隨著電子科技的迅速發展，智慧型手機和平板電腦等消費性電子產品已成為 人們日常生活中不可或缺的一部分，使人們可以隨時隨地的分享資訊並拉近彼此 的距離。為了提升人們的生活品質，各大面板廠商群創、友達等，陸續地推出了 更高解析度的面板，且目前對於超高解析度(ultra high definition: UHD)8K×4K 的 面板進行量產，未來將朝著更高畫質影像邁進。
現今行動多媒體影音裝置普及化，智慧型手機有第四代行動通訊(4G)標準，
能提供用戶更快的存取速度且滿足更多的需求，然而，要在有限的頻寬下，提供 消費者更順暢的影音資訊，為了處理超高解析度的影像，勢必要解決資訊傳輸與 影像處理所帶來的龐大資料量，才能夠滿足消費者在娛樂影音方面的需求，因此 發展了最新一代的高效率視訊編碼標準(high efficiency video coding: HEVC)[1]
提供更進一步的影像壓縮技術，來解決超高解析度所伴隨的資料量問題。 (video coding experts group: VCEG)和國際標準化組織(ISO)動態圖像專家小組 (moving picture experts group: MPEG)共同組成的訊編碼聯合工作小組（joint collaborativeteam on video coding: JCT-VC）制定了最新一代的高效率視訊編碼標 準 HEVC[3]。
圖 1.1、視訊標準演進時序圖
HEVC不但擁有比H.264更好的壓縮效能，同時也相容於以往的視訊編標準，
故更適合應用於各解析度上，如圖1.1所示，應用範圍從最小的解析度416240 的行動裝置到超高畫質8K4K的影音裝置，HEVC未來將可以滿足更多的視訊 多媒體需求，成為未來技術發展的指標。
1.2 研究動機
為了提升編碼效能，HEVC 提供更彈性的編碼單位(coding units: CUs)、編碼 單位(prediction units: PUs)、轉換單位(transform units: TUs)以及高準確性的畫面 間預測(inter prediction)或畫面內預測(intra prediction)。在每個 PU 模式的編碼過 程中，首先採用先進運動向量預測技術(advanced motion vector prediction: AMVP)，
利用時間與空間相關性，找到運動向量預測(motion vector prediction: MVP)，再 由運動估測(motion estimation: ME)在參考畫面的相對區塊開一個搜尋視窗，利用 ME 模組找到最相似的區塊，接著紀錄當前 PU 與此區塊的運動向量(motion vector:
MV)，最後進行運動補償(motion compensation: MC)。為了提高 PU 預測的準確 性，HEVC 允許 ME 模組執行多重參考畫面(multiple reference frame: MRF)來進 行更精準的預測，首先在 MRF 中執行 AMVP 來獲得各參考畫面的 MVP，再進 行 ME 找到相對最相似的區塊和位元率-失真成本(rate-distortion cost: RD cost)，
並找到 MRF 中最小的 RD cost，最後記錄最佳參考畫面和所對應的 MV。雖然 (data mining)，在 PU 中分別找尋出適合 ME 模組的屬性(attributes)，並在編碼過 程中提取出每個屬性相對的數據，透過 WEKA 所提供的 C4.5 機器學習演算法，
根據影像特性自動設定 threshold，建立出適合快速運動估測演算法的決策樹，降 低在編碼過程中的計算複雜度，提升編碼效能。
隨著多媒體 DSP 晶片的蓬勃發展，本論文使用亞德諾(ADI)與英特爾(INTEL) 聯合開發的 ADSP-BF609 開發板[5]中進行實驗模擬，在有記憶體容量限制的環 境下，實現使用 DSP 執行 HEVC 來編碼高解析度影像，適應於更廣泛的消費性 文所提出的快速運動估測演算法；第五章先對 ADSP-BF609 進行介紹，接著說明
如何將本論文的方法應用在 DSP 上；第六章是實驗結果與分析並對本篇論文做 結論。