随着多媒体技术的发展，人们对视频的要求越来越高，不仅要求高清晰度，而且也在向3D立体视频方向发展。多视点纹理视频加深度(multiview video plus depth,MVD)是当前最流行的3D视频编码算法，对于MVD格式，就是在不同视点和相应深度映射图中捕获部分视频压缩成3D视频流，然后通过解码得出视频图像和深度图像，再通过视点合成技术得出其他视点^[1]。

3D-HEVC是高效视频编码(high efficiency video coding,HEVC)用于3D视频编码的扩展，也是MVD格式视频压缩工具中最先进的编码标准，在3D-HEVC中，对深度映射图像的帧内编码既使用了HEVC中的35中帧内预测模式，又加入了深度模型模式(depth modeling modes,DMM)，但是这极大地增加了计算复杂度和编码时间。因此，如何降低复杂度，节约编码时间成了人们讨论的热点。文献^[2]根据统计信息，为率失真代价设置阈值，通过比较率失真代价和阈值，提前结束编码单元的划分。文献^[3]提出了一种自适应加权平均率失真代价(RDcost)的方法提前截止编码单元(coding unit,CU)划分的方法。文献^[4]提出了一种基于贝叶斯分类器的方法快速决策CU的最佳尺寸。文献^[5]利用统计信息和文献^[4]提出的贝叶斯分类器，对率失真代价值设置阈值，提前确定编码单元的划分。文献^[6]将LCU下采样到四分之一大小，计算图像的纹理复杂度，过滤掉一些不太可能的预测单元。文献^[7]利用预测模式之间和哈达玛变换代价之间的相关性，减少率失真优化时候选模式的数量，并且将编码单元树的深度进行了范围划分，以及对哈达玛变换代价和率失真优化代价分别设置阈值，减少遍历搜索的次数。文献^[8]对编码块纹理特性的分析，根据相邻编码单元的深度预测当前的编码单元。文献^[9]设置4个编码水平，利用相邻图像组(group of picture,GOP)中深度值相同的CU的编码水平也相同的关系，加速编码过程。文献^[10]利用纹理图和深度图之间的关系，加速纹理视频的模式判决。文中通过使用条件概率统计分析纹理图的LCU划分深度分布与深度图的LCU划分深度分布之间的关系，利用两者之间的相关性，提出一种提前截止深度图深度划分的方法。 1 3D-HEVC视频编码框架

3D-HEVC视频编码框架如图 1所示，同一时间N个视点按0，1，…，N-1的顺序被依次编码，每个视点均包括纹理图和深度图，同一时间呈现同一场景的N个纹理图加深度图被成为一个存取单元。参考视点0因不参考其他视点被称为独立视点，视点1，2，…，N-1因参考了其他视点被称为依赖视点。每个视点先编码纹理帧，再编码深度图^[12]。

图 1 3D-HEVC编码框架

图选项

独立视点0的纹理图通过传统的HEVC编码器编码，独立视点0的深度图通过改进的HEVC深度编码器(HEVC+DMM)编码。依赖视点的纹理图通过改进并增加了视点间预测的HEVC编码器编码，依赖视点的深度序列通过改进并增加了视点间预测的HEVC深度图编码器编码。

对于同一视点，其深度图可以通过已编码的对应纹理图来预测。对于不同视点，未编码的纹理图既可以通过参考视点的已编码纹理图来预测，也可以通过参考视点的已编码深度图来预测，而未编码的深度图只能通过参考视点的已编码深度图来预测。 2 纹理图的HEVC帧内预测算法过程

在HEVC帧内预测编码过程中，纹理图及其深度划分的过程为：每一幅图像被划分为若干个互不重叠的LCU，在LCU内部，采用基于四叉树的循环分层结构。同一层次上的编码单元具有相同的分割深度。1个LCU可能只包含1个CU(没有进行划分)，也可能被划分为多个CU，具体分割方式如图 2所示。

图 2 HEVC的CU划分

图选项

HEVC对LCU帧内编码的过程^[8]：

1)对LCU(depth=0)进行35种帧内预测模式搜索，计算相应的率失真代价RDCost_0 。

2)按照图 1所示方式，将LCU划分为4个子CU(depth=1)，对每个子CU分别计算RDCost，将4个子CU的RDCost加和，定义为RDCost_1。

3)比较RDCost_0和RDCost_1，如果前者较小，则将RDCost_0对应的最佳预测模式作为LCU的最优预测模式，否则将RDCost_1对应的最佳预测模式作为LCU的最优预测模式。

4)以此方式，对每一个子CU进行帧内预测模式搜索时经历与LCU相同的过程，直到CU划分深度为3 。

这种穷尽搜索的方式虽然提高了准确性，但是也极大地增加了编码的复杂度和编码时间。文中考虑到深度映射图大片的平坦区域的特点，对纹理图的深度全为0、1的LCU的概率分布和深度映射图的深度全为0、1的LCU的概率分布进行了统计分析，发现两者之间有很大的相关性，因此有些LCU的深度划分没有必要进行0~3的递归划分，可以通过纹理图LCU的深度判断跳过划分，这样可以大大地缩短编码时间。 3 深度图编码单元快速划分算法

在3D-HEVC中，由于深度图图像是相同场景的深度表示，因此在纹理图比较平坦的LCU，深度图像的LCU也是比较平坦的，并且当前LCU深度值也比较平均。因此文中提出了一种加速深度图编码单元快速划分的算法，在已知纹理图LCU的最终划分模式的情况下，根据概率统计跳过不必要的深度图的LCU深度划分，来加速深度图的编码单元划分。

首先，对一个YUV测试序列进行编码，统计深度图中每个LCU的最终深度划分分布，通过观察可以发现由于深度图的复杂度较低，所以LCU中深度全为0的LCU占所有LCU很大一部分，然而每个LCU却都需要遍历一遍所有的深度才能得到最终的深度划分，这大大地增加了编码的运行时间。因此可以考虑根据对应纹理图的LCU最终深度划分，来判断跳过这些深度全为0的LCU的进一步划分。

选取3D-HEVC标准中给出的标准测试序列中的三视点的balloons、三视点的kendo、两视点的newspaper作为试验序列，量化参数(quantization parameters，QP)分别选择为(25,34)、(35,42)、(40,45)，编码帧数分别为100、100、300进行实验。统计编码视频中当纹理图中LCU深度分别为全0和全1时，对应深度图LCU全0的比例分布，得到结果如表 1所示(纹理LCU深度全为0简称为纹理0，深度LCU图深度全为0的简称为深度0，纹理1同理)。

由表 1可以得出：

1)在纹理图LCU全0的时候，深度图LCU 99%以上也都为全0；

2)纹理0深度0和纹理1深度0占深度全0 的比例和超过90%；

3) 纹理1深度0占纹理全1的至少70%。

因此，决定将纹理LCU划分深度全为0时，其对应的深度图LCU跳过进一步的划分使其最终的划分也都为0。从表 1中还可以看出，纹理1和深度0也存在一定的关系，因此我们继续进行分析统计纹理LCU全1时，对应深度LCU全0和其他的RDcost，找到适当的阈值来跳过纹理1深度0。表 2为统计结果(统计中去除了一些在范围外出现极少的值)。

由表 2可以看出当纹理全1时，3种情况的RDcost值范围重叠性很强，但是只有纹理1深度0的RDcost值有小于0的情况，其他2种情况基本没有，因此文中的算法可以根据以下2个条件来加速深度图的LCU划分：

1)当纹理图LCU的划分深度值都为0时，跳过深度图对应LCU的进一步划分。

2)当纹理图LCU的划分深度值都为1时，判断深度图对应LCU的RDcost值，如果该值小于0，则跳过该LCU的进一步划分；否则按照标准算法递归划分。

文中的算法流程如图 3所示。

图 3 本文算法流程

图选项

实验将文中算法、参考文献^[13]中的降低3D视频编码中深度图的帧内编码复杂度的算法(complexity reduction of depth intra coding for 3D video extension of HEVC,CRDI)、参考文献^[14]中的利用简化边缘检测法降低3D视频编码中深度图帧内编码复杂度的算法(complexity reduction for 3D-HEVC depth maps intra-frame prediction using simplified edge detector algorithm,CSED)分别对比HTM14.1的Anchor算法，通过Bit-rate、深度图编码时间百分比ΔT和PSNR进行算法性能对比^[11]，三视点的balloons，三视点的kendo，两视点的newspaper作为试验序列，QP分别选择为(25,34),(35,42),(40,45)，编码帧数分别为100,100,300，统计数据公式为

表 3给出实验结果，可以看出，文中算法较HTM14.1标准算法，PSNR和比特率几乎不变，但是编码时间节约了22%~25%。与CRDI算法、CSED算法相比，文中算法能够在降低相近的编码时间的同时，保证编码性能，因此，文中算法优于参考文献^[13]算法以及参考文献^[14]算法。综合上述分析，说明了文中算法可以在保证Bit-rate和PSNR基本不变的前提下，降低编码复杂度和编码时间。

文中选取了测试序列里的Kendo序列，在QP=(35,42)前提下，HTM14.1算法结果与改进后算法作对比，在主观上看属于同一质量水平，文中算法在单元划分上更具合理性，如图 4、5所示。

图 4 QP=(35,42)时HTM14.0算法处理的深度图

图选项

图 5 QP=(35,42)时本文算法处理的深度图

图选项

文中利用概率统计纹理图LCU深度划分分布与深度图LCU深度划分分布之间的相关性，提出一种基于纹理图的深度图编码单元快速划分算法，该算法可以使得深度图LCU中的递归划分提前截止，从而降低编码复杂度和编码时间。实验结果表明：与3D-HEVC标准测试模型HTM14.1比较，文中算法可以在保证bit-rate和PSNR基本不变的前提下平均节省24%的深度图编码时间。