趙利平 林濤 龔迅煒 朱蓉

摘要：針對現(xiàn)有的幀內(nèi)塊復(fù)制（IBC）算法不能很好地適應(yīng)屏幕圖像具有各種不同大小和形狀樣圖的問題，為了進(jìn)一步提高屏幕圖像的編碼效率，提出了一種幀內(nèi)微塊復(fù)制（IMBC）算法。該算法首先將當(dāng)前編碼單元（CU）劃分成L個微塊。然后以每個微塊作為最小的匹配和復(fù)制單元，采用匹配微塊組選擇算法，在參考像素集合R中找到與當(dāng)前微塊最匹配的“參考微塊”。用L個位移矢量（DV）來表示“參考微塊”所在位置與當(dāng)前CU所在位置的位移關(guān)系。最后，對L個位移矢量應(yīng)用預(yù)測算法以消除位移矢量之間的相關(guān)性后進(jìn)行熵編碼。對于屏幕圖像標(biāo)準(zhǔn)測試數(shù)據(jù)集合中的視頻序列，IMBC算法與IBC算法相比，在編碼復(fù)雜度增加較低的前提下，在全幀內(nèi)（AI）、隨機接入（RA）、低延遲（LB）三種編碼配置中，有損BDrate降低率分別達(dá)3.4%、2.9%、2.6%，無損Bitrate降低率分別達(dá)9.5%、5.2%、5.1%，能有效提高屏幕圖像的編碼效率。

關(guān)鍵詞：

高效視頻編碼；屏幕圖像編碼；幀內(nèi)塊復(fù)制；微塊劃分；位移矢量

中圖分類號： TN919.81； TP391.413 文獻(xiàn)標(biāo)志碼：A

0引言

隨著云計算和云—移動計算的發(fā)展，屏幕圖像編碼[1-3]（Screen Content Coding，SCC）已經(jīng)成為當(dāng)前新興主流的云片計算、虛擬屏幕、遠(yuǎn)程桌面、虛擬桌面（Virtual Desktop Infrastructure， VDI）、iPad/iPhone的無線屏幕映像技術(shù)、智能手機和平板電腦的第二顯示、數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)、超瘦型客戶端和遠(yuǎn)程感知等應(yīng)用中解決客戶端與服務(wù)器端數(shù)據(jù)傳輸瓶頸問題的關(guān)鍵技術(shù)，因此，SCC作為一個新的研究課題受到了學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注。正在聯(lián)合制定最新國際視頻編碼標(biāo)準(zhǔn)高效視頻編碼（High Efficiency Video Coding，HEVC）的三大組織國際電信聯(lián)盟（International Telecommunication Union，ITU）、國際標(biāo)準(zhǔn)化組織（International Organization for Standardization，ISO）和國際電工委員會（International Electro technical Commission，IEC）于2014年1月聯(lián)合正式啟動HEVC第五版即SCC版的標(biāo)準(zhǔn)制定工作并發(fā)布了標(biāo)準(zhǔn)提案征集公告[4]。

SCC技術(shù)中一個挑戰(zhàn)性的問題是SCC的編碼效率問題，即如何在取得超高清的近似無損圖像重構(gòu)質(zhì)量的同時取得高達(dá)300∶1～3000∶1倍壓縮比。屏幕圖像作為一類包含自然圖像在內(nèi)的更普遍的視頻圖像，表現(xiàn)出與傳統(tǒng)視頻不同的特點。屏幕圖像的一個顯著特點是同一幀圖像內(nèi)通常會有很多相似甚至完全相同的具有不同大小與形狀的像素圖樣。而傳統(tǒng)的圖像和視頻壓縮技術(shù)中采用的幀內(nèi)或幀間預(yù)測算法主要適用于由相機或攝像機拍攝的自然圖像，對屏幕圖像的編碼效率較低。

現(xiàn)有的屏幕圖像編碼算法主要包括幀內(nèi)塊復(fù)制（Intra Block Copy， IBC）算法[5-7]、Palette算法[8]、幀內(nèi)串復(fù)制（Intra String Copy，ISC）算法[9-10]。這些算法的共同點是從預(yù)定的參考像素集R范圍內(nèi)，通過一個相同“復(fù)制”操作，將參考像素集內(nèi)的若干像素“粘貼”到當(dāng)前待編碼的若干像素的位置。而這些算法的不同點主要表現(xiàn)在復(fù)制的最小單元與復(fù)制的大小與形狀不同。幀內(nèi)塊復(fù)制算法的最小復(fù)制單元是以塊為單位，與HEVC的編碼單元（Coding Unit， CU）具有很好的兼容性。Palette算法和幀內(nèi)串復(fù)制算法的最小復(fù)制單元是一個像素（也可以是像素對應(yīng)的索引），可以具有各種各樣形狀與大小的復(fù)制串。Palette算法和ISC算法能進(jìn)一步提升編碼效率；但編碼復(fù)雜度（用JCTVC規(guī)定使用的編碼器運行時間來衡量）成倍增加[11-13]。

IBC算法在一定程度上是將傳統(tǒng)的幀間預(yù)測擴(kuò)展到當(dāng)前幀，已經(jīng)被HEVC SCC版本采納。對于屏幕圖像中重復(fù)出現(xiàn)的固定大小與形狀的圖樣編碼效率比較高。然而，這些編碼單元都是采用有限種固定大小的塊匹配模式，對于任意形狀與大小的匹配圖樣缺乏靈活性。文獻(xiàn)[6]提出了非方塊匹配模式，在編碼時間復(fù)雜度增加約14%左右，能有效提高屏幕圖像的編碼效率。與Palette算法和ISC算法相比，IBC算法與HEVC具有更好的兼容性，不需要額外增加較多的語法元素等優(yōu)勢。

本文在IBC算法的基礎(chǔ)上，提出了幀內(nèi)微塊復(fù)制（Intra MiniBlock Copy，IMBC）算法，并給出了IMBC的實現(xiàn)特例一個CU劃分為16個微塊的算法（16個微塊需要用16個位移矢量（Displacement Vector， DV）來表示，因此也稱16DV算法）和關(guān)鍵技術(shù)。16DV算法僅僅對8×8的塊進(jìn)行水平微塊劃分。實驗結(jié)果表明，對于SCC標(biāo)準(zhǔn)測試數(shù)據(jù)集合中的視頻序列，16DV算法在編碼復(fù)雜度增加較少的情況下，能有效提高屏幕圖像的編碼效率。本文的部分工作是基于提交的視頻編碼聯(lián)合協(xié)作組（Joint Collaborative Team on Video Coding， JCTVC）提案[14]和提案[15]。微塊復(fù)制算法在編碼器中的主要運算是搜索最優(yōu)匹配的參考微塊，因此，微塊復(fù)制算法也稱為微塊匹配算法。

1IMBC算法

IBC算法[7]采用有限種固定大小的塊作為最小復(fù)制單元。如圖1所示，設(shè)CU的大小為2N×2N，IBC的劃分模式分為4種，分別是2N×2N、2N×N、N×2N和N×N。一般而言，CU的大小可以是64×64、32×32、16×16、8×8。因此，IBC算法中塊的大小可以從64×64至4×4若干種。然而，屏幕圖像中通常具有不同大小與形狀的像素圖樣，比如線條等，因此，需要更精細(xì)的IMBC算法。

1.1微塊劃分

IMBC算法中一個核心問題是如何對CU進(jìn)行微塊劃分。微塊劃分可以分為規(guī)則和非規(guī)則微塊劃分。圖2給出規(guī)則與非規(guī)則微塊劃分方式示意圖。對于相同大小的塊，按照不同的劃分方式，可以有不同的微塊劃分方式，因此IMBC算法的實現(xiàn)具有不同的實現(xiàn)特例。顯然，16DV算法（規(guī)則微塊劃分方式1至規(guī)則微塊劃分方式3和非規(guī)則微塊劃分方式1）與ILC算法（水平線條劃分方式和垂直線條劃分方式）均是IMBC的一個特例。IMBC算法可以歸約候選微塊組最優(yōu)化問題，即匹配微塊組確定問題：對于當(dāng)前塊Dm×n，按照某種劃分方式劃分成一組L個微塊{D1，D2，…，DL}，以每個微塊為最小的復(fù)制單元，在參考集R內(nèi)所有參考像素候選微塊集合中，確定一個匹配微塊組，使得目標(biāo)函數(shù)率失真代價（Rate Distortion cost， RDcost）達(dá)到最小值。用L個復(fù)制參數(shù)表示L個微塊與匹配微塊之間的位置關(guān)系。對L個復(fù)制參數(shù)以及殘差塊經(jīng)過熵編碼得到比特率（Rate）以及根據(jù)重構(gòu)像素塊與當(dāng)前塊之間的失真（Distortion）獲得RDcost，與傳統(tǒng)的幀內(nèi)、幀間模式及IBC算法進(jìn)行RDcost比較，將RDcost最小的模式的編碼結(jié)果寫入碼流。

IMBC算法是一種基于微塊劃分的IBC改進(jìn)算法，主要的區(qū)別在于復(fù)制的最小單元（大?。┖托螤钜约耙粋€CU需要的DV數(shù)目不同。一般而言，復(fù)制的最小單元決定了復(fù)制的精度，復(fù)制的最小單元越小，復(fù)制精度越高，當(dāng)前塊與匹配塊的失真一般會減少，殘差塊需要編碼的比特數(shù)越少；但是需要的DV數(shù)目越多，DV組需要編碼的比特數(shù)也就越多。因此，IMBC算法要取得好的編碼效率，需要在微塊的劃分問題（如何提高復(fù)制精度）以及DV組熵編碼問題（如何對DV組進(jìn)行有效熵編碼）進(jìn)行綜合平衡。

1.2IMBC編解碼框架

在IMBC編碼器端，如圖3（a）所示，IMBC作為一種新的模式，與傳統(tǒng)的幀內(nèi)/間預(yù)測模式以及IBC模式并行地添加到HEVC混合編碼體系中。在預(yù)編碼階段，對輸入CU依次作幀內(nèi)/間預(yù)測模式、IBC模式和IMBC模式的預(yù)編碼，獲得預(yù)測參數(shù)或者復(fù)制參數(shù)（DV或者DV組），根據(jù)預(yù)測參數(shù)或者復(fù)制參數(shù)在重建Buffer或者參考像素集R內(nèi)得到預(yù)測CU，將輸入CU與預(yù)測CU相減得到殘差CU。對預(yù)測參數(shù)或復(fù)制參數(shù)和殘差塊進(jìn)行熵編碼得到各模式的RDcost，從中選擇RDcost最小的模式，最后在編碼階段，將該模式的模式信息和殘差信息等經(jīng)過上下文自適應(yīng)二進(jìn)制算術(shù)編碼（ContextAdaptive Binary Arithmetic Coding， CABAC）熵編碼寫入碼流。對于待編碼輸入CU，IMBC算法在參考像素集R內(nèi)，為了進(jìn)一步提高復(fù)制精度，采用改進(jìn)的微塊組選擇算法；為了進(jìn)一步節(jié)省比特率，對復(fù)制參數(shù)DV組首先經(jīng)過預(yù)測，消除DV組之間的相關(guān)性，然后進(jìn)行熵編碼。

在IMBC解碼器端，如圖3（b）所示，首先從IMBC碼流中按照CU的順序讀出模式信息，如果是IMBC模式，則解碼出DV組，在參考像素集R內(nèi)，根據(jù)DV組以及與編碼器指定的微塊劃分方式，從L個位置進(jìn)行“復(fù)制”和“粘貼”操作，獲得預(yù)測塊的數(shù)據(jù)。與此同時解碼出殘差塊的數(shù)據(jù)，兩者相加獲得重建CU塊數(shù)據(jù)。如果是其他模式，則按照HEVC現(xiàn)有的方式進(jìn)行解碼。

1.316DV算法

16DV算法的劃分模式可以是規(guī)則微塊劃分方式1，2，3，也可以是非規(guī)則微塊劃分方式1。實驗結(jié)果表明，規(guī)則微塊劃分方式1編碼效率更好，因此，本文給出的16DV算法特指規(guī)則微塊劃分方式1。具體而言，對于大小為8×8的CU，首先劃分成16個4×1的微塊，在參考像素集R內(nèi)，搜索到與當(dāng)前CU每個微塊相匹配的16個最優(yōu)參考微塊，用16個DV來表示每個微塊與最優(yōu)參考微塊之間的復(fù)制關(guān)系。圖4給出了IBC與16DV算法搜索示意圖。

CU n給出了IBC搜索的過程，而CU m給出了16個微塊搜索的過程。其中：

1）第1個4×1水平條的DV為（-1，-7）；

2）第2個4×1水平條的DV為（4，-3）；

3）第3至第6個水平條的DV是一致的，均為（4，-7）；

4）第7至第16個水平條的DV是一致的，均為（-1，0）。

顯然，IMBC的優(yōu)勢是復(fù)制精度大幅提高，從而使得當(dāng)前塊與匹配塊（由16個匹配微塊組成的匹配塊）之間的失真大幅減少；同時對于殘差塊編碼的比特數(shù)也大幅減少。

216DV算法相關(guān)技術(shù)

2.1搜索時間優(yōu)化

為了降低16DV算法的編碼復(fù)雜度，采用一次搜索，也即一次遍歷參考像素集R；同時找出IBC算法對應(yīng)的匹配塊與16DV算法對應(yīng)的16個匹配微塊。設(shè)IBC算法在參考像素集R內(nèi)搜索的次數(shù)為M，對于8×8的CU，搜索復(fù)雜度分析見表1。其中運算次數(shù)指的是算術(shù)邏輯運算次數(shù)。搜索階段的主要運算量分為三部分：越界判斷，計算該位置的參考塊與當(dāng)前塊的差的絕對值的和（Sum of Absolute Difference，SAD），更新匹配塊（包括獲得該DV需要編碼的比特數(shù)bits（bits與SAD累加得到參考塊的RDcost）和與最小SAD的預(yù)測塊或者預(yù)測微塊的RDcost比較）。設(shè)當(dāng)前塊為C，Y（Ci， j）表示當(dāng)前塊C位置為i、 j的Y分量的數(shù)值。參考塊R，Y（Ri， j）表示參考塊R位置為i、 j的Y分量的數(shù)值。大小為8×8的當(dāng)前塊與參考塊的SAD計算如下：

SAD（R，C）=∑8i=1∑8j=1Y（Ri， j）-Y（Ci， j）（1）

根據(jù)以上分析，表1給出了16DV與IBC搜索復(fù)雜度分析。越界判斷與比特數(shù)計算運算次數(shù)完全相同，因此沒有列出，實際搜索復(fù)雜度增加更小。從表1中可知，16DV的搜索復(fù)雜度與IBC相比，增加了16%左右。事實上，由于16DV算法僅僅對8×8的塊進(jìn)行微塊搜索，因此編碼復(fù)雜度要遠(yuǎn)遠(yuǎn)低于16%。

2.2匹配微塊組選擇算法

IMBC算法可以歸約為匹配微塊組確定問題，也稱為匹配微塊組選擇算法?，F(xiàn)有的匹配微塊組選擇算法是選擇RDcost估計函數(shù)取得最小值的微塊組作為匹配微塊組?？紤]到算法復(fù)雜度問題，RDcost估計函數(shù)只考慮了當(dāng)前微塊與匹配微塊之間Y分量數(shù)據(jù)的誤差。而實際的RDcost函數(shù)需要考慮各個分量的失真以及各分量殘差塊需要編碼的比特數(shù)。顯然，現(xiàn)有的匹配微塊選擇算法對于色度分量可能會帶來較大的失真，從而使得實際的RDcost增大，導(dǎo)致編碼效率降低。另一方面，如果在RDcost估計函數(shù)中同時考慮各個分量的失真，會帶來較高的算法復(fù)雜度，因此，為了解決色度復(fù)制精度不高的問題，提出了一種低復(fù)雜度的匹配微塊組選擇算法。該算法主要包括以下3個步驟。

步驟1在參考像素集R內(nèi)，搜索一次，根據(jù)現(xiàn)有的RDcost估計函數(shù)，找出k個較優(yōu)參考微塊組。按照匹配（最優(yōu)參考）微塊組、次優(yōu)參考微塊組一直到第k個較優(yōu)的參考微塊組排序，獲得RDcost估計值costi（0

步驟2遍歷k個較優(yōu)的16DV組，計算當(dāng)前塊與參考塊（由微塊組組成的參考塊）色度分量的SAD，累加到costi（0

步驟3costi（0

本文中k取值為4。匹配微塊組選擇算法偽代碼如下。

有序號的程序——————————Shift+Alt+Y

程序前

1）

for y= 搜索范圍的下邊界 to搜索范圍的上邊界

2）

for x=搜索范圍的左邊界to 搜索范圍的右邊界

3）

for l=1 to 16

4）

for i=0 to k-1

5）

do 步驟1；

6）

較優(yōu)的RDcost估計值costi保存在cost[i]中；

7）

較優(yōu)的DV組保存在數(shù)組multiDV[i][l]中；

8）

end for

9）

end for

10）

end for

11）

end for

12）

for ch=0 to 1//遍歷三個各色度是3個分量，還是4個分量？需明確。分量

13）

for i=0 to k-1

14）

do 步驟2： cost[i]+=色度SAD；

15）

end for

16）

end for

17）

minSadIndex=0；

18）

for i=0 to k-1

19）

do 步驟3：找出最小的costi所對應(yīng)的下標(biāo)j，minSadIndex=j；

20）

end for

21）

return multiDV[ minSadIndex]；

程序后

2.3DV組預(yù)測算法

為了進(jìn)一步降低DV組熵編碼的比特數(shù)，根據(jù)DV組CU內(nèi)部相關(guān)性以及DV組的分布特點（如圖4所示，同一CU內(nèi)部的DV相同或者相差很?。捎么怪狈较駾V組預(yù)測算法。16DV算法采用垂直距離為1的微塊劃分從而垂直方向上的DV之間有很大相關(guān)性。為了消除垂直方向上的DV之間的冗余，首先對16DV按照水平優(yōu)先掃描的順序進(jìn)行標(biāo)號，用{DV1，DV2，…，DV16}表示，然后對DV組進(jìn)行預(yù)測得到預(yù)測后DV（DV Predictor，DVP）組。預(yù)測前DV組與DVP組的關(guān)系可表示如下：

具體而言，前兩個DV值不變，后面的14個DV作垂直方向預(yù)測，也即分別與前兩個DV的x、y坐標(biāo)（分別用DV（x）與DV（y）表示）作差值運算獲得預(yù)測后的DVP（分別用DVP（x）與DVP（y）表示），然后對差值進(jìn)行熵編碼。解碼時，先解碼差值即DVP，然后再分別與前兩個DV的x、y坐標(biāo)相加即得到原始的DV值。表2～3給出了原始的DV值和DVP值的示例。

3實驗結(jié)果與分析

作為IMBC的一個實現(xiàn)特例，本文的16DV算法是在HM12.1_RExt5.1[16]參考軟件的基礎(chǔ)上實現(xiàn)的。測試數(shù)據(jù)集采用HEVC SCC標(biāo)準(zhǔn)測試集合[17]。13個測試數(shù)據(jù)集合根據(jù)序列內(nèi)容分為4種類別，分別是表4中的移動的文字和圖形（Text and Graphics with Motion， TGM）、混合內(nèi)容（Mixed content，M）、相機拍攝的內(nèi)容（Camera Captured content，CC）、動畫（Animation，A）。每個測試數(shù)據(jù)有YUV版本和RGB兩個版本。每個數(shù)據(jù)編碼10幀。

為了便于說明IMBC算法的特性，將本文提出的算法以及比較的基準(zhǔn)分為以下3種算法：

1）HEVC RExt5.1，簡稱IBC；

2）HEVC RExt5.1+16DV劃分，簡稱16DV；

3）HEVC RExt5.1+16DV劃分及其相關(guān)技術(shù)，簡稱16DV_R。

其中IBC中搜索范圍為2CTU（即INTRABC_LEFTWIDTH為64），默認(rèn)快速搜索關(guān)閉（即INTRABC_FASTME為0）。16DV算法的配置同IBC。所有的實驗都使用全幀內(nèi)（All Intra， AI）、隨機接入（Random Access， RA）和低延遲（Low delay B， LB）三種編碼配置[15]。

為了衡量算法的總體編碼效率，采用與HEVC的核心實驗同樣標(biāo)準(zhǔn)的BDrate（Bjntegaard delta rate）[18]降低率來衡量有損編碼效率以及比特率降低率來衡量無損編碼效率。按不同顏色格式（RGB或者YUV格式）和不同的序列內(nèi)容類別來分別進(jìn)行總體衡量和比較，對于有損實驗結(jié)果，主要用每個分量G/Y、B/U和R/V的平均BDrate降低率來衡量算法的增益，對于無損實驗，主要用總的比特率降低率來衡量算法的增益。表5是16DV_R算法、IBC算法和16DV算法編碼效率的比較。每行數(shù)據(jù)代表一種顏色格式（YUV或RGB）和序列內(nèi)容類別的組合。一共有8種組合，每個組合中有1至4個序列。圖5給出了16DV_R與IBC在無損編碼模式下，兩個典型屏幕圖像序列dsk、webb不同色彩格式（dsk_yuv、dsk_rgb分別表示dsk數(shù)據(jù)YUV色彩格式和RGB格式；webb_yuv、webb_rgb分別表示webb數(shù)據(jù)YUV色彩格式和RGB格式）的壓縮率比較情況。圖6給出了16DV_R與IBC在有損編碼模式，兩個典型屏幕圖像序列的率失真曲線比較；有損編解碼時間復(fù)雜度比較如圖7所示。

由以上實驗結(jié)果，可以得出以下結(jié)論：

1）從總體的編碼效率來看，16DV_R算法在無損情況和有損情況下均表現(xiàn)出更好的編碼效率。16DV_R與IBC相比，無損情況下，對于TGM（1080p & 720p） YUV數(shù)據(jù)類別，Bitrate降低率AI配置為9.5%，RA配置為5.2%，LB配置為5.1%。有損情況下，對于TGM（1080p & 720p）RGB數(shù)據(jù)類別，BDrate降低率AI配置的R分量為3.4%，RA配置為2.9%，LB配置為2.6%。

2）從典型的單個屏幕圖像序列的編碼效率看來，對于部分屏幕圖像序列，16DV_R與IBC相比，無損與有損編碼效率大幅提升。從圖5中可知，對于YUV格式的dsk數(shù)據(jù)，16DV_R與IBC相比，在RA配置下壓縮比從133.6倍提升至171.5倍；在AI配置下壓縮比從15.2倍提升至20.4倍。從圖6中可知，對于RGB格式的dsk數(shù)據(jù)，有損情況下的率失真曲線表明，在相同的碼率情況下，峰值信噪比提升可高達(dá)6dB以上。

3）從表5中可知，16DV_R與16DV算法相比，無損情況和有損情況下均表現(xiàn)出更好的編碼效率，表明IMBC算法要取得更好的編碼效率，需要在微塊劃分和DV組有效熵編碼之間取得綜合平衡。

4）16DV_R算法與編碼效率的提升程度與屏幕圖像類別相關(guān)。表5表明，對于TGM類別，提升比較多，MC也有一些提升，而對于ANI與CC類別（ANI和CC類序列非常近似于自然圖像）幾乎沒有提升。實際上，所有專門針對典型屏幕圖像的算法都有這一性質(zhì)。

5）根據(jù)圖7中有損編解碼時間復(fù)雜度對比可知，16DV_R算法與IBC算法相比，AI配置、RA配置與LB配置分別增加的時間復(fù)雜度為10%、6.3%和3%，因此編解碼復(fù)雜度的增加較小。

4結(jié)語

針對屏幕圖像中存在各種不同大小和形狀的相似或相同圖樣，在幀內(nèi)塊復(fù)制的基礎(chǔ)上，提出了一種幀內(nèi)微塊復(fù)制（IMBC）屏幕圖像編碼算法。本文以16DV算法作為IMBC算法的實現(xiàn)特例，給出了16DV算法及其相關(guān)技術(shù)。實驗結(jié)果表明，在編碼復(fù)雜度增加較低的情況下，本文提出的算法通過找到更精細(xì)的微塊復(fù)制能取得更好的編碼效率。降低編碼器的復(fù)雜度是一個需繼續(xù)研究的課題。16DV的編碼復(fù)雜度也還有很大的降低空間。通過Hash搜索降低編碼復(fù)雜度或者根據(jù)圖像塊的特點自適應(yīng)采用IMBC與IBC搜索方案是下一步的主要工作。

參考文獻(xiàn)：

[1]

LIN T， ZHOU K， WANG S. Cloudletscreen computing： a clientserver architecture with top graphics performance [J] International Journal of Ad Hoc and Ubiquitous Computing， 2013， 13（2）： 96-108.

[2]

LU Y， LI S， SHEN H. Virtualized screen： a third element for cloudmobile convergence [J]. IEEE Transactions on Multimedia， 2011， 18（2）： 4-11.

[3]

LIN T， WANG S. Cloudletscreen computing： a multicorebased， cloudcomputingoriented， traditional computingcompatible parallel computing paradigm for the masses [C]// Proceedings of 2009 IEEE Workshop on Multimedia Signal Processing and Novel Parallel Computing. Piscataway， NJ： IEEE， 2009： 1805-1808.

[4]

ISO/IEC JTC1/SC29/WG11， ITUT Q6/16. Joint call for proposals for coding of screen content [C]// Proceedings of the 2014 Joint Collaborative Team on Video Coding Meeting. Geneva： JCTVC Press， 2014： JCTVCN14175：1-15.

[5]

BUDAGAVI M， KWON D. AHG8： video coding using Intra motion compensation [C]// Proceedings of the 2013 Joint Collaborative Team on Video Coding Meeting. Geneva： JCTVC Press， 2013： JCTVCM0350： 1-5.

[6]

CHEN C， XU X， LIAO R， et.al. Screen content coding using nonsquare intra block copy for HEVC [C]// Proceedings of the 2014 IEEE International Conference on Multimedia and Expo. Washington， DC： IEEE Computer Society， 2014： 1-6.

[7]

PANG C， SOLE J， CHEN Y， et.al. Intra block copy for HEVC screen content coding [C]// Proceedings of the 2015 Data Compression Conference. Washington， DC： IEEE Computer Society， 2015： 465-465.

[8]

XIU X， HE Y， JOSHI R. Palettebased coding in the screen content coding extension of the HEVC standard [C]// Proceedings of the 2015 Data Compression Conference. Washington， DC： IEEE Computer Society， 2015： 252-262.

[9]

LIN T， ZHANG P， WANG S， et al. Mixed chroma samplingrate high efficiency video coding for fullchroma screen content [J]. IEEE Transactions on Circuits and Systems for Video Technology， 2013， 23（1）： 173-185.

[10]

ZHAO L， LIN T， ZHOU K， et al. Pseudo 2D string matching technique for high efficiency screen content coding [J]. IEEE Transactions on Multimedia， 2016， 18（3）： 339-350.

[11]

LI B， XU J， SULLIVAN G. Comparison of compression performance of HEVC range extensions draft 5 with AVC high 4：4：4 predictive profile [C]// Proceedings of the 2014 Joint Collaborative Team on Video Coding Meeting. Geneva： JCTVC Press， 2014： JCTVCP0213： 1-4.

[12]

ZHAO L， ZHOU K， WANG S， et.al. NonCE3： improvement on intra string copy [C]// Proceedings of the 2015 Joint Collaborative Team on Video Coding Meeting. Geneva： JCTVC Press， 2015： JCTVCT0139： 1-7.

[13]

LI B， XU J， SULLIVAN G. Comparison of compression performance of HEVC test model 16.4 and HEVC screen content coding extensions test model 4 with AVC high 4：4：4 predictive profile [C]// Proceedings of the 2015 Joint Collaborative Team on Video Coding Meeting. Geneva： JCTVC Press， 2015： JCTVCU0051： 1-10.

[14]

ZHAO L， CHEN X， LIN T. NonSCCE2： an improvement on intra line copy of SCCE2 [C]// Proceedings of the 2008 Joint Collaborative Team on Video Coding Meeting. Geneva： JCTVC Press， 2014： JCTVCR0281： 1-4.

[15]

ZHAO L， CHEN X， LIN T. CE4： results of test C [C]// Proceedings of the 2014 Joint Collaborative Team on Video Coding Meeting. Geneva： JCTVC Press， 2014： JCTVCS0194： 1-3.

[16]

BOSSEN F， FLYNN D， SHARMAN K， et al. Test software [EB/OL]. [20151024]. https：//hevc.hhi.fraunhofer.de/svn/svn_HEVCSoftware/tags/HM12.1+RExt5.1/.

[17]

YU H， COHEN R， RAPAKA K， et al. Common conditions for screen content coding tests [C]// Proceedings of the 2014 Joint Collaborative Team on Video Coding Meeting. Geneva： JCTVC Press， 2014： JCTVCQ1015： 1-5.

[18]

BJNTEGAARD G. Improvements of the BDPSNR model [C]// Proceedings of the 2008 Video Coding Experts Group 35th Meeting. Geneva： VCEG Press， 2008： VCEGAI11： 1-3.