機、通信、廣播電視等領域。針對視頻應用不斷向高清晰度、高幀率、高壓縮率方向發展的趨勢，原有的H.264/AVC視頻編碼標準的局限性逐漸顯現。因此，新一代高效視頻編碼（High Efficiency Video Coding，HEVC）標準應運而生。HEVC標準沿用了上一代視頻編碼標準H.264/AVC的混合編碼框架，保留了其中的先進技術，同時對一些已經不適應當前視頻發展趨勢的技術加以改進或剔除。HEVC標準通過應用各種先進技術提高了視頻編碼的效率。在達到同等編碼效果的前提下，HEVC標準比H.264/AVC標準的編碼性能提高了近一倍。但眾多的先進編碼工具在提高編碼效率的同時也極大地增加了HEVC編碼器的復雜度，特別是當視頻分辨率進入超高清階段後，其實現的復雜度也急劇增加，同時給HEVC編碼芯片的設計與實現帶來了巨大的挑戰。我們通過研究發現，在幾乎不影響編碼效率的前提下，將深度學習、視覺感知等計算機視覺方法與視頻編碼有機融合可以顯著降低HEVC標準的編碼計算的復雜度。因此，研究高效的HEVC視頻編碼方法和芯片實現架構具有重要的理論意義和應用前景。
全書共8章。第1章概述了視頻編碼國際標準和HEVC標準的發展歷程，並且介紹了HEVC關鍵技術、感知視頻編碼和視頻編碼器芯片設計。第2章～第8章介紹了HEVC視頻編碼的關鍵模塊，包括幀間預測、幀內預測、變換與量化、熵編碼、環路濾波、率失真優化與碼率控制、參考幀存儲壓縮等編碼模塊的低復雜度優化方法、基於視覺感知的視頻編碼優化方法、基於深度學習的視頻編碼優化方法，以及高效VLSI架構設計與實現。