CN105306944A - 混合视频编码标准中色度分量预测方法 - Google Patents

Abstract

混合视频编码标准中色度分量预测方法，属于视频编码领域。本发明的目的是为了有效的去除视频中色度分量与亮度分量以及色度分量之间的相关性，而提出一种混合视频编码标准中色度分量预测方法，以进一步提升视频编码的性能。在通过线性模型进行色度分量预测时，利用当前编码块周围重建的像素点来计算线性模式的参数；在进行参数计算时，增加周围有效像素点，移除周围不可用的像素点；根据得到的参数，对于Cb色度分量，通过已重建的亮度分量Y对其进行预测；而对于Cr色度分量，通过已重建的亮度分量Y和已重建的色度分量Cb对其进行预测。本发明通过块周围有效的像素点计算模型参数，以及通过亮度分量Y和色度分量Cb自适应地对色度分量Cr进行预测，使得编码效率得到进一步提高。

Description

混合视频编码标准中色度分量预测方法

技术领域

本发明涉及一种混合视频编码标准中色度分量预测方法。

背景技术

随着人们对视频显示质量要求的提高，高清和超高清视频等新视频应用形式应运而生。在这种高分辨率高质量视频欣赏应用越来越广泛的情况下，如何增强视频压缩效率变得至关重要。图像与视频在数字化过程中，产生了大量的数据冗余，这使得视频压缩技术成为了可能。一般而言，冗余类型至少包括空间冗余、时间冗余、信息熵冗余。对于空间冗余的消除，一般采用基于预测的方法，即帧内预测编码。其基本思想是利用当前编码块周围已经重建的像素值，通过基于方向的插值生成当前编码块的预测值。得到预测块之后，当前编码块与预测块的差值也就是残差块相比于原始编码块更易于编码，帧内预测有效地降低了视频编码中的空域冗余。然而视频帧中的三个分量即亮度分量Y，色度分量C_b和C_r也存在着一定的相关性，即存在冗余。为了进一步提高帧内编码的性能，利用分量之间的相关性进行预测去冗余的相关技术被提出来。

现有技术[1](J.Kim,S.Park,Y.Choi,Y.jeonandB.jeon,“Newintrachromapredictionusinginter-channelcorrelation,”JCTVC-B021,July.2010.)提出了利用亮度分量与色度分量之间的线性关系来对色度分量进行预测。该线性关系中的模型参数通过当前编码块左边和上边的已重建像素值通过最小二乘法得到。此外该技术仅用亮度分量对色度C_b和C_r进行预测。

与以前提出的方法不同的是，我们的方案在进行线性模型参数的计算时，首先获取周围更多有效的重建像素，这种处理方式使得计算的模型参数准确性更高。此外，考虑到色度分量之间也存在较强的相关性，提出同时利用亮度Y与色度C_r的相关性，以及色度C_b与C_r之间的相关性，来对色度C_r进行预测。

发明内容

本发明的目的是为了解决视频序列中存在亮度分量与色度分量之间的冗余以及色度分量本身存在的冗余的问题，而提出一种混合视频编码标准中色度分量预测方法。

一种混合视频编码标准中色度分量预测方法，所述预测方法通过以下步骤实现：

步骤一、已知像素点对应的像素值具有亮度分量Y、色度分量C_b和色度分量C_r三个量；获取当前编码块周围有效像素点的重建的亮度分量Y、重建的色度分量C_b以及重建的色度分量C_r，并移除当前编码块周围其他无效像素点；

步骤二、根据步骤一获取的有效像素点的重建的亮度分量Y和重建的色度分量C_b，计算线性模型C_b＝α₁Y+β₁中参数α₁和β₁的值；

步骤三、利用线性模型C_b＝α₁Y+β₁、步骤二得到的参数α₁和β₁以及当前编码块的重建的亮度分量Y，得到当前编码块的色度分量C_b的预测值；

步骤四、根据步骤一获取的有效像素点对应的像素值，通过线性最小二乘法计算当前编码块的线性模型C_r＝α₂Y+β₂中参数α₂和β₂的值、线性模型C_r＝α₃Y+β₃中参数α₃和β₃的值、以及线性模型C_r＝α₄Y+β₄C_b+γ中参数α₄、β₄和γ的值；

步骤五、利用步骤四计算得到的各参数的值以及当前编码块周围有效像素点，计算线性模型C_r＝α₂Y+β₂、线性模型C_r＝α₃Y+β₃以及线性模型C_r＝α₄Y+β₄C_b+γ的失真值，且将计算到的最小失真值对应的线性模型作为最佳的预测模型；

步骤六、利用步骤五得到的最佳的预测模型及其对应的参数，以及当前编码块的重建的亮度分量Y和重建的色度分量C_b得到当前编码块的色度分量C_r的预测值；

步骤七、至此，得出当前编码块的色度分量C_b的预测值和色度分量C_r的预测值。

本发明的有益效果为：

本发明预测方法可以有效地去除视频序列中色度分量的冗余。与目前现有的色度预测算法相比，本发明的方案具有明显的性能增益。

具体体现为，本发明在进行线性模型参数的计算时，首先获取更多周围有效的重建值，这种处理方式使得计算的模型参数准确性更高。在色度分量C_r的预测中，本发明中的预测方法提出利用亮度分量Y来预测色度分量C_r，利用色度分量C_b来预测色度分量C_r以及同时利用亮度分量Y和色度分量C_b来预测色度分量C_r的线性模型。通过模型的失真来获取最佳的预测模型。本发明方法能够充分利用像素点具有的各个分量之间的相关性来对色度分量C_r进行更高效的预测，将编码效率在原来的基础上提高了2％-12％。

附图说明

图1为本发明的流程图；

图2为本发明实施例1中当前块周围用于进行模型参数计算的像素；图中，L表示当前块左边的像素，A表示当前块上边的像素，LB表示当前块左下方的像素，以及AR表示当前块右上方的像素；另外，C表示当前需要进行预测编码的块；

具体实施方式

具体实施方式一：

本实施方式的混合视频编码标准中色度分量预测方法，结合图1所示的流程图，所述预测方法通过以下步骤实现：

步骤一、已知像素点对应的像素值具有亮度分量Y、色度分量C_b和色度分量C_r三个量；获取当前编码块周围有效像素点的重建的亮度分量Y、重建的色度分量C_b以及重建的色度分量C_r，，并移除当前编码块周围其他无效像素点；

步骤二、根据步骤一获取的有效像素点的重建的亮度分量Y和重建的色度分量C_b，计算线性模型C_b＝α₁Y+β₁中参数α₁和β₁的值；

步骤三、利用线性模型C_b＝α₁Y+β₁、步骤二得到的参数α₁和β₁以及已知的当前编码块的重建的亮度分量Y，得到当前编码块的色度分量C_b的预测值；

步骤四、根据步骤一获取的有效像素点对应的像素值，通过线性最小二乘法计算当前编码块的线性模型C_r＝α₂Y+β₂中参数α₂和β₂的值、线性模型C_r＝α₃Y+β₃中参数α₃和β₃的值、以及线性模型C_r＝α₄Y+β₄C_b+γ中参数α₄、β₄和γ的值；

步骤五、利用步骤四计算得到的各参数的值以及当前编码块周围有效像素点，计算线性模型C_r＝α₂Y+β₂、线性模型C_r＝α₃Y+β₃以及线性模型C_r＝α₄Y+β₄C_b+γ的失真值，且将计算到的最小失真值对应的线性模型作为最佳的预测模型；

步骤六、利用步骤五得到的最佳的预测模型及其对应的参数，以及当前编码块的重建的亮度分量Y和重建的色度分量C_b得到当前编码块的色度分量C_r的预测值；

步骤七、至此，得出当前编码块的色度分量C_b的预测值和色度分量C_r的预测值。

充分利用像素点具有的各个分量之间的相关性来对色度分量C_r进行更高效的预测，将编码效率在原来的基础上提高了2％-12％。

具体实施方式二：

与具体实施方式一不同的是，本实施方式的混合视频编码标准中色度分量预测方法，步骤一所述当前编码块周围有效的像素点是指，当前编码块左边、左下、上边以及右上的像素点。这些有效的像素点是真实存在的，对于任何不存在的像素点，不进行填补，直接移除，不用于步骤二和步骤四中参数的计算。

具体实施方式三：

与具体实施方式一或二不同的是，本实施方式的混合视频编码标准中色度分量预测方法，

具体实施方式四：

与具体实施方式三不同的是，本实施方式的混合视频编码标准中色度分量预测方法，步骤五所述将计算到的最小失真值对应的线性模型作为最佳的预测模型的过程为，采用最小均方误差和最小误差平方，比较线性模型C_r＝α₂Y+β₂、线性模型C_r＝α₃Y+β₃以及线性模型C_r＝α₄Y+β₄C_b+γ的失真值，将失真值最小的较线性模型确定为最佳预测模型。

具体实施方式五：

与具体实施方式三不同的是，本实施方式的混合视频编码标准中色度分量预测方法，步骤五所述将得到最小失真值的对应的线性模型作为最佳的预测模型的过程为，在进行最佳模式选择过程中，考虑到亮度分量与色度分量的相关性平均要高于色度分量之间的相关性，可以通过分别对线性模型C_r＝α₂Y+β₂、线性模型C_r＝α₃Y+β₃以及线性模型C_r＝α₄Y+β₄C_b+γ的失真值进行加权，使得亮度分量能够得到更充分的利用，再比较加权的失真值的大小，选择最小的加权的失真值对应的线性模型作为最佳预测模型。

具体实施方式六：

与具体实施方式一、二、四或五不同的是，本实施方式的混合视频编码标准中色度分量预测方法，步骤六所述利用步骤五得到的最佳的预测模型及其对应的参数，以及重建的亮度分量Y和重建的色度分量C_b得到当前编码块的色度分量C_r的预测值的过程为，

若得到的最佳预测模式为C_r＝α₂Y+β₂，则当前编码块的色度分量C_r的预测值为α₂Y+β₂；其中，Y为当前编码块重建的亮度分量的值，α₂和β₂为通过线性最小二乘法计算得到的参数值；

若得到的最佳预测模式为C_r＝α₃C_b+β₃，则当前编码块的色度分量C_r的预测值为α₃C_b+β₃；其中，C_b为当前编码块重建的色度分量C_b，α₃和β₃为通过线性最小二乘法计算得到的参数值；

若通得到的最佳预测模式为C_r＝α₄Y+β₄C_b+γ，则当前编码块的色度分量C_r的预测值为α₄Y+β₄C_b+γ；其中，Y为当前编码块重建的亮度分量的值，C_b为当前编码块重建的色度分量C_b，α₄、β₄和γ为通过线性最小二乘法计算得到的参数值。

实施例1：

在VC-0.4(在HEVC的测试模型HM12.0添加了一些技术的测试模型)上实现，并按照VC266通测条件测试，VC266通测条件参考VC266StudyGroup,“Testconditionandevaluationmethodology”,VC-02-N005,VC2662thMeeting:Suzhou,Mar.2015.

实施方式一的实验结果如表1所示，由表1可知，与VC-0.4相比，在AllIntraMain_LowBitrate(AI-LR)配置条件下，针对Y，Cb和Cr分量，通测条件中定义的B类序列平均有0.2％，1.1％，和1.7％的BD比特率节省，TMZ类序列平均有0.5％、2.6％和6.4％的BD比特率节省,Mobile类序列平均有0.3％、2.5％和3.6％的BD比特率节省,UHD类序列平均有0.5％、2.4％和2.3％的BD比特率节省,INTRA类序列平均有0.3％、1.6％和12.5％的BD比特率节省。

与VC-0.4相比，在AllIntraMain_HighBitrate(AI-HR)配置条件下，针对Y，Cb和Cr分量，通测条件中定义的B类序列平均有0.2％，0.7％，和0.9％的BD比特率节省，TMZ类序列平均有0.3％、1.0％和3.5％的BD比特率节省,Mobile类序列平均有0.3％、1.4％和2.3％的BD比特率节省,UHD类序列平均有0.4％、1.5％和1.6％的BD比特率节省,INTRA类序列平均有0.2％、0.3％和5.4％的BD比特率节省。

BD比特率表示在同样的客观质量下两种方法的码率节省情况，参考G.“CalculationofaveragePSNRdifferencesbetweenRD-Curves,”ITU-TSG16Q.6Document,VCEG-M33,Austin,US,April2001。

表1.具体实施方式一相对于VC-0.4的BD比特率性能

Claims (6)

1.一种混合视频编码标准中色度分量预测方法，其特征在于：所述预测方法通过以下步骤实现：

步骤一、已知像素点对应的像素值具有亮度分量Y、色度分量C_b和色度分量C_r三个量；获取当前编码块周围有效像素点的重建的亮度分量Y、重建的色度分量C_b以及重建的色度分量C_r，并移除当前编码块周围其他无效像素点；

步骤二、根据步骤一获取的有效像素点的重建的亮度分量Y和重建的色度分量C_b，计算线性模型C_b＝α₁Y+β₁中参数α₁和β₁的值；

步骤三、利用线性模型C_b＝α₁Y+β₁、步骤二得到的参数α₁和β₁以及当前编码块的重建的亮度分量Y，得到当前编码块的色度分量C_b的预测值；

步骤四、根据步骤一获取的有效像素点对应的像素值，通过线性最小二乘法计算当前编码块的线性模型C_r＝α₂Y+β₂中参数α₂和β₂的值、线性模型C_r＝α₃Y+β₃中参数α₃和β₃的值、以及线性模型C_r＝α₄Y+β₄C_b+γ中参数α₄、β₄和γ的值；

步骤五、利用步骤四计算得到的各参数的值以及当前编码块周围有效像素点，计算线性模型C_r＝α₂Y+β₂、线性模型C_r＝α₃Y+β₃以及线性模型C_r＝α₄Y+β₄C_b+γ的失真值，且将计算到的最小失真值对应的线性模型作为最佳的预测模型；

步骤六、利用步骤五得到的最佳的预测模型及其对应的参数，以及当前编码块的重建的亮度分量Y和重建的色度分量C_b得到当前编码块的色度分量C_r的预测值；

步骤七、至此，得出当前编码块的色度分量C_b的预测值和色度分量C_r的预测值。

2.根据权利要求1所述混合视频编码标准中色度分量预测方法，其特征在于：步骤一所述当前编码块周围有效的像素点是指，当前编码块左边、左下、上边以及右上的像素点。

3.根据权利要求1或2所述混合视频编码标准中色度分量预测方法，其特征在于：步骤五所述利用步骤四计算得到的各参数的值以及当前编码块周围有效像素点，计算线性模型C_r＝α₂Y+β₂、线性模型C_r＝α₃Y+β₃以及线性模型C_r＝α₄Y+β₄C_b+γ的失真值的过程为，通过步骤四得到线性模型C_r＝α₂Y+β₂、线性模型C_r＝α₃Y+β₃和线性模型C_r＝α₄Y+β₄C_b+γ这个三个模型的参数值，以及当前编码块周围有效像素点对应的亮度重建分量Y，通过线性模型C_r＝α₂Y+β₂、线性模型C_r＝α₃Y+β₃以及线性模型C_r＝α₄Y+β₄C_b+γ计算出有效像素点对应的色度分量C_r的预测值；其中，

对于线性模型C_r＝α₂Y+β₂，通过该线性模型计算得到像素值为C_r′＝α₂Y+β₂，重建的像素值为C_r；则该线性模型的失真值为计算得到像素值C_r′＝α₂Y+β₂与重建的像素值C_r之间的失真偏离程度，采用均方误差、误差平方和得到该失真值；

对于线性模型C_r＝α₃C_b+β₃，通过该线性模型计算得到的像素值为C_r′＝α₃C_b+β₃，重建的像素值为C_r；则该线性模型的失真值为计算得到的像素值C_r′＝α₃C_b+β₃与重建的像素值C_r之间的失真偏离程度，采用均方误差、误差平方和得到该失真值；

对于线性模型C_r＝α₄Y+β₄C_b+γ，通过该线性模型计算得到的像素值为C_r′＝α₄Y+β₄C_b+γ，重建的像素值为C_r；则该线性模型的失真值为计算得到的像素值C_r′＝α₄Y+β₄C_b+γ与重建的像素值C_r之间的失真偏离程度，采用均方误差、误差平方和得到该失真值。

4.根据权利要求3所述混合视频编码标准中色度分量预测方法，其特征在于：步骤五所述将计算到的最小失真值对应的线性模型作为最佳的预测模型的过程为，采用最小均方误差和最小误差平方，比较线性模型C_r＝α₂Y+β₂、线性模型C_r＝α₃Y+β₃以及线性模型C_r＝α₄Y+β₄C_b+γ的失真值，将失真值最小的较线性模型确定为最佳预测模型。

5.根据权利要求3所述混合视频编码标准中色度分量预测方法，其特征在于：步骤五所述将得到最小失真值的对应的线性模型作为最佳的预测模型的过程为，分别对线性模型C_r＝α₂Y+β₂、线性模型C_r＝α₃Y+β₃以及线性模型C_r＝α₄Y+β₄C_b+γ的失真值进行加权，再比较加权的失真值的大小，选择最小的加权的失真值对应的线性模型作为最佳预测模型。

6.根据权利要求1、2、4或5所述混合视频编码标准中色度分量预测方法，其特征在于：步骤六所述利用步骤五得到的最佳的预测模型及其对应的参数，以及重建的亮度分量Y和重建的色度分量C_b得到当前编码块的色度分量C_r的预测值的过程为，

若得到的最佳预测模式为C_r＝α₂Y+β₂，则当前编码块的色度分量C_r的预测值为α₂Y+β₂；其中，Y为当前编码块重建的亮度分量的值，α₂和β₂为通过线性最小二乘法计算得到的参数值；

若得到的最佳预测模式为C_r＝α₃C_b+β₃，则当前编码块的色度分量C_r的预测值为α₃C_b+β₃；其中，C_b为当前编码块重建的色度分量C_b，α₃和β₃为通过线性最小二乘法计算得到的参数值；

若通得到的最佳预测模式为C_r＝α₄Y+β₄C_b+γ，则当前编码块的色度分量C_r的预测值为α₄Y+β₄C_b+γ；其中，Y为当前编码块重建的亮度分量的值，C_b为当前编码块重建的色度分量C_b，α₄、β₄和γ为通过线性最小二乘法计算得到的参数值。