人民币是我国的法定货币。随着社会经济的发展,人民币的需求量越来越大。同时全社会对人民币的质量要求也越来越高。根据中国印钞造币总公司的工艺要求,需要对印制完成的人民币图像进行存储。但是由于数据量太大,直接造成企业生产成本增加。本课题的目标是,希望通过HEVC(High Efficiency Video Coding),将BMP图像无损转换成视频,大幅降低人民币图像的存储空间。在保证图片质量的情况下,大幅降低运算时间。为企业降低生产成本和人力成本。虽然HEVC官方参考软件HM提供了标准的编码方式,可以进行基础配置参数的修改。但是,如果想基于HEVC实现更优化的算法,则需要修改HM的源代码,对其中某个步骤进行替换或补足处理。同时也要根据人民币图像的特点和在生产中的实际应用,进行有针对性的优化。本文中,我们提出了两种优化方案,分别是优化TZ(test tone)算法和基于提升树的CU(Coding Unit)块选择。优化TZ算法:它是从传统TZ算法上进行优化提升而来。优化TZ算法首先运用MV(Motion Vector)预测的方法找寻每一个PU(Prediction Unit)的初始搜索点。再对每一个PU并行执行传统TZ的循环搜索。将终止条件改为所有PU同时达到传统TZ的终止条件,即对于所有PU,相邻两步的最优点一致。优化TZ成功地解决了不能跨区域搜索及逃离局部极值的问题。经过实验,可以看出优化TZ算法相比传统TZ算法平均减少24%的时间,提高了2.4%的压缩率、降低了0.02%的失真率。基于提升树的CU块选择:它是专门针对人民币视频序列所提出的算法。由于训练集合,预测集都为人民币视频序列,同时提升树等集成学习方法对于特征重复的问题效果比较好。从20多个待选参数中,经过两次筛选后提取临近正左,左上,正上的CU块划分,当前块的merge残差四个特征,对其执行提升树算法。在提取特征后聚焦判断于划分CU块中是否执行深度±1的操作。其相较于HM需要自上而下的对CU块划分进行迭代,提升树来得更快,最终缩减35%的压缩时间。与此同时,失真率和压缩率的损失却非常小。仅降低0.05%的压缩率和提高0.09%的失真率。最后同时将优化TZ算法和提升树算法应用到参考软件HM中,通过对10组1000张人民币图像生成的视频序列进行了测试。得到实验结果,压缩时间平均减少了51%,压缩率提升了0.05%,失真率只提高了1%。