CN109561302A - 基于视频压缩的自适应预测方法 - Google Patents

Abstract

本发明涉及一种基于视频压缩的自适应预测方法，包括：利用自适应模板预测方法对当前MB进行预测获取所述当前MB的第一预测残差；利用自适应分割预测方法对当前MB进行预测获取所述当前MB的第二预测残差；根据所述第一预测残差和所述第二预测残差利用预测选择算法选取所述当前MB的最终预测方法；将所述最终预测方法的标志信息、所述最终预测方法对应的预测残差传输至码流中。本发明通过算法比较两种预测方法的预测残差，可以根据不同的纹理区域选择不同的预测算法，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，提高压缩率。

Description

基于视频压缩的自适应预测方法

技术领域

本发明涉及一种压缩技术领域，特别涉及一种基于视频压缩的自适应预测方法。

背景技术

随着公众对视频质量需求的不断提高，视频的图像分辨率也随之成倍数的增加，由此使视频图像的数据量十分巨大，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。

预测模块作为视频压缩的一个重要模块，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。

发明内容

因此，为解决现有技术存在的技术缺陷和不足，本发明提出一种基于视频压缩的自适应预测方法。

具体地，本发明一个实施例提出的一种基于视频压缩的自适应预测方法，包括：

基于此，本发明具备如下优点：

本发明的有益效果主要表现在：

1)本发明通过定义自适应模板表位的数量和序号的方式，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；

2)本发明自适应分割预测方法通过当前区域像素值间的相关性进行预测，利用本发明的算法对比水平划分、垂直划分、不划分三种情况的压缩数据量，选择对应最优的划分方式进行残差预测，以使初始的宏块和预测的宏块之间的差异最小而提高压缩效率并提高主观图片质量，对于复杂纹理图像处理时，预测效果好、处理效率高，且能够降低理论极限熵，增大带宽压缩率；

3)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，分场景配置权重系数，针对不同的纹理图像确定预测算法，进一步优化了预测效果，降低理论极限熵，增大带宽压缩率。

通过以下参考附图的详细说明，本发明的其它方面和特征变得明显。但是应当知道，该附图仅仅为解释的目的设计，而不是作为本发明的范围的限定，这是因为其应当参考附加的权利要求。还应当知道，除非另外指出，不必要依比例绘制附图，它们仅仅力图概念地说明此处描述的结构和流程。

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基于视频压缩的自适应预测方法流程图；

图2为本发明实施例提供的一种第一自适应模板的示意图；

图3为本发明实施例提供的另一种第二自适应模板的示意图；

图4a为本发明实施例提供的一种MB水平划分示意图；

图4b为本发明实施例提供的另一种MB垂直划分示意图；

图4c为本发明实施例提供的再一种MB不划分示意图；

图5为本发明实施例提供的一种相邻参考像素的示意图。

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基于视频压缩的自适应预测方法流程图，该方法包括如下步骤：

步骤1、利用自适应模板预测方法对当前MB进行预测获取所述当前MB的第一预测残差；

步骤2、利用自适应分割预测方法对当前MB进行预测获取所述当前MB的第二预测残差；

步骤3、根据所述第一预测残差和所述第二预测残差利用预测选择算法选取所述当前MB的最终预测方法；

步骤4、将所述最终预测方法的标志信息、所述最终预测方法对应的预测残差传输至码流中。

其中，对于步骤1可以包括：

步骤11、建立自适应模板；

步骤12、根据所述当前MB更新所述自适应模板；

步骤13、根据所述自适应模板，获取所述当前MB的所述第一预测残差。

其中，对于步骤11可以包括：

确定所述自适应模板的表位数量和表位序号，初始化填充所述自适应模板。

其中，对于步骤12可以包括：

步骤121、选取所述当前MB的参考MB；

步骤122、判断所述参考MB与所述自适应模板的一致性；

步骤123、根据所述判断结果更新所述自适应模板。

其中，对于步骤2可以包括：

步骤21、确定所述当前MB的划分方式，其中，所述划分方式包括水平划分、垂直划分、不划分；

步骤22、根据所述划分方式计算所述当前MB的第二预测残差。

其中，当所述划分方式为水平划分时，所述当前MB分为上编码子块和下编码子块，步骤21可以包括：

根据所述上编码子块和所述下编码子块获取所述当前MB的第一比特数。其中，当所述划分方式为垂直划分时，所述当前MB分为左编码子块和右编码子块，步骤21还可以包括：

根据所述左编码子块和所述右编码子块获取所述当前MB的第二比特数。

其中，当所述划分方式为不划分时，步骤21还可以包括：

获取所述当前MB的第三比特数。

其中，对于步骤3可以包括：

步骤31、根据所述第一预测残差和所述第二预测残差获取残差主观和；

步骤32、根据所述残差主观和选取所述当前MB的最终预测方法。

其中，对于步骤31可以包括：

步骤311、分别计算所述第一预测残差和所述第二预测残差的残差绝对值和；

步骤312、分别计算所述第一预测残差和所述第二预测残差的残差标准差；

步骤313、根据所述残差绝对值和以及所述残差标准差获取所述残差主观和。

本实施例具有如下优点：

本实施例通过提出两种方法，利用预测选择算法，将复杂纹理图像分场景配置权重系数，选择出最优的一种预测方法，本实施例针对不同的纹理图像选择不同预测算法，进一步优化了预测效果，降低理论极限熵，增大带宽压缩率。

实施例二

本实施例在上述实施例的基础上对自适应模板预测方法进行详细描述，该自适应模板预测方法包括如下步骤：

步骤1、建立自适应模板

在本发明的实施例中提供两种不同的自适应模板，分别为第一自适应模板和第二自适应模板，下述内容分别详细介绍第一自适应模板和第二自适应模板的建立。

其中，在一个具体的实施方式中，第一自适应模板如图2所示，图2为本发明实施例提供的一种第一自适应模板的示意图。

第一自适应模板的表位数量可以为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。第一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，每个表位记录一个宏块(Macro Block,简称MB)的一组重建值。MB大小可设定，本实施例以16*4为例，即每个MB的大小为16*4个像素，即每个MB有16*4个重建值。

第一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；继续填充第一自适应模板，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，每次填充第一自适应模板时，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，直到第一自适应模板中的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，可选择将第一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公式1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0，0代表不具备一致性则可以判断为不具备一致性。

第一自适应模板初始化填充后，检测图像中的其余MB，更新第一自适应模板，更新方法如下：

若当前MB存在上参考MB，检测正上参考MB与第一自适应模板中已填充的重建值的一致性，若不具备一致性，先将第一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的重建值更新到第一自适应模板表位序号为0的位置；若具备一致性，将一致的第一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与第一自适应模板中已填充的重建值的一致性，若不具备一致性，先将第一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的重建值更新到第一自适应模板表位序号为1的位置；若具备一致性，将一致的第一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与第一自适应模板中已填充的重建值的一致性，若不具备一致性，先将第一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的重建值更新到第一自适应模板表位序号为2的位置；若具备一致性，将一致的第一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，并可以更新第一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与第一自适应模板中已填充的重建值的一致性，若不具备一致性，先将第一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的重建值更新到第一自适应模板表位序号为3的位置；若具备一致性，将一致的第一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，并可以更新第一自适应模板中所有重建值。

其中，一致性检测方法参考公式1提供的方法。

其中，在一个具体实施方式中第二自适应模板如图3所示，图3为本发明实施例提供的另一种第二自适应模板的示意图。

可以定义第二自适应模板表位数量为4个、8个、16个或32个；本实施例以第二自适应模板表位数量为8个为例说明，其它数量的第二自适应模板表位同理。数量为8的第二自适应模板表位，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，即每个MB有8*2个重建值。

第二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的重建值与第二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的重建值填充到第二自适应模板表位序号为0的位置；若具备一致性，将一致的第二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的重建值与第二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的重建值填充到第二自适应模板表位序号为1的位置；若具备一致性，将一致的第二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的重建值与第二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的重建值填充到第二自适应模板表位序号为2的位置；若具备一致性，将一致的第二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的重建值与第二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的重建值填充到第二自适应模板表位序号为3的位置；若具备一致性，将一致的第二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。

步骤2、更新自适应模板

建立自适应模板后，针对当前MB，更新自适应模板，其中，自适应模板更新方法如步骤1中所示，此处不再赘述。

步骤3、根据所述自适应模板，获取当前MB的预测残差(第一预测残差)

其中，在一具体实施方式中，自适应模板更新完成之后，将当前MB与自适应模板中每个表位的重建值进行匹配，根据公式，选取最优的M个表位。公式如下：

其中，Cur为当前MB的原始像素，Pred为自适应模板中每个表位填充的重建值；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。

分别对M个表位中的重建值中任一重建值加权处理得到预测像素值。如下公式：

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。

进一步地，最优表位即为rdo中的最小值对应的表位。

可选择点对点求差方式或自适应预测方式求残差。最终将残差值、列表表位序号和W1、W2、W3、W4的值发送到解码端，其中，点对点求差方式为将当前MB中的每个重建值对应减去最优表位中的每个重建值对应的预测像素值。

进一步地，在一具体实施方式中，获取当前MB的预测残差如下所述。自适应模板更新完成之后，将当前MB的像素值与自适应模板中所有存在的MB重建值进行自适应纹理预测，求解预测残差。其中，请参见图5，图5为本发明实施例提供的一种相邻参考像素的示意图。对自适应纹理预测中的参考像素进行选择，A、B、C、E为当前像素相邻的周围像素，即模板任一表位中与当前像素对应的重建值，D为当前像素左相邻的像素的重建值，其中像素A为左上相邻参考像素、像素B为上相邻参考像素、像素C为右上相邻参考像素、像素D为左相邻参考像素、像素E为像素A的左相邻参考像素：

a.若ABS(D-E)最小，即135度纹理，那么参考像素为像素A；

b.若ABS(D-A)最小，即垂直纹理，那么参考像素为像素B；

c.若ABS(D-B)最小，即45度纹理，那么参考像素为像素C；

d.若ABS(B-A)最小，即水平纹理，那么参考像素为像素D；

根据上述方式，选取参考像素，遍历模板中的所有表位，将选取的参考像素中的最小值作为最终的参考像素，将最终的参考像素值与当前MB的像素值求差得到当前MB预测残差。

进一步地，重建像素指已压缩图像MB解压重建得到的像素，重建像素的像素值通常称为重建值。根据预测残差可以得到重建值，即将参考像素值加上预测残差可以得到重建值。

步骤4、判断MB是否处理完毕

当前MB获取预测残差后，继续判断是否图像中的所有MB均获取预测操作，若是，则预测结束，否则，跳转到步骤1，继续进行后续MB的预测操作。

实施例三

本实施例在上述实施例的基础上对自适应分割预测方法进行详细描述，该自适应分割预测方法包括如下步骤：

步骤1、确定当前MB的划分方式，其中，所述划分方式包括水平划分、垂直划分、不划分；参见图4a～图4c，图4a为本发明实施例提供的一种MB水平划分示意图；图4b为本发明实施例提供的另一种MB垂直划分示意图；图4c为本发明实施例提供的再一种MB不划分示意图。本实施例采用自顶向下按顺序划分的方案，块大小为由大到小划分，逐一确定当前MB的划分方式。

步骤2、分别计算每种划分方式下的当前MB比特数；

其中，在一个具体实施方式中，所述步骤2包括：

步骤201、参看图4a，采用水平划分方式，将当前MB分为上编码子块11和下编码子块12，其中所述上编码子块11和下编码子块12分别包括N个像素；

步骤202、在所述上编码子块像素中，得到所述上编码子块像素的最大值和所述上编码子块像素的最小值；

步骤203、计算所述上编码子块像素的最大值和所述上编码子块像素的最小值的差值，并得到表示所述差值的上编码子块最少比特数；

如果需要确定上编码子块的预测残差，将该上编码子块的N个像素，分别减去上编码子块像素的最小值，得到该上编码子块的所有像素的预测残差。

步骤204、在所述下编码子块像素中，得到所述下编码子块像素的最大值和所述下编码子块像素的最小值；

步骤205、计算所述下编码子块像素的最大值和所述下编码子块像素的最小值的差值，并得到表示所述差值的下编码子块最少比特数；

步骤206、根据所述上编码子块最少比特数、下编码子块最少比特数得到水平划分方式下所述当前MB比特数(第一比特数)为：

SEGud＝N*BIT_MINup+N*BIT_MINdown+2*BITDEPTH，

其中，BIT_MINup为上编码子块最少比特数，N*BIT_MINdown为下编码子块最少比特数，BITDEPTH为原始数据的比特深度。

如果需要确定上编码子块的预测残差，将该上编码子块的N个像素，分别减去上编码子块像素的最小值，得到该上编码子块的所有像素的预测残差。

如果水平划分方式为最优方式，则最终输出上下编码子块各N个预测残差数据、上下编码子块中像素的最小值的原始像素，以及划分方式。

在一个具体实施方式中，所述步骤2包括：

步骤211、采用垂直划分方式，参看图4b，将当前MB分为左编码子块21和右编码子块22，其中所述左编码子块和右编码子块分别包括N个像素；

步骤212、在所述左编码子块像素中，得到所述左编码子块像素的最大值和所述左编码子块像素的最小值；

步骤213、计算所述左编码子块像素的最大值和所述左编码子块像素的最小值的差值，并得到表示所述差值的左编码子块最少比特数；

如果需要确定左编码子块的预测残差，将该左编码子块的N个像素，分别减去左编码子块像素的最小值，得到该左编码子块的所有像素的预测残差。

步骤214、在所述右编码子块像素中，得到所述右编码子块像素的最大值和所述右编码子块像素的最小值；

步骤215、计算所述右编码子块像素的最大值和所述右编码子块像素的最小值的差值，并得到表示所述差值的右编码子块最少比特数；

步骤216、根据所述左编码子块最少比特数、右编码子块最少比特数得到垂直划分方式下所述当前MB比特数(第二比特数)为：

SEGlr＝N*BIT_MINleft+N*BIT_MINright+2*BITDEPTH，

其中，BIT_MINleft为左编码子块最少比特数，N*BIT_MINright为右编码子块最少比特数，BITDEPTH为原始数据的比特深度。

如果需要确定右编码子块的预测残差，将该右编码子块的N个像素，分别减去右编码子块像素的最小值，得到该右编码子块的所有像素的预测残差。

如果垂直划分方式为最优方式，则最终输出左右编码子块各N个预测残差数据、左右编码子块中像素的最小值的原始像素，以及划分方式。

在一个具体实施方式中，所述步骤2包括：

步骤221、采用不划分方式，参看图4c，当前MB 01包括2N个像素；

步骤222、得到所述当前MB像素的最大值和所述当前MB像素的最小值；

步骤223、计算所述当前MB像素的最大值和所述当前MB像素的最小值的差值，得到表示所述差值的当前MB最少比特数；

步骤224、根据所述当前MB最少比特数得到不划分方式下所述当前MB比特数(第三比特数)为：

SUB-SEG＝2N*BIT_MIN+BITDEPTH，

其中，BIT_MIN为当前MB最少比特数，BITDEPTH为原始数据的比特深度。

如果需要确定当前MB的预测残差，将该当前MB的2N个像素，分别减去当前MB像素的最小值，得到当前MB的所有像素的预测残差。

如果不划分方式为最优方式，则最终输出当前MB 2N个预测残差数据、当前MB中像素的最小值的原始像素，以及划分方式。

步骤3、将所述当前MB比特数最小值对应的划分方式作为所述当前MB的当前划分方式；

步骤4、计算所述当前MB在所述当前划分方式下的像素预测残差(第二预测残差)；

步骤5、将所述当前划分方式、所述像素预测残差、所述比特数最小值对应的原始像素写入码流中；

步骤6、当判断所述当前划分方式为水平划分或垂直划分时，对所述当前划分方式下划分的两块编码子块分别执行步骤1；

步骤7、当判断所述当前划分方式为不划分时，结束对所述当前MB的划分。

视频通常可以包括一系列图片，每个图片被分成或划分成预定区域，如帧或块。当视频的区域被划分成块时，根据编码方法，划分块可以被分类成帧内块或帧间块。帧内块是指通过帧内预测编码方法编码的块。帧内预测编码方法通过使用其中执行当前编码的当前图片中的之前经受编码和解码的重构块的像素，预测当前块的像素，以产生预测的块，然后编码预测的块的像素和当前块的像素之间的差值。

在本实施例中，所述编码对象可以为一个64×64规格的宏块，也可以为一个64×64规格宏块的子宏块，更或者是具有更小尺寸规格的宏块的子宏块，例如，1/4、1/8、1/16或1/32的子样本。

当子宏块无法再被划分成更小的子宏块规格时，将所述划分方式的标识，以及所述编码后的残差数据写入码流中。具体在实际应用中，编码端和解码端都会预设一些宏块的尺寸规格，只有当宏块能被划分成这些规格时，或者说只有当图像宏块的尺寸规格大于这些预设的尺寸规格时，图像宏块才能被划分。

像素预测残差为每个像素分别减去像素最小值，得到该MB所有像素的预测残差。

实施例四

本实施例在上述实施例的基础上对预测选择算法进行详细介绍。

将当前MB，设定当前MB的大小为m*n，按照实施例二提供的自适应模板预测方法和实施例三提供的自适应分割预测方法分别进行预测，分别获得自适应模板预测方法和自适应分割预测方法下的预测残差(即第一预测残差及第二预测残差)。

根据残差主观和(subjective difference，简称SUBD)选出最优的预测方法。具体实施方式如下

计算每种预测方法下的残差绝对值和(sum of absolute difference，简称SAD)和残差标准差E，如下式所述。

其中k为预测方法的序号，取值为1和2，1代表自适应模板预测方法，2代表自适应分割预测方法；Res为预测残差；i为当前MB像素的序号，k_i表示当前MB在某一预测方法下的某一像素；ABS为取绝对值；AVEk为平均残差。

最终根据SAD和E的情况，分场景配置权重系数a1和a2，计算SUBD，如下式所示。若为连续多帧且具有传导效应的场景，如H246参考值压缩，a2较大，a1较小；反之，a1较大，a2较小；进一步地，可以设定a1+a2＝1。

SUBD_k＝a₁×SAD_k+a₂×E_k

选用SUBD最小的预测方法为最终的预测方法，采用该预测方法下的预测残差为当前MB最终的预测残差；并在码流中传输该预测方法的附加标志位。

本实施例通过当前区域像素值间的相关性进行预测，利用本实施例的算法对比水平划分、垂直划分、不划分三种情况的压缩数据量，选择对应最优的划分方式进行残差预测，以使初始的MB和预测的MB之间的差异最小而提高压缩效率并提高主观图片质量，对于复杂纹理图像处理时，预测效果好、处理效率高，且能够降低理论极限熵。

综上所述，本文中应用了具体个例对本发明进行了阐述，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 (10)

1.一种基于视频压缩的自适应预测方法，其特征在于，包括：

利用自适应模板预测方法对当前MB进行预测获取所述当前MB的第一预测残差；

利用自适应分割预测方法对当前MB进行预测获取所述当前MB的第二预测残差；

根据所述第一预测残差和所述第二预测残差利用预测选择算法选取所述当前MB的最终预测方法；

将所述最终预测方法的标志信息、所述最终预测方法对应的预测残差传输至码流中。

2.根据权利要求1所述的方法，其特征在于，利用自适应模板预测方法对当前MB进行预测获取所述当前MB的第一预测残差，包括：

建立自适应模板；

根据所述当前MB更新所述自适应模板；

根据所述自适应模板，获取所述当前MB的所述第一预测残差。

3.根据权利要求2所述的方法，其特征在于，建立自适应模板包括：

确定所述自适应模板的表位数量和表位序号，初始化填充所述自适应模板。

4.根据权利要求2所述的方法，其特征在于，根据所述当前MB更新所述自适应模板，包括：

选取所述当前MB的参考MB；

判断所述参考MB与所述自适应模板的一致性；

根据所述判断结果更新所述自适应模板。

5.根据权利要求1所述的方法，其特征在于，利用自适应分割预测方法对当前MB进行预测获取所述当前MB的第二预测残差，包括：

确定所述当前MB的划分方式，其中，所述划分方式包括水平划分、垂直划分、不划分；

根据所述划分方式计算所述当前MB的第二预测残差。

6.根据权利要求5所述的方法，其特征在于，当所述划分方式为水平划分时，所述当前MB分为上编码子块和下编码子块，所述确定所述当前MB的划分方式包括：根据所述上编码子块和所述下编码子块获取所述当前MB的第一比特数。

7.根据权利要求6所述的方法，其特征在于，当所述划分方式为垂直划分时，所述当前MB分为左编码子块和右编码子块，所述确定所述当前MB的划分方式还包括：根据所述左编码子块和所述右编码子块获取所述当前MB的第二比特数。

8.根据权利要求7所述的方法，其特征在于，当所述划分方式为不划分时，所述确定所述当前MB的划分方式还包括：获取所述当前MB的第三比特数。

9.根据权利要求1所述的方法，其特征在于，根据所述第一预测残差和所述第二预测残差利用预测选择算法选取所述当前MB的最终预测方法，包括：

根据所述第一预测残差和所述第二预测残差获取残差主观和；

根据所述残差主观和选取所述当前MB的最终预测方法。

10.根据权利要求1所述的方法，其特征在于，根据所述第一预测残差和所述第二预测残差获取残差主观和，包括：

分别计算所述第一预测残差和所述第二预测残差的残差绝对值和；

分别计算所述第一预测残差和所述第二预测残差的残差标准差；

根据所述残差绝对值和以及所述残差标准差获取所述残差主观和。