1.一种VR全景视频信息处理方法，其特征在于，包括优化视频帧内编码的步骤，所述优化视频帧内编码的步骤包括编码单元处理过程；所述编码单元处理过程包括如下步骤：S1、基于编码树单元门限值划分图像编码区域

基于HEVC四叉树编码方法的基本编码单元划分步骤；用于确定每个编码树单元门限值为 其中(i，j)为编码树单元左上角第一个像素的坐标值；对于编码树单元门限值超过L的区域作为中心区域，对于编码树单元门限值未超过L的区域作为边缘区域；

S2、基于率失真优化值的建立不同区域的剪枝决策样本属性；

将率失真优化值作为该编码树单元在剪枝决策中的样本属性，比较当前编码树单元与相邻的同尺寸编码树单元的率失真优化值，建立基于该编码树单元是否剪枝与率失真优化值比较值之间的剪枝决策关联；

在边缘区域，任意一个已经完成编码的编码树单元，对于其相邻的编码树单元，得到两个参考区，分别位于其左侧和上侧；上述两个参考区和该编码树单元区域命名为编码树比较区；对于每个编码树单元，分别对编码单元率失真优化值进行计算，并与当前编码树单元中右下侧编码单元的率失真优化值R0进行比较，并标记率失真优化值为r0的编码单元；对于每个编码树比较区，以所含编码单元中最小的率失真优化值作为其参考代价；得到左侧、上侧以及当前编码树区对应的参考代价分别为R左、R上、R；对于已经完成编码的编码树单元，分别将R左、R上、R与R0进行比较，将比较结果作为边缘区域剪枝决策样本属性(A1、A2、A3)；

其中

对于中心区域；

以当前已完成编码的编码树单元以及相邻的左侧或者上侧编码树单元作为其编码树比较区；参考代价的确定方法和边缘区域相同，已完成编码的编码树单元以及相邻编码树单元的参考代价对应为Q任、Q，对应的当前编码树单元中右下侧编码单元的率失真优化值为Q0，对应的中心区域的剪枝决策样本属性(B1、B2)为：S3、基于剪枝决策样本属性的预划分决策样本属性

基于前述剪枝决策样本属性，构建已编码解码单元的深度信息，统计当前编码树单元周围编码单元的深度信息构造提前划分剪枝决策的样本属性；

具体而言，检查当前编码树单元左侧以及上侧的区域，统计当前解码单元相邻区域中深度为2和3的区域数量，该类区域成为标准区域；

对于边缘区域，其左侧区域，深度为2和3的标准区域的数量分别记为T2和T3，其上侧区域，深度为2和3的标准区域的数量分别记为S2和S3，则当前编码树单元的深度信息样本为(C1、C2、C3、C4)；其中：对于中心区域，使用各含有三个属性值0、1、2的深度信息样本(D1、D2)；其中其中U2为U3当前解码单元相邻区域中深度为2和3的区域的数量；

S4、建立边缘区域64*64尺寸的编码单元的剪枝决策树

设该决策树样本集为Y，且Y由y个样本构成，样本中包含α0、α1两类，yk(k＝0、1)为样本集中含有的αk的数量，且样本集的基尼系数 其中原始样本集Y具有两个属性，即分属于中心区域和边缘区域的剪枝决策样本属性，每个属性有三个取值；选择合适的剪枝决策样本数形之作为二分类划分标准；

将决策树样本集Y划分为两个子集Y1、Y2，且Y1＝{Y|Yi}Y2＝Y‑Y1；其中Y1是指样本属性值满足某项指标的样本的集合；

设yk，j、(j＝1、2)为样本集Yj中样本属于αk的样本数量，则样本集Y的基尼系数为基于Gini(Y)的取值，制定最小基尼系数，在剪叉决策树的各节点划分子节点，在每个子节点剪叉是否还存在其他划分方式，若得到的基尼系数小于最小基尼系数，则该子节点为叶节点，相应的解码单元不需要进行在划分，否则按照新的划分方式进行划分，直至所有子节点均分类为叶节点。

2.根据权利要求1所述一种VR全景视频信息处理方法，其特征在于，所述基本编码单元划分步骤中，每一幅图像被分割为多个互补的编码树单元，每个编码树单元则分别按照四叉树的方式的被划分为多个子编码单元并进行编码。

3.根据权利要求1所述一种VR全景视频信息处理方法，其特征在于，取L＝0.5，即对于编码树单元门限值超过0.5的区域作为中心区域，对于编码树单元门限值未超过0.5的区域作为边缘区域。

4.根据权利要求1所述一种VR全景视频信息处理方法，其特征在于，在S1中，对于任意编码树单元，当单个属性的值为2的时候，表示没有相同尺寸的编码单元在对应区域，当单个属性值为0的时候，表示当前解码单元有小概率向下划分，当单个属性值为1，表示当前解码单元向下划分的概率大，当三个属性值均为0，认为当前解码单元不会向下划分。