多媒体信号处理技术和视频应用设备的不断发展,使得用户对观看视频的视觉体验相应地提出了更高的要求。此外,随着更多视频应用场景的出现,视频内容也呈现多样性的发展趋势。超高清视频(Ultra High Definition,UHD)由于能够提供更高质量的沉浸式体验和更真实的视觉感受,而越来越受到人们的青睐。然而,与标清、高清视频相比,UHD视频在表达同一场景内容时视频数据量暴增,其超高的编码复杂度严重地影响了UHD视频在视频会议、直播视频、远程教育、移动视频和在线游戏等实时场景的应用,同时也给功率受限的移动应用设备提出新的挑战。因此,UHD视频低复杂度编码方法成为当前亟待解决的问题。本文分别针对不同内容的UHD视频,提出了三种快速编码算法。(1)联合深度视频增强的三维视频快速编码算法。首先,引入深度视频增强处理以消除深度视频中的虚假纹理信息,并且为编码单元(Coding Unit,CU)划分和预测模式选择提供进一步低复杂度优化空间;然后,利用纹理复杂度将CU分类为平坦CU和复杂CU,提前终止平坦CU的分割过程,以减少CU递归遍历次数;最后,利用边缘强度对预测单元(Prediction Unit,PU)进行分类,并跳过低边缘强度PU的深度模型模式。实验结果表明,本算法不仅显著降低深度视频帧内编码复杂度,而且使其率失真性能得到有效提升,平均节省了62.91%的深度编码时间,BDBR平均下降4.63%。(2)基于神经网络的屏幕内容视频快速编码算法。首先,结合屏幕内容视频的特点提取视频内容信息作为特征离线训练神经网络分类器,将待编码CU分类为相机捕获内容CU和屏幕内容CU;然后,对不同类型的CU进行不同的候选模式限制策略;最后,利用一种基于灰度共生矩阵的在线学习的方法对CU尺寸决定过程进行加速。实验结果表明,本算法能够在只增加1.36%码率的情况下平均降低49.33%的编码复杂度。(3)基于多分类器的未来视频编码(Future Video Coding,FVC)帧内CU快速尺寸决定算法。首先,提取与FVC帧内CU分割模式高度相关的特征采用离线训练的方式建立基于支持向量机的分类模型。然后,通过实验建立编码性能与训练参数之间的数学模型,并可解释性地调节训练参数以达到平衡编码复杂度和压缩效率损失的目的。最后,利用离线训练的CU分类模型指导待编码CU跳过不必要的CU深度。实验表明,本算法在不损失压缩效率的前提下显著地降低了FVC帧内编码的计算复杂度,编码时间平均节省65.77%,BDBR上升3.55%。