CN109618162B - 带宽压缩中的后选择预测方法 - Google Patents

带宽压缩中的后选择预测方法 Download PDF

Info

Publication number
CN109618162B
CN109618162B CN201811261686.4A CN201811261686A CN109618162B CN 109618162 B CN109618162 B CN 109618162B CN 201811261686 A CN201811261686 A CN 201811261686A CN 109618162 B CN109618162 B CN 109618162B
Authority
CN
China
Prior art keywords
residual
current
pixel
prediction
sum
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811261686.4A
Other languages
English (en)
Other versions
CN109618162A (zh
Inventor
李雯
田林海
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian Cresun Innovation Technology Co Ltd
Original Assignee
Xian Cresun Innovation Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xian Cresun Innovation Technology Co Ltd filed Critical Xian Cresun Innovation Technology Co Ltd
Priority to CN201811261686.4A priority Critical patent/CN109618162B/zh
Publication of CN109618162A publication Critical patent/CN109618162A/zh
Application granted granted Critical
Publication of CN109618162B publication Critical patent/CN109618162B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/182—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being a pixel
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/42—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

本发明涉及一种带宽压缩中的后选择预测方法，包括：将图像分成大小相同的多个MB；采用复杂纹理自适应预测方法对当前MB进行预测以获取所述当前MB的第一残差主观和；采用4分块跳块扫描多方向预测方法对所述当前MB进行预测以获取所述当前MB的第二残差主观和；根据所述第一残差主观和与所述第二残差主观和确定所述当前MB中每个像素的最终预测残差。本发明提供的带宽压缩中的后选择预测方法，以复杂纹理自适应预测方法和4分块跳块扫描多方向预测方法为基础，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：
将图像分成大小相同的多个MB；
采用复杂纹理自适应预测方法对当前MB进行预测以获取所述当前MB的第一残差主观和；
采用4分块跳块扫描多方向预测方法对所述当前MB进行预测以获取所述当前MB的第二残差主观和；
根据所述第一残差主观和与所述第二残差主观和确定所述当前MB中每个像素的最终预测残差。
在本发明的一个实施例中，采用复杂纹理自适应预测方法对当前MB进行预测以获取所述当前MB的第一残差主观和，包括：
采用复杂纹理自适应预测方法对所述当前MB进行预测以获取所述当前MB中每个像素的第一预测残差；
根据所述第一预测残差分别计算所述当前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。
在本发明的一个实施例中，采用复杂纹理自适应预测方法对所述当前MB进行预测以获取所述当前MB中每个像素的第一预测残差，包括：
选取当前像素的K个重建像素，其中K为大于1的自然数；
根据所述重建像素确定第一权重；
根据所述第一权重确定所述第二权重；
根据所述第二权重确定所述当前像素的预测残差。
在本发明的一个实施例中，所述第一权重计算公式为：
Wij＝a*DIFij+b*POSij
其中，a和b为加权值；DIFij为差异度权重；POSij为位置权重；ij为K个重建像素的索引，ij的取值为1～K的自然数。
在本发明的一个实施例中，所述第二权重计算公式为：
Mijn＝p1*Wij1+p2*Wij2+p3*Wij3+...+pN*WijN
其中，p为分量加权值，n的取值为N。
在本发明的一个实施例中，根据所述第二权重确定所述当前像素的预测残差，包括：
根据预设算法选取所述第二权重的最优值；
将所述最优值对应的所述重建像素确定为当前像素的第一参考像素；
通过所述第一参考像素与所述当前像素的差值确定所述第一预测残差。
在本发明的一个实施例中，采用4分块跳块扫描多方向预测方法对所述当前MB进行预测以获取所述当前MB的第二残差主观和，包括：
采用4分块跳块扫描多方向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；
根据所述第二预测残差分别计算所述当前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4分块跳块扫描多方向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：
采用4种标记符号将所述多个MB进行标记；其中，所述4种标记符号包括第一标记符号、第二标记符号、第三标记符号及第四标记符号；
按照设定顺序依次预测所述4种标记符号对应的MB以获取所述第二预测残差。
在本发明的一个实施例中，按照设定顺序依次预测所述4种标记符号对应的MB以获取所述第二预测残差，包括：
按照图像从左到右、从上到下的顺序扫描所述第X标记符号对应的MB；
确定所述第X标记符号对应的MB的参考方向；
通过所述参考方向计算当前像素的第二参考像素；
通过所述第二参考像素确定当前像素的所述第二预测残差。
在本发明的一个实施例中，根据所述第一残差主观和与所述第二残差主观和确定所述当前MB中每个像素的最终预测残差，包括：
比较所述第一残差主观和与所述第二残差主观和的大小以确定所述最终预测残差；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最终预测残差。
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，通过预测选择算法，从两种预测方法中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带宽压缩中复杂纹理自适应预测重建像素参考示意图；
图3为本发明实施例提供的另一种带宽压缩中复杂纹理自适应预测重建像素参考示意图；
图4为本发明实施例提供的一种图像MB划分标记示意图；
图5为本发明实施例提供的一种当前MB与距离最近的参考MB的原始位置示意图；
图6为本发明实施例提供的一种当前MB与距离最近的参考MB的拉近位置示意图；
图7为本发明实施例提供的一种当前MB全参考方向的示意图；
图8为本发明实施例提供的一种当前MB无下参考方向的示意图；
图9为本发明实施例提供的一种当前像素确定第二参考像素的示意图。
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、将图像分成大小相同的多个MB；
步骤2、采用复杂纹理自适应预测方法对当前MB进行预测以获取所述当前MB的第一残差主观和；
步骤3、采用4分块跳块扫描多方向预测方法对所述当前MB进行预测以获取所述当前MB的第二残差主观和；
步骤4、根据所述第一残差主观和与所述第二残差主观和确定所述当前MB中每个像素的最终预测残差。
其中，步骤2与步骤3的执行顺序可以根据实际需要而定，例如也可以先执行步骤3再执行步骤2。
具体的，步骤2可以包括如下步骤：
步骤21、采用复杂纹理自适应预测方法对所述当前MB进行预测以获取所述当前MB中每个像素的第一预测残差；
步骤22、根据所述当前MB中每个像素的第一预测残差分别计算所述当前MB的第一残差绝对值和与第一残差标准差；
步骤23、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，步骤21可以包括如下步骤：
步骤211、选取当前像素的K个重建像素，其中K为大于1的自然数；
步骤212、根据所述重建像素确定第一权重；
其中，第一权重计算公式为：
Wij＝a*DIFij+b*POSij
其中，a和b为加权值；DIFij为差异度权重；POSij为位置权重；ij为K个重建像素的索引，ij的取值为1～K的自然数。
步骤213、根据所述第一权重确定所述第二权重；
第二权重计算公式为：
Mijn＝p1*Wij1+p2*Wij2+p3*Wij3+...+pN*WijN
其中，p为分量加权值，n的取值为N。
步骤213、根据所述第二权重确定所述当前像素的预测残差。
对于步骤213，可以包括如下步骤：
步骤2131、根据预设算法选取所述第二权重的最优值；
步骤2132、将所述最优值对应的所述重建像素确定为当前像素的第一参考像素；
步骤2133、通过所述第一参考像素与所述当前像素的差值确定所述第一预测残差。
对于步骤3，可以包括如下步骤：
步骤31、采用4分块跳块扫描多方向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32、根据所述第二预测残差分别计算所述当前MB的第二残差绝对值和与第二残差标准差；
步骤33、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，步骤31可以包括如下步骤：
步骤311、采用4种标记符号将所述多个MB进行标记；其中，所述4种标记符号包括第一标记符号、第二标记符号、第三标记符号及第四标记符号；
步骤312、按照设定顺序依次预测所述4种标记符号对应的MB以获取所述第二预测残差。
其中，步骤312可以包括如下步骤：
步骤3121、按照图像从左到右、从上到下的顺序扫描所述第X标记符号对应的MB；
步骤3122、确定所述第X标记符号对应的MB的参考方向；
步骤3123、通过所述参考方向计算当前像素的第二参考像素；
步骤3124、通过所述第二参考像素确定当前像素的所述第二预测残差。
对于步骤4，可以包括如下步骤：
步骤41、比较所述第一残差主观和与所述第二残差主观和的大小以确定所述最终预测残差；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最终预测残差。
其中，所述第一残差主观和与第二残差主观和的计算公式为：
SUBDk＝a1×SADk+a2×Ek+a3×modek
Figure BDA0001844013540000081
Figure BDA0001844013540000082
Figure BDA0001844013540000083
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与a2为按场景配置的权重系数；
SAD1为所述当前MB的第一残差绝对值和，SAD2为所述当前MB的第二残差绝对值和；
E1为所述当前MB的第一残差标准差，E2为所述当前MB的第二残差标准差；
Mode1为第一预测模式惩罚，Mode2为第二预测模式惩罚；其中，惩罚分不同场景可为运算速度惩罚，主观惩罚等。
本实施例提供的带宽压缩中的后选择预测方法，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复杂纹理自适应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带宽压缩中复杂纹理自适应预测重建像素参考示意图。该自适应预测方法包括如下步骤：
步骤1、定义重建像素；
定义当前像素为Cij，选取当前像素周围已编码的K个重建像素，将已编码的K个重建像素进行编号，编号顺序可指定，其中K≥1。
其中，重建像素分量指已压缩图像解压重建得到的像素分量，重建像素分量的像素值通常称为重建值。
优选地，设定当前像素的序号为Cij，当前像素Cij左侧的重建像素的序号，编号i从右至左依次递减进行排序，编号j从下到上依次递减进行排序；当前像素Cij正上方的重建像素的序号，编号j从下到上依次递减进行排序，编号i不变；当前像素Cij右侧的重建像素的序号，编号i从左至右依次递减进行排序，编号j从下到上依次递减进行排序。
步骤2、计算第一权重；
步骤201、分别计算当前像素与已编码的K个重建像素的差异度，计算得到K个差异度权重DIFij；
步骤202、已编码的K个重建像素位于当前像素的周围，根据已编码的K个重建像素位置的不同，分别设置不同的权重值，共得到K个位置权重POSij；
步骤203、根据第一权重计算公式分别计算每个重建像素权重，即第一权重，第一权重计算公式为:
Wij＝a*DIFij+b*POSij
其中，a和b为加权值，且满足a+b＝1，标准情况为a＝0.5，b＝0.5，也可灵活调整；DIF为所述差异度权重，即当前像素和周围重建像素的差值；POS为所述位置权重，即当前像素和周围重建像素的空间距离；ij为K个重建像素的索引，ij的取值为1～K的自然数，W为第一权重。
步骤3、计算第二权重；
设定每个像素含有N个分量，可以得到K*N个权重。利用公式计算最终每个重建像素的权重，即第二权重，计算公式为：
Mijn＝p1*Wij1+p2*Wij2+p3*Wij3+...+pN*WijN
其中，p为分量加权值，n的取值为N，M为第二权重。
进一步地，对于pN的选取，满足p1+p2+…+pN＝1，具体可平均分配，也可根据经验值任意配置，根据经验值可以认定与当前重建像素越近的重建像素权重越接近，pN的值可以根据重建像素与当前重建像素的距离远近分配大小，距离越近pN的值越大，反之，pN的越小。
步骤4、计算预测残差；
步骤401、根据计算得到的第二权重Mijn，选取Mijn的最优值所对应的重建像素为当前像素的参考像素；
优选地，最优值可以为Mijn中的最小值。
步骤402、将当前像素的像素值与参考像素的像素值求差，求解预测残差。
步骤5、信息编码；
具体地，编码参考像素的位置信息和当前像素的预测残差。
优选地，预测残差可以进行选择性编码。
实施例三
请参见图3，图3为本发明实施例提供的另一种带宽压缩中复杂纹理自适应预测重建像素参考示意图。在上述实施例的基础上，本发明对带宽压缩中复杂纹理自适应预测方法举例说明，该方法包括如下步骤：
步骤1、定义重建像素；
定义当前像素为Cij，选取当前像素Cij周围已编码的K个重建像素，将已编码的K个重建像素进行编号，编号顺序可指定，其中K≥1。
优选地，将已编码的K个重建像素进行编号，编号按顺序从上到下，从左到右进行排序，序号从0到K-1进行排列。
本实施例选取当前像素Cij周围的17个重建像素为例说明，其它不同数量的重建像素同理，17个重建像素，按顺序从上到下，从左到右进行排序，序号从0到16进行排列。
步骤2、计算重建像素差异度权重的绝对值；
分别计算当前像素与已编码的K个重建像素的差异度，计算得到K个差异度权重的绝对值ABS(DIFij)，ABS为绝对值运算；
优选地，分别计算当前像素与已编码的17个重建像素的差异度，计算得到17个差异度权重的绝对值ABS(DIFij)；
步骤3、计算预测残差；
步骤301、根据计算得到的重建像素的差异度权重的绝对值ABS(DIFij)，选取差异度权重的绝对值ABS(DIFij)中的最小值，最小值所对应的重建像素设定为当前像素的参考像素。
优选地，选取17个差异度权重的绝对值ABS(DIFij)中的最小值，最小值所对应的重建像素即为当前像素的参考像素。
步骤302、将当前像素的像素值与参考像素的像素值求差，求解预测残差。
步骤4、信息编码；
编码编号和当前像素的预测残差。
实施例四
本实施例是在上述实施例的基础上重点对4分块跳块扫描多方向预测方法的原理及实现方式进行说明。
具体的，4分块跳块扫描多方向预测方法包括如下步骤：
步骤1、将图像分为相同大小的多个MB；
步骤2、采用4种标记符号将所述多个MB进行标记；其中，所述4种标记符号包括第一标记符号、第二标记符号、第三标记符号及第四标记符号；
步骤3、按照设定顺序依次预测所述4种标记符号对应的MB以获取预测残差。
其中，步骤2可以包括如下步骤：
步骤21、采用所述第一标记符号与第三标记符号依次循环完成奇数行MB的标记；
步骤22、采用所述第四标记符号与第二标记符号依次循环完成偶数行MB的标记。
其中，步骤3可以包括如下步骤：
步骤31、预测第N标记符号对应的MB以获取预测残差；
按设定顺序将所述N的取值从1～4进行遍历以实现对所述多个MB的预测。
其中，步骤31可以包括如下步骤：
步骤311、按照图像从左到右、从上到下的顺序扫描所述第N标记符号对应的MB；
步骤312、确定所述第N标记符号对应的MB的参考方向；
步骤313、通过所述参考方向计算当前像素的参考像素；
步骤314、通过当前像素的所述参考像素确定当前像素的所述预测残差。
其中，步骤312可以包括如下步骤：
步骤3121、以当前MB四周已扫描的参考MB的方向作为当前MB的参考方向；其中，
若任一方向没有参考MB，则置空不处理。
其中，步骤313可以包括如下步骤：
步骤3131、通过当前MB的参考方向确定所述第一参考像素；
步骤3132、根据所述第一参考像素计算所述参考方向的权重；
步骤3133、选取权重最小的所述参考方向作为所述当前MB的纹理方向；
步骤3134、通过所述当前MB的所述纹理方向计算第二参考像素。
其中，步骤3131可以包括如下步骤：
步骤31311、根据所述当前MB所述参考方向确定距离最近的参考MB；
步骤31312、根据距离最近的所述参考MB确定所述第一参考像素。
其中，对于步骤31311，可以包括如下步骤：
步骤31311a、若所述参考MB与当前MB不相邻，则拉近所述参考MB，使所述参考MB与所述当前MB相邻；
步骤31311b、若所述当前MB任一方向没有所述参考MB，则不处理。
其中，步骤3132中的所述参考方向的权重计算公式为：
Figure BDA0001844013540000141
Figure BDA0001844013540000142
Figure BDA0001844013540000143
Figure BDA0001844013540000144
Figure BDA0001844013540000145
Figure BDA0001844013540000146
Figure BDA0001844013540000151
Figure BDA0001844013540000152
优选地，权重计算公式还可以为：
Figure BDA0001844013540000153
其中，abs为绝对值运算，Dir180为左参考方向权重，Dir0为右参考方向权重，Dir45为右上参考方向权重，Dir270为下参考方向权重，Dir90为上参考方向权重，Dir135为左上参考方向权重，Dir225为左下参考方向权重，Dir315为右下参考方向权重，x为每个所述MB的列分辨率，y为每个所述MB的行分辨率，C为当前MB的当前像素，R为当前MB的第一参考像素。
其中，对于步骤3134，可以包括如下步骤：
步骤31341、利用所述纹理方向以及所述纹理方向对应的反方向，通过第二参考像素计算公式计算当前MB的所述第二参考像素；
其中，对于步骤31341中的第二参考像素计算公式为
refmid＝p1*(dir2/(dir1+dir2))+p2*(dir1/(dir1+dir2))
若位置偏向1，ref＝weight*refmid+(1-weight)*p1
若位置偏向2，ref＝weight*refmid+(1-weight)*p2
其中，refmid为两个第一参考像素的中点，ref为第二参考像素值，p1、p2为按所述纹理方向的边界像素点，dir1、dir2为所述纹理方向的权重，weight为距离权重。
进一步地，对于上述步骤，将所述N的取值在1～4中进行遍历以实现对所述多个MB的预测。
本发明的优点如下：
本发明提供的算法，首先通过跳块多遍历的方法，对于图像中每个块MB，平均可以获得更多的参考边缘，即获得更多的参考像素；然后对于每个块，采用多方向预测，可以在更精确的获得该块的纹理方向；根据纹理方向和相应的参考像素，通过纹理方向权重和位置偏移权重，对当前预测块中的像素，可获得与当前像素值最相似的参考像素，并获得更小的预测残差，降低了编码的理论极限熵。
实施例五
本实施例是在上述实施例的基础上举例对4分块跳块扫描多方向预测方法进行详细描述。
请参见图4～图9，图4为本发明实施例提供的一种图像MB划分标记示意图；图5为本发明实施例提供的一种当前MB与距离最近的参考MB的原始位置示意图；图6为本发明实施例提供的一种当前MB与距离最近的参考MB的拉近位置示意图；图7为本发明实施例提供的一种当前MB全参考方向的示意图；图8为本发明实施例提供的一种当前MB无下参考方向的示意图；图9为本发明实施例提供的一种当前像素确定第二参考像素的示意图。本实施例在上述实施例的基础上对本发明提出的带宽压缩中跳块扫描多方向预测方法进行详细描述，该预测方法包括如下步骤：
步骤1、将图像分为若干个MB，每个MB大小相同，因此图像中的MB数量固定。本实施例以MB大小为8*4，图像大小为128*64为例进行说明，则每个MB的行分辨率为8、列分辨率为4。
步骤2、对图像中的每个MB进行标记，选取4种标记符号。在水平方向，采用多个标记符号依次循环完成水平方向MB的标记；在竖直方向，采用多个标记符号依次循环完成竖直方向MB的标记。本实施例中图像的分割以及标记如图4所示，将大小为128*64的图像分为16行16列共256个大小为8*4的MB；以0、1、2、3标记每个MB，具体为将奇数行的MB以符号0、2分别循环标记每个MB，将偶数行的MB以符号3、1分别循环标记每个MB，其中，标记符号“0”作为第一标记符号、标记符号“1”作为第二标记符号、标记符号“2”作为第三标记符号、标记符号“3”作为第四标记符号。
步骤3、预测时，每次预测第一标记符号至第四标记符号中的一种标记符号的MB，直至所有MB预测结束，达到对MB跳块扫描的效果。其中，第一标记符号至第四标记符号的MB的预测顺序可以设定。对于任意一种标记符号的MB的预测顺序为按照图像从左到右，从上到下的顺序对MB进行预测。
本实施例以图4所示的图像为例进行说明如何进行预测，具体步骤如下：
步骤31、先对所有标记符号为0的MB进行预测
步骤311、确定参考MB
标记符号为0的MB最多仅能获得间隔一个MB的4个参考方向，其中参考方向为上方向、左方向、左上方向，右上方向，因此可以确定出上方向的参考MB，左方向的参考MB，左上方向的参考MB，右上方向的参考MB；
步骤312、纹理方向选取
步骤312A、在当前MB的参考方向中，找到距离最近的参考MB。若存在参考MB与当前MB不紧相邻，那么拉近该参考MB为紧相邻参考MB，若任一方向没有参考MB，则不处理，置空。如图5、图6所示。
步骤312B、通过参考MB寻找当前MB的第一参考像素，若某MB的参考方向为空，则无第一参考像素。假设当前MB有8个参考MB，如图7所示，因此当前MB可以在每个参考MB中获取到第一参考像素，即当前MB可以确定出全方向的第一参考像素，假设Cmn(m＝1,2,3,4；n＝1,2,3,4,5,6,7,8)为当前MB的当前像素，Rxy(x＝0,1,2,3,4,5；y＝1,2,3,4,5,6,7,8,9)为当前MB的第一参考像素，如图7所示。假设Cmn(m＝1,2,3,4；n＝1,2,3,4,5,6,7,8)为当前MB的当前像素，Rxy(x＝0,1,2,3,4,5；y＝1,2,3,4,5,6,7,8,9)为当前MB的第一参考像素，当前MB下参考方向为空，因此，当前MB无下方向的第一参考像素，如图8所示。
步骤312C、根据第一参考像素，计算每个参考方向权重，本实施例以图4为例，采用如下公式计算每个参考方向权重Dir，权重采用离方向箭头最近一面的第一参考像素。
Figure BDA0001844013540000181
Figure BDA0001844013540000182
Figure BDA0001844013540000183
Figure BDA0001844013540000184
Figure BDA0001844013540000185
Figure BDA0001844013540000186
Figure BDA0001844013540000191
Figure BDA0001844013540000192
优选地，权重计算公式还可以为：
Figure BDA0001844013540000193
其中，abs为绝对值运算，Dir180为左参考方向权重，Dir0为右参考方向权重，Dir45为右上参考方向权重，Dir270为下参考方向权重，Dir90为上参考方向权重，Dir135为左上参考方向权重，Dir225为左下参考方向权重，Dir315为右下参考方向权重。
步骤312D、在步骤312C计算的参考方向权重中选出Dir最小的1组作为最优纹理方向，MB中所有像素值根据该方向进行预测。
步骤313、计算第二参考像素
根据所选的最优纹理方向和对应的反方向，根据当前像素的位置，计算每个当前像素的第二参考像素，如图9所示，计算公式如下，
refmid＝p1*(dir2/(dir1+dir2))+p2*(dir1/(dir1+dir2))
若位置偏向1，ref＝weight*refmid+(1-weight)*p1
若位置偏向2，ref＝weight*refmid+(1-weight)*p2
其中refmid为两个第一参考像素的中点，p1、p2为按最优纹理方向的第一参考像素，dir1、dir2为参考方向权重，例如dir180，dir0；weight为距离权重。
首先考虑权重计算第一参考像素的中点，然后考虑位置计算第二参考像素，即第一参考像素中点靠近哪边，最终采用哪边的第一参考像素作为第二参考像素。
优选地，第二参考像素计算公式可变更，可以仅引入权重或位置。
具体举例如下：
若最优纹理方向为45度参考，对于c14，dir45＝2，dir225＝14，可得到第一参考像素为R05和R50，设R05＝100，R50＝40，
Refmid＝100*(14/16)+40*(2/16)＝88+5＝93
由于C14偏向R05，因此Refmid＝C23，Ref＝0.5*93+0.5*100＝96，第二参考像素值为96。
步骤314、确定预测残差
采用步骤313计算得到所有点的第二参考像素，采用原始像素值减去第二参考像素值得到预测残差。
步骤32、当所有图像中标记为0的MB预测处理完毕后，对所有标记符号为1的MB进行预测；
步骤321、确定参考MB
标记符号为1的MB最多仅能获得间隔一个MB的2个参考方向，其中参考方向为上方向、左方向，因此可以确定出上方向的参考MB，左方向的参考MB；可以获得相邻MB的4个参考方向，其中参考方向为左上方向、右上方向、左下方向、右下方向，可以确定出左上方向的参考MB，右上方向的参考MB，左下方向的参考MB，右下方向的参考MB；
步骤322、纹理方向选取
与步骤312的方法一致，此处不再赘述。
步骤323、计算第二参考像素
与步骤313的方法一致，此处不再赘述。
步骤324、确定预测残差
与步骤314的方法一致，此处不再赘述。
步骤33、当所有图像中标记为0和1的MB预测处理完毕后，对所有标记符号为2的MB进行预测；
步骤331、确定参考MB
所有标记符号为2的MB最多仅能获得间隔一个MB的2个参考方向，其中参考方向为左上方向、右上方向，可以确定出左上方向的参考MB，右上方向的参考MB；以及获得相邻MB的4个参考方向，其中参考方向为上方向、下方向、左方向、右方向，可以确定出上方向的参考MB，下方向的参考MB，左方向的参考MB，右方向的参考MB；
步骤332、纹理方向选取
与步骤312的方法一致，此处不再赘述。
步骤333、计算第二参考像素
与步骤313的方法一致，此处不再赘述。
步骤334、确定预测残差
与步骤314的方法一致，此处不再赘述。
步骤34、当所有图像中标记为0、1、2的MB预测处理完毕后，对所有标记符号为3的MB进行预测；
步骤341、确定参考MB
所有标记符号为3的MB最多获得相邻MB的8个参考方向，其中参考方向为上方向、下方向、左方向、右方向、左上方向、右上方向、左下方向、右下方向，可以确定出上方向的参考MB，下方向的参考MB，左方向的参考MB，右方向的参考MB，左上方向的参考MB，右上方向的参考MB，左下方向的参考MB，右下方向的参考MB。
步骤342、纹理方向选取
与步骤312的方法一致，此处不再赘述。
步骤343、计算第二参考像素
与步骤313的方法一致，此处不再赘述。
步骤344、确定预测残差
与步骤314的方法一致，此处不再赘述。
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 (1)

1.一种带宽压缩中的后选择预测方法，其特征在于，包括：
将图像分成大小相同的多个MB；
采用复杂纹理自适应预测方法对当前MB进行预测以获取所述当前MB的第一残差主观和；包括：采用复杂纹理自适应预测方法对所述当前MB进行预测以获取所述当前MB中每个像素的第一预测残差；根据所述第一预测残差分别计算所述当前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，采用复杂纹理自适应预测方法对所述当前MB进行预测以获取所述当前MB中每个像素的第一预测残差，包括：选取当前像素的K个重建像素，其中K为大于1的自然数；根据所述重建像素确定第一权重；其中，第一权重计算公式为：Wij＝a*DIFij+b*POSij；其中，a和b为加权值；DIFij为差异度权重；POSij为位置权重；ij为K个重建像素的索引，ij的取值为1～K的自然数；根据所述第一权重确定第二权重；第二权重计算公式为：Mijn＝p1*Wij1+p2*Wij2+p3*Wij3+...+pN*WijN；其中，p为分量加权值，n的取值为N；根据预设算法选取所述第二权重的最优值；将所述最优值对应的所述重建像素确定为当前像素的第一参考像素；通过所述第一参考像素与所述当前像素的差值确定所述第一预测残差；
采用4分块跳块扫描多方向预测方法对所述当前MB进行预测以获取所述当前MB的第二残差主观和；包括：采用4分块跳块扫描多方向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；根据所述第二预测残差分别计算所述当前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；其中，采用4分块跳块扫描多方向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：采用4种标记符号将所述多个MB进行标记；其中，所述4种标记符号包括第一标记符号、第二标记符号、第三标记符号及第四标记符号；按照图像从左到右、从上到下的顺序扫描所述第X标记符号对应的MB；其中，X取值为一、二、三或四；确定所述第X标记符号对应的MB的参考方向；通过所述参考方向计算当前像素的第二参考像素；通过所述第二参考像素确定当前像素的所述第二预测残差；
根据所述第一残差主观和与所述第二残差主观和确定所述当前MB中每个像素的最终预测残差，包括：比较所述第一残差主观和与所述第二残差主观和的大小，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最终预测残差；
其中，所述第一残差主观和与所述第二残差主观和的计算公式为：SUBDk＝a1×SADk+a2×Ek+a3×modek；其中
Figure FDA0002619910120000021
Figure FDA0002619910120000022
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～a3为权重系数；SAD1为所述当前MB的第一残差绝对值和，SAD2为所述当前MB的第二残差绝对值和；E1为所述当前MB的第一残差标准差，E2为所述当前MB的第二残差标准差；Res为当前MB中每个像素的预测残差；m*n为当前MB中所有像素的数量；Mode1为第一预测模式惩罚，Mode2为第二预测模式惩罚。
CN201811261686.4A 2018-10-26 2018-10-26 带宽压缩中的后选择预测方法 Active CN109618162B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811261686.4A CN109618162B (zh) 2018-10-26 2018-10-26 带宽压缩中的后选择预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811261686.4A CN109618162B (zh) 2018-10-26 2018-10-26 带宽压缩中的后选择预测方法

Publications (2)

Publication Number Publication Date
CN109618162A CN109618162A (zh) 2019-04-12
CN109618162B true CN109618162B (zh) 2021-04-13

Family

ID=66002383

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811261686.4A Active CN109618162B (zh) 2018-10-26 2018-10-26 带宽压缩中的后选择预测方法

Country Status (1)

Country Link
CN (1) CN109618162B (zh)

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101087427B (zh) * 2006-06-06 2011-04-06 北京大学深圳研究生院 一种h.264标准的帧内预测模式选择方法
KR100845209B1 (ko) * 2006-09-15 2008-07-10 엠텍비젼 주식회사 인트라 예측 모드를 선택하는 방법 및 장치
CN100579227C (zh) * 2007-12-25 2010-01-06 上海广电（集团）有限公司中央研究院 一种选择帧内预测模式的系统及方法
CN104602030B (zh) * 2014-12-26 2018-03-23 北京奇艺世纪科技有限公司 一种编码方法、编码装置及服务器
CN105208387B (zh) * 2015-10-16 2018-03-13 浙江工业大学 一种hevc帧内预测模式快速选择方法
CN107105208A (zh) * 2017-06-06 2017-08-29 山东大学 一种Bayer图像的无损编码与解码方法
CN107864379B (zh) * 2017-09-28 2021-07-02 珠海亿智电子科技有限公司 一种应用于视频编解码的压缩方法

Also Published As

Publication number Publication date
CN109618162A (zh) 2019-04-12

Similar Documents

Publication Publication Date Title
CN112383781B (zh) 参考块的位置决定其重构阶段的块匹配编解码方法和装置
CN113784133B (zh) 解码方法、设备及存储介质
TR201815017T4 (tr) Bi̇r görüntünün kodlanmasina yöneli̇k ci̇haz
CN116916000A (zh) 视频信号编码/解码方法和设备
JP5056348B2 (ja) 情報処理装置および方法、並びにプログラム
CN109618162B (zh) 带宽压缩中的后选择预测方法
CN111107366A (zh) 视频数据的无损压缩方法及其装置
CN111107344A (zh) 视频图像的编码方法及装置
CN109451305B (zh) 带宽压缩中的预测方法
CN109561307B (zh) 带宽压缩中跳块扫描多方向预测方法
CN111107374A (zh) 带宽压缩中的后选择预测方法
CN109618163A (zh) 带宽压缩中双向跳块扫描多方向预测方法
CN111107365A (zh) 图像带宽压缩中的后选择预测方法
CN109379592B (zh) 图像编码方法及其设备
CN109451319A (zh) 带宽压缩中4分块跳块扫描多方向预测方法
CN111107348A (zh) 带宽压缩中的预测方法
CN109587494B (zh) 视频压缩的预测方法
CN109587493B (zh) 一种视频压缩中的预测方法
CN109587492A (zh) 带宽压缩中跳块扫描多方向预测方法
CN109302606A (zh) 一种视频压缩中的预测方法
CN109495739B (zh) 图像编码方法及其设备
US20240333923A1 (en) Image encoding/decoding method using neural network-based in-loop filter, device, and recording medium storing bitstream
CN111107372A (zh) 带宽压缩中的后选择预测方法
CN109547795B (zh) 视频编码方法及装置
JP4536505B2 (ja) 予測画像生成方法および画像符号化方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant