CN105812825A - 一种基于分组的图像编码方法 - Google Patents

Abstract

本发明涉及图像编码领域，更具体地，涉及一种基于分组的图像编码方法。其包括：S1.在帧内预测模块中，采用粗模式决策RMD处理获得候选模式集合；S2.利用候选模式集合中元素之间的相关性和差异性将候选模式集合中的元素进行分组；S3.分组后对候选模式集合进行删减，将保留的预测模式更新候选模式集合。本发明减少了候选的预测模式数、率失真优化技术的计算次数，缩短帧内预测的编码时间。通过这种方式，加快了帧内预测的速度，从而提高了编码效率。

Description

一种基于分组的图像编码方法

技术领域

本发明涉及图像编码领域，更具体地，涉及一种基于分组的图像编码方法。

背景技术

虽然近年来信息技术发展迅速，有线网络和无线网络的带宽都在不断地提高，但是人们对于视频源的保真度要求也越来越高。如今，随着高清视频的逐渐普及，存储容量与网络带宽的增长无法满足人们对于存储和传输高分辨率视频的要求。因此，视频压缩与编码技术的研究从未间断。

视频编码，也称为视频的压缩，更确切地说，视频压缩是目的，视频编码是手段。因此，想要满足目前视频应用的要求，我们就必须研究视频编码的技术。在实际的应用当中，视频的压缩不同于文本文件、程序文件等的压缩，后者采用的压缩方式采用的是无损压缩，因为他们的数据需要严格地被完全重建才能使用，而视频的压缩一般采用的是有损压缩。有损压缩以引入一定的失真为代价，换取更高的压缩比，从而使视频数据得以在网络上进行传输。所以我们一般在现实生活看到的一些视频图像都是存在“失真”的，只不过这种“失真”是无法察觉的。

对于视频编码，从20世纪80年代起，国际组织就开始对视频编码建立国际标准。这是为了使视频压缩后得到的码流能够在大范围内互通和规范解码。视频编码标准规定了编码码流的语法语义和解码器，只要符合相应组织规定的编码标准就可以使用解码器进行正常的解码。目前编码标准主要有国际电信联盟电信标准化部门(ITU-T)制定的H.26X系列，这些标准被广泛应用于基于网络传输的视频通信，例如可视电话、会议电话等。国际化部门/国际电工委员会(ISO/IEC)制定的MPEG系列主要应用于视频存储，例如VCD/DVD、广播电视、网络流媒体等。在上述标准的基础，现有技术中或为了提高编码效率、或为了提高视频存储空间均出现了各种各样的编码技术。本发明是在我国数字音视频编解码技术标准工作组(简称AVS工作组)制定的音视频编码标AVS2标准下研究如何提高编码效率。

发明内容

本发明为克服上述现有技术所述的至少一种缺陷(不足)，提供一种能够减少编码时间，提供编码效率的基于分组的图像编码方法。

为解决上述技术问题，本发明的技术方案如下：

一种基于分组的图像编码方法，包括：

S1.在帧内预测模块中，采用粗模式决策RMD处理获得候选模式集合；

S2.利用候选模式集合中元素之间的相关性和差异性将候选模式集合中的元素进行分组；

S3.分组后将不符合边界方向的该组的所有元素进行删减，剩下的模式组成新的候选模式集合。

上述方案中，S2中具体分组方式如下：

对于候选模式集合ψ，判断0、1、2三个非方向性的预测模式是否属于ψ，若是则ψ＝ψ-{0，1，2}；

对于模式i、j，如果满足|i-j|≤2、3≤i≤32、3≤j≤32，则将候选模式i和j分为一组，否则将候选模式i和j分为不同的组。

上述方案中，S3的具体步骤包括：

S31.判断分组数目是否大于1，若是则执行步骤S32，否则执行步骤S34；

S32.对预测块执行边缘检测算法执行边缘检测算法，得到边缘方向，选出与边缘方向最相近的一个分组作为最佳分组，执行步骤S33；

S33.判断哈达玛代价uicost最小的模式是否属于选出的最佳分组中，若是则执行步骤S34，否则执行步骤S35；

S34.选择哈达玛代价uicost最小的预测模式及与它在模式索引值相邻的预测模式加入候选模式集合ψ1，执行步骤S36；

S35.将哈达玛代价uicost最小的预测模式、最佳分组中哈达玛代价uicost最小的预测模式及与它在模式索引相邻的模式加入到ψ1，执行步骤S36；

S36.判断三种非方向性预测模式对应的哈达玛代价uicost在候选年模式集合ψ中是否位于前4，若是则将ψ1加上非方向性预测模式的集合更新ψ1作为最终的候选模式集合，否则不更新ψ1并将ψ1作为最终的候选模式集合。

上述方案中，S32中对预测块执行边缘检测算法的具体步骤如下：

对于一个像素p_i,j，其相应的边界向量为且dx_i,j和dy_i,j分别代表边界向量在垂直方向和水平方向的分量，具体计算如下：

dx_i,j＝p_i-1,j+1+2×p_i,j+1+p_i+1,j+1-p_i-1,j-1-2×p_i,j-1-p_i+1,j-1(1)

dy_i,j＝p_i+1,j-1+2×p_i+1,j+p_i+1,j+1-p_i-1,j-1-2×p_i-1,j-p_i-1,j+1(2)

则定义边界方向向量的模和方向计算分别为式(3)与(4)：

$Amp\left(\stackrel{\→}{D_{i,j}}\right)=\left|{\mathrm{dx}}_{i,j}\right|+\left|{\mathrm{dy}}_{i,j}\right|---\left(3\right)$

边界向量的角度与dy_i,j/dx_i,j是对应的：

为了简化dy_i,j/dx_i,j，令η＝dy_i,j/dx_i,j，则η与也是存在一一对应的关系，将属于某个模式对应的角度范围代入到式(5)中，求出该模式的η范围，处于某个模式的η范围就将该像素的边界向量的强度累加到该模式中，用式(6)建立模式的边界方向直方图:

if(a＜η＜b)

$histo\left(i\right)+=Amp\left(\stackrel{\→}{D_{i,j}}\right)---\left(6\right)$

其中a与b分别表示模式i的角度范围通过式(5)得到的范围，histo(i)表示在模式i下的所有像素点的矢量强度累加的和，3≤i≤32；最后选择histo值最大的预测模式作为与边界方向相同或相似的预测模式。

上述方案中，步骤S32中选出与边缘方向最相近的一个分组作为最佳分组的具体步骤包括：将边缘检测算法获得的histo值最大的预测模式索引值，与不同分组中的各预测模式的索引值进行差值运算，所得差值最小所对应的预测模式所在的分组即为最佳分组

与现有技术相比，本发明技术方案的有益效果是：

本发明使用了经过粗模式决策RMD处理之后的预测模式构成候选模式集合，利用候选模式集合中元素的相关性和差异性将候选模式集合中的元素进行分组，进而排除不可能或不合理的组别，从而减少了候选的预测模式数、率失真优化技术的计算次数，缩短帧内预测的编码时间。通过这种方式，加快了帧内预测的速度，从而提高了编码效率。

附图说明

图1为本发明一种基于分组的图像编码方法具体实施例中候选模式集合中角度模式的预测方向示意图。

图2为本发明一种基于分组的图像编码方法具体实施例中分组的流程图。

图3为本发明一种基于分组的图像编码方法具体实施例的流程图。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；

为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；

对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

下面结合附图和实施例对本发明的技术方案做进一步的说明。

实施例1

视频编码的帧内预测模块耗时较长，因此需要设计优化的算法来加快该模块编码的速度。根据视频编码的帧内预测模块特点，在该模块中，粗模式决策RMD处理之后获得的候选模式集合，本发明发现候选模式集合的元素之间存在相关性与差异性，本发明在充分考虑了候选预测模式之间的相关性与差异性后进行分组。如图1所示，候选模式集合中每个预测模式有对应的方向，据此可以对于方向差异较大的预测模式进行分组。最佳组由边缘检测算法产生，其他组进而被排除。通过以上的方式，减少了候选的预测模式、率失真优化技术的计算次数，缩短帧内预测的编码时间。

具体的，本发明一种基于分组的图像编码方法具体实施例的步骤具体包括：

S1.在帧内预测模块中，采用粗模式决策RMD处理获得候选模式集合；

S2.利用候选模式集合中元素之间的相关性和差异性将候选模式集合中的元素进行分组；其中，如图2所示，分组的具体方式如下：

对于候选模式集合ψ，判断0、1、2三个非方向性的预测模式是否属于ψ，若是则ψ＝ψ-{0，1，2}；

对于候选模式集合ψ中的模式i、j，如果满足|i-j|≤2、3≤i≤32、3≤j≤32，则将候选模式i和j分为一组，否则将候选模式i和j分为不同的组。以此运算方式将候选模式集合ψ中的所有模式进行分组处理。

S3.分组后将不符合边界方向的该组的所有元素进行删减，剩下的模式组成新的候选模式集合。具体地，如图3所示，S3的具体步骤包括：

S31.判断分组数目是否大于1，若是则执行步骤S32，否则执行步骤S34；

S32.对预测块执行边缘检测算法，得到边缘方向，选出与边缘方向最相近的一个分组作为最佳分组，执行步骤S33；

S33.判断哈达玛代价uicost最小的模式是否属于选出的最佳分组中，若是则执行步骤S34，否则执行步骤S35；

S34.选择哈达玛代价uicost最小的预测模式及与它在模式索引值相邻的预测模式加入候选模式集合ψ1，执行步骤S36；

S35.将哈达玛代价uicost最小的预测模式、最佳分组中哈达玛代价uicost最小的预测模式及与它在模式索引相邻的模式加入到ψ1，执行步骤S36；

S36.判断三种非方向性预测模式对应的哈达玛代价uicost在候选年模式集合ψ中是否位于前4，若是则将ψ1加上非方向性预测模式的集合更新ψ1作为最终的候选模式集合，否则不更新ψ1并将ψ1作为最终的候选模式集合。

在具体实施过程中，S32中使用的边缘检测算法可以使用Sobel算子的边缘检测器实现，Sobel算子的边缘检测器容易实现，而且可以提供较为精确的边缘方向信息。具体地，对各个预测块执行边缘检测算法的具体步骤如下：

对于一个像素p_i,j，其相应的边界向量为且dx_i,j和dy_i,j分别代表边界向量在垂直方向和水平方向的分量，具体计算如下：

dx_i,j＝p_i-1,j+1+2×p_i,j+1+p_i+1,j+1-p_i-1,j-1-2×p_i,j-1-p_i+1,j-1(1)

dy_i,j＝p_i+1,j-1+2×p_i+1,j+p_i+1,j+1-p_i-1,j-1-2×p_i-1,j-p_i-1,j+1(2)

则定义边界方向向量的模和方向计算分别为式(3)与(4)：

$Amp\left(\stackrel{\→}{D_{i,j}}\right)=\left|{\mathrm{dx}}_{i,j}\right|+\left|{\mathrm{dy}}_{i,j}\right|---\left(3\right)$

由(4)得出，边界向量的角度与dy_i,j/dx_i,j是对应的，即如公式(5)所示：

为了简化dy_i,j/dx_i,j，令η＝dy_i,j/dx_i,j，则η与也是存在一一对应的关系，由图1可以知道，每一种角度预测模式在平面上都是有对应的角度的。当将属于某个模式对应的角度范围代入到式(5)中，就会求出该模式的η范围，处于某个模式的η范围就将该像素的边界向量的强度累加到该模式中，用式(6)建立模式的边界方向直方图:

if(a＜η＜b)

$histo\left(i\right)+=Amp\left(\stackrel{\→}{D_{i,j}}\right)---\left(6\right)$

其中a与b分别表示模式i的角度范围通过式(5)得到的范围，histo(i)表示在模式i下的所有像素点的矢量强度累加的和，3≤i≤32；最后选择histo值最大的预测模式作为与边界方向相同或相似的预测模式。

步骤S32中选出与边缘方向最相近的一个分组作为最佳分组的具体步骤包括，选出与边缘方向最相近的一个分组作为最佳分组的具体步骤包括：将边缘检测算法获得的histo值最大的预测模式索引值，与不同分组中的各预测模式的索引值进行差值运算，所得差值最小所对应的预测模式所在的分组即为最佳分组

本发明的方法主要包含两个部分，一个就是对经过RMD处理之后得到的候选模式集合进行分组处理，另外一个就是边缘检测算法的使用。本发明的方法有效地对候选模式集合中的预测模式进行删减，使候选的预测模式数减少，使率失真优化RDO的计算次数减少，从而减少了帧内预测模块的编码时间，提高了编码的效率。

相同或相似的标号对应相同或相似的部件；

附图中描述位置关系的用于仅用于示例性说明，不能理解为对本专利的限制；

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (5)

1.一种基于分组的图像编码方法，其特征在于，包括：

S1.在帧内预测模块中，采用粗模式决策RMD处理获得候选模式集合；

S2.利用候选模式集合中元素之间的相关性和差异性将候选模式集合中的元素进行分组；

S3.分组后将不符合边界方向的该组的所有元素进行删减，剩下的模式组成新的候选模式集合。

2.根据权利要求1所述的基于分组的图像编码方法，其特征在于，S2中具体分组方式如下：

对于候选模式集合ψ，判断0、1、2三个非方向性的预测模式是否属于ψ，若是则ψ＝ψ-{0，1，2}；

对于模式i、j，如果满足|i-j|≤2、3≤i≤32、3≤j≤32，则将候选模式i和j分为一组，否则将候选模式i和j分为不同的组。

3.根据权利要求1或2所述的基于分组的图像编码方法，其特征在于，S3的具体步骤包括：

S31.判断分组数目是否大于1，若是则执行步骤S32，否则执行步骤S34；

S32.对预测块执行边缘检测算法，得到边缘方向，选出与边缘方向最相近的一个分组作为最佳分组，执行步骤S33；

S33.判断哈达玛代价uicost最小的模式是否属于选出的最佳分组中，若是则执行步骤S34，否则执行步骤S35；

S34.选择哈达玛代价uicost最小的预测模式及与它在模式索引值相邻的预测模式加入候选模式集合ψ1，执行步骤S36；

S35.将哈达玛代价uicost最小的预测模式、最佳分组中哈达玛代价uicost最小的预测模式及与它在模式索引相邻的模式加入到ψ1，执行步骤S36；

S36.判断三种非方向性预测模式对应的哈达玛代价uicost在候选年模式集合ψ中是否位于前4，若是则将ψ1加上非方向性预测模式的集合更新ψ1作为最终的候选模式集合，否则不更新ψ1并将ψ1作为最终的候选模式集合。

4.根据权利要求3所述的基于分组的图像编码方法，其特征在于，S32中对预测块执行边缘检测算的具体步骤如下：

对于一个像素p_i,j，其相应的边界向量为且dx_i,j和dy_i,j分别代表边界向量在垂直方向和水平方向的分量，具体计算如下：

dx_i,j＝p_i-1,j+1+2×p_i,j+1+p_i+1,j+1-p_i-1,j-1-2×p_i,j-1-p_i+1,j-1(1)

dy_i,j＝p_i+1,j-1+2×p_i+1,j+p_i+1,j+1-p_i-1,j-1-2×p_i-1,j-p_i-1,j+1(2)

则定义边界方向向量的模和方向计算分别为式(3)与(4)：

$Amp\left(\stackrel{\→}{D_{i,j}}\right)=\left|{\mathrm{dx}}_{i,j}\right|+\left|{\mathrm{dy}}_{i,j}\right|---\left(3\right)$

边界向量的角度与dy_i,j/dx_i,j是对应的：

为了简化dy_i,j/dx_i,j，令η＝dy_i,j/dx_i,j，则η与也是存在一一对应的关系，将属于某个模式对应的角度范围代入到式(5)中，求出该模式的η范围，处于某个模式的η范围就将该像素的边界向量的强度累加到该模式中，用式(6)建立模式的边界方向直方图:

if(a＜η＜b)

$histo\left(i\right)+=Amp\left(\stackrel{\→}{D_{i,j}}\right)---\left(6\right)$

其中a与b分别表示模式i的角度范围通过式(5)得到的范围，histo(i)表示在模式i下的所有像素点的矢量强度累加的和，3≤i≤32；最后选择histo值最大的预测模式作为与边界方向相同或相似的预测模式。

5.根据权利要求4所述的基于分组的图像编码方法，其特征在于，步骤S32中选出与边缘方向最相近的一个分组作为最佳分组的具体步骤包括：将边缘检测算法获得的histo值最大的预测模式索引值，与不同分组中的各预测模式的索引值进行差值运算，所得差值最小所对应的预测模式所在的分组即为最佳分组。