分布式视频编码(DVC)与传统视频编码之间的转码为移动终端设备之间的低功耗视频通信提供了一种有效的实现思路。以DVC与HEVC转码为研究对象，利用DVC解码端信息，针对高效视频编码(HEVC)中复杂度极高的编码单元(CU)划分过程进行复杂度优化研究。在DVC解码端提取与CU划分相关的纹理复杂度、运动矢量及预测残差3种特征信息；在HEVC编码端基于朴素贝叶斯原理建立CU快速划分模型，模型生成后便可以通过输入特征信息对当前CU划分进行快速决策，避免大量率失真(RD)代价计算过程。实验结果表明，本方案在编码比特率略有上升的情况下大幅缩短了HEVC编码时间，平均下降幅度达到58.26%，且几乎不影响视频质量。

为降低高效视频编码(HEVC)中帧内预测编码复杂度和编码耗时,提出一种基于预测单元(PUs)尺寸的HEVC帧内预测模式快速选择的改进算法。对最大尺寸PUs利用统计概率分层构建进入粗选择模式(RMD)过程的模式列表,对其他尺寸PUs分别采用两种不同方式提取纹理方向构建进入RMD过程的模式列表,其中对32×32、16×16尺寸PUs采用像素梯度提取纹理方向,对8×8、4×4采用像素值偏差提取纹理方向,从而减少进入RMD过程模式数量,有效降低编码时间。实验结果表明,本算法所用编码时间比测试模型HM16.9减少32.2%,而码率仅仅增加了0.86%。与现有优秀算法相比,本文算法进一步降低编码耗时,保证了编码质量。

为了探索虚拟绘制视点之间的强相关性, 提高光场图像的压缩效率, 提出一种基于视点相关性的光场图像压缩算法。该算法基于高清视频编码屏幕内容编码扩展平台, 利用线性加权算法以及帧内块拷贝混合预测算法来提升编码块的预测精度; 并利用率失真优化过程来自适应地选择最优的编码块大小以及预测模式。结果表明, 所提算法相比于高清视频编码标准可以获得2.55dB的平均BD-峰值信噪比编码增益, 同时可以获得较好的虚拟视点绘制质量。该算法充分利用虚拟绘制视点之间的强相关性, 提高了光场图像的编码效率。

为了解决集成成像系统中立体元图像阵列存储和传输的问题, 本文提出了一种结合成像几何特征的立体元图像阵列编解码算法。首先, 根据立体元图像阵列采集过程中的相关物理参数确定不同立体元图像中同名像点的偏移量, 对立体元图像阵列中每行相邻立体元图像进行分组并确定编码顺序。然后, 确定待编码立体元图像的预测图并计算待编码立体元图像与其预测图的残差。最后, 对残差进行HEVC编码。实验结果表明, 与传统的HEVC帧内预测编码算法, 以及与将立体元图像阵列中的所有立体元图像组成一个视频序列进行HEVC编码的算法相比, 在相同比特率的情况下, 本算法解码图像的质量提高了10～25 dB, 说明本文提出的算法具有更高效的编码性能。

为降低高效视频编码(HEVC)的帧内编码复杂度，提出一种基于图像纹理特征的编码单元(CU)划分和预测模式选择算法。利用一种预处理算法来获得当前CU的纹理复杂度和方向。一方面，根据CU的纹理复杂度，该算法自适应地跳过或终止部分CU划分，减少CU深度的遍历时间。纹理复杂度高的CU直接划分成4个子CU，纹理复杂度低的CU将会终止划分。另一方面，根据预测单元的纹理方向，确定相应的候选模式集，通过粗模式决策算法和率失真最优化算法遍历候选模式集选取最优模式。将算法移植到标准食品解码软件HM16.7平台上，实验结果表明，与HM16.7算法相比，编码时间平均减少53.66%，比特率上升0.46%，峰值信噪比下降0.05 dB。

提出了一种基于图像相关性和最优模式概率统计的帧内预测优化算法, 用于降低视频编码的复杂度。首先, 介绍了新一代视频编码标准(HEVC)帧内预测算法中的Angular预测模式、Planar预测模式、LM 预测模式, 以及帧内率失真代价最优化(RDO)计算方法。采用绝对误差和(SAD)作为代价函数处理残差, 初步筛选得到最佳候选预测模式, 然后利用简化率失真代价模型与最有可能预测模式(MPM)判断得到RDO候选预测模式, 利用RDO得到最佳预测模式。最后在HEVC测试模型HM4.0的平台上对改进算法进行验证, 并采用不同分辨率的视频序列进行了仿真实验。实验结果表明: 在峰值信噪比(PSNR)影响可以忽略的情况下(平均降低0.06 dB), 提出的帧内预测优化算法比HM4.0中方法的压缩时间平均减少了30.18%, 码率平均增加了1.97%。与文献<参考文献原文>提出的帧内预测编码方法相比, 其复杂度平均减少了11.45%, 码率平均减少了0.46%, PSNR平均增加了0.01 dB, 压缩性能均有所提高。

为了降低新一代高效视频编码 (High Efficiency Video Coding, HEVC) 标准的编码复杂度，提出了一种基于四叉树结构类型分析和早期编码单元(Coding Unit, CU)裁剪的HEVC快速编码新算法。首先，通过分析已编码的最大编码单元(Largest CU, LCU)四叉树结构类型，确定其深度遍历区间(Depth Range, DR)类型。然后，利用相邻已编码的LCU以及前向参考帧和后向参考帧中坐标位置相同的LCU的DR类型来预测当前LCU的DR类型，并根据预测得到的DR类型对当前LCU设定CU深度遍历区间。最后，采用贝叶斯决策原理获取阈值，并利用该阈值在CU分割过程进行早期CU裁剪。实验结果表明：相对于原始HEVC编码结构，本文算法在随机访问模式下编码时间平均减少41.55%，BDBR（Bjontegaard Delta Bit Rate）只增加约1.94%，BDPSNR（Bjontegaard Delta Peak Signaltonoise Rate）只降低了0.06 dB；与Shen方案相比，该算法可以降低12%左右的计算复杂度，BDBR只增加约1.09%，BDPSNR只降低了0.03 dB。