CN109510996B - 带宽压缩中的后选择预测方法 - Google Patents

Abstract

本发明涉及一种带宽压缩中的后选择预测方法，包括：将图像分成大小为m×n的多个MB；其中，m、n分别为每个所述MB的行分辨率、列分辨率；分别采用自适应模板预测方法与自适应纹理渐变预测方法对所述多个MB进行预测以获取对应的残差主观和；根据所述残差主观和确定最终的预测残差。本发明提供的带宽压缩中的后选择预测方法，以自适应模板预测方法与自适应纹理渐变预测方法为基础，通过预测选择算法可以选择出最优的一种预测方法，对于复杂纹理图像进一步优化了预测效果。

Description

带宽压缩中的后选择预测方法

技术领域

本发明涉及一种多媒体技术领域，特别涉及一种带宽压缩中的后选择预测方法。

背景技术

带宽压缩技术主要由四个部分组成，包含：预测模块、量化模块、码控模块和熵编码模块。其中预测模块作为一个重要的模块，是利用相邻像素间存在的空间冗余度，根据邻近像素信息对当前像素值进行预测，预测差值的标准差远小于原始图像数据的标准差，因此对预测差值进行编码，更有利于使图像数据的理论熵达到最小，达到提高压缩效率的目的。目前预测模块的算法主要分为两类，纹理相关预测和像素值相关预测。

然而，当待压缩图像的纹理复杂多变时，预测待压缩图像的复杂纹理区域时往往因图像纹理之间的相关性较差，预测编码得不到精确的参考，导致理论极限熵得不到最大化的降低，影响预测模块的质量。因此，在待压缩图像的纹理复杂多变时，提高预测模块的质量成为亟需解决的问题。

随着视频的图像分辨率的增加，需要占用较多的存储空间和传输带宽，在这种情况下，利用芯片内的带宽压缩技术来提高图像的存储空间和传输带宽就显得尤为必要。

在图像纹理复杂区域，单一的预测方法往往不能获取最佳的预测效果，导致图像效果变差。

发明内容

因此，为解决现有技术存在的技术缺陷和不足，本发明提出一种带宽压缩中的后选择预测方法。

具体地，本发明一个实施例提出的一种带宽压缩中的后选择预测方法，包括：

将图像分成大小为m×n的多个MB；其中，m、n分别为每个所述MB的行分辨率、列分辨率；

分别采用自适应模板预测方法与自适应纹理渐变预测方法对所述多个MB进行预测以获取对应的残差主观和；

根据所述残差主观和确定所述多个MB最终的预测残差。

在本发明的一个实施例中，分别采用自适应模板预测方法与自适应纹理渐变预测方法对所述多个MB进行预测以获取对应的残差主观和，包括：

采用自适应模板预测方法对所述多个MB进行预测以获取第一残差主观和；

采用自适应纹理渐变预测方法对所述多个MB进行预测以获取第二残差主观和。

在本发明的一个实施例中，采用自适应模板预测方法对所述多个MB进行预测以获取第一残差主观和，包括：

采用自适应模板预测方法对当前MB进行预测以获取当前MB中每个像素的第一预测残差；

根据所述当前MB中每个像素的第一预测残差分别计算当前MB的第一残差绝对值和与与第一残差标准差；

根据所述第一残差绝对值和与第一残差标准差计算所述第一残差主观和。

在本发明的一个实施例中，采用自适应模板预测方法对当前MB进行预测以获取当前MB中每个像素的第一预测残差，包括：

确定所述自适应模板的表位数量以及表位序号；

初始化填充所述自适应模板；

更新所述当前MB对应的自适应模板；

根据更新后的所述自适应模板获取所述当前MB中每个像素的第一预测残差。

在本发明的一个实施例中，采用自适应纹理渐变预测方法对所述多个MB进行预测以获取第二残差主观和，包括：采用自适应纹理渐变预测方法对所述当前MB进行预测以获取所述当前MB中每个像素的第二预测残差；

根据所述当前MB中每个像素的第二预测残差分别计算当前MB的第二残差绝对值和与第二残差标准差；

根据所述第二残差绝对值和与第二残差标准差计算所述第二残差主观和。

在本发明的一个实施例中，采用自适应纹理渐变预测方法对所述当前MB进行预测以获取所述当前MB中每个像素的第二预测残差，包括：

确定所述当前MB的采样点；

根据所述采样点对所述当前MB进行预测以获取所述当前MB中每个像素的第二预测残差。

在本发明的一个实施例中，确定所述当前MB的采样点，包括：将所述当前MB的当前像素分量的像素值与所述当前像素分量相邻的像素分量的像素值求差获取所述当前MB的像素差值；

将所述像素差值中的连续值的最后一位设定为像素值拐点；

设定所述像素值拐点所对应的所述当前MB的像素分量为所述当前MB的采样点。

在本发明的一个实施例中，根据所述残差主观和确定最终的预测残差，包括：

比较所述第一残差主观和与第二残差主观和的大小以选择最终的预测残差；其中，

若所述第一残差主观和小于所述第二残差主观和，则选择所述第一预测残差作为所述当前MB中每个像素的最终预测残差；

若所述第一残差主观和大于所述第二残差主观和，则选择所述第二预测残差作为所述当前MB中每个像素的最终预测残差。

在本发明的一个实施例中，所述第一残差主观和与第二残差主观和的计算公式为：

SUBD_k＝a₁×SAD_k+a₂×E_k+a₃×mode_k

其中，k为预测模式的序号，取值为1或2；

SUBD₁为第一残差主观和，SUBD₂为第二残差主观和；

a₁、a₂及a₃为按场景配置的权重系数；

SAD₁为当前MB中所有像素的第一残差绝对值和，SAD₂为当前MB中所有像素的第二残差绝对值和；

E₁为当前MB中所有像素的第一残差标准差，E₂为当前MB中所有像素的第二残差标准差；

mode1与mode2为自适应模板预测方法与自适应纹理渐变预测方法分别对应的模式惩罚。

基于此，本发明至少具备如下优点：

本发明提供的带宽压缩中的后选择预测方法，以自适应模板预测方法与自适应纹理渐变预测方法为基础，通过预测选择算法可以选择出最优的一种预测方法，对于复杂纹理图像进一步优化了预测效果。

附图说明

下面将结合附图，对本发明的具体实施方式进行详细的说明。

图1为本发明实施例提供的一种带宽压缩中的后选择预测方法流程图；

图2为本发明实施例提供的一种自适应模板预测方法流程图；

图3为本发明实施例提供的一种自适应模板的示意图；

图4为本发明实施例提供的另一种自适应模板的示意图；

图5为本发明实施例提供的一种带宽压缩中自适应纹理渐变预测方法流程示意图；

图6为本发明实施例提供的一种自适应纹理渐变预测方法示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。

实施例一

请参见图1，图1为本发明实施例提供的一种带宽压缩中的后选择预测方法流程图。该方法包括如下步骤：

步骤1、将图像分成大小为m×n的多个MB；其中，m、n分别为每个所述MB的行分辨率、列分辨率；

步骤2、分别采用自适应模板预测方法与自适应纹理渐变预测方法对所述多个MB进行预测以获取对应的残差主观和；

步骤3、根据所述残差主观和确定所述多个MB最终的预测残差。

具体的，步骤2可以包括如下步骤：

步骤21、采用自适应模板预测方法对所述多个MB进行预测以获取第一残差主观和；

步骤22、采用自适应纹理渐变预测方法对所述多个MB进行预测以获取第二残差主观和。

其中，步骤21可以包括如下步骤：

步骤211、采用自适应模板预测方法对当前MB进行预测以获取当前MB中每个像素的第一预测残差；

步骤212、根据所述当前MB中每个像素的第一预测残差分别计算当前MB的第一残差绝对值和与与第一残差标准差；

步骤213、根据所述第一残差绝对值和与第一残差标准差计算所述第一残差主观和。

进一步地，对于步骤211，可以包括如下步骤：

步骤2111、确定所述自适应模板的表位数量以及表位序号；

步骤2112、初始化填充所述自适应模板；

步骤2113、更新所述当前MB对应的自适应模板；

步骤2114、根据更新后的所述自适应模板获取所述当前MB中每个像素的第一预测残差。

对于步骤22，可以包括如下步骤：

步骤221、采用自适应纹理渐变预测方法对所述当前MB进行预测以获取所述当前MB中每个像素的第二预测残差；

步骤222、根据所述当前MB中每个像素的第二预测残差分别计算当前MB的第二残差绝对值和与第二残差标准差；

步骤223、根据所述第二残差绝对值和与第二残差标准差计算所述第二残差主观和。

进一步地，步骤221可以包括如下步骤：

步骤2211、确定所述当前MB的采样点；

步骤2212、根据所述采样点对所述当前MB进行预测以获取所述当前MB中每个像素的第二预测残差。

进一步地，对于步骤2211，可以包括如下步骤：

步骤22111、将所述当前MB的当前像素分量的像素值与所述当前像素分量相邻的像素分量的像素值求差获取所述当前MB的像素差值；

步骤22112、将所述像素差值中的连续值的最后一位设定为像素值拐点；

步骤22113、设定所述像素值拐点所对应的所述当前MB的像素分量为所述当前MB的采样点。

对于步骤3，可以包括如下步骤：

步骤31、比较所述第一残差主观和与第二残差主观和的大小以选择最终的预测残差；其中，

若所述第一残差主观和小于所述第二残差主观和，则选择所述第一预测残差作为所述当前MB中每个像素的最终预测残差；

若所述第一残差主观和大于所述第二残差主观和，则选择所述第二预测残差作为所述当前MB中每个像素的最终预测残差。

进一步地，所述第一残差主观和与第二残差主观和的计算公式为：

SUBD_k＝a₁×SAD_k+a₂×E_k+a₃×mode_k

其中，k为预测模式的序号，取值为1或2；

SUBD₁为第一残差主观和，SUBD₂为第二残差主观和；

a₁、a₂及a₃为按场景配置的权重系数；

SAD₁为当前MB中所有像素的第一残差绝对值和，SAD₂为当前MB中所有像素的第二残差绝对值和；

E₁为当前MB中所有像素的第一残差标准差，E₂为当前MB中所有像素的第二残差标准差；

mode1与mode2为自适应模板预测方法与自适应纹理渐变预测方法分别对应的模式惩罚。

本实施例提供的带宽压缩中的后选择预测方法，以自适应模板预测方法与跳块扫描预测方法为基础，通过预测选择算法可以选择出最优的一种预测方法，对于复杂纹理图像进一步优化了预测效果。

实施例二

本实施例是在上述实施例的基础上重点对本发明的原理及实现方式进行说明。具体的，本发明提供的带宽压缩中的后选择预测方法包括如下步骤：

步骤1、将图像分成大小为m×n的多个MB；其中，m、n分别为每个所述MB的行分辨率、列分辨率，即每个MB中包含m×n个像素分量；其中，每个MB的大小可以任意设定，优选地，可以设定为8×1、8×2、16×1、16×2、32×1或32×2。

步骤2、分别采用自适应模板预测方法与自适应纹理渐变预测方法对所述多个MB进行预测以获取每个像素分量对应的预测残差；

其中，采用自适应模板预测方法对当前MB进行预测以获取当前MB中每个像素的第一预测残差，采用自适应纹理渐变预测方法对所述当前MB进行预测以获取所述当前MB中每个像素的第二预测残差；进一步地，两种预测方法的预测顺序可以根据实际需要自行设定。

步骤3、分别计算两种预测方法对应的预测残差绝对值和与预测残差标准差；其中，预测残差绝对值和与预测残差标准差的计算公式如下：

其中，k的取值为1或2，用于分别表示自适应模板预测方法与自适应纹理渐变预测方法(下同)；Res_{1_i}为采用自适应模板预测方法预测时当前MB中第i像素分量的预测残差，Res_{2_i}为采用自适应纹理渐变预测方法预测时当前MB中第i像素分量的预测残差；SAD₁为第一预测残差绝对值和，SAD₂为第二预测残差绝对值和；E₁为第一预测残差标准差，E₂为第二预测残差标准差；ABS为绝对值运算；AVE₁为采用自适应模板预测方法对当前MB进行预测时所有像素分量的预测残差均值，AVE2为采用自适应纹理渐变预测方法对当前MB进行预测时所有像素分量的预测残差均值，AVE₁与AVE2的计算公式如下：

第4步、分别计算两种预测方法对应的残差主观和；残差主观和的计算公式如下：

SUBD_k＝a₁×SAD_k+a₂×E_k+a₃×mode_k

其中，mode₁与mode₂分别为自适应模板预测方法与自适应纹理渐变预测方法对应的预测模式惩罚，分不同场景可为运算速度惩罚，主观惩罚等；a₁、a₂及a₃分别为预测残差绝对值和、预测残差标准差及预测模式惩罚对应的权重系数；SUBD₁为第一残差主观和，SUBD₂为第二残差主观和。

第5步、比较第一残差主观和与第二残差主观和的大小以选择当前MB最终的预测方法；

其中，若所述第一残差主观和小于所述第二残差主观和，则选择自适应模板预测方法作为当前MB最终的预测方法，即选择第一预测残差作为所述当前MB中每个像素的最终预测残差；

若所述第一残差主观和大于所述第二残差主观和，则选择自适应纹理渐变预测方法作为当前MB最终的预测方法，即选择第二预测残差作为所述当前MB中每个像素的最终预测残差。

实施例三

本实施例是在上述实施例的基础上重点对带宽压缩中的自适应模板预测方法的原理及实现方式进行说明。

请参见图2，图2为本发明实施例提供的一种自适应模板预测方法流程图，该方法包括如下步骤：

步骤1、更新当前MB对应的自适应模板；

步骤2、根据更新后的所述自适应模板获取所述当前MB的预测残差；

步骤3、判断是否获取完成所有的MB预测残差，若是，则预测结束；否则，跳转到步骤1。

其中，在步骤1之前，还可以包括：

步骤X1、确定所述自适应模板列表表位数量以及表位序号；

步骤X2、初始化填充所述自适应模板。

其中，步骤1可以包括：

步骤11、检测当前MB的相邻参考方向的MB重建值；

步骤12、判断所述相邻参考方向的MB的重建值与所述自适应模板中的填充重建值是否一致，以确定所述自适应模板的更新方式。

其中，步骤12可以包括：

步骤121、若所述相邻参考方向的MB的重建值与所述自适应模板中的填充重建值不一致，则将所述相邻参考方向的MB的重建值更新到所述自适应模板的设定表位序号，且将所述自适应模板的表位序号从所述设定表位序号之后顺序移位；

步骤122、若所述相邻参考方向的MB的重建值与所述自适应模板中的填充重建值具备一致性，则将一致的所述自适应模板中的填充重建值与所述设定表位序号位置的重建值更换。

进一步地，步骤121以及步骤122中的相邻参考方向包括上参考方向、左参考方向、左上参考方向或右上参考方向。

进一步地，对于步骤121以及步骤122中的一致性判断公式为：

其中，Cur为当前MB的原始像素值，CurRec为当前MB的重建值，ABS为求绝对值，Pred为模板中填充的重建值，MBnum为当前MB中像素数量，a1和a2为权重系数，Thr0为阈值。

其中，步骤2可以包括：

步骤21、根据第一预设公式选取更新后的所述自适应模板中M个候选重建值；

步骤22、利用第二预设公式通过M个所述候选重建值确定当前MB的预测值；

步骤23、通过点对点求差获取当前MB的所述预测残差。

其中，步骤21中的第一预设公式为：

其中，Cur为当前MB的原始像素值，Pred为模板中填充的重建值；MBnum为当前MB中像素数量，c1和c2为权重系数。最终rdo越小，则该自适应模板表位中的重建值越优。

在一种实施方式中，c1和c2的取值可以是预先设定的固定值，进一步地，为了便于计算，可以直接将c1设定为1，将c2设定为0。

其中，步骤22中的第二预设公式为：

predw_i＝(w1*Pred_i-1+w2*Pred_i+w3*Pred_i+1+w4)/4

其中，W1、W2、W3、W4为一组预测参数。predw为预测像素值，Pred为模板中M个表位中任一表位填充的重建值，i为Pred在表位中的排序。

预设T种W1、W2、W3、W4的不同组合，针对一个表位可以生成T种预测像素值，M个表位有M*T种预测像素值，最终在M*T种可能性中，根据rdo公式，选出最优的表位和对应的W1、W2、W3、W4。根据W1、W2、W3、W4计算该最优表位中的重建值的预测像素值，作为当前MB的参考值。

在一种实施方式中，W1、W2、W3、W4的取值可以是预先设定的固定值，进一步地，W1+W2+W3＝3，优选地，W1、W2、W3分别选取为1，W1、W2、W3分别选取为0.5，2，0.5，W1、W2、W3可以根据实际情况，灵活调整大小。进一步地，W4可以选取为当前表位中所有填充的重建值的平均值，也可以选取为表位中与当前预测像素值排序对应的重建值。

本实施例提供的带宽压缩中的自适应模板预测方法，通过定义自适应模板表位的数量和MB的像素分量的方式，计算当前MB的预测残差，与现有的方法相比，当待压缩图像的纹理较为复杂时，定义不同的自适应模板对应不同的纹理区域，更容易提高当前MB中的像素与自适应模板中选定的像素匹配的概率，能够提高对复杂纹理区域求预测残差值的精度，进一步降低理论极限熵，增大带宽压缩率。

实施例四

请参见图3，图3为本发明实施例提供的一种自适应模板的示意图。本实施例在上述实施例的基础上对自适应模板进行详细描述，该自适应模板的建立包括如下步骤：

步骤1、定义自适应模板的表位数量以及表位序号

优选地，可以定义自适应模板的表位数量为4个、8个、16个或32个；本实施例以表位数量为16个为例说明，其它数量的表位同理。自适应模板的表位数量为16，表位序号从0到15依次排列，序号越小，优先级越高，每个表位记录一个MB的一组重建值。MB大小可设定，本实施例以16*1为例，即每个MB的大小为16*1个像素分量，即每个MB有16个重建值。

步骤2、自适应模板的初始化填充

自适应模板的初始状态为空，将某一MB的重建值填充到序号为0的表位；继续填充自适应模板，将序号为0的表位中的重建值顺序移位到序号为1的表位中，将下一个MB的重建值填充到序号为0的表位；以此类推，每次填充自适应模板时，将已填充的N个表位位置顺序向后移位，移一个表位位置，将待填充的MB的重建值填充到序号为0的表位，直到自适应模板中的16个表位填充完毕。具体为：每次进行MB的重建值填充前，按序号从小到大，检测当前MB的重建值与列表中所有已填充的重建值的一致性；若不具备一致性，那么列表从序号0到序号N-1，共N个有效位置顺序向后移位，当前MB的重建值放在列表0位置。若具备一致性，列表中模板表位位置不变，可选择将自适应模板中与当前MB重建值一致的表位中已填充重建值更新为当前MB的重建值或者不更新。检测一致性的公式如下所示：

其中，Cur为当前MB的原始像素值，CurRec为当前MB的重建值，ABS为求绝对值，Pred为模板中填充的重建值，MBnum为当前MB中像素数量，a1和a2为权重系数，Thr0为阈值，Thr0的取值根据用户需求确定。a1和a2的取值可以是预先设定的固定值，进一步地，a1+a2＝1，优选地，a1可以选取为0.5，a2可以选取为0.5，a1和a2也可以灵活调整大小。当

的值小于Thr0时，k的取值为1，1代表具备一致性，则可以判断为具备一致性；反之，当

的值大于Thr0时，k的取值为0，则可以判断为不具备一致性。

步骤3、自适应模板初始化填充后的更新

自适应模板初始化填充后，检测图像中的其余MB，更新自适应模板，更新方法如下：

若当前MB存在上参考MB，检测正上参考MB与自适应模板中已填充的重建值的一致性，若不具备一致性，先将自适应模板所有表位序号从0开始顺序移位，表位序号最后一个移除列表，再将上参考MB的重建值更新到自适应模板表位序号为0的位置；若具备一致性，将一致的自适应模板中已填充重建值与表位序号为0的位置的重建值对换，并可以更新模板中所有重建值。

同理，若当前MB存在左参考MB，检测左侧参考MB与自适应模板中已填充的重建值的一致性，若不具备一致性，先将自适应模板中以表位序号为1开始的表位序号顺序移位，表位序号最后一个移除列表，再将左参考MB的重建值更新到自适应模板表位序号为1的位置；若具备一致性，将一致的自适应模板中已填充重建值与表位序号为1的位置的重建值对换，并可以更新模板中所有重建值。

若当前MB存在左上参考MB，检测左上参考MB与自适应模板中已填充的重建值的一致性，若不具备一致性，先将自适应模板中以表位序号为2开始的表位序号顺序移位，表位序号最后一个移除列表，再将上参考MB的重建值更新到自适应模板表位序号为2的位置；若具备一致性，将一致的自适应模板中已填充重建值与表位序号为2的位置的重建值对换，并可以更新自适应模板中所有重建值。

若当前MB存在右上参考，检测右上参考MB与自适应模板中已填充的重建值的一致性，若不具备一致性，先将自适应模板中以表位序号为3开始的表位序号顺序移位，表位序号最后一个移除列表，再将右参考MB的重建值更新到自适应模板表位序号为3的位置；若具备一致性，将一致的自适应模板中已填充重建值与表位序号为3的位置的重建值对换，并可以更新自适应模板中所有重建值。

其中，一致性检测方法参考步骤2中检测一致性的公式。

实施例五

请参见图4，图4为本发明实施例提供的另一种自适应模板的示意图。本实施例在上述实施例的基础上对本发明提出的另外一种自适应模板进行详细描述，该自适应模板的建立包括如下步骤：

步骤1、定义自适应模板表位数量以及表位序号

优选地，可以定义自适应模板表位数量为4个、8个、16个或32个；本实施例以自适应模板表位数量为8个为例说明，其它数量的自适应模板表位同理。数量为8的自适应模板表位，表位序号从0到8依次排列，序号越小，优先级越高，每个表位记录一个MB的一组重建值。MB大小可设定，本实施例以8*2大小为例，即每个MB的大小为8*2个像素分量，即每个MB有8*2个重建值。

步骤2、自适应模板更新

自适应模板表位序号为4～7的位置存储预先设定的4组重建值；检测当前MB上相邻MB的重建值与自适应模板中已填充的重建值的一致性，若不具备一致性，将上相邻MB的重建值填充到自适应模板表位序号为0的位置；若具备一致性，将一致的自适应模板中已填充重建值与表位序号为0的位置的重建值对换，并可以更新模板中所有重建值。

检测当前MB左相邻MB的重建值与自适应模板中已填充的重建值的一致性，若不具备一致性，将左相邻MB的重建值填充到自适应模板表位序号为1的位置；若具备一致性，将一致的自适应模板中已填充重建值与表位序号为1的位置的重建值对换，并可以更新模板中所有重建值。

检测当前MB左上相邻MB的重建值与自适应模板中已填充的重建值的一致性，若不具备一致性，将左上相邻MB的重建值填充到自适应模板表位序号为2的位置；若具备一致性，将一致的自适应模板中已填充重建值与表位序号为2的位置的重建值对换，并可以更新模板中所有重建值。

检测当前MB右上相邻MB的重建值与自适应模板中已填充的重建值的一致性，若不具备一致性，将右上相邻MB的重建值填充到自适应模板表位序号为3的位置；若具备一致性，将一致的自适应模板中已填充重建值与表位序号为3的位置的重建值对换，并可以更新模板中所有重建值。

其中，一致性检测方法参考实施例二中步骤2中检测一致性的公式。

实施例六

本实施例重点对带宽压缩中的自适应纹理渐变预测方法的原理及实现方式进行介绍。

请参见图5，图5为本发明实施例提供的一种带宽压缩中自适应纹理渐变预测方法流程示意图；本实施例对本发明提供的一种预测方法进行详细描述，该预测方法包括如下步骤：

步骤1、确定当前MB的采样方式；

步骤2、利用所述采样方式确定所述当前MB的采样点；

步骤3、选取预测方式对所述当前MB进行预测，获取所述当前MB的预测残差；

步骤4、计算所述当前MB的残差绝对值和；

步骤5、根据所述残差绝对值和确定所述当前MB的预测方式。

其中，步骤2可以包括如下步骤：

步骤21、利用像素值拐点采样方式确定所述当前MB的采样点。

其中，步骤21可以包括如下步骤：

步骤211、将所述当前MB的当前像素分量的像素值与所述当前像素分量相邻的像素分量的像素值求差获取所述当前MB的像素差值；

步骤212、将所述像素差值中的连续值的最后一位设定为像素值拐点；

步骤213、设定所述像素值拐点所对应的所述当前MB的像素分量为所述当前MB的采样点。

其中，步骤212可以包括如下步骤：

步骤2121、将所述像素差值中的连续正值的最后一位正值设为第一像素值拐点；

步骤2122、将所述像素差值中的连续负值的最后一位负值设为第二像素值拐点。

其中，步骤3可以包括：

步骤31、选取预测方式对所述当前MB进行预测，计算所述当前MB采样点的预测残差；

步骤32、选取预测方式对所述当前MB进行预测，计算所述当前MB非采样点的预测残差。

优选地，所述预测方式包括N种角度预测方式。

优选地，所述角度预测方式包括45度纹理预测、90度纹理预测及135度纹理预测。

优选地，所述45度纹理预测包括：

选取所述当前MB正上方相邻的MB；

选取正上方相邻MB中处于所述当前MB采样点45度方向的像素分量；

将所述采样点的像素值与所述45度方向的像素分量的像素值进行预测。

优选地，所述90度纹理预测包括：

选取所述当前MB正上方相邻的MB；

选取正上方相邻MB中处于所述当前MB采样点90度方向的像素分量；

将所述采样点的像素值与所述90度方向的像素分量的像素值进行预测。

优选地，所述135度纹理预测包括：

选取所述当前MB正上方相邻的MB；

选取正上方相邻MB中处于所述当前MB采样点135度方向的像素分量；

将所述采样点的像素值与所述135度方向的像素分量的像素值进行预测。

本实施例提供的带宽压缩中的自适应纹理渐变预测方法，通过定义MB的采样方式和像素分量预测的参考方式，计算当前宏块的预测残差和。与现有方法相比，当待压缩图像的纹理较为复杂时，对处于当前图像的纹理边界处的MB，根据纹理的渐变原理，不依赖于当前MB的周围MB，而是通过当前MB自身的纹理特性获得预测残差，能够提高对复杂纹理区域求预测残差值的精度，进一步降低理论极限熵，增大带宽压缩率。

实施例七

本实施例在上述实施例的基础上，举例对带宽压缩中的自适应纹理渐变预测方法作进一步的说明。

请参见图6，图6为本发明实施例提供的一种自适应纹理渐变预测方法示意图。该预测方法包括如下步骤：

步骤1、定义MB大小；

定义MB的大小为m*n个像素分量，其中m≥1，n≥1；

优选的，可以定义MB的大小为8*1个像素分量，16*1个像素分量，32*1个像素分量，64*1个像素分量；本实施例以MB的大小为16*1个像素分量为例说明，其它不同大小的MB同理。

如图6所示，MB中的16*1个像素分量的像素值按照从左至右的顺序依次设定为12、14、15、18、20、23、15、10、4、0、2、2、4、5、5、6。

步骤2、定义采样方式；

步骤201、根据MB中存在的纹理相关性，检测MB的纹理渐变性，确定MB的纹理渐变点，将MB的纹理渐变点设定为像素值拐点。

具体地，将当前MB中的当前像素分量的像素值减去当前MB中相邻像素分量的像素值，如图6所示，将图中当前MB中的当前像素分量的像素值减去当前MB中前一像素分量的像素值，求解当前MB的像素残差值。当前MB中对应位置的像素残差值从左至右依次为12、2、1、3、2、3、-8、-5、-6、-4、2、0、2、1、0、1。

步骤202、设定像素残差值中的连续正值或连续负值的最后一个值为像素值拐点，其中像素残差值为0的值不设定为像素值拐点。

步骤203、将像素值拐点所对应的当前像素分量所对应的位置设定为采样点，同时将当前像素分量中处于首位和末位的点设定为采样点。

优选地，如图6所示，所求得的像素残差值中的像素值拐点为3和-4，将像素值拐点3和像素值拐点-4所对应的当前像素分量23、0以及首位和末位的像素分量设定为采样点。原始点所对应的像素分量12、23、0、6形成4个采样点。

步骤3、将当前MB中的采样点与正上方MB进行预测。预测方式为135度预测、45度预测和90度预测三种角度预测方式。即将当前MB中的采样点与当前MB正上方相邻MB中采样点对应的45度的像素分量点、90度的像素分量点和135度的像素分量点分别进行预测，求解预测残差和(sum of absolute difference，简称SAD)。具体地，可以将当前MB中的采样点与当前MB正上方相邻MB中采样点对应的45度的像素分量点、90度的像素分量点和135度的像素分量点分别相减，获取预测残差；分别将每种预测方式下的每个采样点的预测残差取绝对值后相加，获取残差绝对值和。最终选取SAD最小的一种预测方式作为当前MB的采样点预测方式，获取该预测方式的预测残差。

步骤4、对于当前MB中的非采样点，利用公式求解非采样点的预测残差，公式为：

Res_i＝(sample1-sample0)*(i+1)/(num+1)

其中，公式中的sample0和sample1为当前MB连续的的像素分量重建值，i为非采样点索引，num为非采样点数量。

进一步地，像素分量重建值可以指的是已压缩编码MB解码端重建得到的像素分量值。

步骤5、将当前MB中除首位的采样点、预测方式和预测残差写入码流。

综上所述，本文中应用了具体个例对本发明的原理及实现方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制，本发明的保护范围应以所附的权利要求为准。

Claims (2)

1.一种带宽压缩中的后选择预测方法，其特征在于，包括：

将图像分成大小为m×n的多个MB；其中，m、n分别为每个所述MB的行分辨率、列分辨率；

分别采用自适应模板预测方法与自适应纹理渐变预测方法对所述多个MB进行预测以获取对应的残差主观和；

根据所述残差主观和确定所述多个MB最终的预测残差；其中，

所述分别采用自适应模板预测方法与自适应纹理渐变预测方法对所述多个MB进行预测以获取对应的残差主观和，包括：

采用自适应模板预测方法对所述多个MB进行预测以获取第一残差主观和，包括：

采用自适应模板预测方法对当前MB进行预测以获取当前MB中每个像素的第一预测残差；

根据所述当前MB中每个像素的第一预测残差分别计算当前MB的第一残差绝对值和与第一残差标准差；

根据所述第一残差绝对值和与第一残差标准差计算所述第一残差主观和；其中，

所述采用自适应模板预测方法对当前MB进行预测以获取当前MB中每个像素的第一预测残差，包括：

确定所述自适应模板的表位数量以及表位序号；

初始化填充所述自适应模板；

更新所述当前MB对应的自适应模板；

根据更新后的所述自适应模板获取所述当前MB中每个像素的第一预测残差；

所述采用自适应纹理渐变预测方法对所述多个MB进行预测以获取第二残差主观和，包括：

采用自适应纹理渐变预测方法对所述当前MB进行预测以获取所述当前MB中每个像素的第二预测残差；

根据所述当前MB中每个像素的第二预测残差分别计算当前MB的第二残差绝对值和与第二残差标准差；其中，

残差绝对值和SAD的计算公式如下：

所述第一残差标准差和第二残差标准差的计算公式为：

其中，k的取值为1或2，用于分别表示自适应模板预测方法与自适应纹理渐变预测方法，SAD₁为第一残差绝对值和，SAD₂为第二残差绝对值和，E₁为第一预测残差标准差，E₂为第二预测残差标准差，Res_{1_i}为采用自适应模板预测方法预测时当前MB中第i像素分量的预测残差，Res_{2_i}为采用自适应纹理渐变预测方法预测时当前MB中第i像素分量的预测残差，ABS为绝对值运算，AVE₁为采用自适应模板预测方法对当前MB进行预测时所有像素分量的预测残差均值，AVE₂为采用自适应纹理渐变预测方法对当前MB进行预测时所有像素分量的预测残差均值，AVE₁与AVE₂的计算公式如下：

根据所述第二残差绝对值和与第二残差标准差计算所述第二残差主观和；其中，

所述采用自适应纹理渐变预测方法对所述当前MB进行预测以获取所述当前MB中每个像素的第二预测残差，包括：

确定所述当前MB的采样点；

根据所述采样点对所述当前MB进行预测以获取所述当前MB中每个像素的第二预测残差；

所述第一残差主观和与第二残差主观和的计算公式为：

SUBD_k＝a₁×SAD_k+a₂×E_k+a₃×mode_k

其中，k为预测模式的序号，取值为1或2；

SUBD₁为第一残差主观和，SUBD₂为第二残差主观和；

a₁、a₂及a₃为按场景配置的权重系数；

SAD₁为当前MB中所有像素的第一残差绝对值和，SAD₂为当前MB中所有像素的第二残差绝对值和；

E₁为当前MB中所有像素的第一残差标准差，E₂为当前MB中所有像素的第二残差标准差；

mode1与mode2为自适应模板预测方法与自适应纹理渐变预测方法分别对应的模式惩罚；

所述根据所述残差主观和确定最终的预测残差，包括：

比较所述第一残差主观和与第二残差主观和的大小以选择最终的预测残差；其中，

若所述第一残差主观和小于所述第二残差主观和，则选择所述第一预测残差作为所述当前MB中每个像素的最终预测残差；

若所述第一残差主观和大于所述第二残差主观和，则选择所述第二预测残差作为所述当前MB中每个像素的最终预测残差。

2.根据权利要求1所述的方法，其特征在于，确定所述当前MB的采样点，包括：

将所述当前MB的当前像素分量的像素值与所述当前像素分量相邻的像素分量的像素值求差获取所述当前MB的像素差值；

将所述像素差值中的连续值的最后一位设定为像素值拐点；

设定所述像素值拐点所对应的所述当前MB的像素分量为所述当前MB的采样点。

Images