当前,虚拟现实(Virtual Reality,简称VR)技术发展越来越快,应用越来越广泛,虚拟现实视频是虚拟现实技术的重要应用领域。现阶段,虚拟现实视频一般先投影,然后用传统视频编码框架(如HEVC)进行编码。由于虚拟现实视频高帧率高分辨率的特点,视频帧内编码过程中遍历各尺寸编码单元(CU)产生的计算量更高,编码速度相比传统视频更慢,并且虚拟现实视频在编码时,没有针对不同投影格式的特点做出优化。论文对虚拟现实视频的特点进行了分析,对于虚拟现实视频编码算法进行了优化,重点研究虚拟现实视频帧内编码CU快速划分算法,并将快速划分算法针对虚拟现实视频投影格式的特性进行优化,设计了基于最优深度预测的CU快速划分算法,以及基于纬度加权编码比特数的CU划分提前终止算法。论文的主要工作和创新点如下:(1)论文提出了一种基于LCU深度预测的CU快速划分算法,通过预测最大编码单元(LCU)深度来跳过部分尺寸CU的计算。算法使用Sobel算子得到LCU纹理特征,分析LCU纹理特征与LCU深度的关系,使用KNN分类器来预测LCU的深度。为了使KNN训练集数据更适应待编码视频,论文将视频分为预测帧和训练帧,训练帧采用原有算法编码并将训练帧LCU的纹理特征和深度记入KNN分类器,预测帧使用KNN分类器预测LCU深度,跳过部分尺寸CU的计算。实验结果显示,该算法减少了37.9%的编码时间,BD-rate仅增加1.31%。(2)论文提出了一种基于纬度加权的CU划分提前终止算法,通过提前终止CU向下划分来提升帧内编码速度,并根据ERP投影格式虚拟现实视频的特点对不同区域CU进行加权。算法根据CU编码比特数判断CU是否需要向下划分,设定判断不同尺寸、量化步长的CU是否需要向下划分的阈值。针对ERP投影格式高纬度区域对视频质量影响小的特点,根据纬度对CU进行加权,使高纬度区域的CU更容易终止划分。实验结果显示,该算法减少了32.8%的编码时间,BD-rate仅增加1.30%。