CN111107347A - 一种带宽压缩预测模式的选择方法 - Google Patents

Abstract

本发明涉及一种带宽压缩预测模式的选择方法，包括步骤：在图像中选取宏块；采用第一预测模式计算所述宏块的第一预测残差；采用第二预测模式计算所述宏块的第二预测残差；根据所述第一预测残差计算第一残差主观和，根据所述第二预测残差计算第二残差主观和；选取所述第一残差主观和与所述第二残差主观和中的最小值，采用所述最小值对应的预测模式进行带宽压缩。本发明实施例采用选择器从多种预测模式中，选择最适合的预测模式，可以保证找到最合适的参考像素，得到最小的预测残差，从而降低理论极限熵。

Description

一种带宽压缩预测模式的选择方法

技术领域

本发明属于压缩技术领域，具体涉及一种带宽压缩预测模式的选择方法。

背景技术

随着人们对视频质量需求的逐渐增加，视频的图像分辨率作为视频质量的重要特性之一，已经从720p和1080p过渡到目前市场主流的4K视频分辨率，对应的视频压缩标准也从H.264过渡到H.265。对于视频处理芯片，分辨率的成倍数增加，不但会造成芯片面积成本的大幅度增加，而且也会对总线带宽和功耗带来很大的冲击。

为了克服这一问题，应用于芯片内的带宽压缩技术被提出。与端口类压缩(如H.265)不同，芯片内带宽压缩的目标是用较小的逻辑面积成本，尽可能的提高压缩倍数，减少DDR双倍速率同步动态随机存储器占用。芯片内压缩分为有损压缩和无损压缩两种，有损压缩技术被商业级视频处理芯片广泛采用，如监控，电视等领域；而无损压缩更多的应用于对图像质量有严格要求的军工级和航天级视频处理芯片。

带宽压缩主要由4个部分组成，包含：预测模块，量化模块，码控模块，熵编码模块。其中量化模块和码控模块是有损压缩特有的。预测模块作为一个重要的模块，通过寻找图像数据的相关性，减少图像空间冗余度，最终使图像数据的理论熵达到最小。目前预测模块的算法主要分为2类，纹理相关预测，像素值相关预测。

图像中复杂纹理分为人造纹理和自然纹理，现有技术对于人造纹理的预测，不能保证找到最合适的参考像素，得到最小的预测残差，以降低理论极限熵。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种带宽压缩预测模式的选择方法。本发明要解决的技术问题通过以下技术方案实现：

本发明实施例提供了一种带宽压缩预测模式的选择方法，包括步骤：

S1、在图像中选取宏块；

S2、采用第一预测模式计算所述宏块的第一预测残差；

S3、采用第二预测模式计算所述宏块的第二预测残差；

S4、根据所述第一预测残差计算第一残差主观和，根据所述第二预测残差计算第二残差主观和。

S5、选取所述第一残差主观和与所述第二残差主观和中的最小值，采用所述最小值对应的预测模式进行带宽压缩。

在本发明的一个实施例中，步骤S2包括：

S201、选取当前像素的当前像素分量；

S202、确定所述当前像素分量的N个纹理方向，计算得到对应的N个梯度值；

S203、对所述N个梯度值进行加权修正处理，得到N个加权梯度值；

S204、对比N个加权梯度值，得到最优加权梯度值；

S205、确定所述最优加权梯度值对应的纹理方向为参考方向；

S206、计算所述参考方向上所述当前像素分量与所述预定像素分量的差值，得到所述当前像素分量的所述第一预测残差。

在本发明的一个实施例中，所述纹理方向包括45度方向，90度方向，135度方向，180度方向。

在本发明的一个实施例中，所述最优加权梯度值为最小加权梯度值。

在本发明的一个实施例中，步骤S3包括：

S301、确定预测搜索窗口，所述预测搜索窗口包括当前像素和k个重建像素；

S302、选取所述当前像素的当前像素分量，确定所述当前像素分量的k个重建像素分量；

S303、计算所述k个重建像素分量中单个重建像素分量与所述当前像素分量差的绝对值，重复计算得到k个差异度权重DIFij₁～DIFij_k；

S304、根据所述k个重建像素分量的位置，设置对应的权重值，得到k个位置权重POSij₁～POSij_k；

S305、计算得到所述每个重建像素分量的权重Wij₁，重复计算得到所述k个重建像素分量的k个权重Wij₁～Wijk，其中，Wijx为：

Wijx＝a*DIFijx+b*POSijx

其中，x为1～k，a和b为第x个重建像素分量加权值，DIFijx为第x个重建像素分量与所述当前像素分量的所述差异度权重，POSijx为第x个重建像素分量的所述位置权重；

S306、针对所述当前像素的c个像素分量，分别重复执行步骤

S302～S305，得到所述当前像素的k*c个权重Wij_a1～Wij_ac、

Wij_b1～Wij_bc、…、Wij_k1～Wij_kc；

S307、计算每个所述已编码的重建像素分量的权重和Wij_a～Wij_k：

Wij_x＝px1*Wijx1+px2*Wijx2+px3*Wijx3+...+pxc*Wijxc

其中，x为1～k，pxc分别为的第x个已编码的重建像素分量的第c个像素分量的分量加权值；

S308、选取Wij_a～Wij_k中的最优权重和，选取所述最优权重和对应的所述重建像素作为参考像素；

S309、计算所述参考像素与所述当前像素的差值，得到所述第二预测残差；

在本发明的一个实施例中，所述预测搜索窗口包括十字形窗口。

在本发明的一个实施例中，所述最优权重和包括最小权重和。

在本发明的一个实施例中，步骤S4包括：

S401、计算所述第一预测模式的残差绝对值和SAD₁与残差标准差E₁：

其中，AVE为平均绝对残差和，RES为预测残差，ABS为取绝对值，m*n为所述宏块的大小；

S402、统计和配置所述第一预测模式惩罚mode₁；

S403、根据SAD₁、E₁、mode₁和分场景配置权重系数a₁、a₂、a₃，计算所述第一预测模式的残差主观和SUBD₁：

SUBD₁＝a₁×SAD₁+a₂×E₁+a₃×mode₁；

S404、重复执行步骤S401～S403，得到第二预测模式的残差主观和SUBD₂；

S405、对比SUBD₁和SUBD₂，选用较小者对应的预测模式为最终预测模式，所述最终预测模式对应的预测残差为最终预测残差；

S406、采用所述最终预测残差进行视频压缩。

与现有技术相比，本发明的有益效果：

1、本发明采用像素级单分量参考的自适应方向预测，可以更加合理的确定当前分量的预测方向，尤其是当纹理复杂时，可以起到更好的预测方向纠偏效果，并最终进一步降低预测的理论极限熵。

2、本发明采用复杂纹理自适应预测，提高当前预测像素的准确率，能够进一步提高复杂纹理区域预测残差的精度，进一步降低理论极限熵，提高带宽压缩率。

3、本发明利用符合纹理特征的十字形搜索窗口寻找参考像素，对于复杂纹理图像，预测效果较好，并且十字形窗口内像素数少，节约了传输的比特数。

4、本发明采用选择器从多种预测模式中，选择最适合的预测模式，可以保证找到最合适的参考像素，得到最小的预测残差，从而降低理论极限熵。

附图说明

图1为本发明实施例提供的一种带宽压缩预测模式的选择方法流程示意图；

图2为本发明实施例的第一种预测模式的参考方向示意图；

图3为本发明实施例的第一种预测模式的参考像素示意图；

图4为本发明实施例的第一种预测模式的参考值选取示意图；

图5为本发明实施例提供的第二种预测模式预测搜索窗口的像素索引示意图；

图6为本发明实施例提供的第二种预测模式预测搜索窗口的重建像素搜索编号示意图；

图7为本发明实施例的第二种预测模式的位置权重示意图。

具体实施方式

下面结合具体实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。

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预测模式的选择方法流程示意图；

一种带宽压缩预测模式的选择方法，包括步骤：

S1、在图像中选取宏块；

S2、采用第一预测模式计算所述宏块的第一预测残差；

S3、采用第二预测模式计算所述宏块的第二预测残差；

S4、根据所述第一预测残差计算第一残差主观和，根据所述第二预测残差计算第二残差主观和。

S5、选取所述第一残差主观和与所述第二残差主观和中的最小值，采用所述最小值对应的预测模式进行带宽压缩。

本发明实施例，通过两种预测方法分别计算出图像的两个预测残差结果，根据两个不同的预测残差结果分别计算出了两个不同的残差主观和，采用选择器从两种预测模式中，选择最适合的预测模式，可以保证找到最合适的参考像素，得到最小的预测残差，以降低理论极限熵。

实施例二

在实施例一的基础上，对第一种预测模式进行详细描述。该预测方法包括以下步骤：

S201、选取当前像素的当前像素分量；具体步骤如下：

当前像素分量可以是任意格式图像的像素分量，比如可以是YUV分量的一种，或者RGB分量中的一种，或者Lab分量中的一种。根据实际场景与需求，选择其中一种作为当前像素的当前像素分量。

S202、确定所述当前像素分量的N个纹理方向，计算得到N个梯度值；请参见图2，图2为本发明实施例的第一种预测模式的参考方向示意图，具体步骤如下：

当前像素包括多个当前像素分量，其中每个当前像素分量的周围分量，可与当前像素分量相邻，也可不相邻，即周围分量可以为GHIK，也可以为ABCDEFJ。

在每个当前像素分量的周围分量中，可以确定多个纹理方向，包括45度方向，135度方向，90度方向、180度方向等。

每个纹理方向的梯度值G，可用当前像素分量和沿多个纹理方向的多个临近像素分量差值的绝对值表示，但是不限于此；针对N个纹理方向进行计算，可以得到N个梯度值G1～GN。

S203、对所述N个梯度值加权修正，得到N个加权梯度值；

为N个纹理方向分别设定加权系数W₁到W_n，分别将加权系数W₁～W_n与对应的N个纹理方向的梯度值G1～GN进行相乘，得到N个纹理方向的加权梯度值W₁*G1，W₂*G2，…，W_n*GN。其中，W₁到W_n为根据经验自行设定的固定值，可以相同，也可以不同。

S204、对比N个加权梯度值，得到最优加权梯度值；

对比S203中得到的N个纹理方向的加权梯度值，选取其中最优加权梯度值，最优加权梯度值可以是最小加权梯度值，但不限于此，可以根据实际场景进行选择。

S205、确定所述最优加权梯度值对应的纹理方向为参考方向；

将最小加权梯度值对应的纹理方向作为当前像素分量的参考方向。

S206、计算所述参考方向上所述当前像素分量与所述参考方向的参考像素分量的差值，得到所述当前像素分量的所述第一预测残差。

求取当前像素分量与参考方向上参考像素分量的差值，将差值作为当前像素分量的预测残差。参考像素为临近像素，可以与当前像素紧邻，或者临近像素是与当前像素间隔设定的像素单元，请参见图3，图3为本发明实施例的第一种预测模式的参考像素示意图。

请参见图4，图4为本发明实施例的第一种预测模式的参考值选取示意图。根据上述原理，对于当前分量像素，图中A、B、C、D、E为当前像素相邻的周围像素。

1.若ABS(E-A)最小，即135度纹理，那么参考像素为B；

2.若ABS(E-B)最小，即垂直纹理，那么参考像素为C；

3.若ABS(E-C)最小，即45度纹理，那么参考像素为D；

4.若ABS(C-B)最小，即水平纹理，那么考像素为E。

5.选用得到的参考像素和当前像素，进行求差得到该模式的预测残差。

本发明采用像素级单分量参考的自适应方向预测，可以更加合理的确定当前分量的预测方向，尤其是当纹理复杂时，可以起到更好的预测方向纠偏效果，并最终进一步降低预测的理论极限熵。

实施例三

在实施例一的基础上，对第二种预测模式进行详细描述。该预测方法包括以下步骤：

S301、确定预测搜索窗口，所述预测搜索窗口包括当前像素和K-1个重建像素；

参见图5，图5为本发明实施例提供的第二种预测模式预测搜索窗口的像素索引示意图。在视频图像像素区域内，用C_ij代表当前编码像素，P_ij代表已编码的重建像素。其中，ij为当前编码像素或重建像素的位置索引。设定一个滑动窗口作为预测搜索窗口，预测搜索窗口的形状可以为水平条形、垂直条形、L形、十字形、丁字形、矩形等。预测搜索窗口的大小根据视频图像的纹理特征及预测精度的需求进行确定，对于纹理比较细或对预测精度需求较低的视频图像，可设置较小的预测搜索窗口，对于纹理比较粗或对预测精度需求较高的视频图像，可设置较大的预测搜索窗口。

本发明实施例中，预测搜索窗口的形状为十字形，大小为包含K个像素。该十字形预测搜索窗口的上部、下部、左边和右边包含的像素数目可以相等，也可以不相等。当前编码像素C_ij可设定位于该十字形预测搜索窗口内，也可以设定位于该十字形预测搜索窗口外。当前编码像素C_ij可设定位于该十字形预测搜索窗口水平方向的右端，也可以设定位于该十字形预测搜索窗口垂直方向的下端。优选地，当前编码像素C_ij位于该十字形预测搜索窗口内的最下端位置。预测搜索窗口内的其他位置为已编码的K-1个重建像素P_i,j-1、P_i,j-2、P_i,j-3、...P_i-1,j-3、P_i-2,j-3、...P_i+1,j-3、P_i+2,j-3、...。在对当前编码像素C_ij进行编码时，根据K-1个重建像素的重建值NewData(P)与当前编码像素C_ij的原始值来预测当前编码像素C_ij的预测残差。

参见图6，图6为本发明实施例提供的第二种预测模式预测搜索窗口的重建像素搜索编号示意图。本发明实施例中，根据K-1个重建像素的重建值来预测当前编码像素C_ij的预测残差时，对十字形窗口内的K-1个重建像素进行顺序编号为0、1、2、...k...、K-2，按照编号对重建像素

P₀、P₁、P₂、...P_k...、P_K-2进行顺序搜索，先从左至右搜索水平方向的所有重建像素，再从上至下搜索竖直方向的所有重建像素。或者先搜索竖直方向的，再搜索水平方向的。例如，本发明实施例的十字形预测搜索窗口内包含12个重建像素，水平方向从左至右、竖直方向从上至下，对12个重建像素进行编号，从0编号至11，对该12个重建像素P₀、P₁、P₂、...、P₁₁从编号为0的重建像素P₀开始搜索，直至搜索到编号为11的重建像素P₁₁。

S302、选取所述当前像素的当前像素分量，确定所述当前像素分量的k个已编码的重建像素；

设定当前编码像素C_ij包括N个像素分量分别为

其中N为大于1的自然数，

表示当前编码像素C_ij的第n个像素分量。例如，当前编码像素C_ij可包括3个像素分量R G B，或包括4个像素分量R G B W，或包括3个像素分量L a b，或包括4个像素分量C M Y K。根据实际场景选取其中一个像素分量作为当前像素分量，在十字形预测搜索窗口内选取确定当前像素分量的k个已编码的重建像素。

S303、计算所述k个已编码的重建像素中每个已编码的重建像素分量与所述当前像素分量差的绝对值，重复计算得到k个差异度权重DIFij₁～DIFij_k；

对应K-1个已编码的重建像素P₀、P₁、P₂、...P_k...、P_K-2，差异度权重DIF_ij有K-1个差异度子权重DIF_ij、k，即

DIF_ij＝{DIF_ij、0,DIF_ij、1,DIF_ij、2,...DIF_ij、k...,DIF_ij、K-2}

每个像素分量

的分量差异度权重

有K-1个分量差异度子权重

即

其中，分量差异度子权重

根据当前编码像素C_ij的像素分量

与重建像素P_k的像素分量

的差异度来确定。

优选地，本发明实施例中，分量差异度子权重

为像素分量

的原始值

与重建像素分量

的重建值

的差值的绝对值，即

S304、根据所述k个已编码的重建像素分量的位置不同设置不同的权重值，得到k个位置权重POSij₁～POSij_k，请参见图7，图7为本发明实施例的第二种预测模式的位置权重示意图；

对应K-1个已编码的重建像素P₀、P₁、P₂、...P_k...、P_K-2，位置权重POS_ij有K-1个位置子权重POS_ij、k，即

POS_ij＝{POS_ij、0,POS_ij、1,POS_ij、2,...POS_ij、k...,POS_ij、K-2}

每个像素分量

的分量差异度权重

有K-1个分量差异度子权重

即

其中，分量差异度子权重

根据当前编码像素C_ij的像素分量

与重建像素P_k的像素分量

的差异度来确定。

优选地，本发明实施例中，分量差异度子权重

为像素分量

的原始值

与重建像素分量

的重建值

的差值的绝对值，即

本发明实施例中，以当前编码像素C_ij与重建像素P_k相间隔的像素数作为分量位置子权重

对应预测搜索窗口中的K-1个重建像素P₀、P₁、P₂、...P_k...、P_K-2，例如与当前编码像素C_ij相邻的重建像素P₁₁与C_ij间隔像素数为0，则确定对应分量位置子权重为

重建像素P₁₀与C_ij间隔像素数为1，则确定对应分量位置子权重为

同理，对应共12个重建像素P₀、P₁、P₂、...P_k...、P_K-2的12个分量位置子权重为：

S305、根据每个差异度权重DIFij₁和每个位置权重POSij₁计算得到所述单个重建像素分量的权重Wij₁，重复计算得到所述k个已编码的重建像素分量的k个权重Wij₁～Wij_k，其中，Wijx为：

Wijx＝a*DIFijx+b*POSijx

其中，x为1～k，a和b为第x个重建像素分量加权值，DIFijx为第x个重建像素分量与所述当前像素分量的所述差异度权重，POSijx为第x个重建像素分量的所述位置权重；

S306、针对所述当前像素的c个像素分量，分别重复执行步骤S302～S305，得到所述当前像素的k*c个权重Wij_a1～Wij_ac、Wij_b1～Wij_bc、…、Wij_k1～Wij_kc；

每个像素分量具有k个已编码的像素分量，而每个当前像素具有c个像素分量，计算出其中一个像素分量的k个权重后，重复上述计算步骤，得到其余k(c-1)个像素分量的权重，最终得到k*c个权重的k*c个权重Wij_a1～Wij_ac、Wij_b1～Wij_bc、…、Wij_k1～Wij_kc。

S307、计算每个所述已编码的重建像素分量的权重和Wij_a～Wij_k：

Wij_x＝p1*Wijx1+p2*Wijx2+p3*Wijx3+...+pc*Wijxc

其中，x为1～k，pc分别为的第k个已编码的重建像素分量的第c个像素分量的分量加权值；

S308、选取Wij_a～Wij_k中的最优权重和，选取所述最优权重和对应的所述重建像素作为参考像素；

本发明实施例中，根据权重W_ij确定当前编码像素C_ij的参考像素P_s。具体地，根据最优值算法从权重W_ij的K-1个子权重W_ij、k中，选择出最优值，将最优值对应的重建像素P_s作为当前编码像素C_ij的参考像素。最优值确定算法比如是最小权重确定算法，即从权重W_ij＝{W_ij、0,W_ij、1,W_ij、2,...W_ij、k...,W_ij、K-2}的K-1个子权重中，选择出子权重最小值如W_ij、s对应的重建像素P_s，将重建像素P_s作为当前编码像素C_ij的参考像素。

S309、计算所述参考像素与所述当前像素的差值，得到所述第二预测残差；

具体地，根据参考像素即P_s的重建值NewData(P_s)与当前像素编码像素C_ij的原始值OldData(C_ij)计算当前编码像素C_ij相对参考像素P_s的预测残差RES_ij，为

其中，

为当前编码像素C_ij的第n个像素分量

相对参考像素P_s的第n个像素分量

的预测残差。

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。进一步地，根据预测残差可以得到重建像素分量，即将参考值加上预测残差可以得到重建像素分量。

本发明实施例采用复杂纹理自适应预测，提高当前预测像素的准确率，能够进一步提高复杂纹理区域预测残差的精度，进一步降低理论极限熵，提高带宽压缩率。

本发明实施例利用符合纹理特征的十字形搜索窗口寻找参考像素，对于复杂纹理图像，预测效果较好，并且十字形窗口内像素数少，节约了传输的比特数。

实施例四

在实施例一、实施例二和实施例三的基础上，对两种预测模式进行选择确定为最优预测模式。本发明实施例中的采用选择器进行选择，选择器是基于有损压缩和模式惩罚的主观预测模式后选择器。

S401、在设定大小为m*n的宏块中，计算所述第一预测模式的残差绝对值和SAD₁和与残差标准差E₁：

其中，Res为平均绝对残差和，RES为预测残差，ABS为取绝对值，m*n为所述宏块的大小；

S402、统计和配置所述第一预测模式惩罚mode₁；

惩罚分不同场景可为运算速度惩罚、主观惩罚等，Mode为人工手动设定。

S403、根据SAD₁、E₁、mode₁和分场景配置权重系数a₁、a₂、a₃，计算所述第一预测模式的残差主观和SUBD₁：

SUBD₁＝a₁×SAD₁+a₂×E₁+a₃×mode₁

其中，k为预测模式的序号；

S404、重复执行步骤S401～S403，得到第二预测模式的残差主观和SUBD₂；

S4041、在设定大小为m*n的宏块中，计算第二预测模式的残差绝对值和SAD₂和与残差标准差E₂：

其中，Res为平均绝对残差和，RES为预测残差，ABS为取绝对值，m*n为所述宏块的大小；

S4042、统计和配置所述第一预测模式惩罚mode₂；

惩罚分不同场景可为运算速度惩罚、主观惩罚等，Mode为人工手动设定。

S4043、根据SAD₂、E₂、mode₂和分场景配置权重系数a₁、a₂、a₃，计算所述第一预测模式的残差主观和SUBD₂：

SUBD₂＝a₁×SAD₂+a₂×E₂+a₃×mode₂；

S405、对比SUBD₁和SUBD₂，选用较小者对应的预测模式为最终预测模式，所述最终预测模式对应的预测残差为最终预测残差；

S406、采用所述最终预测残差进行视频压缩，并在码流中传输该预测模式的除预测残差外的附加标志位。

本发明采用选择器从多种预测模式中，选择最适合的预测模式，可以保证找到最合适的参考像素，得到最小的预测残差，以降低理论极限熵。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (8)

1.一种带宽压缩预测模式的选择方法，其特征在于，包括步骤：

S1、在图像中选取宏块；

S2、采用第一预测模式计算所述宏块的第一预测残差；

S3、采用第二预测模式计算所述宏块的第二预测残差；

S4、根据所述第一预测残差计算第一残差主观和，根据所述第二预测残差计算第二残差主观和；

S5、选取所述第一残差主观和与所述第二残差主观和中的最小值，采用所述最小值对应的预测模式进行带宽压缩。

2.如权利要求1所述的选择方法，其特征在于，步骤S2包括：

S201、选取当前像素的当前像素分量；

S202、确定所述当前像素分量的N个纹理方向，计算得到对应的N个梯度值；

S203、对所述N个梯度值进行加权修正处理，得到N个加权梯度值；

S204、对比N个加权梯度值，得到最优加权梯度值；

S205、确定所述最优加权梯度值对应的纹理方向为参考方向；

S206、计算所述参考方向上所述当前像素分量与所述参考方向的参考像素分量的差值，得到所述当前像素分量的所述第一预测残差。

3.如权利要求2所述的选择方法，其特征在于，所述纹理方向包括45度方向，90度方向，135度方向，180度方向。

4.如权利要求2所述的选择方法，其特征在于，所述最优加权梯度值为最小加权梯度值。

5.如权利要求1所述的选择方法，其特征在于，步骤S3包括：

S301、确定预测搜索窗口，所述预测搜索窗口包括当前像素和k个重建像素；

S302、选取所述当前像素的当前像素分量，确定所述当前像素分量的k个已编码的重建像素分量；

S303、计算所述k个已编码的重建像素分量与所述当前像素分量差的绝对值，重复计算得到k个差异度权重DIFij₁～DIFij_k；

S304、根据所述k个已编码的重建像素分量的位置，设置对应的权重值，得到k个位置权重POSij₁～POSij_k；

S305、计算得到所述每个重建像素分量的权重Wij₁，重复计算得到所述k个已编码的重建像素分量对应的k个权重Wij₁～Wijk，其中，Wijx为：

Wijx＝a*DIFijx+b*POSijx

其中，x为1～k，a和b为第x个重建像素分量加权值，DIFijx为第x个重建像素分量与所述当前像素分量的差异度权重，POSijx为第x个重建像素分量的位置权重；

S306、针对所述当前像素的c个像素分量，分别重复执行步骤S302～S305，得到所述当前像素的k*c个权重Wij_a1～Wij_ac、Wij_b1～Wij_bc、…、Wij_k1～Wij_kc；

S307、计算每个所述已编码的重建像素分量的权重和Wij_a～Wij_k：

Wij_x＝px1*Wijx1+px2*Wijx2+px3*Wijx3+...+pxc*Wijxc

其中，x为1～k，pxc分别为的第x个已编码的重建像素分量的第c个像素分量的分量加权值；

S308、选取Wij_a～Wij_k中的最优权重和，选取所述最优权重和对应的所述重建像素作为参考像素；

S309、计算所述参考像素与所述当前像素的差值，得到所述第二预测残差。

6.如权利要求5所述的选择方法，其特征在于，所述预测搜索窗口包括十字形窗口。

7.如权利要求5所述的选择方法，其特征在于，所述最优权重和包括最小权重和。

8.如权利要求1所述的选择方法，其特征在于，步骤S4包括：

S401、计算所述第一预测模式的残差绝对值和SAD₁与残差标准差E₁：

其中，AVE为平均绝对残差和，RES为预测残差，ABS为取绝对值，m*n为所述宏块的大小；

S402、统计和配置所述第一预测模式惩罚mode₁；

S403、根据SAD₁、E₁、mode₁和分场景配置权重系数a₁、a₂、a₃，计算所述第一预测模式的残差主观和SUBD₁：

SUBD₁＝a₁×SAD₁+a₂×E₁+a₃×mode₁；

S404、重复执行步骤S401～S403，得到第二预测模式的残差主观和SUBD₂；

S405、对比SUBD₁和SUBD₂，选用较小者对应的预测模式为最终预测模式，所述最终预测模式对应的预测残差为最终预测残差；

S406、采用所述最终预测残差进行视频压缩。

Images