CN112969066B - 预测单元的选择方法、装置、电子设备及介质 - Google Patents

预测单元的选择方法、装置、电子设备及介质 Download PDF

Info

Publication number
CN112969066B
CN112969066B CN202110127968.0A CN202110127968A CN112969066B CN 112969066 B CN112969066 B CN 112969066B CN 202110127968 A CN202110127968 A CN 202110127968A CN 112969066 B CN112969066 B CN 112969066B
Authority
CN
China
Prior art keywords
prediction unit
current prediction
candidate
value
current
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
CN202110127968.0A
Other languages
English (en)
Other versions
CN112969066A (zh
Inventor
向国庆
刘凯阳
文湘鄂
宋磊
贾惠柱
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.)
Beijing Boya Huishi Intelligent Technology Research Institute Co ltd
Original Assignee
Beijing Boya Huishi Intelligent Technology Research Institute 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 Beijing Boya Huishi Intelligent Technology Research Institute Co ltd filed Critical Beijing Boya Huishi Intelligent Technology Research Institute Co ltd
Priority to CN202110127968.0A priority Critical patent/CN112969066B/zh
Publication of CN112969066A publication Critical patent/CN112969066A/zh
Application granted granted Critical
Publication of CN112969066B publication Critical patent/CN112969066B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/11—Selection of coding mode or of prediction mode among a plurality of spatial predictive coding modes
    • 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
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/593—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving spatial prediction techniques
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本申请公开了一种预测单元的选择方法、装置、电子设备及介质。本申请中，可以获取第一数量的当前预测单元的像素值；基于最小可觉察模型，将当前预测单元的像素值分别转换为最小可觉察值；在第一数量的当前预测单元中选取候选预测单元集合，候选预测单元为当前预测单元中不包含纹理方向角的预测单元，其中纹理方向角为基于当前预测单元的最小可觉察值确定的；基于每个候选预测单元的预测模式数目，从候选预测单元集合中确定目标预测单元。通过应用本申请的技术方案，可以通过引用JND模型，避免人眼的视觉掩蔽效应，并引入时空相关性和主要纹理方向角进一步优化进入RMD决策过程中的预测单元的数量，从而实现能够在视频主观质量几乎不变的情况下减少帧内模式决策时间，最终降低帧内编码的复杂度。

Description

预测单元的选择方法、装置、电子设备及介质
技术领域
本申请中涉及图像编解码处理技术，尤其是一种预测单元的选择方法、装置、电子设备及介质。
背景技术
相关技术中，由于未经压缩的原始视频数据非常庞大，存在大量冗余，因此视频数据压缩是解决存储和传输视频的首要问题。
进一步的，对于帧内编码来说，其旨在解决空间冗余，是视频编码技术中不可或缺的组成部分。为了使得预测值更加准确，预测残差更小，目前主流标准中的帧内预测采用了多种预测模式进行预测。如在AVS2中，每个预测单元PU均有33种帧内预测模式进入RMD过程。这样虽然显著升高了帧内编码的性能，但是导致编码复杂度急剧上升。从而增加帧内编码的时间。
发明内容
本申请实施例提供一种预测单元的选择方法、装置、电子设备及介质，其中，根据本申请实施例的一个方面，提供的一种预测单元的选择方法，其特征在于，包括：
获取第一数量的当前预测单元的像素值；
基于最小可觉察模型，将所述当前预测单元的像素值分别转换为最小可觉察值；
在所述第一数量的当前预测单元中选取候选预测单元集合，所述候选预测单元为所述当前预测单元中不包含纹理方向角的预测单元，其中所述纹理方向角为基于所述当前预测单元的最小可觉察值确定的；
基于每个候选预测单元的预测模式数目，从所述候选预测单元集合中确定目标预测单元。
可选地，在基于本申请上述方法的另一个实施例中，所述基于最小可觉察模型，将所述当前预测单元的像素值分别转换为最小可觉察值，包括：
基于所述当前预测单元的像素值，计算所述当前预测单元的亮度自适应因子以及视觉掩蔽效应值；
基于所述当前预测单元的亮度自适应因子以及视觉掩蔽效应值，所述当前预测单元的像素值分别转换为最小可觉察值。
可选地，在基于本申请上述方法的另一个实施例中，所述计算所述当前预测单元的亮度自适应因子以及视觉掩蔽效应值，包括：
基于所述当前预测单元的像素值和所述当前预测单元的平均亮度值，计算所述当前预测单元的亮度自适应因子；以及，
基于所述当前预测单元的像素值，所述当前预测单元的亮度对比值以及方向差值，计算当前预测单元的视觉掩蔽效应值。
可选地，在基于本申请上述方法的另一个实施例中，通过以下公式将所述当前预测单元的像素值分别转换为最小可觉察值：
JND(i，j)＝LA(i，j)+VM(i，j)-0.3·min{LA(i，j)，VM(i，j)}
其中，i、j代表当前预测单元的像素位置，LA代表所述当前预测单元的亮度自适应因子,vm代表所述当前预测单元的视觉掩蔽效应值。
可选地，在基于本申请上述方法的另一个实施例中，所述在所述第一数量的当前预测单元中选取候选预测单元集合，包括：
利用Sobel算子以及所述当前预测单元的最小可觉察值，计算所述当前预测单元的水平梯度值和垂直梯度值；
基于所述当前预测单元的水平梯度值和垂直梯度值，计算所述当前预测单元的梯度角；
基于所述当前预测单元的梯度角，得到当前预测单元的纹理方向角；
将所述当前预测单元的纹理方向角中，不包含水平纹理方向角以及垂直纹理方向角的预测单元作为所述候选预测单元。
可选地，在基于本申请上述方法的另一个实施例中，所述基于每个候选预测单元的预测模式数目，从所述候选预测单元集合中确定目标预测单元，包括：
分别计算每个候选预测单元对应预测模式的代价值，得到第二数量的候选代价值；
将所述第二数量的候选代价值按照数值大小依序进行排序；
将位于预设范围的后续代价值对应的候选预测单元作为所述目标预测单元。
可选地，在基于本申请上述方法的另一个实施例中，基于以下公式计算每个候选预测单元对应预测模式的代价值：
JHAD＝SATD+λR；
其中，SATD代表候选预测单元DE绝对变换差值的和值，λ是拉格朗日乘子，R代表候选预测单元对应预测模式的估计位。
其中，根据本申请实施例的又一个方面，提供的一种预测单元的选择装置，其特征在于，包括：
获取模块，被配置为获取第一数量的当前预测单元的像素值；
转换模块，被配置为基于最小可觉察模型，将所述当前预测单元的像素值分别转换为最小可觉察值；
选取模块，被配置为在所述第一数量的当前预测单元中选取候选预测单元集合，所述候选预测单元为所述当前预测单元中不包含纹理方向角的预测单元，其中所述纹理方向角为基于所述当前预测单元的最小可觉察值确定的；
确定模块，被配置为基于每个候选预测单元的预测模式数目，从所述候选预测单元集合中确定目标预测单元。
根据本申请实施例的又一个方面，提供的一种电子设备，包括：
存储器，用于存储可执行指令；以及
显示器，用于与所述存储器显示以执行所述可执行指令从而完成上述任一所述预测单元的选择方法的操作。
根据本申请实施例的还一个方面，提供的一种计算机可读存储介质，用于存储计算机可读取的指令，所述指令被执行时执行上述任一所述预测单元的选择方法的操作。
本申请中，可以获取第一数量的当前预测单元的像素值；基于最小可觉察模型，将当前预测单元的像素值分别转换为最小可觉察值；在第一数量的当前预测单元中选取候选预测单元集合，候选预测单元为当前预测单元中不包含纹理方向角的预测单元，其中纹理方向角为基于当前预测单元的最小可觉察值确定的；基于每个候选预测单元的预测模式数目，从候选预测单元集合中确定目标预测单元。通过应用本申请的技术方案，可以通过引用JND模型，避免人眼的视觉掩蔽效应，并引入时空相关性和主要纹理方向角进一步优化进入RMD决策过程中的预测单元的数量，从而实现能够在视频主观质量几乎不变的情况下减少帧内模式决策时间，最终降低帧内编码的复杂度。
下面通过附图和实施例，对本申请的技术方案做进一步的详细描述。
附图说明
构成说明书的一部分的附图描述了本申请的实施例，并且连同描述一起用于解释本申请的原理。
参照附图，根据下面的详细描述，可以更加清楚地理解本申请，其中：
图1为本申请提出的一种预测单元的选择方法示意图；
图2为本申请预测单元的选择电子装置的结构示意图；
图3为本申请显示电子设备结构示意图。
具体实施方式
现在将参照附图来详细描述本申请的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，不作为对本申请及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
另外，本申请各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本申请要求的保护范围之内。
需要说明的是，本申请实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
下面结合图1来描述根据本申请示例性实施方式的用于进行预测单元的选择方法。需要注意的是，下述应用场景仅是为了便于理解本申请的精神和原理而示出，本申请的实施方式在此方面不受任何限制。相反，本申请的实施方式可以应用于适用的任何场景。
本申请还提出一种预测单元的选择方法、装置、目标终端及介质。
图1示意性地示出了根据本申请实施方式的一种预测单元的选择方法的流程示意图。如图1所示，该方法包括：
S101，获取第一数量的当前预测单元的像素值。
S102，基于最小可觉察模型，将当前预测单元的像素值分别转换为最小可觉察值。
本申请中，考虑到人眼的视觉掩蔽效应，因此本申请可以基于像素阈的最小可觉察JND模型，将当前预测单元PU的像素值转换成JND值。可以理解的，在图像、视频处理与编码领域,为了定量分析人眼视觉系统对图像失真的敏感程度,因此可用JND来度量人眼对图像中不同区域失真的敏感性。并在码率受限条件下去除这些人眼并不敏感的失真,不仅能使人眼敏感的内容得到更好的保护,还能获得更高的压缩效率。
具体的计算方法如下：
JND(i，j)＝LA(i，j)+VM(i，j)-0.3·min{LA(i，j)，VM(i，j)}
其中，i、j代表当前预测单元的像素位置，LA代表所述当前预测单元的亮度自适应因子,vm代表所述当前预测单元的视觉掩蔽效应值。
进一步的，本申请可以依据下述公式计算得到当前预测单元的亮度自适应因子：
其中，B(i，j)代表所述当前预测单元的当前区域的平均亮度值。
更进一步的，本申请可以依据下述公式计算得到当前预测单元的视觉掩蔽效应值：
其中，LC代表了当前预测单元的亮度对比值,代表了当前预测单元的量化的方向差，代表方向复杂度。
S103，在第一数量的当前预测单元中选取候选预测单元集合，候选预测单元为当前预测单元中不包含纹理方向角的预测单元，其中纹理方向角为基于当前预测单元的最小可觉察值确定的。
进一步的，本申请可以将当前预测单元对应的预测模式的水平方向角和垂直方向角作为PU的纹理方向角。可以理解的，由于考虑到包含纹理方向角被选中的概率极大，因此如果候选列表里没有主要感知纹理方向角，则直接将其加入到候选预测单元集合。
S104，基于每个候选预测单元的预测模式数目，从候选预测单元集合中确定目标预测单元。
本申请中，可以获取第一数量的当前预测单元的像素值；基于最小可觉察模型，将当前预测单元的像素值分别转换为最小可觉察值；在第一数量的当前预测单元中选取候选预测单元集合，候选预测单元为当前预测单元中不包含纹理方向角的预测单元，其中纹理方向角为基于当前预测单元的最小可觉察值确定的；基于每个候选预测单元的预测模式数目，从候选预测单元集合中确定目标预测单元。通过应用本申请的技术方案，可以通过引用JND模型，避免人眼的视觉掩蔽效应，并引入时空相关性和主要纹理方向角进一步优化进入RMD决策过程中的预测单元的数量，从而实现能够在视频主观质量几乎不变的情况下减少帧内模式决策时间，最终降低帧内编码的复杂度。
可选地，在基于本申请上述方法的另一个实施例中，基于最小可觉察模型，将当前预测单元的像素值分别转换为最小可觉察值，包括：
基于当前预测单元的像素值，计算当前预测单元的亮度自适应因子以及视觉掩蔽效应值；
基于当前预测单元的亮度自适应因子以及视觉掩蔽效应值，当前预测单元的像素值分别转换为最小可觉察值。
可选地，在基于本申请上述方法的另一个实施例中，计算当前预测单元的亮度自适应因子以及视觉掩蔽效应值，包括：
基于当前预测单元的像素值和当前预测单元的平均亮度值，计算当前预测单元的亮度自适应因子；以及，
基于当前预测单元的像素值，当前预测单元的亮度对比值以及方向差值，计算当前预测单元的视觉掩蔽效应值。
可选地，在基于本申请上述方法的另一个实施例中，通过以下公式将当前预测单元的像素值分别转换为最小可觉察值：
JND(i，j)＝LA(i，j)+VM(i，j)-0.3·min{LA(i，j)，VM(i，j)}
其中，i、j代表当前预测单元的像素位置，LA代表当前预测单元的亮度自适应因子,vm代表当前预测单元的视觉掩蔽效应值。
可选地，在基于本申请上述方法的另一个实施例中，在第一数量的当前预测单元中选取候选预测单元集合，包括：
利用Sobel算子以及当前预测单元的最小可觉察值，计算当前预测单元的水平梯度值和垂直梯度值；
基于当前预测单元的水平梯度值和垂直梯度值，计算当前预测单元的梯度角；
基于当前预测单元的梯度角，得到当前预测单元的纹理方向角；
将当前预测单元的纹理方向角中，不包含水平纹理方向角以及垂直纹理方向角的预测单元作为候选预测单元。
进一步的，本申请中可以利用Sobel算子计算当前预测单元的梯度角。其中，Sobel算子是计算机视觉领域的一种处理方法。其主要用于获得数字图像的一阶梯度，常见的应用和物理意义是边缘检测。另外，Sobel算子是把图像中每个像素的上下左右四领域的灰度值加权差，在边缘处达到极值从而检测边缘。再者，Sobel算子主要用作边缘检测。在技术上，它是一离散性差分算子，用来运算图像亮度函数的梯度之近似值。在图像的任何一点使用此算子，将会产生对应的梯度矢量。
进一步可选的，本申请可以利用如下公式，计算当前预测单元的水平梯度值：
PGxij＝JNDi+1，j-1+2×JNDi+1，j+JNDi+1，j+1-JNDi-1，j-1-2×JNDi-1，j-JNDi-1，j+1。
更进一步可选的，本申请可以利用如下公式，计算当前预测单元的垂直梯度值：
PGyij＝JNDi-1，j-1+2×JNDi，j-1+JNDi+1，j-1-JNDi-1，j+1-2×JNDi，j+1-JNDi+1，j+1。
其中需要说明的是，JNDi，j代表当前预测单元在像素位置(i，j)上的像素对应的JND值。
在进一步的，本申请可以利用如下公式，计算当前预测单元的梯度角：
在进一步的，本申请可以利用如下公式，计算当前预测单元的纹理方向角：
需要说明的是，本申请中的当前预测单元的纹理方向角应该与梯度角相垂直。
可选地，在基于本申请上述方法的另一个实施例中，基于每个候选预测单元的预测模式数目，从候选预测单元集合中确定目标预测单元，包括：
分别计算每个候选预测单元对应预测模式的代价值，得到第二数量的候选代价值；
将第二数量的候选代价值按照数值大小依序进行排序；
将位于预设范围的后续代价值对应的候选预测单元作为目标预测单元。
可选地，在基于本申请上述方法的另一个实施例中，基于以下公式计算每个候选预测单元对应预测模式的代价值：
JHAD＝SATD+λR；
其中，SATD代表候选预测单元DE绝对变换差值的和值，λ是拉格朗日乘子，R代表候选预测单元对应预测模式的估计位。
进一步的，由于对于一个视频来说，其对应的PU具有时间和空间相关性，也就是，当前的PU与其相邻PU在纹理信息上相似。因此，可以根据左侧PU、上侧PU的帧内MPM值和前一帧相同位置的最优帧内预测模式对当前候选模式列表进行更新。一种方式中，例如AVS2标准中的9种候选模式往往只有前几种代价较小的候选模式被选为最优的帧内预测模式。
可选的一种方式中，本申请可以根据不同的PU尺寸选择不同的候选模式进入下一步的RDO遍历过程，具体数目如表一所示。最终在当前候选列表中选择前3或5种模式构成第二级候选列表。
表一：
本申请中，可以获取第一数量的当前预测单元的像素值；基于最小可觉察模型，将当前预测单元的像素值分别转换为最小可觉察值；在第一数量的当前预测单元中选取候选预测单元集合，候选预测单元为当前预测单元中不包含纹理方向角的预测单元，其中纹理方向角为基于当前预测单元的最小可觉察值确定的；基于每个候选预测单元的预测模式数目，从候选预测单元集合中确定目标预测单元。通过应用本申请的技术方案，可以通过引用JND模型，避免人眼的视觉掩蔽效应，并引入时空相关性和主要纹理方向角进一步优化进入RMD决策过程中的预测单元的数量，从而实现能够在视频主观质量几乎不变的情况下减少帧内模式决策时间，最终降低帧内编码的复杂度。
在本申请的另外一种实施方式中，如图2所示，本申请还提供一种预测单元的选择装置。其中，包括获取模块201，转换模块202，选取模块203，确定模块204，其中，
获取模块201，被配置为获取第一数量的当前预测单元的像素值；
转换模块202，被配置为基于最小可觉察模型，将所述当前预测单元的像素值分别转换为最小可觉察值；
选取模块203，被配置为在所述第一数量的当前预测单元中选取候选预测单元集合，所述候选预测单元为所述当前预测单元中不包含纹理方向角的预测单元，其中所述纹理方向角为基于所述当前预测单元的最小可觉察值确定的；
确定模块204，被配置为基于每个候选预测单元的预测模式数目，从所述候选预测单元集合中确定目标预测单元。
本申请中，可以获取第一数量的当前预测单元的像素值；基于最小可觉察模型，将当前预测单元的像素值分别转换为最小可觉察值；在第一数量的当前预测单元中选取候选预测单元集合，候选预测单元为当前预测单元中不包含纹理方向角的预测单元，其中纹理方向角为基于当前预测单元的最小可觉察值确定的；基于每个候选预测单元的预测模式数目，从候选预测单元集合中确定目标预测单元。通过应用本申请的技术方案，可以通过引用JND模型，避免人眼的视觉掩蔽效应，并引入时空相关性和主要纹理方向角进一步优化进入RMD决策过程中的预测单元的数量，从而实现能够在视频主观质量几乎不变的情况下减少帧内模式决策时间，最终降低帧内编码的复杂度。
在本申请的另外一种实施方式中，获取模块201，还包括：
获取模块201，被配置为基于所述当前预测单元的像素值，计算所述当前预测单元的亮度自适应因子以及视觉掩蔽效应值；
获取模块201，被配置基于所述当前预测单元的亮度自适应因子以及视觉掩蔽效应值，所述当前预测单元的像素值分别转换为最小可觉察值。
在本申请的另外一种实施方式中，获取模块201，还包括：
获取模块201，被配置基于所述当前预测单元的像素值和所述当前预测单元的平均亮度值，计算所述当前预测单元的亮度自适应因子；以及，
获取模块201，被配置基于所述当前预测单元的像素值，所述当前预测单元的亮度对比值以及方向差值，计算当前预测单元的视觉掩蔽效应值。
在本申请的另外一种实施方式中，还包括：通过以下公式将所述当前预测单元的像素值分别转换为最小可觉察值：
JND(i，j)＝LA(i，j)+VM(i，j)-0.3·min{LA(i，j)，VM(i，j)}
其中，i、j代表当前预测单元的像素位置，LA代表所述当前预测单元的亮度自适应因子,vm代表所述当前预测单元的视觉掩蔽效应值。
在本申请的另外一种实施方式中，获取模块201，还包括：
获取模块201，被配置利用Sobel算子以及所述当前预测单元的最小可觉察值，计算所述当前预测单元的水平梯度值和垂直梯度值；
获取模块201，被配置基于所述当前预测单元的水平梯度值和垂直梯度值，计算所述当前预测单元的梯度角；
获取模块201，被配置基于所述当前预测单元的梯度角，得到当前预测单元的纹理方向角；
获取模块201，被配置将所述当前预测单元的纹理方向角中，不包含水平纹理方向角以及垂直纹理方向角的预测单元作为所述候选预测单元。
在本申请的另外一种实施方式中，获取模块201，还包括：
获取模块201，被配置分别计算每个候选预测单元对应预测模式的代价值，得到第二数量的候选代价值；
获取模块201，被配置将所述第二数量的候选代价值按照数值大小依序进行排序；
获取模块201，被配置将位于预设范围的后续代价值对应的候选预测单元作为所述目标预测单元。
在本申请的另外一种实施方式中，还包括：基于以下公式计算每个候选预测单元对应预测模式的代价值：
JHAD＝SATD+λR；
其中，SATD代表候选预测单元DE绝对变换差值的和值，λ是拉格朗日乘子，R代表候选预测单元对应预测模式的估计位。
图3是根据一示例性实施例示出的一种电子设备的逻辑结构框图。例如，电子设备300可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器，上述指令可由电子设备处理器执行以完成上述预测单元的选择方法，该方法包括：获取第一数量的当前预测单元的像素值；基于最小可觉察模型，将所述当前预测单元的像素值分别转换为最小可觉察值；在所述第一数量的当前预测单元中选取候选预测单元集合，所述候选预测单元为所述当前预测单元中不包含纹理方向角的预测单元，其中所述纹理方向角为基于所述当前预测单元的最小可觉察值确定的；基于每个候选预测单元的预测模式数目，从所述候选预测单元集合中确定目标预测单元。可选地，上述指令还可以由电子设备的处理器执行以完成上述示例性实施例中所涉及的其他步骤。例如，非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在示例性实施例中，还提供了一种应用程序/计算机程序产品，包括一条或多条指令，该一条或多条指令可以由电子设备的处理器执行，以完成上述预测单元的选择方法，该方法包括：获取第一数量的当前预测单元的像素值；基于最小可觉察模型，将所述当前预测单元的像素值分别转换为最小可觉察值；在所述第一数量的当前预测单元中选取候选预测单元集合，所述候选预测单元为所述当前预测单元中不包含纹理方向角的预测单元，其中所述纹理方向角为基于所述当前预测单元的最小可觉察值确定的；基于每个候选预测单元的预测模式数目，从所述候选预测单元集合中确定目标预测单元。可选地，上述指令还可以由电子设备的处理器执行以完成上述示例性实施例中所涉及的其他步骤。
图3为计算机设备30的示例图。本领域技术人员可以理解，示意图3仅仅是计算机设备30的示例，并不构成对计算机设备30的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如计算机设备30还可以包括输入输出设备、网络接入设备、总线等。
所称处理器302可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器302也可以是任何常规的处理器等，处理器302是计算机设备30的控制中心，利用各种接口和线路连接整个计算机设备30的各个部分。
存储器301可用于存储计算机可读指令303，处理器302通过运行或执行存储在存储器301内的计算机可读指令或模块，以及调用存储在存储器301内的数据，实现计算机设备30的各种功能。存储器301可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据计算机设备30的使用所创建的数据等。此外，存储器301可以包括硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)或其他非易失性/易失性存储器件。
计算机设备30集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机可读指令来指令相关的硬件来完成，的计算机可读指令可存储于一计算机可读存储介质中，该计算机可读指令在被处理器执行时，可实现上述各个方法实施例的步骤。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求指出。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。

Claims (7)

1.一种预测单元的选择方法，其特征在于，包括：
获取第一数量的当前预测单元的像素值；
基于最小可觉察模型，将所述当前预测单元的像素值分别转换为最小可觉察值；
在所述第一数量的当前预测单元中选取候选预测单元集合，所述候选预测单元为所述当前预测单元中不包含纹理方向角的预测单元，其中所述纹理方向角为基于所述当前预测单元的最小可觉察值确定的；
基于每个候选预测单元的预测模式数目，从所述候选预测单元集合中确定目标预测单元；
其中，所述在所述第一数量的当前预测单元中选取候选预测单元集合，包括：
利用Sobel算子以及所述当前预测单元的最小可觉察值，计算所述当前预测单元的水平梯度值和垂直梯度值；
基于所述当前预测单元的水平梯度值和垂直梯度值，计算所述当前预测单元的梯度角；
基于所述当前预测单元的梯度角，得到当前预测单元的纹理方向角；
将所述当前预测单元的纹理方向角中，不包含水平纹理方向角以及垂直纹理方向角的预测单元作为所述候选预测单元；
其中，基于每个候选预测单元的预测模式数目，从所述候选预测单元集合中确定目标预测单元，包括：
分别计算每个候选预测单元对应预测模式的代价值，得到第二数量的候选代价值；
将所述第二数量的候选代价值按照数值大小依序进行排序；
将位于预设范围的后续代价值对应的候选预测单元作为所述目标预测单元；
其中，基于以下公式计算每个候选预测单元对应预测模式的代价值：
JHAD＝SATD+λR；
其中，SATD代表候选预测单元DE绝对变换差值的和值，λ是拉格朗日乘子，R代表候选预测单元对应预测模式的估计位。
2.如权利要求1所述的方法，其特征在于，所述基于最小可觉察模型，将所述当前预测单元的像素值分别转换为最小可觉察值，包括：
基于所述当前预测单元的像素值，计算所述当前预测单元的亮度自适应因子以及视觉掩蔽效应值；
基于所述当前预测单元的亮度自适应因子以及视觉掩蔽效应值，所述当前预测单元的像素值分别转换为最小可觉察值。
3.如权利要求2所述的方法，其特征在于，所述计算所述当前预测单元的亮度自适应因子以及视觉掩蔽效应值，包括：
基于所述当前预测单元的像素值和所述当前预测单元的平均亮度值，计算所述当前预测单元的亮度自适应因子；以及，
基于所述当前预测单元的像素值，所述当前预测单元的亮度对比值以及方向差值，计算当前预测单元的视觉掩蔽效应值。
4.如权利要求3所述的方法，其特征在于，通过以下公式将所述当前预测单元的像素值分别转换为最小可觉察值：
JND(i，j)＝LA(j，j)+VM(i，j)-0.3·min{LA(j，j)，VM(j，j)}：
其中，i、j代表当前预测单元的像素位置，LA代表所述当前预测单元的亮度自适应因子，vm代表所述当前预测单元的视觉掩蔽效应值。
5.一种预测单元的选择装置，其特征在于，包括：
获取模块，被配置为获取第一数量的当前预测单元的像素值；
转换模块，被配置为基于最小可觉察模型，将所述当前预测单元的像素值分别转换为最小可觉察值；
选取模块，被配置为在所述第一数量的当前预测单元中选取候选预测单元集合，所述候选预测单元为所述当前预测单元中不包含纹理方向角的预测单元，其中所述纹理方向角为基于所述当前预测单元的最小可觉察值确定的；
确定模块，被配置为基于每个候选预测单元的预测模式数目，从所述候选预测单元集合中确定目标预测单元；
其中，所述在所述第一数量的当前预测单元中选取候选预测单元集合，包括：
利用Sobel算子以及所述当前预测单元的最小可觉察值，计算所述当前预测单元的水平梯度值和垂直梯度值；
基于所述当前预测单元的水平梯度值和垂直梯度值，计算所述当前预测单元的梯度角；
基于所述当前预测单元的梯度角，得到当前预测单元的纹理方向角；
将所述当前预测单元的纹理方向角中，不包含水平纹理方向角以及垂直纹理方向角的预测单元作为所述候选预测单元；
其中，基于每个候选预测单元的预测模式数目，从所述候选预测单元集合中确定目标预测单元，包括：
分别计算每个候选预测单元对应预测模式的代价值，得到第二数量的候选代价值；
将所述第二数量的候选代价值按照数值大小依序进行排序；
将位于预设范围的后续代价值对应的候选预测单元作为所述目标预测单元；
其中，基于以下公式计算每个候选预测单元对应预测模式的代价值：
JHAD＝SATD+λR；
其中，SATD代表候选预测单元DE绝对变换差值的和值，λ是拉格朗日乘子，R代表候选预测单元对应预测模式的估计位。
6.一种电子设备，其特征在于，包括：
存储器，用于存储可执行指令；以及，
处理器，用于与所述存储器执行所述可执行指令从而完成权利要求1-4中任一所述预测单元的选择方法的操作。
7.一种计算机可读存储介质，用于存储计算机可读取的指令，其特征在于，所述指令被执行时执行权利要求1-4中任一所述预测单元的选择方法的操作。
CN202110127968.0A 2021-01-29 2021-01-29 预测单元的选择方法、装置、电子设备及介质 Active CN112969066B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110127968.0A CN112969066B (zh) 2021-01-29 2021-01-29 预测单元的选择方法、装置、电子设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110127968.0A CN112969066B (zh) 2021-01-29 2021-01-29 预测单元的选择方法、装置、电子设备及介质

Publications (2)

Publication Number Publication Date
CN112969066A CN112969066A (zh) 2021-06-15
CN112969066B true CN112969066B (zh) 2023-09-01

Family

ID=76272329

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110127968.0A Active CN112969066B (zh) 2021-01-29 2021-01-29 预测单元的选择方法、装置、电子设备及介质

Country Status (1)

Country Link
CN (1) CN112969066B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1998240A (zh) * 2004-07-01 2007-07-11 奥伊加梅克拉斯特公司 用于传送预测和非预测数据帧的方法和设备
CN102685497A (zh) * 2012-05-29 2012-09-19 北京大学 一种avs编码器快速帧间模式选择方法及装置
CN103442226A (zh) * 2013-07-30 2013-12-11 宁波大学 基于双目恰可觉察失真的多视点彩色视频快速编码方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1998240A (zh) * 2004-07-01 2007-07-11 奥伊加梅克拉斯特公司 用于传送预测和非预测数据帧的方法和设备
CN102685497A (zh) * 2012-05-29 2012-09-19 北京大学 一种avs编码器快速帧间模式选择方法及装置
CN103442226A (zh) * 2013-07-30 2013-12-11 宁波大学 基于双目恰可觉察失真的多视点彩色视频快速编码方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
JND 模型及其在 HEVC 感知视频编码的应用;曾志鹏;《中国优秀硕士学位论文全文数据库（信息科技辑）》;20200115(第01期);17-44页 *

Also Published As

Publication number Publication date
CN112969066A (zh) 2021-06-15

Similar Documents

Publication Publication Date Title
CN111526361B (zh) 图像编解码方法及装置
US9571828B2 (en) Image encoding apparatus, image encoding method and program
CN110876060B (zh) 一种编码过程中的码率调整方法及装置
US8244054B2 (en) Method, apparatus and integrated circuit capable of reducing image ringing noise
JP2006512029A (ja) セグメントベース動き推定
JP5363656B2 (ja) ビデオ画像のブラーを計算する方法及び装置
JP2014022970A (ja) 画像送信装置、画像送信方法、画像送信プログラム、画像認識認証システム、及び画像受信装置
US9367900B2 (en) Image noise removing apparatus and image noise removing method
US10123021B2 (en) Image encoding apparatus for determining quantization parameter, image encoding method, and program
CN112672149B (zh) 一种视频处理方法、装置、存储介质及服务器
JP4777185B2 (ja) 画像処理装置及びその制御方法、並びに、コンピュータプログラム及びコンピュータ可読記憶媒体、及び、画像符号化装置
CN110225342B (zh) 基于语义失真度量的视频编码的比特分配系统及方法
CN108629730B (zh) 视频美颜方法、装置及终端设备
CN112969066B (zh) 预测单元的选择方法、装置、电子设备及介质
Wang et al. An object-distortion based image quality similarity
CN115334308B (zh) 一种面向学习模型的编码决策处理方法、装置及设备
CN113691810B (zh) 帧内帧间联合预测方法、编解码方法及相关设备、存储介质
CN113642442B (zh) 人脸检测方法及装置、计算机可读存储介质、终端
CN106534850B (zh) 图像处理装置、图像插值方法和图像编码方法
US9076220B2 (en) Method of processing an image based on the determination of blockiness level
JP5043849B2 (ja) ビデオシーケンスにおける可変形状動き推定
CN114422779A (zh) 预测单元尺寸决策的方法、装置、电子设备及介质
CN114827632A (zh) 视频帧错误隐藏方法、装置、电子设备及介质
AU2021203870A1 (en) Method and apparatus for detecting associated objects
JP7022696B2 (ja) 画像処理装置、画像処理方法およびプログラム

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