买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜杭州电子科技大学申请的专利一种基于统计建模的VVC快速码率估计方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115174918B 。

龙图腾网通过国家知识产权局官网在2025-06-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210756169.4，技术领域涉及：H04N19/149；该发明授权一种基于统计建模的VVC快速码率估计方法是由祁伟;殷海兵;王鸿奎设计研发完成，并于2022-06-30向国家知识产权局提交的专利申请。

本一种基于统计建模的VVC快速码率估计方法在说明书摘要公布了：本发明属于视频编码领域，公开了一种基于统计建模的VVC快速码率估计方法，包括如下步骤：步骤1：语法元素编码结构分析；步骤2：构建大尺寸TU码率估计模型；步骤2.1：部分语法元素的码率预估；步骤2.2：分析最后一位非零系数位置和系数分布特征；步骤2.3：构建大尺寸TU最终码率模型；步骤3：构建小尺寸TU码率模型。本发明实现了高精准度的量化系数码率预估；对训练样本进行亮度和色度分组的基础上，对TU进行大尺寸和小尺寸分组，使得码率预估模型误差更小；本发明所提出的码率估计算法可以在保证编码性能的前提下，实现时间成本的有效降低。

本发明授权一种基于统计建模的VVC快速码率估计方法在权利要求书中公布了：1.一种基于统计建模的VVC快速码率估计方法，其特征在于，包括如下步骤：步骤1：语法元素编码结构分析；在模式决策过程中，VVC通过拉格朗日公式进行率失真代价的计算：JRD＝D+λ*R1其中，JRD为最小的率失真代价，D表示原始像素块与重构像素块之间的失真，λ是拉格朗日因子，R为编码当前单元的比特消耗；编码器在对量化系数进行编码时，首先会对当前TU中最后一个非零系数的位置信息LP进行编码，然后将TU划分成系数组CG，以反向扫描顺序对每个CG的系数子块标志CSBF进行编码，CSBF表示该CG内是否存在非零系数，最后对各非零CG中的量化系数进行多次扫描，编码其他语法元素；第一次系数扫描编码时，有效系数标志SCF表示当前系数是否非零，系数大于1标志GT1表示系数绝对值是否大于1，奇偶校验标志PAR表示系数绝对值减去2后的奇偶性，系数大于3标志GT3表示当前系数绝对值是否大于3；第二次系数扫描时，剩余系数标志REM表示系数绝对值减去4的剩余部分，VVC对第一次扫描中已经编码的上下文比特数量有所限制，如果在扫描位置开始时，变换块中SIG、GT1、PAR和GT3编码的比特总数超过一定值，则在此处终止第一次和第二次系数扫描，剩余扫描位置的系数绝对值|q|在第三次扫描过程中进行旁路编码，由语法元素剩余系数绝对值标志DEC表示；在第四次系数扫描时，系数符号标志CSF表示当前系数是否为正；步骤2：构建大尺寸TU码率估计模型；步骤2.1：部分语法元素的码率预估；根据局部统计特性，语法元素SCF、PAR、GT1和GT2的上下文概率模型受到多种因素影响，包括有当前系数位置、局部邻域系数的重建值之和、局部邻域中非零系数数量和DQ状态，系数重建值表示如下：Q＝scf+gt1+par+2*gt32其中Q是系数重建值，scf、gt1、par和gt3表示对应的语法元素值；利用以下线性模型来预估语法元素SCF、PAR、GT1、GT2和CSF的码率和R1，模型定义如下：R1＝θ1ε1+θ2ε2+θ3ε3+θ4ε43其中ε1，ε2分别为TU中横纵坐标之和小于2和小于5时系数非零的数量，ε3表示TU中系数的重建值之和，ε4表示TU中非零系数数量，θ1到θ4表示权重系数，由线性回归训练得到，为提高模型准确度，在区分亮度块和色度块基础上，按照TU尺寸进行分类拟合，当变换块为色度块时，考虑到块内量化系数相对较少，此时不用ε2这个特征，实验编码模式为随机访问RA模式，训练样本从序列BasketballPass中获得，QP设置为32；步骤2.2：分析最后一位非零系数位置和系数分布特征；在预估部分语法元素码率和R1后，统计VVC中不同TU尺寸和不同QP下语法元素的码率占比结果，其中Rs表示语法元素SCF，GT1，PAR，GT2和CSF的码率和占总码率的比重，LP表示语法元素LP的码率占比，将LP语法元素码率特征加入码率模型中，使用最后一位有效系数的位置特征RLP来预估编码LP所消耗的码率，定义如下：RLP＝i+j+14其中i，j分别表示最后一位有效系数横坐标和纵坐标；定义λ1为CG中反向扫描顺序下零系数与非零系数的转换次数，而当CG内第一个非零系数与最后一个非零系数之间的零系数数量较少时，表明非零系数分布更加集中，此时编码CG所需比特就越少，将λ2定义为CG内第一个与最后一个非零系数之间零系数个数，系数分布特征定义如下： 其中N表示TU的尺寸；步骤2.3：构建大尺寸TU最终码率模型；大尺寸TU最终码率模型如下：Rest＝u0+u1R1+u2RLP+u3Rs6其中Rest表示大尺寸TU中量化系数的预估码率，R1表示语法元素SCF，GT1，PAR，GT2和CSF码率和的预估码率，RLP表示为TU中最后一位有效系数的位置，Rs表示TU系数分布特征，u0到u3为模型参数，由线性回归训练得到；步骤3：构建小尺寸TU码率模型；使用加权量化系数的方法来描述位置信息对码率代价的不均匀贡献，并使用全局混乱度特征来减小预估码率与真实码率间的误差,最终模型如下： 其中wi代表权重系数，li代表量化系数，N表示TU尺寸，对于2x2尺寸TU块，N为4；对于2x4和4x2尺寸TU块，N为8，λ1表示CG中零系数和非零系数的翻转次数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。