1.一种基于HEVC标准的视频编码框架，其特征在于，包括如下步骤：

A.建立内容自适应的编码复杂度、编码失真度和编码码率的估计模型，以及编码复杂度代价模型和编码率失真代价模型；

B.利用步骤A的估计模型，对当前视频帧中每个编码树单元CTU，进行编码复杂度与率失真性能联合优化的空时域预测；

C.利用步骤A的估计模型，对步骤B中编码树单元的预测残差，进行编码复杂度与率失真性能联合优化的变换与量化；

D.利用步骤A的估计模型，以最小化编码率失真代价为准则，从步骤B和C的编码结果中选择当前CTU的最佳编码结果；

E.对步骤D的最佳编码结果，进行解码重建和熵编码输出；

F.根据步骤B和C的编码结果，更新步骤A的估计模型。

2.根据权利要求1所述的一种基于HEVC标准的视频编码框架，其特征在于，所述步骤A的具体方法为：根据当前编码图像的空时域特征及编码参数，建立内容自适应的编码复杂度T估计模型、编码失真度D估计模型和编码码率R估计模型；并根据编码复杂度-编码失真度建立编码复杂度代价模型JD&T(D,T)；根据编码失真度-编码码率建立编码率失真代价模型JD&R(D,R)；其中，编码参数包括：预测单元PU尺寸、变化单元TU尺寸、帧内/帧间预测模式、参考帧数、运动搜索范围、量化参数。

3.根据权利要求2所述的一种基于HEVC标准的视频编码框架，其特征在于：编码失真度估计模型既可采用常见的MSE、SAD等失真度量模型，也可采用基于人眼视觉感知特性的失真估计模型，如恰可感知失真模型JND，结构相似模型SSIM。

4.根据权利要求2或3所述的一种基于HEVC标准的视频编码框架，其特征在于：采用编码复杂度代价模型和编码率失真代价模型，可以提供基于图像内容和人眼视觉感知特性的编码复杂度/率失真性能的联合优化，从而达到更好的视频编码性能。

5.根据权利要求1所述的一种基于HEVC标准的视频编码框架，其特征在于，所述步骤B的具体方法为：1）根据编码配置参数，得到当前CTU允许的四叉树编码单元CU划分层次和空时域预测模式；2）采用模型定量计算的方法，以最小化编码复杂度代价为准则，计算当前CTU不同CU划分条件下的候选空时域预测模式；其中，对于帧间非Skip预测，计算其运动搜索的参考帧数和搜索范围；3）按照遍历择优选择的方法，以最小化编码率失真代价为准则，遍历步骤2）的候选空时域预测模式，得到当前CTU不同CU划分条件下的最佳空时域预测结果。

6.根据权利要求5所述的一种基于HEVC标准的视频编码框架，其特征在于：空时域预测模式包括：帧内预测模式和帧间预测模式、预测单元PU划分；帧间预测包括：帧间Skip模式和帧间非Skip模式。

7.根据权利要求5所述的一种基于HEVC标准的视频编码框架，其特征在于，所述步骤2）的具体方法为：分别计算每个编码单元CU在不同预测模式条件下的编码复杂度代价JD&T(D,T)，选择编码复杂度代价小于 的预测模式为当前CU的候选模式；其中，κ为大于1的经验阈值； 为候选模式中的最小编码复杂度代价；对于帧间非Skip预测，根据最小化编码复杂度代价JD&T(D,T)，计算其运动搜索的参考帧数和搜索范围。

8.根据权利要求1所述的一种基于HEVC标准的视频编码框架，其特征在于，所述步骤C的具体方法为：a）根据编码配置参数，得到当前CTU允许的变换模式；b）采用模型定量计算的方法，以最小化编码复杂度代价准则，计算当前CTU不同CU划分条件下的候选变换模式；并以最小化编码率失真代价为准，计算候选变换模式的量化参数；c）按照遍历择优选择的方法，以最小化编码率失真代价为准，遍历步骤b）的候选变换模式，得到当前CTU不同CU划分条件下的最佳变换量化结果。

9.根据权利要求8所述的一种基于HEVC标准的视频编码框架，其特征在于，所述步骤C的特征在于：变换模式包括：正弦变换和余弦变换、变换单元（TU）划分；变换模式选择和参数计算时，是基于步骤3）中各CU划分条件下的最佳空时域预测图像。

10.根据权利要求8所述的一种基于HEVC标准的视频编码框架，其特征在于，所述步骤b）的具体方法为：分别计算每个编码单元CU在不同变换模式条件下的编码复杂度代价JD&T(D,T)，选择编码复杂度代价小于 的变换模式为当前CU的候选模式。其中，κ为大于1的经验阈值； 为候选模式中的最小编码复杂度代价;根据最小化编码率失真代价JD&R(D,R)，计算候选变换模式的量化参数。