CN114125446A - 图像编码方法、解码方法和装置 - Google Patents

Abstract

本申请实施例提供一种图像编码方法、解码方法和装置。涉及基于人工智能(AI)的视频或图像压缩技术领域领域，具体涉及基于神经网络的视频压缩技术领域。该图像编码方法通过将待处理图像划分为至少两个图像块，将至少两个图像块输入至第一神经网络模型，获取第一神经网络模型输出的至少两个三维特征块，对至少两个三维特征块和至少两个三维特征块的尺寸信息进行编码，得到编码码流。本申请实施例可以提升图像编解码效率。

Description

图像编码方法、解码方法和装置

本申请要求于2020年6月22日提交中国专利局、申请号为202010575457.0、申请名称为“一种图像编解码方法和装置”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。

技术领域

本申请涉及基于人工智能(AI)的视频或图像压缩技术领域，尤其涉及一种图像编码方法、解码方法和装置。

背景技术

随着移动通信技术和互联网技术的发展，出现越来越多的以图像为主的多媒体内容。图像作为信息的重要载体，具有直观易懂、生动形象等诸多特点，是一种高效的信息传播手段，被广泛应用于生活娱乐、道路监控、传媒、医疗等各个领域。

通过对图像进行编码，可以在满足一定质量的条件下，以较少比特数表示图像或图像中所包含的信息，从而减少传输图像所需的带宽资源和减少存储图像所需的存储资源。通常可以采用变换、量化、熵编码等技术消除图像的冗余信息，实现对图像的编码，以较低的数据量存储和传输高质量的图像，有效的传递信息。

因此，为了满足用户日益增长的图像传输和存储需求，如何提升图像编解码效率成为亟待解决的技术问题。

发明内容

本申请提供一种图像编码方法、解码方法和装置，以提升图像编解码效率。

第一方面，本申请实施例提供一种图像编码方法，该方法可以包括：获取待处理图像。将该待处理图像划分为至少两个图像块。将至少两个图像块输入至第一神经网络模型，获取第一神经网络模型输出的至少两个三维特征块。至少两个图像块与至少两个三维特性块可以一一对应。对至少两个三维特征块进行编码，并且对至少两个三维特征块的尺寸信息进行编码，得到编码码流。

其中，该至少两个三维特征块的尺寸信息可以包括：该至少两个图像块的尺寸信息、或者该至少两个图像块的尺寸信息和第一神经网络模型的参数、或者该三维特征块的尺寸；该至少两个图像块的尺寸信息和第一神经网络模型的参数用于确定至少两个三维特征块的尺寸。

本实现方式，通过对至少两个三维特征块的尺寸信息和至少两个三维特征块进行编码，得到编码码流，通过编码码流将至少两个三维特征块的尺寸信息传输至解码端，以使得解码端可以基于至少两个三维特征块的尺寸信息进行解码，得到重建图像。由于在图像编解码过程中增加了三维特征块的尺寸信息，使得编码端的编码码流可以具有高压缩比率，解码端可以对高压缩比率的码流进行解码得到重建图像，并且可以确保重建图像相对清晰，所以可以提升图像编解码效率。

通过第一神经网络模块进行特征提取，以得到编码码流，由于神经网络模型具有较深层次的图像建模和表达能力，可以使得编码码流具有较高压缩比率，以提升图像编码效率。

一种可能的设计中，该至少两个图像块的尺寸信息可以包括该图像块的高度和宽度。或者至少两个图像块的尺寸信息包括应用于待处理图像且用于划分得到该至少两个图像块的划分方式。

本实现方式，通过将至少两个图像块的高度和宽度，或者至少两个图像块的划分方式传输至解码端，以使得在编码端的图像块的尺寸信息发生变化时，解码端可以准确获取图像块的尺寸信息，进而准确获取三维特征块的尺寸信息，基于三维特征块的尺寸信息对三维特征块的编码数据进行准确解码，得到重建图像。

一种可能的设计中，该第一神经网络模型的参数可以包括卷积核的通道数或缩放步长中至少一项。

本实现方式，通过将第一神经网络模型的参数传输至解码端，以使得在编码端的第一神经网络模型的参数发生变化时，解码端可以准确获取第一神经网络模型的参数，进而准确获取三维特征块的尺寸信息，基于三维特征块的尺寸信息对三维特征块的编码数据进行准确解码，得到重建图像。

一种可能的设计中，该至少两个三维特征块的尺寸可以包括该至少两个三维特征块的长度、宽度和高度，该至少两个图像块的尺寸信息可以包括至少两个图像块的宽度和高度。至少两个三维特征块中任一三维特征块的长度、宽度和高度和至少两个图像块中对应的任一图像块的宽度和高度的对应关系如下：

M×N×R＝W/S×H/S×C。

其中，M为该任一三维特征块的长度，N为该任一三维特征块的宽度，R为该任一三维特征块的高度，W为该任一图像块的宽度，H为该任一图像块的高度，C为卷积核的通道数，S为缩放步长。

一种可能的设计中，该至少两个三维特征块的尺寸可以包括该三维特征块的长度、宽度和高度。

一种可能的设计中，至少两个三维特征块中任一三维特征块包括多个特征值，对至少两个三维特征块进行编码，可以包括：根据至少两个三维特征块中任一三维特征块的尺寸，对该任一三维特征块的特征值(也可以称为三维特征值)进行概率分布估计，得到该特征值的概率分布向量。根据该特征值的概率分布向量对该任一三维特征块进行熵编码。

一种可能的设计中，根据该任一三维特征块的尺寸，对该任一三维特征块的特征值进行概率分布估计，得到该特征值的概率分布向量，可以包括：根据该任一三维特征块的尺寸，确定该特征值的上下文信息，该上下文信息可以包括根据该任一三维特征块的尺寸确定的该特征值的邻域内已编码的特征值。将该特征值的上下文信息输入至第二神经网络模型。获取该第二神经网络模型输出的该特征值的概率分布向量。

本实现方式，通过神经网络模型对三维特征块的特征值进行概率分布估计，根据特征值的概率分布向量对三维特征块进行熵编码，以得到编码码流，可以取得较高压缩比率的同时还能够确保重建图像相对清晰，保存较多的细节纹理。

一种可能的设计中，对该至少两个三维特征块进行编码，可以包括：对该至少两个三维特征块进行量化处理，获取至少两个三维量化特征块，该至少两个三维量化块的任一三维量化块包括多个量化特征值。根据该任一三维量化特征块的尺寸，对该任一三维量化特征块的量化特征值(也可称为三维量化特征值)进行概率分布估计，得到该量化特征值的概率分布向量。该任一三维量化特征块的尺寸与对应的任一三维特征块的尺寸相同。根据该量化特征值的概率分布向量对该任一三维量化特征块进行熵编码。

一种可能的设计中，根据该任一三维量化特征块的尺寸，对该任一三维量化特征块的量化特征值进行概率分布估计，得到该量化特征值的概率分布向量，可以包括：根据该任一三维量化特征块的尺寸，确定该量化特征值的上下文信息，该上下文信息包括根据该任一三维量化特征块的尺寸确定的该量化特征值的邻域内已编码的特征值。将该量化特征值的上下文信息输入至第三神经网络模型。获取该第三神经网络模型输出的该量化特征值的概率分布向量。

第二方面，本申请实施例提供一种图像解码方法，该方法可以包括：获取待解码码流。该待解码码流可以包括至少两个三维特征块的编码数据，以及该至少两个三维特征块的尺寸信息。根据该至少两个三维特征块的编码数据，以及该至少两个三维特征块的尺寸信息，获取至少两个三维特征块。根据该至少两个三维特征块，重建待处理图像的至少两个图像块。

一种可能的设计中，该至少两个三维特征块的尺寸信息可以包括该至少两个三维特征块的尺寸，该至少两个三维特征块的尺寸可以包括图像块的高度和宽度。

一种可能的设计中，该至少两个三维特征块的尺寸信息可以包括：该至少两个图像块的尺寸信息、或者该至少两个图像块的尺寸信息和第一神经网络模型的参数，该至少两个图像块的尺寸信息和该第一神经网络模型的参数用于确定该至少两个三维特征块的尺寸。

一种可能的设计中，该至少两个图像块的尺寸信息可以包括该至少两个图像块的高度和宽度。

一种可能的设计中，该第一神经网络模型的参数可以包括卷积核的通道数或缩放步长中至少一项。该至少两个图像块的尺寸信息可以包括该至少两个图像块的宽度和高度；

该至少两个三维特征块中任一三维特征块的长度、宽度和高度和该至少两个图像块中对应的任一图像块的宽度和高度的对应关系如下：

M×N×R＝W/S×H/S×C；

其中，M为该任一三维特征块的长度，N为该任一三维特征块的宽度，R为该任一三维特征块的高度，W为该任一图像块的宽度，H为该任一图像块的高度，C为卷积核的通道数，S为缩放步长。

一种可能的设计中，该至少两个三维特征块可以包括：该至少两个三维特征块中任一三维特征块的多个特征值，和该至少两个三维特征块的尺寸信息。

一种可能的设计中，根据该至少两个三维特征块的编码数据，以及该至少两个三维特征块的尺寸信息，获取该至少两个三维特征块，可以包括：根据该任一三维特征块三维特征块的尺寸信息，对该任一三维特征块的特征值进行概率分布估计，得到该特征值的概率分布向量。根据该特征值的概率分布向量对该任一三维特征块的编码数据进行熵解码，得到该特征值。

一种可能的设计中，根据该至少两个三维特征块的编码数据，以及该至少两个三维特征块的尺寸信息，获取该至少两个三维特征块，可以包括：根据该任一三维特征块三维特征块的尺寸信息，对该任一三维特征块的特征值进行概率分布估计，得到该特征值的概率分布向量。根据该特征值的概率分布向量对该任一三维特征块的编码数据进行熵解码，得到该特征值的量化特征值。对该量化特征值进行反量化处理，得到该特征值。

一种可能的设计中，根据该任一三维特征块三维特征块的尺寸信息，对该任一三维特征块的特征值进行概率分布估计，得到该特征值的概率分布向量，可以包括：根据该任一三维特征块的尺寸信息，确定该特征值的上下文信息，该上下文信息包括根据该任一三维特征块的尺寸信息确定的该特征值的邻域内已解码的特征值。将该特征值的上下文信息输入至第二神经网络模型。获取该第二神经网络模型输出的该特征值的概率分布向量。

一种可能的设计中，根据该至少两个三维特征块，重建待处理图像的至少两个图像块，包括：将该至少两个三维特征块输入至第三神经网络模型，获取该第三神经网络模型输出的该至少两个图像块的重建图像块。

第三方面，本申请实施例提供一种图像编码装置，该装置可以包括用于实现第一方面或第一方面的任一可能的设计所述的方法的功能模块。举例来说，该图像编码装置可以包括，获取模块，用于获取待处理图像。处理模块，用于将该待处理图像划分为至少两个图像块。将至少两个图像块输入至第一神经网络模型，获取第一神经网络模型输出的至少两个三维特征块。至少两个图像块与至少两个三维特性块可以一一对应。对至少两个三维特征块进行编码，并且对至少两个三维特征块的尺寸信息进行编码，得到编码码流。

其中，该至少两个三维特征块的尺寸信息可以包括：该至少两个图像块的尺寸信息、或者该至少两个图像块的尺寸信息和第一神经网络模型的参数、或者该三维特征块的尺寸；该至少两个图像块的尺寸信息和第一神经网络模型的参数用于确定至少两个三维特征块的尺寸。

一种可能的设计中，该至少两个图像块的尺寸信息可以包括该图像块的高度和宽度。或者至少两个图像块的尺寸信息包括应用于待处理图像且用于划分得到该至少两个图像块的划分方式。

一种可能的设计中，该第一神经网络模型的参数可以包括卷积核的通道数或缩放步长中至少一项。

一种可能的设计中，该至少两个三维特征块的尺寸可以包括该至少两个三维特征块的长度、宽度和高度，该至少两个图像块的尺寸信息可以包括至少两个图像块的宽度和高度。至少两个三维特征块中任一三维特征块的长度、宽度和高度和至少两个图像块中对应的任一图像块的宽度和高度的对应关系如下：

M×N×R＝W/S×H/S×C。

其中，M为该任一三维特征块的长度，N为该任一三维特征块的宽度，R为该任一三维特征块的高度，W为该任一图像块的宽度，H为该任一图像块的高度，C为卷积核的通道数，S为缩放步长。

一种可能的设计中，该至少两个三维特征块的尺寸信息可以包括该三维特征块的长度、宽度和高度。

一种可能的设计中，处理模块用于：根据至少两个三维特征块中任一三维特征块的尺寸，对该任一三维特征块的特征值进行概率分布估计，得到该特征值的概率分布向量。根据该特征值的概率分布向量对该任一三维特征块进行熵编码。

一种可能的设计中，处理模块用于：根据该任一三维特征块的尺寸，确定该特征值的上下文信息，该上下文信息可以包括根据该任一三维特征块的尺寸确定的该特征值的邻域内已编码的特征值。将该特征值的上下文信息输入至第二神经网络模型。获取该第二神经网络模型输出的该特征值的概率分布向量。

一种可能的设计中，处理模块用于：对该至少两个三维特征块进行量化处理，获取至少两个三维量化特征块，该至少两个三维量化块的任一三维量化块包括多个量化特征值。根据该任一三维量化特征块的尺寸，对该任一三维量化特征块的量化特征值进行概率分布估计，得到该量化特征值的概率分布向量。该任一三维量化特征块的尺寸与对应的任一三维特征块的尺寸相同。根据该量化特征值的概率分布向量对该任一三维量化特征块进行熵编码。

一种可能的设计中，处理模块用于：根据该任一三维量化特征块的尺寸，确定该量化特征值的上下文信息，该上下文信息包括根据该任一三维量化特征块的尺寸确定的该量化特征值的邻域内已编码的特征值。将该量化特征值的上下文信息输入至第三神经网络模型。获取该第三神经网络模型输出的该量化特征值的概率分布向量。

第四方面，本申请实施例提供一种图像解码装置，该装置可以包括用于实现第二方面或第二方面的任一可能的设计所述的方法的功能模块。举例来说，该图像解码装置可以包括：获取模块用于获取待解码码流，该待解码码流可以包括至少两个三维特征块的编码数据，以及该至少两个三维特征块的尺寸信息。处理模块用于根据该至少两个三维特征块的编码数据，以及该至少两个三维特征块的尺寸信息，获取至少两个三维特征块。根据该至少两个三维特征块，重建待处理图像的至少两个图像块。

一种可能的设计中，该至少两个三维特征块的尺寸信息可以包括该至少两个三维特征块的尺寸，该至少两个三维特征块的尺寸可以包括图像块的高度和宽度。

一种可能的设计中，该至少两个三维特征块的尺寸信息可以包括：该至少两个图像块的尺寸信息、或者该至少两个图像块的尺寸信息和第一神经网络模型的参数，该至少两个图像块的尺寸信息和该第一神经网络模型的参数用于确定该至少两个三维特征块的尺寸。

一种可能的设计中，该至少两个图像块的尺寸信息可以包括该至少两个图像块的高度和宽度。

一种可能的设计中，该第一神经网络模型的参数可以包括卷积核的通道数或缩放步长中至少一项。该至少两个图像块的尺寸信息可以包括该至少两个图像块的宽度和高度；

该至少两个三维特征块中任一三维特征块的长度、宽度和高度和该至少两个图像块中对应的任一图像块的宽度和高度的对应关系如下：

M×N×R＝W/S×H/S×C；

其中，M为该任一三维特征块的长度，N为该任一三维特征块的宽度，R为该任一三维特征块的高度，W为该任一图像块的宽度，H为该任一图像块的高度，C为卷积核的通道数，S为缩放步长。

一种可能的设计中，处理模块用于：根据该任一三维特征块三维特征块的尺寸信息，对该任一三维特征块的特征值进行概率分布估计，得到该特征值的概率分布向量。根据该特征值的概率分布向量对该任一三维特征块的编码数据进行熵解码，得到该特征值。

一种可能的设计中，处理模块用于：根据该任一三维特征块三维特征块的尺寸信息，对该任一三维特征块的特征值进行概率分布估计，得到该特征值的概率分布向量。根据该特征值的概率分布向量对该任一三维特征块的编码数据进行熵解码，得到该特征值的量化特征值。对该量化特征值进行反量化处理，得到该特征值。

一种可能的设计中，处理模块用于：根据该任一三维特征块的尺寸信息，确定该特征值的上下文信息，该上下文信息包括根据该任一三维特征块的尺寸信息确定的该特征值的邻域内已解码的特征值。将该特征值的上下文信息输入至第二神经网络模型。获取该第二神经网络模型输出的该特征值的概率分布向量。

一种可能的设计中，处理模块用于：将该至少两个三维特征块输入至第三神经网络模型，获取该第三神经网络模型输出的该至少两个图像块的重建图像块。

本申请实施例第一方面所述的方法可由本申请实施例的第三方面所述的装置执行。本申请实施例的第一方面所述的方法的其它特征和实现方式直接取决于本申请实施例的第三方面所述的装置的功能性和实现方式。

本申请实施例的第二方面所述的方法可由本申请实施例的第四方面所述的装置执行。本申请实施例的第二方面所述的方法的其它特征和实现方式直接取决于本申请实施例的第四方面所述的装置的功能性和实现方式。

第五方面，本申请实施例提供一种图像编码装置，该图像编码装置可以包括：相互耦合的非易失性存储器和处理器，该处理器调用存储在该存储器中的程序代码以执行如第一方面或第一方面任一可能的设计所述的方法。

第六方面，本申请实施例提供一种图像解码装置，该图像解码装置可以包括：相互耦合的非易失性存储器和处理器，该处理器调用存储在该存储器中的程序代码以执行如第二方面或第二方面任一可能的设计所述的方法。

第七方面，本申请实施例提供一种图像编码设备，包括：编码器，该编码器用于执行如第一方面或第一方面任一可能的设计所述的方法。

第八方面，本申请实施例提供一种图像解码设备，包括：解码器，该解码器用于执行如第二方面或第二方面任一可能的设计所述的方法。

第九方面，本申请实施例提供一种计算机可读存储介质，包括根据如第一方面或第一方面任一可能的设计所述的方法获得的编码码流。

第十方面，本申请实施例提供一种计算机可读存储介质，其上储存有指令，当所述指令执行时，使得一个或多个处理器编码视频数据。所述指令使得所述一个或多个处理器执行第一或第二方面或第一或第二方面任意一种可能的设计中的方法。

第十一方面，本申请实施例提供包括程序代码的计算机程序产品，所述程序代码在运行时执行第一或第二方面或第一或第二方面任意一种可能的设计中的方法。

第十二方面，本申请实施例提供一种编码器，包括处理电路，用于执行如第一方面或第一方面任一可能的设计所述的方法。

第十三方面，本申请实施例提供一种解码器，包括处理电路，用于执行如第二方面或第二方面任一可能的设计所述的方法。

第十四方面，本申请实施例提供一种解码器，包括：一个或多个处理器；非瞬时性计算机可读存储介质，耦合到所述处理器并存储由所述处理器执行的程序，其中所述程序在由所述处理器执行时，使得所述解码器执行如第二方面或第二方面任一可能的设计所述的方法。

第十五方面，本申请实施例提供一种编码器，包括：一个或多个处理器；非瞬时性计算机可读存储介质，耦合到所述处理器并存储由所述处理器执行的程序，其中所述程序在由所述处理器执行时，使得所述编码器执行如第一方面或第一方面任一可能的设计所述的方法。

第十六方面，本申请实施例提供一种非瞬时性计算机可读存储介质，包括程序代码，当其由计算机设备执行时，用于执行第一或第二方面或第一或第二方面任意一种可能的设计中的方法。

第十七方面，本申请实施例提供一种非瞬时性存储介质，其特征在于，包括使用如第一方面或第一方面任一可能的设计所述的方法编码的比特流。

第十八方面，本申请实施例提供一种视频信号的编码比特流，所述编码比特流包括多个语法元素，所述多个语法元素包括三维特征块的尺寸信息。

第十九方面，本申请实施例提供一种非瞬时性存储介质，其特征在于，包括由图像解码设备解码的编码比特流，所述比特流通过将视频信号或图像信号的帧划分为多个图像块生成，所述编码比特流包括多个语法元素，所述多个语法元素包括三维特征块的尺寸信息。

本申请实施例的图像编码方法、解码方法和装置，通过将待处理图像划分为多个图像块，将多个图像块输入至第一神经网络模型，获取第一神经网络模型输出的多个三维特征块，对多个三维特征块的尺寸信息和多个三维特征块进行编码，得到编码码流，编码端传输多个三维特征块的尺寸信息至解码端，以使得解码端可以根据多个三维特征块的尺寸信息进行解码，得到重建图像。由于在图像编解码过程中增加了多个三维特征块的尺寸信息，使得编码端的编码码流可以具有高压缩比率，解码端可以对高压缩比率的码流进行解码得到重建图像，并且可以确保重建图像相对清晰，所以可以提升图像编解码效率。

附图说明

图1A为用于实现本申请实施例的视频译码系统示例的框图，其中该系统利用神经网络来编码或解码视频图像；

图1B为用于实现本申请实施例的视频译码系统另一示例的框图，其中该视频编码器和/或视频解码器使用神经网络来编码或解码视频图像；

图2为用于实现本申请实施例的视频编码器实例示例的框图，其中该视频编码器20使用神经网络来编码视频图像；

图3为用于实现本申请实施例的视频解码器实例示例的框图，其中该视频解码器30使用神经网络来解码视频图像；

图4为用于实现本申请实施例的视频译码装置的示意性框图；

图5为用于实现本申请实施例的视频译码装置的示意性框图；

图6a-6c是本申请实施例的神经网络的训练示意图；

图7a-7e所示的卷积神经网络仅作为一种卷积神经网络的示例图；

图8是一种基于深度学习的图像压缩流程图；

图9为本申请实施例的图像编码方法的处理过程的示意图；

图10为本申请实施例的图像编码方法的流程图；

图11为本申请实施例的图像块划分的示意图；

图12为本申请实施例的图像解码方法的处理过程的示意图；

图13为本申请实施例的图像解码方法的流程图；

图14为本申请实施例的图像编码方法的处理过程的示意图；

图15为本申请实施例的图像编码方法的流程图；

图16为本申请实施例的图像解码方法的处理过程的示意图；

图17为本申请实施例的图像解码方法的流程图；

图18为本申请实施例的一种端到端的图像编码方法的流程示意图；

图19为本申请实施例的图像编码装置的示意性框图；

图20为本申请实施例的图像解码装置的示意性框图；

图21为本申请实施例的图像编码装置的示意性框图；

图22为本申请实施例的图像解码装置的示意性框图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。

本申请实施例涉及的术语“第一”、“第二”等仅用于区分描述的目的，而不能理解为指示或暗示相对重要性，也不能理解为指示或暗示顺序。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元。方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

应当理解，在本申请实施例中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。

本申请实施例提供一种基于AI的视频图像压缩技术，尤其是提供一种基于神经网络的视频压缩技术，以改进传统的混合视频编解码系统。

视频编码通常是指处理形成视频或视频序列的图像序列。在视频编码领域，术语“图像(picture)”、“帧(frame)”或“图片(image)”可以用作同义词。视频编码(或通常称为编码)包括视频编码和视频解码两部分。视频编码在源侧执行，通常包括处理(例如，压缩)原始视频图像以减少表示该视频图像所需的数据量(从而更高效存储和/或传输)。视频解码在目的地侧执行，通常包括相对于编码器作逆处理，以重建视频图像。实施例涉及的视频图像(或通常称为图像)的“编码”应理解为视频图像或视频序列的“编码”或“解码”。编码部分和解码部分也合称为编解码(编码和解码，CODEC)。

在无损视频编码情况下，可以重建原始视频图像，即重建的视频图像与原始视频图像具有相同的质量(假设存储或传输期间没有传输损耗或其它数据丢失)。在有损视频编码情况下，通过量化等执行进一步压缩，来减少表示视频图像所需的数据量，而解码器侧无法完全重建视频图像，即重建的视频图像的质量比原始视频图像的质量较低或较差。

几个视频编码标准属于“有损混合型视频编解码”(即，将像素域中的空间和时间预测与变换域中用于应用量化的2D变换编码结合)。视频序列中的每个图像通常分割成不重叠的块集合，通常在块级上进行编码。换句话说，编码器通常在块(视频块)级处理即编码视频，例如，通过空间(帧内)预测和时间(帧间)预测来产生预测块；从当前块(当前处理/待处理的块)中减去预测块，得到残差块；在变换域中变换残差块并量化残差块，以减少待传输(压缩)的数据量，而解码器侧将相对于编码器的逆处理部分应用于编码或压缩的块，以重建用于表示的当前块。另外，编码器需要重复解码器的处理步骤，使得编码器和解码器生成相同的预测(例如，帧内预测和帧间预测)和/或重建像素，用于处理，即编码后续块。

在以下译码系统10的实施例中，编码器20和解码器30根据图1A至图3进行描述。

图1A为示例性译码系统10的示意性框图，例如可以利用本申请技术的视频译码系统10(或简称为译码系统10)。视频译码系统10中的视频编码器20(或简称为编码器20)和视频解码器30(或简称为解码器30)代表可用于根据本申请中描述的各种示例执行各技术的设备等。

如图1A所示，译码系统10包括源设备12，源设备12用于将编码图像等编码图像数据21提供给用于对编码图像数据21进行解码的目的设备14。

源设备12包括编码器20，另外即可选地，可包括图像源16、图像预处理器等预处理器(或预处理单元)18、通信接口(或通信单元)22。

图像源16可包括或可以为任意类型的用于捕获现实世界图像等的图像捕获设备，和/或任意类型的图像生成设备，例如用于生成计算机动画图像的计算机图形处理器或任意类型的用于获取和/或提供现实世界图像、计算机生成图像(例如，屏幕内容、虚拟现实(virtual reality，VR)图像和/或其任意组合(例如增强现实(augmented reality，AR)图像)的设备。所述图像源可以为存储上述图像中的任意图像的任意类型的内存或存储器。

为了区分预处理器(或预处理单元)18执行的处理，图像(或图像数据)17也可称为原始图像(或原始图像数据)17。

预处理器18用于接收(原始)图像数据17，并对图像数据17进行预处理，得到预处理图像(或预处理图像数据)19。例如，预处理器18执行的预处理可包括修剪、颜色格式转换(例如从RGB转换为YCbCr)、调色或去噪。可以理解的是，预处理单元18可以为可选组件。

视频编码器(或编码器)20用于接收预处理图像数据19并提供编码图像数据21(下面将根据图2等进一步描述)。

源设备12中的通信接口22可用于：接收编码图像数据21并通过通信信道13向目的设备14等另一设备或任何其它设备发送编码图像数据21(或其它任意处理后的版本)，以便存储或直接重建。

目的设备14包括解码器30，另外即可选地，可包括通信接口(或通信单元)28、后处理器(或后处理单元)32和显示设备34。

目的设备14中的通信接口28用于直接从源设备12或从存储设备等任意其它源设备接收编码图像数据21(或其它任意处理后的版本)，例如，存储设备为编码图像数据存储设备，并将编码图像数据21提供给解码器30。

通信接口22和通信接口28可用于通过源设备12与目的设备14之间的直连通信链路，例如直接有线或无线连接等，或者通过任意类型的网络，例如有线网络、无线网络或其任意组合、任意类型的私网和公网或其任意类型的组合，发送或接收编码图像数据(或编码数据)21。

例如，通信接口22可用于将编码图像数据21封装为报文等合适的格式，和/或使用任意类型的传输编码或处理来处理所述编码后的图像数据，以便在通信链路或通信网络上进行传输。

通信接口28与通信接口22对应，例如，可用于接收传输数据，并使用任意类型的对应传输解码或处理和/或解封装对传输数据进行处理，得到编码图像数据21。

通信接口22和通信接口28均可配置为如图1A中从源设备12指向目的设备14的对应通信信道13的箭头所指示的单向通信接口，或双向通信接口，并且可用于发送和接收消息等，以建立连接，确认并交换与通信链路和/或例如编码后的图像数据传输等数据传输相关的任何其它信息，等等。

视频解码器(或解码器)30用于接收编码图像数据21并提供解码图像数据(或解码图像数据)31(下面将根据图3等进一步描述)。

后处理器32用于对解码后的图像等解码图像数据31(也称为重建后的图像数据)进行后处理，得到后处理后的图像等后处理图像数据33。后处理单元32执行的后处理可以包括例如颜色格式转换(例如从YCbCr转换为RGB)、调色、修剪或重采样，或者用于产生供显示设备34等显示的解码图像数据31等任何其它处理。

显示设备34用于接收后处理图像数据33，以向用户或观看者等显示图像。显示设备34可以为或包括任意类型的用于表示重建后图像的显示器，例如，集成或外部显示屏或显示器。例如，显示屏可包括液晶显示器(liquid crystal display，LCD)、有机发光二极管(organic light emitting diode，OLED)显示器、等离子显示器、投影仪、微型LED显示器、硅基液晶显示器(liquid crystal on silicon，LCoS)、数字光处理器(digital lightprocessor，DLP)或任意类型的其它显示屏。

译码系统10还包括训练引擎25，训练引擎25用于训练编码器20(尤其是编码器20中的特征提取模块)或解码器30(尤其是解码器30中的特征解码模块)以处理输入图像或图像区域或图像块以生成输入图像或图像区域或图像块的三维特征块。

本申请实施例中训练数据包括：训练图像块和与该训练图像块对应的训练三维特征块，例如，图6a至6c所示的图像或图像区域或图像块；其中

训练数据可以存入数据库(未示意)中，训练引擎25基于训练数据训练得到目标模型(例如：可以是用于特征提取的神经网络等)。需要说明的是，本申请实施例对于训练数据的来源不做限定，例如可以是从云端或其他地方获取训练数据进行模型训练。

将待处理图像的图像块通过相关预处理后输入该目标模型，即以得到三维特征块。本申请实施例中的目标模型具体可以为卷积神经网络，下文将结合图7a-7e详细说明目标模型。

训练引擎25训练得到的目标模型可以应用于译码系统10，40中，例如，应用于图1A所示的源设备12(例如编码器20)或目的设备14(例如解码器30)。训练引擎25可以在云端训练得到目标模型，然后译码系统10从云端下载并使用该目标模型；或者，训练引擎25可以在云端训练得到目标模型并使用该目标模型，译码系统10从云端直接获取处理结果。例如，训练引擎25训练得到具备滤波功能的目标模型，译码系统10从云端下载该目标模型，然后编码器20中的环路滤波器220或解码器30中的环路滤波器320可以根据该目标模型对输入的重建的图像或图像块进行滤波处理，得到滤波后的图像或图像块。又例如，训练引擎25训练得到具备滤波功能的目标模型，译码系统10无需从云端下载该目标模型，编码器20或解码器30将重建的图像或图像块传输给云端，由云端通过目标模型对该重建的图像或图像块进行滤波处理，得到滤波后的图像或图像块并传输给编码器20或解码器30。

需要说明的是，训练引擎25还可以用于训练编码器20(尤其是编码器20中的熵编码模块)或解码器30(尤其是解码器30中的熵解码模块)以处理输入图像或图像区域或图像块的三维特征块以生成三维特征块的特征值的概率分布向量，根据特征值的概率分布向量对三维特征块进行熵编码，以得到编码码流。相应的，对于用于概率分布估计的目标模型的训练数据可以包括：训练三维特征块和与该训练三维特征块对应的概率分布向量。

尽管图1A示出了源设备12和目的设备14作为独立的设备，但设备实施例也可以同时包括源设备12和目的设备14或同时包括源设备12和目的设备14的功能，即同时包括源设备12或对应功能和目的设备14或对应功能。在这些实施例中，源设备12或对应功能和目的设备14或对应功能可以使用相同硬件和/或软件或通过单独的硬件和/或软件或其任意组合来实现。

根据描述，图1A所示的源设备12和/或目的设备14中的不同单元或功能的存在和(准确)划分可能根据实际设备和应用而有所不同，这对技术人员来说是显而易见的。

编码器20(例如视频编码器20)或解码器30(例如视频解码器30)或两者都可通过如图1B所示的处理电路实现，例如一个或多个微处理器、数字信号处理器(digital signalprocessor，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)、离散逻辑、硬件、视频编码专用处理器或其任意组合。编码器20可以通过处理电路46实现，以包含参照图2编码器20论述的各种模块和/或本文描述的任何其它编码器系统或子系统。解码器30可以通过处理电路46实现，以包含参照图3解码器30论述的各种模块和/或本文描述的任何其它解码器系统或子系统。所述处理电路46可用于执行下文论述的各种操作。如图5所示，如果部分技术在软件中实施，则设备可以将软件的指令存储在合适的非瞬时性计算机可读存储介质中，并且使用一个或多个处理器在硬件中执行指令，从而执行本申请技术。视频编码器20和视频解码器30中的其中一个可作为组合编解码器(encoder/decoder，CODEC)的一部分集成在单个设备中，如图1B所示。

源设备12和目的设备14可包括各种设备中的任一种，包括任意类型的手持设备或固定设备，例如，笔记本电脑或膝上型电脑、手机、智能手机、平板或平板电脑、相机、台式计算机、机顶盒、电视机、显示设备、数字媒体播放器、视频游戏控制台、视频流设备(例如，内容业务服务器或内容分发服务器)、广播接收设备、广播发射设备，等等，并可以不使用或使用任意类型的操作系统。在一些情况下，源设备12和目的设备14可配备用于无线通信的组件。因此，源设备12和目的设备14可以是无线通信设备。

在一些情况下，图1A所示的视频译码系统10仅仅是示例性的，本申请提供的技术可适用于视频编码设置(例如，视频编码或视频解码)，这些设置不一定包括编码设备与解码设备之间的任何数据通信。在其它示例中，数据从本地存储器中检索，通过网络发送，等等。视频编码设备可以对数据进行编码并将数据存储到存储器中，和/或视频解码设备可以从存储器中检索数据并对数据进行解码。在一些示例中，编码和解码由相互不通信而只是编码数据到存储器和/或从存储器中检索并解码数据的设备来执行。

图1B是根据一示例性实施例的包含图2的视频编码器20和/或图3的视频解码器30的视频译码系统40的实例的说明图。视频译码系统40可以包含成像设备41、视频编码器20、视频解码器30(和/或藉由处理电路46实施的视频编/解码器)、天线42、一个或多个处理器43、一个或多个内存存储器44和/或显示设备45。

如图1B所示，成像设备41、天线42、处理电路46、视频编码器20、视频解码器30、处理器43、内存存储器44和/或显示设备45能够互相通信。在不同实例中，视频译码系统40可以只包含视频编码器20或只包含视频解码器30。

在一些实例中，天线42可以用于传输或接收视频数据的经编码比特流。另外，在一些实例中，显示设备45可以用于呈现视频数据。处理电路46可以包含专用集成电路(application-specific integrated circuit，ASIC)逻辑、图形处理器、通用处理器等。视频译码系统40也可以包含可选的处理器43，该可选处理器43类似地可以包含专用集成电路(application-specific integrated circuit，ASIC)逻辑、图形处理器、通用处理器等。另外，内存存储器44可以是任何类型的存储器，例如易失性存储器(例如，静态随机存取存储器(static random access memory，SRAM)、动态随机存储器(dynamic random accessmemory，DRAM)等)或非易失性存储器(例如，闪存等)等。在非限制性实例中，内存存储器44可以由超速缓存内存实施。在其它实例中，处理电路46可以包含存储器(例如，缓存等)用于实施图像缓冲器等。

在一些实例中，通过逻辑电路实施的视频编码器20可以包含(例如，通过处理电路46或内存存储器44实施的)图像缓冲器和(例如，通过处理电路46实施的)图形处理单元。图形处理单元可以通信耦合至图像缓冲器。图形处理单元可以包含通过处理电路46实施的视频编码器20，以实施参照图2和/或本文中所描述的任何其它编码器系统或子系统所论述的各种模块。逻辑电路可以用于执行本文所论述的各种操作。

在一些实例中，视频解码器30可以以类似方式通过处理电路46实施，以实施参照图3的视频解码器30和/或本文中所描述的任何其它解码器系统或子系统所论述的各种模块。在一些实例中，逻辑电路实施的视频解码器30可以包含(通过处理电路46或内存存储器44实施的)图像缓冲器和(例如，通过处理电路46实施的)图形处理单元。图形处理单元可以通信耦合至图像缓冲器。图形处理单元可以包含通过处理电路46实施的视频解码器30，以实施参照图3和/或本文中所描述的任何其它解码器系统或子系统所论述的各种模块。

在一些实例中，天线42可以用于接收视频数据的经编码比特流。如所论述，经编码比特流可以包含本文所论述的与编码视频帧相关的数据、指示符、索引值、模式选择数据等，例如与编码分割相关的数据(例如，变换系数或经量化变换系数，(如所论述的)可选指示符，和/或定义编码分割的数据)。视频译码系统40还可包含耦合至天线42并用于解码经编码比特流的视频解码器30。显示设备45用于呈现视频帧。

应理解，本申请实施例中对于参考视频编码器20所描述的实例，视频解码器30可以用于执行相反过程。关于信令语法元素，视频解码器30可以用于接收并解析这种语法元素，相应地解码相关视频数据。在一些例子中，视频编码器20可以将语法元素熵编码成经编码视频比特流。在此类实例中，视频解码器30可以解析这种语法元素，并相应地解码相关视频数据。

为便于描述，参考通用视频编码(Versatile video coding，VVC)参考软件或由ITU-T视频编码专家组(Video Coding Experts Group，VCEG)和ISO/IEC运动图像专家组(Motion Picture Experts Group，MPEG)的视频编码联合工作组(Joint CollaborationTeam on Video Coding，JCT-VC)开发的高性能视频编码(High-Efficiency VideoCoding，HEVC)描述本申请实施例。本领域普通技术人员理解本申请实施例不限于HEVC或VVC。

编码器和编码方法

图2为用于实现本申请技术的视频编码器20的示例的示意性框图。在图2的示例中，视频编码器20包括输入端(或输入接口)201、残差计算单元204、变换处理单元206、量化单元208、反量化单元210、逆变换处理单元212、重建单元214、环路滤波器220、解码图像缓冲器(decoded picture buffer，DPB)230、模式选择单元260、熵编码单元270和输出端(或输出接口)272。模式选择单元260可包括帧间预测单元244、帧内预测单元254和分割单元262。帧间预测单元244可包括运动估计单元和运动补偿单元(未示出)。图2所示的视频编码器20也可称为混合型视频编码器或基于混合型视频编解码器的视频编码器。

参见图2，帧间预测模块/帧内预测模块/环路滤波模块/XXX包括(为)经过训练的目标模型(亦称为神经网络)，该神经网络用于处理输入图像或图像区域或图像块，以生成输入图像块的预测值。例如，用于帧间预测/帧内预测/环路滤波的神经网络用于接收输入的图像或图像区域或图像块，例如，图6a至6c所图示的输入图像数据，并且生成输入的图像或图像区域或图像块的预测值。下面将结合图7a-7e详细地描述用于帧间预测/帧内预测/环路滤波/XXX的神经网络。

残差计算单元204、变换处理单元206、量化单元208和模式选择单元260组成编码器20的前向信号路径，而反量化单元210、逆变换处理单元212、重建单元214、缓冲器216、环路滤波器220、解码图像缓冲器(decoded picture buffer，DPB)230、帧间预测单元244和帧内预测单元254组成编码器的后向信号路径，其中编码器20的后向信号路径对应于解码器的信号路径(参见图3中的解码器30)。反量化单元210、逆变换处理单元212、重建单元214、环路滤波器220、解码图像缓冲器230、帧间预测单元244和帧内预测单元254还组成视频编码器20的“内置解码器”。

图像和图像分割(图像和块)

编码器20可用于通过输入端201等接收图像(或图像数据)17，例如，形成视频或视频序列的图像序列中的图像。接收的图像或图像数据也可以是预处理后的图像(或预处理后的图像数据)19。为简单起见，以下描述使用图像17。图像17也可称为当前图像或待编码的图像(尤其是在视频编码中将当前图像与其它图像区分开时，其它图像例如同一视频序列，即也包括当前图像的视频序列，中的之前编码后图像和/或解码后图像)。

(数字)图像为或可以视为具有强度值的像素点组成的二维阵列或矩阵。阵列中的像素点也可以称为像素(pixel或pel)(图像元素的简称)。阵列或图像在水平方向和垂直方向(或轴线)上的像素点数量决定了图像的大小和/或分辨率。为了表示颜色，通常采用三个颜色分量，即图像可以表示为或包括三个像素点阵列。在RBG格式或颜色空间中，图像包括对应的红色、绿色和蓝色像素点阵列。但是，在视频编码中，每个像素通常以亮度/色度格式或颜色空间表示，例如YCbCr，包括Y指示的亮度分量(有时也用L表示)以及Cb、Cr表示的两个色度分量。亮度(luma)分量Y表示亮度或灰度水平强度(例如，在灰度等级图像中两者相同)，而两个色度(chrominance，简写为chroma)分量Cb和Cr表示色度或颜色信息分量。相应地，YCbCr格式的图像包括亮度像素点值(Y)的亮度像素点阵列和色度值(Cb和Cr)的两个色度像素点阵列。RGB格式的图像可以转换或变换为YCbCr格式，反之亦然，该过程也称为颜色变换或转换。如果图像是黑白的，则该图像可以只包括亮度像素点阵列。相应地，图像可以为例如单色格式的亮度像素点阵列或4:2:0、4:2:2和4:4:4彩色格式的亮度像素点阵列和两个相应的色度像素点阵列。

在一个实施例中，视频编码器20的实施例可包括图像分割单元(图2中未示出)，用于将图像17分割成多个(通常不重叠)图像块203。这些块在H.265/HEVC和VVC标准中也可以称为根块、宏块(H.264/AVC)或编码树块(Coding Tree Block，CTB)，或编码树单元(CodingTree Unit，CTU)。分割单元可用于对视频序列中的所有图像使用相同的块大小和使用限定块大小的对应网格，或在图像或图像子集或图像组之间改变块大小，并将每个图像分割成对应块。

在其它实施例中，视频编码器可用于直接接收图像17的块203，例如，组成所述图像17的一个、几个或所有块。图像块203也可以称为当前图像块或待编码图像块。

与图像17一样，图像块203同样是或可认为是具有强度值(像素点值)的像素点组成的二维阵列或矩阵，但是图像块203的比图像17的小。换句话说，块203可包括一个像素点阵列(例如，单色图像17情况下的亮度阵列或彩色图像情况下的亮度阵列或色度阵列)或三个像素点阵列(例如，彩色图像17情况下的一个亮度阵列和两个色度阵列)或根据所采用的颜色格式的任何其它数量和/或类型的阵列。块203的水平方向和垂直方向(或轴线)上的像素点数量限定了块203的大小。相应地，块可以为M×N(M列×N行)个像素点阵列，或M×N个变换系数阵列等。

在一个实施例中，图2所示的视频编码器20用于逐块对图像17进行编码，例如，对每个块203执行编码和预测。

在一个实施例中，图2所示的视频编码器20还可以用于使用片(也称为视频片)分割和/或编码图像，其中图像可以使用一个或多个片(通常为不重叠的)进行分割或编码。每个片可包括一个或多个块(例如，编码树单元CTU)或一个或多个块组(例如H.265/HEVC/VVC标准中的编码区块(tile)和VVC标准中的砖(brick)。

在一个实施例中，图2所示的视频编码器20还可以用于使用片/编码区块组(也称为视频编码区块组)和/或编码区块(也称为视频编码区块)对图像进行分割和/或编码，其中图像可以使用一个或多个片/编码区块组(通常为不重叠的)进行分割或编码，每个片/编码区块组可包括一个或多个块(例如CTU)或一个或多个编码区块等，其中每个编码区块可以为矩形等形状，可包括一个或多个完整或部分块(例如CTU)。

残差计算

残差计算单元204用于通过如下方式根据图像块203和预测块265来计算残差块205(后续详细介绍了预测块265)：例如，逐个像素点(逐个像素)从图像块203的像素点值中减去预测块265的像素点值，得到像素域中的残差块205。

变换

变换处理单元206用于对残差块205的像素点值执行离散余弦变换(discretecosine transform，DCT)或离散正弦变换(discrete sine transform，DST)等，得到变换域中的变换系数207。变换系数207也可称为变换残差系数，表示变换域中的残差块205。

变换处理单元206可用于应用DCT/DST的整数化近似，例如为H.265/HEVC指定的变换。与正交DCT变换相比，这种整数化近似通常由某一因子按比例缩放。为了维持经过正变换和逆变换处理的残差块的范数，使用其它比例缩放因子作为变换过程的一部分。比例缩放因子通常是根据某些约束条件来选择的，例如比例缩放因子是用于移位运算的2的幂、变换系数的位深度、准确性与实施成本之间的权衡等。例如，在编码器20侧通过逆变换处理单元212为逆变换(以及在解码器30侧通过例如逆变换处理单元312为对应逆变换)指定具体的比例缩放因子，以及相应地，可以在编码器20侧通过变换处理单元206为正变换指定对应比例缩放因子。

在一个实施例中，视频编码器20(对应地，变换处理单元206)可用于输出一种或多种变换的类型等变换参数，例如，直接输出或由熵编码单元270进行编码或压缩后输出，例如使得视频解码器30可接收并使用变换参数进行解码。

量化

量化单元208用于通过例如标量量化或矢量量化对变换系数207进行量化，得到量化变换系数209。量化变换系数209也可称为量化残差系数209。

量化过程可减少与部分或全部变换系数207有关的位深度。例如，可在量化期间将n位变换系数向下舍入到m位变换系数，其中n大于m。可通过调整量化参数(quantizationparameter，QP)修改量化程度。例如，对于标量量化，可以应用不同程度的比例来实现较细或较粗的量化。较小量化步长对应较细量化，而较大量化步长对应较粗量化。可通过量化参数(quantization parameter，QP)指示合适的量化步长。例如，量化参数可以为合适的量化步长的预定义集合的索引。例如，较小的量化参数可对应精细量化(较小量化步长)，较大的量化参数可对应粗糙量化(较大量化步长)，反之亦然。量化可包括除以量化步长，而反量化单元210等执行的对应或逆解量化可包括乘以量化步长。根据例如HEVC一些标准的实施例可用于使用量化参数来确定量化步长。一般而言，可以根据量化参数使用包含除法的等式的定点近似来计算量化步长。可以引入其它比例缩放因子来进行量化和解量化，以恢复可能由于在用于量化步长和量化参数的等式的定点近似中使用的比例而修改的残差块的范数。在一种示例性实现方式中，可以合并逆变换和解量化的比例。或者，可以使用自定义量化表并在比特流中等将其从编码器向解码器指示。量化是有损操作，其中量化步长越大，损耗越大。

在一个实施例中，视频编码器20(对应地，量化单元208)可用于输出量化参数(quantization parameter，QP)，例如，直接输出或由熵编码单元270进行编码或压缩后输出，例如使得视频解码器30可接收并使用量化参数进行解码。

反量化

反量化单元210用于对量化系数执行量化单元208的反量化，得到解量化系数211，例如，根据或使用与量化单元208相同的量化步长执行与量化单元208所执行的量化方案的反量化方案。解量化系数211也可称为解量化残差系数211，对应于变换系数207，但是由于量化造成损耗，反量化系数211通常与变换系数不完全相同。

逆变换

逆变换处理单元212用于执行变换处理单元206执行的变换的逆变换，例如，逆离散余弦变换(discrete cosine transform，DCT)或逆离散正弦变换(discrete sinetransform，DST)，以在像素域中得到重建残差块213(或对应的解量化系数213)。重建残差块213也可称为变换块213。

重建

重建单元214(例如，求和器214)用于将变换块213(即重建残差块213)添加到预测块265，以在像素域中得到重建块215，例如，将重建残差块213的像素点值和预测块265的像素点值相加。

滤波

环路滤波器单元220(或简称“环路滤波器”220)用于对重建块215进行滤波，得到滤波块221，或通常用于对重建像素点进行滤波以得到滤波像素点值。例如，环路滤波器单元用于顺利进行像素转变或提高视频质量。环路滤波器单元220可包括一个或多个环路滤波器，例如去块滤波器、像素点自适应偏移(sample-adaptive offset，SAO)滤波器或一个或多个其它滤波器，例如自适应环路滤波器(adaptive loop filter，ALF)、噪声抑制滤波器(noise suppression filter，NSF)或任意组合。例如，环路滤波器单元220可以包括去块滤波器、SAO滤波器和ALF滤波器。滤波过程的顺序可以是去块滤波器、SAO滤波器和ALF滤波器。再例如，增加一个称为具有色度缩放的亮度映射(luma mapping with chromascaling，LMCS)(即自适应环内整形器)的过程。该过程在去块之前执行。再例如，去块滤波过程也可以应用于内部子块边缘，例如仿射子块边缘、ATMVP子块边缘、子块变换(sub-block transform，SBT)边缘和内子部分(intra sub-partition，ISP)边缘。尽管环路滤波器单元220在图2中示为环路滤波器，但在其它配置中，环路滤波器单元220可以实现为环后滤波器。滤波块221也可称为滤波重建块221。

在一个实施例中，视频编码器20(对应地，环路滤波器单元220)可用于输出环路滤波器参数(例如SAO滤波参数、ALF滤波参数或LMCS参数)，例如，直接输出或由熵编码单元270进行熵编码后输出，例如使得解码器30可接收并使用相同或不同的环路滤波器参数进行解码。

解码图像缓冲器

解码图像缓冲器(decoded picture buffer，DPB)230可以是存储参考图像数据以供视频编码器20在编码视频数据时使用的参考图像存储器。DPB 230可以由多种存储器设备中的任一种形成，例如动态随机存取存储器(dynamic random access memory，DRAM)，包括同步DRAM(synchronous DRAM，SDRAM)、磁阻RAM(magnetoresistive RAM，MRAM)、电阻RAM(resistive RAM，RRAM)或其它类型的存储设备。解码图像缓冲器230可用于存储一个或多个滤波块221。解码图像缓冲器230还可用于存储同一当前图像或例如之前的重建图像等不同图像的其它之前的滤波块，例如之前重建和滤波的块221，并可提供完整的之前重建即解码图像(和对应参考块和像素点)和/或部分重建的当前图像(和对应参考块和像素点)，例如用于帧间预测。解码图像缓冲器230还可用于存储一个或多个未经滤波的重建块215，或一般存储未经滤波的重建像素点，例如，未被环路滤波单元220滤波的重建块215，或未进行任何其它处理的重建块或重建像素点。

模式选择(分割和预测)

模式选择单元260包括分割单元262、帧间预测单元244和帧内预测单元254，用于从解码图像缓冲器230或其它缓冲器(例如，列缓冲器，图中未显示)接收或获得原始块203(当前图像17的当前块203)和重建图像数据等原始图像数据，例如，同一(当前)图像和/或一个或多个之前解码图像的滤波和/或未经滤波的重建像素点或重建块。重建图像数据用作帧间预测或帧内预测等预测所需的参考图像数据，以得到预测块265或预测值265。

模式选择单元260可用于为当前块预测模式(包括不分割)和预测模式(例如帧内或帧间预测模式)确定或选择一种分割，生成对应的预测块265，以对残差块205进行计算和对重建块215进行重建。

在一个实施例中，模式选择单元260可用于选择分割和预测模式(例如，从模式选择单元260支持的或可用的预测模式中)，所述预测模式提供最佳匹配或者说最小残差(最小残差是指传输或存储中更好的压缩)，或者提供最小信令开销(最小信令开销是指传输或存储中更好的压缩)，或者同时考虑或平衡以上两者。模式选择单元260可用于根据码率失真优化(rate distortion Optimization，RDO)确定分割和预测模式，即选择提供最小码率失真优化的预测模式。本文“最佳”、“最低”、“最优”等术语不一定指总体上“最佳”、“最低”、“最优”的，但也可以指满足终止或选择标准的情况，例如，超过或低于阈值的值或其他限制可能导致“次优选择”，但会降低复杂度和处理时间。

换言之，分割单元262可用于将视频序列中的图像分割为编码树单元(codingtree unit，CTU)序列，CTU 203可进一步被分割成较小的块部分或子块(再次形成块)，例如，通过迭代使用四叉树(quad-tree partitioning，QT)分割、二叉树(binary-treepartitioning，BT)分割或三叉树(triple-tree partitioning，TT)分割或其任意组合，并且用于例如对块部分或子块中的每一个执行预测，其中模式选择包括选择分割块203的树结构和选择应用于块部分或子块中的每一个的预测模式。

下文将详细地描述由视频编码器20执行的分割(例如，由分割单元262执行)和预测处理(例如，由帧间预测单元244和帧内预测单元254执行)。

分割

分割单元262可将一个编码树单元203分割(或划分)为较小的部分，例如正方形或矩形形状的小块。对于具有三个像素点阵列的图像，一个CTU由N×N个亮度像素点块和两个对应的色度像素点块组成。CTU中亮度块的最大允许大小在正在开发的通用视频编码(Versatile Video Coding，VVC)标准中被指定为128×128，但是将来可指定为不同于128×128的值，例如256×256。图像的CTU可以集中/分组为片/编码区块组、编码区块或砖。一个编码区块覆盖着一个图像的矩形区域，一个编码区块可以分成一个或多个砖。一个砖由一个编码区块内的多个CTU行组成。没有分割为多个砖的编码区块可以称为砖。但是，砖是编码区块的真正子集，因此不称为编码区块。VVC支持两种编码区块组模式，分别为光栅扫描片/编码区块组模式和矩形片模式。在光栅扫描编码区块组模式，一个片/编码区块组包含一个图像的编码区块光栅扫描中的编码区块序列。在矩形片模式中，片包含一个图像的多个砖，这些砖共同组成图像的矩形区域。矩形片内的砖按照片的砖光栅扫描顺序排列。这些较小块(也可称为子块)可进一步分割为更小的部分。这也称为树分割或分层树分割，其中在根树级别0(层次级别0、深度0)等的根块可以递归地分割为两个或两个以上下一个较低树级别的块，例如树级别1(层次级别1、深度1)的节点。这些块可以又分割为两个或两个以上下一个较低级别的块，例如树级别2(层次级别2、深度2)等，直到分割结束(因为满足结束标准，例如达到最大树深度或最小块大小)。未进一步分割的块也称为树的叶块或叶节点。分割为两个部分的树称为二叉树(binary-tree，BT)，分割为三个部分的树称为三叉树(ternary-tree，TT)，分割为四个部分的树称为四叉树(quad-tree，QT)。

例如，编码树单元(CTU)可以为或包括亮度像素点的CTB、具有三个像素点阵列的图像的色度像素点的两个对应CTB、或单色图像的像素点的CTB或使用三个独立颜色平面和语法结构(用于编码像素点)编码的图像的像素点的CTB。相应地，编码树块(CTB)可以为N×N个像素点块，其中N可以设为某个值使得分量划分为CTB，这就是分割。编码单元(codingunit，CU)可以为或包括亮度像素点的编码块、具有三个像素点阵列的图像的色度像素点的两个对应编码块、或单色图像的像素点的编码块或使用三个独立颜色平面和语法结构(用于编码像素点)编码的图像的像素点的编码块。相应地，编码块(CB)可以为M×N个像素点块，其中M和N可以设为某个值使得CTB划分为编码块，这就是分割。

例如，在实施例中，根据HEVC可通过使用表示为编码树的四叉树结构将编码树单元(CTU)划分为多个CU。在叶CU级作出是否使用帧间(时间)预测或帧内(空间)预测对图像区域进行编码的决定。每个叶CU可以根据PU划分类型进一步划分为一个、两个或四个PU。一个PU内使用相同的预测过程，并以PU为单位向解码器传输相关信息。在根据PU划分类型应用预测过程得到残差块之后，可以根据类似于用于CU的编码树的其它四叉树结构将叶CU分割为变换单元(TU)。

例如，在实施例中，根据当前正在开发的最新视频编码标准(称为通用视频编码(VVC)，使用嵌套多类型树(例如二叉树和三叉树)的组合四叉树来划分用于分割编码树单元的分段结构。在编码树单元内的编码树结构中，CU可以为正方形或矩形。例如，编码树单元(CTU)首先由四叉树结构进行分割。四叉树叶节点进一步由多类型树结构分割。多类型树形结构有四种划分类型：垂直二叉树划分(SPLIT_BT_VER)、水平二叉树划分(SPLIT_BT_HOR)、垂直三叉树划分(SPLIT_TT_VER)和水平三叉树划分(SPLIT_TT_HOR)。多类型树叶节点称为编码单元(CU)，除非CU对于最大变换长度而言太大，这样的分段用于预测和变换处理，无需其它任何分割。在大多数情况下，这表示CU、PU和TU在四叉树嵌套多类型树的编码块结构中的块大小相同。当最大支持变换长度小于CU的彩色分量的宽度或高度时，就会出现该异常。VVC制定了具有四叉树嵌套多类型树的编码结构中的分割划分信息的唯一信令机制。在信令机制中，编码树单元(CTU)作为四叉树的根首先被四叉树结构分割。然后每个四叉树叶节点(当足够大可以被)被进一步分割为一个多类型树结构。在多类型树结构中，通过第一标识(mtt_split_cu_flag)指示节点是否进一步分割，当对节点进一步分割时，先用第二标识(mtt_split_cu_vertical_flag)指示划分方向，再用第三标识(mtt_split_cu_binary_flag)指示划分是二叉树划分或三叉树划分。根据mtt_split_cu_vertical_flag和mtt_split_cu_binary_flag的值，解码器可以基于预定义规则或表格推导出CU的多类型树划分模式(MttSplitMode)。需要说明的是，对于某种设计，例如VVC硬件解码器中的64×64的亮度块和32×32的色度流水线设计，当亮度编码块的宽度或高度大于64时，不允许进行TT划分。当色度编码块的宽度或高度大于32时，也不允许TT划分。流水线设计将图像分为多个虚拟流水线数据单元(virtual pipeline data unit，VPDU)，每个VPDU在图像中定义为互不重叠的单元。在硬件解码器中，连续的VPDU在多个流水线阶段同时处理。在大多数流水线阶段，VPDU大小与缓冲器大小大致成正比，因此需要保持较小的VPDU。在大多数硬件解码器中，VPDU大小可以设置为最大变换块(transform block，TB)大小。但是，在VVC中，三叉树(TT)和二叉树(BT)的分割可能会增加VPDU的大小。

另外，需要说明的是，当树节点块的一部分超出底部或图像右边界时，强制对该树节点块进行划分，直到每个编码CU的所有像素点都位于图像边界内。

例如，所述帧内子分割(intra sub-partitions，ISP)工具可以根据块大小将亮度帧内预测块垂直或水平地分为两个或四个子部分。

在一个示例中，视频编码器20的模式选择单元260可以用于执行上文描述的分割技术的任意组合。

如上所述，视频编码器20用于从(预定的)预测模式集合中确定或选择最好或最优的预测模式。预测模式集合可包括例如帧内预测模式和/或帧间预测模式。

帧内预测

帧内预测模式集合可包括35种不同的帧内预测模式，例如，像DC(或均值)模式和平面模式的非方向性模式，或如HEVC定义的方向性模式，或者可包括67种不同的帧内预测模式，例如，像DC(或均值)模式和平面模式的非方向性模式，或如VVC中定义的方向性模式。例如，若干传统角度帧内预测模式自适应地替换为VVC中定义的非正方形块的广角帧内预测模式。又例如，为了避免DC预测的除法运算，仅使用较长边来计算非正方形块的平均值。并且，平面模式的帧内预测结果还可以使用位置决定的帧内预测组合(positiondependent intra prediction combination，PDPC)方法修改。

帧内预测单元254用于根据帧内预测模式集合中的帧内预测模式使用同一当前图像的相邻块的重建像素点来生成帧内预测块265。

帧内预测单元254(或通常为模式选择单元260)还用于输出帧内预测参数(或通常为指示块的选定帧内预测模式的信息)以语法元素266的形式发送到熵编码单元270，以包含到编码图像数据21中，从而视频解码器30可执行操作，例如接收并使用用于解码的预测参数。

帧间预测

在可能的实现中，帧间预测模式集合取决于可用参考图像(即，例如前述存储在DBP230中的至少部分之前解码的图像)和其它帧间预测参数，例如取决于是否使用整个参考图像或只使用参考图像的一部分，例如当前块的区域附近的搜索窗口区域，来搜索最佳匹配参考块，和/或例如取决于是否执行半像素、四分之一像素和/或16分之一内插的像素内插。

除上述预测模式外，还可以采用跳过模式和/或直接模式。

例如，扩展合并预测，这种模式的合并候选列表由以下五种候选类型按顺序组成：来自空间相邻CU的空间MVP、来自并置CU的时间MVP、来自FIFO表的基于历史的MVP、成对平均MVP和零MV。可以使用基于双边匹配的解码器侧运动矢量修正(decoder side motionvector refinement，DMVR)来增加合并模式的MV的准确度。带有MVD的合并模式(mergemode with MVD，MMVD)来自有运动矢量差异的合并模式。在发送跳过标志和合并标志之后立即发送MMVD标志，以指定CU是否使用MMVD模式。可以使用CU级自适应运动矢量分辨率(adaptive motion vector resolution，AMVR)方案。AMVR支持CU的MVD以不同的精度进行编码。根据当前CU的预测模式，自适应地选择当前CU的MVD。当CU以合并模式进行编码时，可以将合并的帧间/帧内预测(combined inter/intra prediction，CIIP)模式应用于当前CU。对帧间和帧内预测信号进行加权平均，得到CIIP预测。对于仿射运动补偿预测，通过2个控制点(4参数)或3个控制点(6参数)运动矢量的运动信息来描述块的仿射运动场。基于子块的时间运动矢量预测(subblock-based temporal motion vector prediction，SbTMVP)，与HEVC中的时间运动矢量预测(temporal motion vector prediction，TMVP)类似，但预测的是当前CU内的子CU的运动矢量。双向光流(bi-directional optical flow，BDOF)以前称为BIO，是一种减少计算的简化版本，特别是在乘法次数和乘数大小方面的计算。在三角形分割模式中，CU以对角线划分和反对角线划分两种划分方式被均匀划分为两个三角形部分。此外，双向预测模式在简单平均的基础上进行了扩展，以支持两个预测信号的加权平均。

帧间预测单元244可包括运动估计(motion estimation，ME)单元和运动补偿(motion compensation，MC)单元(两者在图2中未示出)。运动估计单元可用于接收或获取图像块203(当前图像17的当前图像块203)和解码图像231，或至少一个或多个之前重建块，例如，一个或多个其它/不同之前解码图像231的重建块，来进行运动估计。例如，视频序列可包括当前图像和之前的解码图像231，或换句话说，当前图像和之前的解码图像231可以为形成视频序列的图像序列的一部分或形成该图像序列。

例如，编码器20可用于从多个其它图像中的同一或不同图像的多个参考块中选择参考块，并将参考图像(或参考图像索引)和/或参考块的位置(x、y坐标)与当前块的位置之间的偏移(空间偏移)作为帧间预测参数提供给运动估计单元。该偏移也称为运动矢量(motion vector，MV)。

运动补偿单元用于获取，例如接收，帧间预测参数，并根据或使用该帧间预测参数执行帧间预测，得到帧间预测块246。由运动补偿单元执行的运动补偿可能包含根据通过运动估计确定的运动/块矢量来提取或生成预测块，还可能包括对子像素精度执行内插。内插滤波可从已知像素的像素点中产生其它像素的像素点，从而潜在地增加可用于对图像块进行编码的候选预测块的数量。一旦接收到当前图像块的PU对应的运动矢量时，运动补偿单元可在其中一个参考图像列表中定位运动矢量指向的预测块。

运动补偿单元还可以生成与块和视频片相关的语法元素，以供视频解码器30在解码视频片的图像块时使用。此外，或者作为片和相应语法元素的替代，可以生成或使用编码区块组和/或编码区块以及相应语法元素。

熵编码

熵编码单元270用于将熵编码算法或方案(例如，可变长度编码(variable lengthcoding，VLC)方案、上下文自适应VLC方案(context adaptive VLC，CALVC)、算术编码方案、二值化算法、上下文自适应二进制算术编码(context adaptive binary arithmeticcoding，CABAC)、基于语法的上下文自适应二进制算术编码(syntax-based context-adaptive binary arithmetic coding，SBAC)、概率区间分割熵(probability intervalpartitioning entropy，PIPE)编码或其它熵编码方法或技术)应用于量化残差系数209、帧间预测参数、帧内预测参数、环路滤波器参数和/或其它语法元素，得到可以通过输出端272以编码比特流21等形式输出的编码图像数据21，使得视频解码器30等可以接收并使用用于解码的参数。可将编码比特流21传输到视频解码器30，或将其保存在存储器中稍后由视频解码器30传输或检索。

视频编码器20的其它结构变体可用于对视频流进行编码。例如，基于非变换的编码器20可以在某些块或帧没有变换处理单元206的情况下直接量化残差信号。在另一种实现方式中，编码器20可以具有组合成单个单元的量化单元208和反量化单元210。

解码器和解码方法

图3示出了用于实现本申请技术的示例性视频解码器30。视频解码器30用于接收例如由编码器20编码的编码图像数据21(例如编码比特流21)，得到解码图像331。编码图像数据或比特流包括用于解码所述编码图像数据的信息，例如表示编码视频片(和/或编码区块组或编码区块)的图像块的数据和相关的语法元素。

在图3的示例中，解码器30包括熵解码单元304、反量化单元310、逆变换处理单元312、重建单元314(例如求和器314)、环路滤波器320、解码图像缓冲器(DBP)330、模式应用单元360、帧间预测单元344和帧内预测单元354。帧间预测单元344可以为或包括运动补偿单元。在一些示例中，视频解码器30可执行大体上与参照图2的视频编码器100描述的编码过程相反的解码过程。

参见图3，帧间预测模块/帧内预测模块/环路滤波模块/XXX包括(为)经过训练的目标模型(亦称为神经网络)，该神经网络用于处理输入图像或图像区域或图像块，以生成输入图像块的预测值。例如，用于帧间预测/帧内预测/环路滤波的神经网络用于接收输入的图像或图像区域或图像块，例如，图6a至6c所图示的输入图像数据，并且生成输入的图像或图像区域或图像块的预测值。下面将结合图7a-7e详细地描述用于帧间预测/帧内预测/环路滤波/XXX的神经网络。

如编码器20所述，反量化单元210、逆变换处理单元212、重建单元214、环路滤波器220、解码图像缓冲器DPB230、帧间预测单元344和帧内预测单元354还组成视频编码器20的“内置解码器”。相应地，反量化单元310在功能上可与反量化单元110相同，逆变换处理单元312在功能上可与逆变换处理单元122相同，重建单元314在功能上可与重建单元214相同，环路滤波器320在功能上可与环路滤波器220相同，解码图像缓冲器330在功能上可与解码图像缓冲器230相同。因此，视频编码器20的相应单元和功能的解释相应地适用于视频解码器30的相应单元和功能。

熵解码

熵解码单元304用于解析比特流21(或一般为编码图像数据21)并对编码图像数据21执行熵解码，得到量化系数309和/或解码后的编码参数(图3中未示出)等，例如帧间预测参数(例如参考图像索引和运动矢量)、帧内预测参数(例如帧内预测模式或索引)、变换参数、量化参数、环路滤波器参数和/或其它语法元素等中的任一个或全部。熵解码单元304可用于应用编码器20的熵编码单元270的编码方案对应的解码算法或方案。熵解码单元304还可用于向模式应用单元360提供帧间预测参数、帧内预测参数和/或其它语法元素，以及向解码器30的其它单元提供其它参数。视频解码器30可以接收视频片和/或视频块级的语法元素。此外，或者作为片和相应语法元素的替代，可以接收或使用编码区块组和/或编码区块以及相应语法元素。

反量化

反量化单元310可用于从编码图像数据21(例如通过熵解码单元304解析和/或解码)接收量化参数(quantization parameter，QP)(或一般为与反量化相关的信息)和量化系数，并基于所述量化参数对所述解码的量化系数309进行反量化以获得反量化系数311，所述反量化系数311也可以称为变换系数311。反量化过程可包括使用视频编码器20为视频片中的每个视频块计算的量化参数来确定量化程度，同样也确定需要执行的反量化的程度。

逆变换

逆变换处理单元312可用于接收解量化系数311，也称为变换系数311，并对解量化系数311应用变换以得到像素域中的重建残差块213。重建残差块213也可称为变换块313。变换可以为逆变换，例如逆DCT、逆DST、逆整数变换或概念上类似的逆变换过程。逆变换处理单元312还可以用于从编码图像数据21(例如通过熵解码单元304解析和/或解码)接收变换参数或相应信息，以确定应用于解量化系数311的变换。

重建

重建单元314(例如，求和器314)用于将重建残差块313添加到预测块365，以在像素域中得到重建块315，例如，将重建残差块313的像素点值和预测块365的像素点值相加。

滤波

环路滤波器单元320(在编码环路中或之后)用于对重建块315进行滤波，得到滤波块321，从而顺利进行像素转变或提高视频质量等。环路滤波器单元320可包括一个或多个环路滤波器，例如去块滤波器、像素点自适应偏移(sample-adaptive offset，SAO)滤波器或一个或多个其它滤波器，例如自适应环路滤波器(adaptive loop filter，ALF)、噪声抑制滤波器(noise suppression filter，NSF)或任意组合。例如，环路滤波器单元220可以包括去块滤波器、SAO滤波器和ALF滤波器。滤波过程的顺序可以是去块滤波器、SAO滤波器和ALF滤波器。再例如，增加一个称为具有色度缩放的亮度映射(luma mapping with chromascaling，LMCS)(即自适应环内整形器)的过程。该过程在去块之前执行。再例如，去块滤波过程也可以应用于内部子块边缘，例如仿射子块边缘、ATMVP子块边缘、子块变换(sub-block transform，SBT)边缘和内子部分(intra sub-partition，ISP)边缘。尽管环路滤波器单元320在图3中示为环路滤波器，但在其它配置中，环路滤波器单元320可以实现为环后滤波器。

解码图像缓冲器

随后将一个图像中的解码视频块321存储在解码图像缓冲器330中，解码图像缓冲器330存储作为参考图像的解码图像331，参考图像用于其它图像和/或分别输出显示的后续运动补偿。

解码器30用于通过输出端312等输出解码图像311，向用户显示或供用户查看。

预测

帧间预测单元344在功能上可与帧间预测单元244(特别是运动补偿单元)相同，帧内预测单元354在功能上可与帧间预测单元254相同，并基于从编码图像数据21(例如通过熵解码单元304解析和/或解码)接收的分割和/或预测参数或相应信息决定划分或分割和执行预测。模式应用单元360可用于根据重建图像、块或相应的像素点(已滤波或未滤波)执行每个块的预测(帧内或帧间预测)，得到预测块365。

当将视频片编码为帧内编码(intra coded，I)片时，模式应用单元360中的帧内预测单元354用于根据指示的帧内预测模式和来自当前图像的之前解码块的数据生成用于当前视频片的图像块的预测块365。当视频图像编码为帧间编码(即，B或P)片时，模式应用单元360中的帧间预测单元344(例如运动补偿单元)用于根据运动矢量和从熵解码单元304接收的其它语法元素生成用于当前视频片的视频块的预测块365。对于帧间预测，可从其中一个参考图像列表中的其中一个参考图像产生这些预测块。视频解码器30可以根据存储在DPB 330中的参考图像，使用默认构建技术来构建参考帧列表0和列表1。除了片(例如视频片)或作为片的替代，相同或类似的过程可应用于编码区块组(例如视频编码区块组)和/或编码区块(例如视频编码区块)的实施例，例如视频可以使用I、P或B编码区块组和/或编码区块进行编码。

模式应用单元360用于通过解析运动矢量和其它语法元素，确定用于当前视频片的视频块的预测信息，并使用预测信息产生用于正在解码的当前视频块的预测块。例如，模式应用单元360使用接收到的一些语法元素确定用于编码视频片的视频块的预测模式(例如帧内预测或帧间预测)、帧间预测片类型(例如B片、P片或GPB片)、用于片的一个或多个参考图像列表的构建信息、用于片的每个帧间编码视频块的运动矢量、用于片的每个帧间编码视频块的帧间预测状态、其它信息，以解码当前视频片内的视频块。除了片(例如视频片)或作为片的替代，相同或类似的过程可应用于编码区块组(例如视频编码区块组)和/或编码区块(例如视频编码区块)的实施例，例如视频可以使用I、P或B编码区块组和/或编码区块进行编码。

在一个实施例中，图3所示的视频编码器30还可以用于使用片(也称为视频片)分割和/或解码图像，其中图像可以使用一个或多个片(通常为不重叠的)进行分割或解码。每个片可包括一个或多个块(例如CTU)或一个或多个块组(例如H.265/HEVC/VVC标准中的编码区块和VVC标准中的砖。

在一个实施例中，图3所示的视频解码器30还可以用于使用片/编码区块组(也称为视频编码区块组)和/或编码区块(也称为视频编码区块)对图像进行分割和/或解码，其中图像可以使用一个或多个片/编码区块组(通常为不重叠的)进行分割或解码，每个片/编码区块组可包括一个或多个块(例如CTU)或一个或多个编码区块等，其中每个编码区块可以为矩形等形状，可包括一个或多个完整或部分块(例如CTU)。

视频解码器30的其它变型可用于对编码图像数据21进行解码。例如，解码器30可以在没有环路滤波器单元320的情况下产生输出视频流。例如，基于非变换的解码器30可以在某些块或帧没有逆变换处理单元312的情况下直接反量化残差信号。在另一种实现方式中，视频解码器30可以具有组合成单个单元的反量化单元310和逆变换处理单元312。

应理解，在编码器20和解码器30中，可以对当前步骤的处理结果进一步处理，然后输出到下一步骤。例如，在插值滤波、运动矢量推导或环路滤波之后，可以对插值滤波、运动矢量推导或环路滤波的处理结果进行进一步的运算，例如裁剪(clip)或移位(shift)运算。

应该注意的是，可以对当前块的推导运动矢量(包括但不限于仿射模式的控制点运动矢量、仿射、平面、ATMVP模式的子块运动矢量、时间运动矢量等)进行进一步运算。例如，根据运动矢量的表示位将运动矢量的值限制在预定义范围。如果运动矢量的表示位为bitDepth，则范围为-2^(bitDepth-1)至2^(bitDepth-1)-1，其中“^”表示幂次方。例如，如果bitDepth设置为16，则范围为-32768～32767；如果bitDepth设置为18，则范围为-131072～131071。例如，推导运动矢量的值(例如一个8×8块中的4个4×4子块的MV)被限制，使得所述4个4×4子块MV的整数部分之间的最大差值不超过N个像素，例如不超过1个像素。这里提供了两种根据bitDepth限制运动矢量的方法。

尽管上述实施例主要描述了视频编解码，但应注意的是，译码系统10、编码器20和解码器30的实施例以及本文描述的其它实施例也可以用于静止图像处理或编解码，即视频编解码中独立于任何先前或连续图像的单个图像的处理或编解码。一般情况下，如果图像处理仅限于单个图像17，帧间预测单元244(编码器)和帧间预测单元344(解码器)可能不可用。视频编码器20和视频解码器30的所有其它功能(也称为工具或技术)同样可用于静态图像处理，例如残差计算204/304、变换206、量化208、反量化210/310、(逆)变换212/312、分割262/362、帧内预测254/354和/或环路滤波220/320、熵编码270和熵解码304。

图4为本申请实施例提供的视频译码设备400的示意图。视频译码设备400适用于实现本文描述的公开实施例。在一个实施例中，视频译码设备400可以是解码器，例如图1A中的视频解码器30，也可以是编码器，例如图1A中的视频编码器20。

视频译码设备400包括：用于接收数据的入端口410(或输入端口410)和接收单元(receiver unit，Rx)420；用于处理数据的处理器、逻辑单元或中央处理器(centralprocessing unit，CPU)430；例如，这里的处理器430可以是神经网络处理器430；用于传输数据的发送单元(transmitter unit，Tx)440和出端口450(或输出端口450)；用于存储数据的存储器460。视频译码设备400还可包括耦合到入端口410、接收单元420、发送单元440和出端口450的光电(optical-to-electrical，OE)组件和电光(electrical-to-optical，EO)组件，用于光信号或电信号的出口或入口。

处理器430通过硬件和软件实现。处理器430可实现为一个或多个处理器芯片、核(例如，多核处理器)、FPGA、ASIC和DSP。处理器430与入端口410、接收单元420、发送单元440、出端口450和存储器460通信。处理器430包括译码模块470(例如，基于神经网络NN的译码模块470)。译码模块470实施上文所公开的实施例。例如，译码模块470执行、处理、准备或提供各种编码操作。因此，通过译码模块470为视频译码设备400的功能提供了实质性的改进，并且影响了视频译码设备400到不同状态的切换。或者，以存储在存储器460中并由处理器430执行的指令来实现译码模块470。

存储器460包括一个或多个磁盘、磁带机和固态硬盘，可以用作溢出数据存储设备，用于在选择执行程序时存储此类程序，并且存储在程序执行过程中读取的指令和数据。存储器460可以是易失性和/或非易失性的，可以是只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、三态内容寻址存储器(ternary content-addressable memory，TCAM)和/或静态随机存取存储器(static random-access memory，SRAM)。

图5为示例性实施例提供的装置500的简化框图，装置500可用作图1A中的源设备12和目的设备14中的任一个或两个。

装置500中的处理器502可以是中央处理器。或者，处理器502可以是现有的或今后将研发出的能够操控或处理信息的任何其它类型设备或多个设备。虽然可以使用如图所示的处理器502等单个处理器来实施已公开的实现方式，但使用一个以上的处理器速度更快和效率更高。

在一种实现方式中，装置500中的存储器504可以是只读存储器(ROM)设备或随机存取存储器(RAM)设备。任何其它合适类型的存储设备都可以用作存储器504。存储器504可以包括处理器502通过总线512访问的代码和数据506。存储器504还可包括操作系统508和应用程序510，应用程序510包括允许处理器502执行本文所述方法的至少一个程序。例如，应用程序510可以包括应用1至N，还包括执行本文所述方法的视频译码应用。

装置500还可以包括一个或多个输出设备，例如显示器518。在一个示例中，显示器518可以是将显示器与可用于感测触摸输入的触敏元件组合的触敏显示器。显示器518可以通过总线512耦合到处理器502。

虽然装置500中的总线512在本文中描述为单个总线，但是总线512可以包括多个总线。此外，辅助储存器可以直接耦合到装置500的其它组件或通过网络访问，并且可以包括存储卡等单个集成单元或多个存储卡等多个单元。因此，装置500可以具有各种各样的配置。

由于本申请实施例涉及神经网络的应用，为了便于理解，下面先对本申请实施例所使用到的一些名词或术语进行解释说明，该名词或术语也作为发明内容的一部分。

(1)神经网络

神经网络(Neural Network，NN)是机器学习模型，神经网络可以是由神经单元组成的，神经单元可以是指以xs和截距1为输入的运算单元，该运算单元的输出可以为：

其中，s＝1、2、……n，n为大于1的自然数，Ws为xs的权重，b为神经单元的偏置。f为神经单元的激活函数(activation functions)，用于将非线性特性引入神经网络中，来将神经单元中的输入信号转换为输出信号。该激活函数的输出信号可以作为下一层卷积层的输入。激活函数可以是sigmoid函数。神经网络是将许多个上述单一的神经单元联结在一起形成的网络，即一个神经单元的输出可以是另一个神经单元的输入。每个神经单元的输入可以与前一层的局部接受域相连，来提取局部接受域的特征，局部接受域可以是由若干个神经单元组成的区域。

(2)深度神经网络

深度神经网络(Deep Neural Network，DNN)，也称多层神经网络，可以理解为具有很多层隐含层的神经网络，这里的“很多”并没有特别的度量标准。从DNN按不同层的位置划分，DNN内部的神经网络可以分为三类：输入层，隐含层，输出层。一般来说第一层是输入层，最后一层是输出层，中间的层数都是隐含层。层与层之间是全连接的，也就是说，第i层的任意一个神经元一定与第i+1层的任意一个神经元相连。虽然DNN看起来很复杂，但是就每一层的工作来说，其实并不复杂，简单来说就是如下线性关系表达式：

其中，

是输入向量，

是输出向量，

是偏移向量，W是权重矩阵(也称系数)，α()是激活函数。每一层仅仅是对输入向量

经过如此简单的操作得到输出向量

由于DNN层数多，则系数W和偏移向量

的数量也就很多了。这些参数在DNN中的定义如下所述：以系数W为例：假设在一个三层的DNN中，第二层的第4个神经元到第三层的第2个神经元的线性系数定义为

上标3代表系数W所在的层数，而下标对应的是输出的第三层索引2和输入的第二层索引4。总结就是：第L-1层的第k个神经元到第L层的第j个神经元的系数定义为

需要注意的是，输入层是没有W参数的。在深度神经网络中，更多的隐含层让网络更能够刻画现实世界中的复杂情形。理论上而言，参数越多的模型复杂度越高，“容量”也就越大，也就意味着它能完成更复杂的学习任务。训练深度神经网络的也就是学习权重矩阵的过程，其最终目的是得到训练好的深度神经网络的所有层的权重矩阵(由很多层的向量W形成的权重矩阵)。

(3)卷积神经网络

卷积神经网络(convolutional neuron network，CNN)是一种带有卷积结构的深度神经网络，是一种深度学习(deep learning)架构，深度学习架构是指通过机器学习的算法，在不同的抽象层级上进行多个层次的学习。作为一种深度学习架构，CNN是一种前馈(feed-forward)人工神经网络，该前馈人工神经网络中的各个神经元可以对输入其中的图像作出响应。卷积神经网络包含了一个由卷积层和池化层构成的特征抽取器。该特征抽取器可以看作是滤波器，卷积过程可以看作是使用一个可训练的滤波器与一个输入的图像或者卷积特征平面(feature map)做卷积。

卷积层是指卷积神经网络中对输入信号进行卷积处理的神经元层。卷积层可以包括很多个卷积算子，卷积算子也称为核，其在图像处理中的作用相当于一个从输入图像矩阵中提取特定信息的过滤器，卷积算子本质上可以是一个权重矩阵，这个权重矩阵通常被预先定义，在对图像进行卷积操作的过程中，权重矩阵通常在输入图像上沿着水平方向一个像素接着一个像素(或两个像素接着两个像素……这取决于步长stride的取值)的进行处理，从而完成从图像中提取特定特征的工作。该权重矩阵的大小应该与图像的大小相关，需要注意的是，权重矩阵的纵深维度(depth dimension)和输入图像的纵深维度是相同的，在进行卷积运算的过程中，权重矩阵会延伸到输入图像的整个深度。因此，和一个单一的权重矩阵进行卷积会产生一个单一纵深维度的卷积化输出，但是大多数情况下不使用单一权重矩阵，而是应用多个尺寸(行×列)相同的权重矩阵，即多个同型矩阵。每个权重矩阵的输出被堆叠起来形成卷积图像的纵深维度，这里的维度可以理解为由上面所述的“多个”来决定。不同的权重矩阵可以用来提取图像中不同的特征，例如一个权重矩阵用来提取图像边缘信息，另一个权重矩阵用来提取图像的特定颜色，又一个权重矩阵用来对图像中不需要的噪点进行模糊化等。该多个权重矩阵尺寸(行×列)相同，经过该多个尺寸相同的权重矩阵提取后的特征图的尺寸也相同，再将提取到的多个尺寸相同的特征图合并形成卷积运算的输出。这些权重矩阵中的权重值在实际应用中需要经过大量的训练得到，通过训练得到的权重值形成的各个权重矩阵可以用来从输入图像中提取信息，从而使得卷积神经网络进行正确的预测。当卷积神经网络有多个卷积层的时候，初始的卷积层往往提取较多的一般特征，该一般特征也可以称之为低级别的特征；随着卷积神经网络深度的加深，越往后的卷积层提取到的特征越来越复杂，比如高级别的语义之类的特征，语义越高的特征越适用于待解决的问题。

由于常常需要减少训练参数的数量，因此卷积层之后常常需要周期性的引入池化层，可以是一层卷积层后面跟一层池化层，也可以是多层卷积层后面接一层或多层池化层。在图像处理过程中，池化层的唯一目的就是减少图像的空间大小。池化层可以包括平均池化算子和/或最大池化算子，以用于对输入图像进行采样得到较小尺寸的图像。平均池化算子可以在特定范围内对图像中的像素值进行计算产生平均值作为平均池化的结果。最大池化算子可以在特定范围内取该范围内值最大的像素作为最大池化的结果。另外，就像卷积层中用权重矩阵的大小应该与图像尺寸相关一样，池化层中的运算符也应该与图像的大小相关。通过池化层处理后输出的图像尺寸可以小于输入池化层的图像的尺寸，池化层输出的图像中每个像素点表示输入池化层的图像的对应子区域的平均值或最大值。

在经过卷积层/池化层的处理后，卷积神经网络还不足以输出所需要的输出信息。因为如前所述，卷积层/池化层只会提取特征，并减少输入图像带来的参数。然而为了生成最终的输出信息(所需要的类信息或其他相关信息)，卷积神经网络需要利用神经网络层来生成一个或者一组所需要的类的数量的输出。因此，在神经网络层中可以包括多层隐含层，该多层隐含层中所包含的参数可以根据具体的任务类型的相关训练数据进行预先训练得到，例如该任务类型可以包括图像识别，图像分类，图像超分辨率重建等等。

可选的，在神经网络层中的多层隐含层之后，还包括整个卷积神经网络的输出层，该输出层具有类似分类交叉熵的损失函数，具体用于计算预测误差，一旦整个卷积神经网络的前向传播完成，反向传播就会开始更新前面提到的各层的权重值以及偏差，以减少卷积神经网络的损失，及卷积神经网络通过输出层输出的结果和理想结果之间的误差。

(4)循环神经网络

循环神经网络(recurrent neural networks，RNN)是用来处理序列数据的。在传统的神经网络模型中，是从输入层到隐含层再到输出层，层与层之间是全连接的，而对于每一层层内之间的各个节点是无连接的。这种普通的神经网络虽然解决了很多难题，但是却仍然对很多问题却无能无力。例如，你要预测句子的下一个单词是什么，一般需要用到前面的单词，因为一个句子中前后单词并不是独立的。RNN之所以称为循环神经网路，即一个序列当前的输出与前面的输出也有关。具体的表现形式为网络会对前面的信息进行记忆并应用于当前输出的计算中，即隐含层本层之间的节点不再无连接而是有连接的，并且隐含层的输入不仅包括输入层的输出还包括上一时刻隐含层的输出。理论上，RNN能够对任何长度的序列数据进行处理。对于RNN的训练和对传统的CNN或DNN的训练一样。同样使用误差反向传播算法，不过有一点区别：即，如果将RNN进行网络展开，那么其中的参数，如W，是共享的；而如上举例上述的传统神经网络却不是这样。并且在使用梯度下降算法中，每一步的输出不仅依赖当前步的网络，还依赖前面若干步网络的状态。该学习算法称为基于时间的反向传播算法(Back propagation Through Time，BPTT)。

既然已经有了卷积神经网络，为什么还要循环神经网络？原因很简单，在卷积神经网络中，有一个前提假设是：元素之间是相互独立的，输入与输出也是独立的，比如猫和狗。但现实世界中，很多元素都是相互连接的，比如股票随时间的变化，再比如一个人说了：我喜欢旅游，其中最喜欢的地方是云南，以后有机会一定要去。这里填空，人类应该都知道是填“云南”。因为人类会根据上下文的内容进行推断，但如何让机器做到这一步？RNN就应运而生了。RNN旨在让机器像人一样拥有记忆的能力。因此，RNN的输出就需要依赖当前的输入信息和历史的记忆信息。

(5)递归残差卷积神经网络(Recursive residual convolutional neuronnetwork，RR-CNN)

(6)人工神经网络(Artificial Neural Networks，ANN)

(7)损失函数

在训练深度神经网络的过程中，因为希望深度神经网络的输出尽可能的接近真正想要预测的值，所以可以通过比较当前网络的预测值和真正想要的目标值，再根据两者之间的差异情况来更新每一层神经网络的权重向量(当然，在第一次更新之前通常会有初始化的过程，即为深度神经网络中的各层预先配置参数)，比如，如果网络的预测值高了，就调整权重向量让它预测低一些，不断的调整，直到深度神经网络能够预测出真正想要的目标值或与真正想要的目标值非常接近的值。因此，就需要预先定义“如何比较预测值和目标值之间的差异”，这便是损失函数(loss function)或目标函数(objective function)，它们是用于衡量预测值和目标值的差异的重要方程。其中，以损失函数举例，损失函数的输出值(loss)越高表示差异越大，那么深度神经网络的训练就变成了尽可能缩小这个loss的过程。

(8)反向传播算法

卷积神经网络可以采用误差反向传播(back propagation，BP)算法在训练过程中修正初始的超分辨率模型中参数的大小，使得超分辨率模型的重建误差损失越来越小。具体地，前向传递输入信号直至输出会产生误差损失，通过反向传播误差损失信息来更新初始的超分辨率模型中参数，从而使误差损失收敛。反向传播算法是以误差损失为主导的反向传播运动，旨在得到最优的超分辨率模型的参数，例如权重矩阵。

(9)生成式对抗网络

生成式对抗网络(generative adversarial networks，GAN)是一种深度学习模型。该模型中至少包括两个模块：一个模块是生成模型(Generative Model)，另一个模块是判别模型(Discriminative Model)，通过这两个模块互相博弈学习，从而产生更好的输出。生成模型和判别模型都可以是神经网络，具体可以是深度神经网络，或者卷积神经网络。GAN的基本原理如下：以生成图片的GAN为例，假设有两个网络，G(Generator)和D(Discriminator)，其中G是一个生成图片的网络，它接收一个随机的噪声z，通过这个噪声生成图片，记做G(z)；D是一个判别网络，用于判别一张图片是不是“真实的”。它的输入参数是x，x代表一张图片，输出D(x)代表x为真实图片的概率，如果为1，就代表100％是真实的图片，如果为0，就代表不可能是真实的图片。在对该生成式对抗网络进行训练的过程中，生成网络G的目标就是尽可能生成真实的图片去欺骗判别网络D，而判别网络D的目标就是尽量把G生成的图片和真实的图片区分开来。这样，G和D就构成了一个动态的“博弈”过程，也即“生成式对抗网络”中的“对抗”。最后博弈的结果，在理想的状态下，G可以生成足以“以假乱真”的图片G(z)，而D难以判定G生成的图片究竟是不是真实的，即D(G(z))＝0.5。这样就得到了一个优异的生成模型G，它可以用来生成图片。

下面将结合图7a-7e详细地描述用于特征提取或概率分布估计的目标模型(亦称为神经网络)。图7a-7e示意目标模型(例如用于特征提取的神经网络，简称特征提取网络)的示例架构700。以图像块的输入像素矩阵作为神经网络的输入，神经网络使用卷积层220和网络层230处理输入数据，使用输出层240输出三维特征块。

需要说明的是，如图7a-7e所示的卷积神经网络仅作为一种卷积神经网络的示例，在具体的应用中，卷积神经网络还可以以其他网络模型的形式存在，本申请对此不做具体限定。

图像压缩是图像处理领域中一项基本的任务。随着现代化技术的发展，智慧城市的构建，移动设备拍照和短视频的流行，以及越来越多的道路监控系统等方面，使得图像存储以及运输成为一项待解决的问题。因此图像压缩在节省传输宽带和存储设备上愈发重要。

传统的经典图像压缩标准JPEG(Joint Photographic Experts Group，联合图像专家组织)于1992年发布，是目前使用最广泛的图像压缩编码标准，其技术方案简单且免授权费。在JPEG标准发布至今的近30年间，各国际标准组织研发了JPEG2000、H.264帧内编码、H.265帧内编码等能够应用于图像压缩的国际标准，这些新标准的压缩效率远远超过JPEG标准。近20多年来，JPEG标准广泛应用于视频监控摄像头等硬件设备中，产生的图像文件也能够被几乎全部设备解码观看，生态完善，因此它还将被继续使用较长一段时间。

然而对于图像压缩来说，这些图像压缩方法并不能取得较高的压缩性能，不可避免的产生非自然信息，例如振铃以及压缩伪影等。JPEG编码产生的压缩文件消耗大量服务器侧的存储资源，如果能够有一种运行于服务器侧的转码方案，能够对JPEG编码文件进行无损转码，将能够大大节约服务器侧的存储资源开销。

近年来，神经网络在计算机视觉方面的任务取得了极大发展，相对于传统方法具有更好的性能，由于其更深层次的图像建模和表达能力，通过多层卷积实现非线性分析和映射转换，端到端的训练学习，可以取得高压缩比率的同时还能够确保重建图像相对清晰，保存较多的细节纹理。

图8所示的是一种基于深度学习的图像压缩方法，也称为基于神经网络的图像压缩方法。通常基于神经网络的图像压缩方法包含以下几部分，特征提取模块，特征量化模块，熵编码，熵解码，特征反量化模块，特征解码模块。其中编码器端，特征提取模块通过堆叠多层卷积以及结合非线性映射激活函数，可以获得提取后的三维特征图。特征量化模块通过特征值量化方式，将浮点数的特征值进行量化，得到量化后的特征值。量化后的特征值经过无损熵编码，获得编码后的码流。在解码端，当接收到熵编码后的码流，首先进行无损熵解码，获得三维量化特征值。通过特征解码模块，将该特征解码成重建图像，从而达到解码目的。

待压缩图像经过特征提取模块和特征量化模块后，得到三维量化特征块，熵编码模块在处理三维量化特征块中的每一个特征值时，可使用邻域内已处理特征值作为上下文对该特征值的概率分布进行估计，得到该特征值的概率分布，并根据概率分布进行后续的编码，得到编码后的码流。

具体的，对特征值的概率分布进行估计的方法如下：方法一：概率估计网络根据该特征值的动态取值范围直接对取值范围内的值进行概率估计，得到一个概率向量，概率向量中包括取值范围内每个的值的概率值，其中所有概率值的和为1。方法二：还可以使用概率分布模型来获得概率向量。例如使用单高斯模型(Gaussian single model,GSM)或者混合高斯模型(Gaussian mixture model,GMM)建模，使用概率估计网络估计得到模型参数，将模型参数代入概率分布模型中，得到概率向量。

其中，熵编码包括上下文建模和算术编码两个部分。在算术编码之前，需要进行上下文建模，根据先前已经编码的特征值通过概率估计网络对当前特征值的概率值进行概率估计，得出该特征值的概率分布。然后根据对应的概率模型进行后续的算术编码，输出编码后的码流。

熵解码的过程与熵编码的过程相反，在处理码流中的每个码元时，将当前码元领域内已解码的特征值输入概率估计网络并对当前待解码码元进行概率估计，得到当前待解码码元的概率分布。然后使用该概率分布对当前码元进行解码得到当前码元的量化特征值，将每个码元解码后，得到三维量化特征值。

本申请提了一种端到端的图像编码方案，同时给出了三维特征块的尺寸信息的获取方法和码流传输方案，可以有效的提高编解码效率。

主要方法是：在编码端传输三维特征块的尺寸信息或者子图像(图像块)的尺寸信息到解码端，解码端可以根据三维特征块的尺寸信息进行解码，可以有效的提高编解码效率。

本申请涉及一种端到端的图像编码方案：在特征分析之前进行块划分。规定三维特征块的尺寸信息的码流传输方案。

为了满足用户日益增长的图像传输和存储需求，提升图像编解码效率，本申请实施例提供一种图像编码方法，该方法通过编码端传输三维特征块的尺寸信息至解码端，以使得解码端可以基于三维特征块的尺寸信息进行解码，得到重建图像。由于在图像编解码过程中增加了三维特征块的尺寸信息，使得编码端的编码码流可以具有高压缩比率，解码端可以对高压缩比率的码流进行解码得到重建图像，并且可以确保重建图像相对清晰，所以可以提升图像编解码效率。

高压缩比率可以减少码流的大小，从而可以减少传输图像所需的带宽资源和减少存储图像所需的存储资源。

下面结合附图详细的阐述本申请实施例的图像编解码的具体过程。

图9为本申请实施例的图像编码方法的处理过程的示意图，如图9所示，对待处理图像进行块划分，以得到多个图像块，对该多个图像块进行特征提取，得到多个三维特征块，对多个三维特征块的尺寸信息和多个三维特征块进行熵编码，得到编码码流。

具体地，参见图10，图10为本申请实施例的图像编码方法的流程图，图10所示的方法可以由编码装置或编码器执行，以下统称为编码端，如图10所示，该方法可以包括：

步骤201、获取待处理图像。

该待处理图像也可以称为待压缩图像。

步骤202、将待处理图像划分为至少两个图像块。

将待处理图像划分为多个图像块。多个图像块可以是相同大小的图像块。一种示例，图3为本申请实施例的图像块划分的示意图，如图11所示，待处理图像被划分为8个相同大小的图像块，每个图像块的大小可以用W和H表示，W为图像块的宽度，H为图像块的高度。W和H分别为正整数。W和H的取值可以是任意正整数，W的取值和H取值可以相同，也可以不同。例如，W＝4，H＝4，即图像块的大小为4×4。再例如，W＝4，H＝8，即图像块的大小为4×8。又例如，W＝8，H＝4，即图像块的大小为8×4。当然可以理解的，图像块的大小还可以为8×8，16×16，32×32，32×32，64×64，128×128或256×256等，本申请实施例不一一举例说明。图像块的大小可以是预设的大小。

步骤203、将至少两个图像块输入至第一神经网络模型，获取第一神经网络模型输出的至少两个三维特征块。

可以通过第一神经网络模型对多个图像块进行特征提取，得到多个三维特征块。多个图像块可以与多个三维特征块一一对应。

任一三维特征块的特征值可以为0到1之间的浮点数。

一种示例，可以按照预置次序分别对多图像块进行特征提取，得到每个图像块各自对应的三维特征块。例如，以上述图11进行进一步举例说明，可以分别对8个相同大小的图像块进行特征提取，得到8个相同大小的图像块各自对应的三维特征块。

多个三维特征块中任一三维特征块的尺寸可以包括三维特征块的长度、宽度和高度。M为三维特征块的长度，N为三维特征块的宽度，R为三维特征块的高度。

特征提取的一种可实现方式，可以通过第一神经网络模型对图像块进行处理，得到三维特征块。以一个图像块为例，可以将该图像块输入至第一神经网络模型中，获取该第一神经网络模型输出的三维特征块。其中，第一神经网络模型可以采用任一网络结构，例如，全连接网络、卷积神经网络、或循环神经网络等。在一些实施例中，第一神经网络模型可以采用多层的深度神经网络结构，以实现更好的特征提取效果。一种示例，以第一神经网络模型为卷积神经网络为例，该卷积神经网络包括多个卷积层、非线性映射激活函数层和池化层，通过多个卷积层、非线性映射激活函数层和池化层对图像块处理，得到三维特征块。当然可以理解的，第一神经网络模型的结构还可以是其他形式，本申请实施例不一一举例说明。

在使用该第一神经网络模型对图像块进行特征提取之前，还可以通过训练过程对神经网络模型进行训练，得到该第一神经网络模型。训练过程中所使用的训练数据可以是训练图像块和与该训练图像块对应的训练三维特征块。

步骤204、对至少两个三维特征块进行编码，并且对至少两个三维特征块的尺寸信息进行编码，得到编码码流。

其中，该至少两个三维特征块的尺寸信息可以包括：该至少两个图像块的尺寸信息、或者至少两个图像块的尺寸信息和第一神经网络模型的参数、或者至少两个三维特征块的尺寸。至少两个图像块的尺寸信息和第一神经网络模型的参数用于确定至少两个三维特征块的尺寸。

该至少两个图像块的尺寸信息用于表示被划分为至少两个图像块的尺寸。一种可实现方式，该至少两个图像块的尺寸信息可以包括上述W和H。基于上述W和H可以确定三维特征块的尺寸信息，例如可以确定M×N×R。另一种可实现方式，该至少两个图像块的尺寸信息可以包括应用于待处理图像且用于划分得到该至少两个图像块的划分方式。例如，以图11所示实施例为例，该划分方式可以是2×4，即表示将待处理图像划分为2×4个图像块。基于该划分方式可以确定W和H，根据W和H可以确定三维特征块的尺寸信息，例如可以确定M×N×R。

其中，三维特征块的尺寸信息(MxNxR)可以根据输入的图像块的尺寸信息确定：

方式一，W和H，与M、N和R的对应关系可以为：M×N×R＝W/S×H/S×C，C为第一神经网络模型的卷积核的通道数，S为第一神经网络模型的缩放步长，S和C的取值可以预设的。换言之，第一神经网络模型的参数可以内置于编码端和解码端，不需要传输。

其中S为大于的数，可以为小数也可以为整数，在此不做限定。如果网络结构中使用了池化层(pooling)，则S为池化层的步长，或者根据步长乘以一个系数a得到的值(该系数a可以为大于1或者小于的数，例如0.5或者2)；如果未使用池化层，则否则S为1。

第一神经网络模型的参数可以包括S和C，与第一神经网络模型的参数可以内置于编码端和解码端不同，第一神经网络模型的参数可以由编码端传输至解码端，以使得解码端基于接收到的第一神经网络模型的参数和该至少两个图像块的尺寸信息，确定M×N×R。

方式二，三维特征块的长为M＝Wb，宽为N＝Hb，高为R＝C，其中b为神经网络的缩放因子，该缩放因子的值可以根据每层网络的缩放因子得到，例如将每层网络的缩放因子相乘得到b，其中b的取值为大于0的数；C为神经网络的通道数(channels)，取值为大于等于1的整数。

方式三，三维特征块的长为M＝Wb，宽为N＝Hc，高为R＝C，其中b和c为神经网络的缩放因子，该缩放因子的值可以根据每层网络的缩放因子得到，例如将每层网络的缩放因子相乘得到b或者c，其中b和c的取值不相同，取值范围为大于0的数；C为神经网络的通道数(channels)，取值为大于等于1的整数。

本申请实施例可以对至少两个三维特征块的尺寸信息和至少两个三维特征块进行编码，得到编码码流。编码端向解码端发送编码码流，解码端可以从编码码流中获取至少两个三维特征块的尺寸信息，进而根据至少两个三维特征块的尺寸信息对码元进行解码，得到重建图像。

可选的，对至少两个三维特征块进行编码的一种可实现方式，根据任一三维特征块的尺寸，对任一三维特征块的特征值进行概率分布估计，得到该特征值的概率分布向量，根据该特征值的概率分布向量，对该任一三维特征块进行熵编码。该概率分布向量可以包括取值范围内每个取值的概率值，所有概率值之和为1。以编码码流为二进制码流为例，该概率分布向量可以包括0的概率值和1的概率值，且二者之和为1。

对至少两个三维特征块的尺寸信息和至少两个三维特征块进行熵编码的可实现方式为，对至少两个三维特征块进行熵编码，得到编码后的码流，并将编码后的图像块划分信息写入码流中。例如，可以通过一个或多个语法元素将编码后的至少两个三维特征块的尺寸信息写入码流。例如通过一个或者多个语法元素的值将至少两个三维特征块的尺寸信息写入码流。以至少两个三维特征块的尺寸信息包括M、N和R为例，通过一个或者多个语法元素的值分别将M、N和R写入码流。

在一些实施例中，可以使用神经网络模型进行概率分布估计。具体的，可以根据任一三维特征块的尺寸，确定该三维特征块的特征值的上下文信息。该上下文信息可以包括根据该三维特征块的尺寸确定的特征值的邻域内已编码的特征值。可以将该三维特征块的特征值的上下文信息分别输入至第二神经网络模型。获取该第二神经网络模型输出的该三维特征块的特征值的概率分布向量。

该第二神经网络模型可以是深度学习网络，例如循环神经网络(RecurrentNeural Network，RNN)和卷积神经网络(Convolutional Neural Network，PixelCNN)等。

一种示例，以一个三维特征块为例，可以根据该三维特征块的尺寸，确定该三维特征块的每个特征值各自的上下文信息。每个特征值各自的上下文信息包括每个特征值各自的邻域内已编码的特征值。分别将该三维特征块的每个特征值各自的上下文信息输入至第二神经网络模型。获取第二神经网络模型分别输出的每个特征值各自的概率分布向量。其中，每个特征值各自的邻域内已编码的特征值可以根据该三维特征块的尺寸得到。该第二神经网络模型可以采用任一网络结构，例如，卷积神经网络、或循环神经网络等。

在使用该第二神经网络模型对图像块进行概率分布估计之前，还可以通过训练过程对神经网络模型进行训练，得到该第二神经网络模型。

上述第一神经网络模型和第二神经网络模型的训练过程可以相互独立的，也可以相互关联的。

本实施例，通过将待处理图像划分为多个图像块，将多个图像块输入至第一神经网络模型，获取第一神经网络模型输出的多个三维特征块，对多个三维特征块的尺寸信息和多个三维特征块进行编码，得到编码码流，编码端传输多个三维特征块的尺寸信息至解码端，以使得解码端可以根据多个三维特征块的尺寸信息进行解码，得到重建图像。由于在图像编解码过程中增加了多个三维特征块的尺寸信息，使得编码端的编码码流可以具有高压缩比率，解码端可以对高压缩比率的码流进行解码得到重建图像，并且可以确保重建图像相对清晰，所以可以提升图像编解码效率。

图12为本申请实施例的图像解码方法的处理过程的示意图，如图12所示，对编码码流进行熵解码，以得到三维特征值，对三维特征值进行特征解码，得到重建图像块，拼接重建图像块，得到重建图像。

具体地，参见图13，图13为本申请实施例的图像解码方法的流程图，图13所示的方法可以由解码装置或解码器执行，以下统称为解码端，如图13所示，该方法可以包括：

步骤501、获取待解码码流。

该待解码码流即为上述编码码流，该待解码码流可以包括至少两个三维特征块的编码数据，以及至少两个三维特征块的尺寸信息。其中，该至少两个三维特征块的尺寸信息的解释说明可以参见图10所示实施例的步骤204的相关解释说明，此处不再赘述。

一种可实现方式，解析该待解码码流，获取的至少两个三维特征块的尺寸信息包括三维特征块的尺寸。例如，解析待解码码流中的一个或多个语法元素分别获取三维特征块的长度(M)、三维特征块的宽度(N)和三维特征块的高度(R)。

另一种可实现方式，解析该待解码码流，获取的至少两个三维特征块的尺寸信息包括至少两个图像块的尺寸信息。例如，至少两个图像块的尺寸信息为上述实施例中的W和H。解码端可以根据W和H确定至少两个三维特征块的尺寸信息。

又一种可实现方式，解析该待解码码流，获取的至少两个三维特征块的尺寸信息包括至少两个图像块的尺寸信息和第一神经网络模型的参数。例如，至少两个图像块的尺寸信息为上述实施例中的W和H，第一神经网络模型的参数包括上述实施例的S和C。解码端可以根据W、H、S和C确定三维特征块的尺寸信息。

方式一，M×N×R＝W/S×H/S×C。

方式二，三维特征块的长为M＝Wb，宽为N＝Hb，高为R＝C。

方式三，三维特征块的长为M＝Wb，宽为N＝Hc，高为R＝C。

其中，b、c、C的解释说明可以参见图10所示的步骤204的解释说明，此处不再赘述。

步骤502、根据至少两个三维特征块的编码数据，以及至少两个三维特征块的尺寸信息，获取至少两个三维特征块。

可以至少两个三维特征块的尺寸信息对至少两个三维特征块的编码数据进行熵解码，得到至少两个三维特征块。以一个三维特征块的编码数据为例，该编码数据可以包括多个待解码码元，根据该尺寸信息对多个待解码码元(待解码的特征值)进行熵解码，得到多个特征值，根据多个特征值和该尺寸信息，可以得到三维特征块。

根据至少两个三维特征块的编码数据，以及至少两个三维特征块的尺寸信息，获取至少两个三维特征块的可实现方式可以为，根据任一三维特征块的尺寸信息，对任一三维特征块的特征值进行概率分布估计，得到该特征值的概率分布向量，根据该特征值的概率分布向量对该三维特征块的编码数据进行熵解码，得到三维特征块的特征值。

可选的，可以使用神经网络进行概率分布估计。例如，可以根据任一三维特征块的尺寸信息，确定该三维特征块的特征值(待解码的特征值)的上下文信息，将该上下文信息输入至第三神经网络模型，获取第三神经网络模型输出的三维特征块的特征值(待解码的特征值)的概率分布向量。该三维特征块的特征值(待解码的特征值)的上下文信息可以包括该三维特征块的特征值(待解码的特征值)的邻域内已解码的特征值。该三维特征块的特征值(待解码的特征值)的邻域内已解码的特征值可以根据该三维特征块的尺寸信息确定。该第三神经网络模型可以采用任一网络结构，例如，卷积神经网络、或循环神经网络等。

在使用该第三神经网络模型对图像块进行概率分布估计之前，还可以通过训练过程对神经网络模型进行训练，得到该第三神经网络模型。

步骤503、根据至少两个三维特征块，重建待处理图像的至少两个图像块。

根据至少两个三维特征块，可以得到重建图像块。即重建待处理图像的至少两个图像块，进而得到重建图像，即重建的待处理图像。该重建图像块可以对应上述图11所示实施例中的图像块。

可选的，可以使用神经网络进行特征解码。例如，可以将熵解码得到的三维特征块的多个特征值和该三维特征块的尺寸信息输入至第四神经网络模型，得到重建图像块，根据重建图像块得到重建图像。该第四神经网络模型可以采用任一网络结构，例如，全连接网络、卷积神经网络、或循环神经网络等。

在使用该第四神经网络模型对图像块进行概率分布估计之前，还可以通过训练过程对神经网络模型进行训练，得到该第四神经网络模型。

本实施例，通过从待解码码流中，获取至少两个三维特征块的尺寸信息，基于至少两个三维特征块的尺寸信息，对至少两个三维特征块的编码数据进行解码，得到重建图像。由于在图像编解码过程中增加了三维特征块的尺寸信息，使得编码端的编码码流可以具有高压缩比率，解码端可以对高压缩比率的码流进行解码得到重建图像，并且可以确保重建图像相对清晰，所以可以提升图像编解码效率。

与上述图9至图13所示实施例不同，下述实施例在编码端增加特征量化操作，在解码端增加特征反量化操作，其具体解释说明可以参见下述实施例的说明。

图14为本申请实施例的图像编码方法的处理过程的示意图，如图14所示，对待处理图像进行块划分，以得到多个图像块，对该多个图像块进行特征提取，得到多个三维特征块，对多个三维特征块进行特征量化，得到多个三维量化特征块，对多个三维特征块的尺寸信息和多个三维量化特征块进行熵编码，得到编码码流。

具体地，参见图15，图15为本申请实施例的图像编码方法的流程图，图15所示的方法可以由编码装置或编码器执行，以下统称为编码端，如图15所示，该方法可以包括：

步骤701、获取待处理图像。

步骤702、将待处理图像划分为至少两个图像块。

步骤703、将至少两个图像块输入至第一神经网络模型，获取第一神经网络模型输出的至少两个三维特征块。

其中，步骤701至步骤703的具体解释说明可以参见图10所示实施例的步骤201至步骤203，此处不再赘述。

步骤704、对至少两个三维特征块进行量化处理，获取至少两个三维量化特征块。

可以对至少两个三维特征块中的特征值进行量化，得到量化后的特征值，也称为量化特征值。三维量化特征块包括多个量化后的特征值。

步骤705、对至少两个三维量化特征块进行编码，并且对至少两个三维特征块的尺寸信息进行编码，得到编码码流。

其中，该至少两个三维特征块的尺寸信息包括：该至少两个图像块的尺寸信息、或者至少两个图像块的尺寸信息和第一神经网络模型的参数、或者至少两个三维特征块的尺寸。至少两个图像块的尺寸信息和第一神经网络模型的参数用于确定至少两个三维特征块的尺寸。该至少两个三维特征块的尺寸信息的具体解释说明可以参见图10所示实施例的步骤204，此处不再赘述。

本申请实施例可以对至少两个三维特征块的尺寸信息和至少两个三维量化特征块进行编码，得到编码码流。编码端向解码端发送编码码流，解码端可以从编码码流中获取至少两个三维特征块的尺寸信息，进而根据至少两个三维特征块的尺寸信息进行解码，得到重建图像。

需要说明的是，任一三维量化特征块的尺寸与对应的三维特征块的尺寸可以相同。

可选的，对至少两个三维量化特征块进行编码的一种可实现方式，根据任一三维量化特征块的尺寸，对该任一三维量化特征块的量化特征值进行概率分布估计，得到该量化特征值的概率分布向量，根据该量化特征值的概率分布向量，对该三维量化特征块进行熵编码。该概率分布向量可以包括取值范围内每个值的概率值，所有概率值之和为1。以编码码流为二进制码流为例，该概率分布向量可以包括0的概率值和1的概率值，且二者之和为1。

对至少两个三维特征块的尺寸信息进行编码的可实现方式为，对三维量化特征块进行熵编码，得到编码后的码流，将编码后的至少两个三维特征块的尺寸信息写入码流中。例如，可以通过一个或多个语法元素将编码后的至少两个三维特征块的尺寸信息写入码流。

在一些实施例中，可以使用神经网络模型进行概率分布估计。可以根据任一三维量化特征块的尺寸，确定该三维量化特征块的量化特征值的上下文信息。该上下文信息可以包括根据该三维量化特征块的尺寸确定的量化特征值的邻域内已编码的量化特征值。可以将该三维量化特征块的量化特征值的上下文信息输入至第二神经网络模型。获取该第二神经网络模型输出的该三维量化特征块的量化特征值的概率分布向量。

一种示例，以一个三维量化特征块为例，可以根据该三维量化特征块的尺寸，确定该三维量化特征块的每个量化特征值各自的上下文信息。每个量化特征值各自的上下文信息包括每个量化特征值各自的邻域内已编码的量化特征值。可以将三维量化特征块的每个量化特征值各自的上下文信息分别输入至第二神经网络模型。获取第二神经网络模型分别输出的每个量化特征值各自的概率分布向量。其中，每个量化特征值各自的邻域内已编码的量化特征值可以根据三维量化特征块的尺寸确定。

本实施例，通过将待处理图像划分为多个图像块，将多个图像块输入至第一神经网络模型，获取第一神经网络模型输出的多个三维特征块，对多个三维特征块进行量化，得到多个三维量化特征块，对多个三维特征块的尺寸信息和多个三维量化特征块进行编码，得到编码码流，编码端传输多个三维特征块的尺寸信息至解码端，以使得解码端可以基于多个三维特征块的尺寸信息进行解码，得到重建图像。由于在图像编解码过程中增加了多个三维特征块的尺寸信息，使得编码端的编码码流可以具有高压缩比率，解码端可以对高压缩比率的码流进行解码得到重建图像，并且可以确保重建图像相对清晰，所以可以提升图像编解码效率。

图16为本申请实施例的图像解码方法的处理过程的示意图，如图16所示，对编码码流进行熵解码，以得到量化特征值，对量化特征值进行反量化，以得到三维特征值，对三维特征值进行特征解码，得到重建图像块，拼接重建图像块，得到重建图像。

具体地，参见图17，图17为本申请实施例的图像解码方法的流程图，图17所示的方法可以由解码装置或解码器执行，以下统称为解码端，如图17所示，该方法可以包括：

步骤901、获取待解码码流。

其中，步骤901的解释说明，可以参见图13所示实施例的步骤501的解释说明，此处不再赘述。

步骤902、根据至少两个三维特征块的尺寸信息，对至少两个三维量化特征块的编码数据进行熵解码，得到至少两个三维量化特征块的量化特征值，对该至少两个三维量化特征块的量化特征值进行反量化处理，得到至少两个三维特征块的特征值。

以一个三维量化特征块的编码数据为例，该编码数据包括多个待解码码元，根据该尺寸信息对多个待解码码元(待解码的量化特征值)进行熵解码，得到多个量化特征值，对多个量化特征值进行反量化处理，得到多个特征值，根据多个特征值和该尺寸信息，可以得到三维特征块。

根据至少两个三维特征块的尺寸信息，对至少两个三维量化特征块的编码数据进行熵解码，得到至少两个三维量化特征块的量化特征值的可实现方式可以为，根据任一三维特征块的尺寸信息，对待解码码元(任一三维量化特征块的待解码的量化特征值)进行概率分布估计，得到待解码码元的概率分布向量，根据待解码码元的概率分布向量对待解码码元进行熵解码，得到三维量化特征块的量化特征值。之后可以对该量化特征值进行反量化处理，得到三维特征块的特征值。

可选的，可以使用神经网络进行概率分布估计。例如，可以根据任一三维特征块的尺寸信息，确定待解码码元的上下文信息，将待解码码元的上下文信息输入至第三神经网络模型，获取第三神经网络模型输出的待解码码元的概率分布向量。该待解码码元的上下文可以包括该待解码码元的邻域内已解码的码元。该第三神经网络模型可以采用任一网络结构，例如，卷积神经网络、或循环神经网络等。该待解码码元的邻域内已解码的码元可以根据三维特征块的尺寸信息确定。

在使用该第三神经网络模型对图像块进行概率分布估计之前，还可以通过训练过程对神经网络模型进行训练，得到该第三神经网络模型。

步骤903、根据至少两个三维特征块的特征值和至少两个三维特征块的尺寸信息，重建待处理图像的至少两个图像块。

对至少两个三维特征块的特征值进行特征解码，得到重建图像块，根据重建图像块得到重建图像(待处理图像的重建图像)，该重建图像块可以对应上述图11所示实施例中的图像块。

可选的，可以使用神经网络进行特征解码。例如，可以将反量化得到的特征值和三维特征块的尺寸信息输入至第四神经网络模型，得到重建图像块，根据重建图像块得到重建图像。该第四神经网络模型可以采用任一网络结构，例如，全连接网络、卷积神经网络、或循环神经网络等。

在使用该第四神经网络模型对图像块进行概率分布估计之前，还可以通过训练过程对神经网络模型进行训练，得到该第四神经网络模型。

本实施例，通过从待解码码流中，获取至少两个三维特征块的尺寸信息，基于至少两个三维特征块的尺寸信息，对至少两个三维特征块的编码数据进行解码，得到重建图像。由于在图像编解码过程中增加了三维特征块的尺寸信息，使得编码端的编码码流可以具有高压缩比率，解码端可以对高压缩比率的码流进行解码得到重建图像，并且可以确保重建图像相对清晰，所以可以提升图像编解码效率。

本实施例涉及一种端到端的图像编码方案，如图18所示，主要包含以下几部分，块划分模块，特征提取模块，特征量化模块，熵编码，熵解码，特征反量化模块，特征解码模块。其中编码端，块划分模块将待压缩图像划分为多个子图像块，特征提取模块使用基于神经网络的方法获得提取后的三维特征图(或称为三维特征块)。特征量化模块通过特征值量化方式，将三维特征块的特征值进行量化，得到量化后的特征值。量化后的特征值经过无损熵编码，获得编码后的码流。在解码端，当接收到熵编码后的码流，首先进行无损熵解码，获得三维量化特征值。通过特征解码模块，将该三维特征值解码成重建图像，从而达到解码目的。在有些情况下，编码端无特征量化模块，对应的解码端无特征反量化模块。

本申请实施例的一种新型的图像编码方法，可进一步减小压缩文件的大小，降低服务器侧的视频图像文件存储成本。

上文结合附图对本申请实施例的图像编码方法和解码方法进行了详细的介绍，下面结合图19至图22对本申请实施例的图像编码装置和图像解码装置进行介绍。应理解，图19至图22中的图像编码装置能够执行本申请实施例的图像编码方法，图19至图22中的图像解码装置能够执行本申请实施例的图像解码方法。为了避免不必要的重复，下面在介绍本申请实施例的图像编码装置和图像解码装置时适当省略重复的描述。

图19为本申请实施例的图像编码装置的示意性框图。

图19所示的图像编码装置10000可以包括获取模块10001和处理模块10002。图像编码装置10000可以执行本申请实施例的图像编码方法，具体地，图像编码装置10000可以执行图9或图10或图14或图15中的图像编码方法。

图20是本申请实施例的图像解码装置的示意性框图。

图20所示的图像解码装置11000包括获取模块11001和处理模块11002。图像解码装置11000可以执行本申请实施例的图像解码方法。具体地，图像解码装置11000可以执行图12或图13或图16或图17中的图像解码方法。

图21为本申请实施例的图像编码装置的硬件结构示意图。

图21所示的图像编码装置12000(该图像编码装置12000具体可以是一种计算机设备)包括存储器12001、存储器12002、通信接口12003以及总线12004。其中，存储器12001、存储器12002、通信接口12003通过总线12004实现彼此之间的通信连接。

存储器12001可以是只读存储器(read only memory，ROM)，静态存储设备，动态存储设备或者随机存取存储器(random access memory，RAM)。存储器12001可以存储程序，当存储器12001中存储的程序被存储器12002执行时，存储器12002用于执行本申请实施例的图像编码方法的各个步骤。

存储器12002可以采用通用的中央处理器(central processing unit，CPU)，微处理器，应用专用集成电路(application specific integrated circuit，ASIC)，图形处理器(graphics processing unit，GPU)或者一个或多个集成电路，用于执行相关程序，以实现本申请方法实施例的图像编码方法。

存储器12002还可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，本申请的图像编码方法的各个步骤可以通过存储器12002中的硬件的集成逻辑电路或者软件形式的指令完成。

上述存储器12002还可以是通用处理器、数字信号处理器(digitalsignalprocessing，DSP)、专用集成电路(ASIC)、现成可编程门阵列(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。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。

通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器12001，处理器12002读取存储器12001中的信息，结合其硬件完成本图像编码装置中包括的模块所需执行的功能，或者执行本申请方法实施例的图像编码方法。

通信接口12003使用例如但不限于收发器一类的收发装置，来实现图像编码装置12000与其他设备或通信网络之间的通信。例如，可以通过通信接口12003获取待处理图像。

总线12004可包括在图像编码装置12000各个部件(例如，存储器12001、存储器12002、通信接口12003)之间传送信息的通路。

上述图像编码装置10000中的获取模块10001和处理模块10002相当于图像编码装置12000中的处理器12002。

图22为本申请实施例的图像解码装置的硬件结构示意图。图22所示的图像解码装置13000(该图像解码装置13000具体可以是一种计算机设备)包括存储器13001、处理器13002、通信接口13003以及总线13004。其中，存储器13001、处理器13002、通信接口13003通过总线13004实现彼此之间的通信连接。

上文中对图像解码装置12000中的各个模块的限定和解释同样也适用于图像解码装置13000，这里不再详细描述。

上述存储器13001可以用于存储程序，处理器13002用于执行存储器13001存储的程序，当存储器13001存储的程序被执行时，处理器13002用于执行本申请实施例的图像解码方法的各个步骤。

上述图像解码装置11000中的获取模块11001和处理模块11002相当于图像解码装置13000中的处理器13002。

本领域技术人员能够领会，结合本文公开描述的各种说明性逻辑框、模块和算法步骤所描述的功能可以硬件、软件、固件或其任何组合来实施。如果以软件来实施，那么各种说明性逻辑框、模块、和步骤描述的功能可作为一或多个指令或代码在计算机可读媒体上存储或传输，且由基于硬件的处理单元执行。计算机可读媒体可包含计算机可读存储媒体，其对应于有形媒体，例如数据存储媒体，或包括任何促进将计算机程序从一处传送到另一处的媒体(例如，根据通信协议)的通信媒体。以此方式，计算机可读媒体大体上可对应于(1)非暂时性的有形计算机可读存储媒体，或(2)通信媒体，例如信号或载波。数据存储媒体可为可由一或多个计算机或一或多个处理器存取以检索用于实施本申请中描述的技术的指令、代码和/或数据结构的任何可用媒体。计算机程序产品可包含计算机可读媒体。

作为实例而非限制，此类计算机可读存储媒体可包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储装置、磁盘存储装置或其它磁性存储装置、快闪存储器或可用来存储指令或数据结构的形式的所要程序代码并且可由计算机存取的任何其它媒体。并且，任何连接被恰当地称作计算机可读媒体。举例来说，如果使用同轴缆线、光纤缆线、双绞线、数字订户线(DSL)或例如红外线、无线电和微波等无线技术从网站、服务器或其它远程源传输指令，那么同轴缆线、光纤缆线、双绞线、DSL或例如红外线、无线电和微波等无线技术包含在媒体的定义中。但是，应理解，所述计算机可读存储媒体和数据存储媒体并不包括连接、载波、信号或其它暂时媒体，而是实际上针对于非暂时性有形存储媒体。如本文中所使用，磁盘和光盘包含压缩光盘(CD)、激光光盘、光学光盘、数字多功能光盘(DVD)和蓝光光盘，其中磁盘通常以磁性方式再现数据，而光盘利用激光以光学方式再现数据。以上各项的组合也应包含在计算机可读媒体的范围内。

可通过例如一或多个数字信号处理器(DSP)、通用微处理器、专用集成电路(ASIC)、现场可编程逻辑阵列(FPGA)或其它等效集成或离散逻辑电路等一或多个处理器来执行指令。因此，如本文中所使用的术语“处理器”可指前述结构或适合于实施本文中所描述的技术的任一其它结构中的任一者。另外，在一些方面中，本文中所描述的各种说明性逻辑框、模块、和步骤所描述的功能可以提供于经配置以用于编码和解码的专用硬件和/或软件模块内，或者并入在组合编解码器中。而且，所述技术可完全实施于一或多个电路或逻辑元件中。

本申请的技术可在各种各样的装置或设备中实施，包含无线手持机、集成电路(IC)或一组IC(例如，芯片组)。本申请中描述各种组件、模块或单元是为了强调用于执行所揭示的技术的装置的功能方面，但未必需要由不同硬件单元实现。实际上，如上文所描述，各种单元可结合合适的软件和/或固件组合在编码解码器硬件单元中，或者通过互操作硬件单元(包含如上文所描述的一或多个处理器)来提供。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (24)

1.一种图像编码方法，其特征在于，所述方法包括：

获取待处理图像；

将所述待处理图像划分为至少两个图像块；

将所述至少两个图像块输入至第一神经网络模型，获取所述第一神经网络模型输出的至少两个三维特征块；

对所述至少两个三维特征块进行编码，并且对所述至少两个三维特征块的尺寸信息进行编码，得到编码码流；

其中，所述至少两个三维特征块的尺寸信息包括：所述至少两个图像块的尺寸信息、或者所述至少两个图像块的尺寸信息和所述第一神经网络模型的参数、或者所述三维特征块的尺寸，所述至少两个图像块的尺寸信息和所述第一神经网络模型的参数用于确定所述至少两个三维特征块的尺寸。

2.根据权利要求1所述的方法，其特征在于，所述至少两个图像块的尺寸信息包括所述图像块的高度和宽度，或者所述至少两个图像块的尺寸信息包括应用于所述待处理图像且用于划分得到所述至少两个图像块的划分方式。

3.根据权利要求1所述的方法，其特征在于，所述第一神经网络模型的参数包括卷积核的通道数或缩放步长中至少一项。

4.根据权利要求3所述的方法，其特征在于，所述至少两个三维特征块的尺寸包括所述至少两个三维特征块的长度、宽度和高度，所述至少两个图像块的尺寸信息包括所述至少两个图像块的宽度和高度；

所述至少两个三维特征块中任一三维特征块的长度、宽度和高度和所述至少两个图像块中对应的任一图像块的宽度和高度的对应关系如下：

M×N×R＝W/S×H/S×C；

其中，M为所述任一三维特征块的长度，N为所述任一三维特征块的宽度，R为所述任一三维特征块的高度，W为所述任一图像块的宽度，H为所述任一图像块的高度，C为卷积核的通道数，S为缩放步长。

5.根据权利要求1所述的方法，其特征在于，所述至少两个三维特征块的尺寸包括所述三维特征块的长度、宽度和高度。

6.根据权利要求1至5任一项所述的方法，其特征在于，所述至少两个三维特征块中任一三维特征块包括多个特征值，所述对所述至少两个三维特征块进行编码，包括：

根据所述任一三维特征块的尺寸，对所述任一三维特征块的特征值进行概率分布估计，得到所述特征值的概率分布向量；

根据所述特征值的概率分布向量对所述任一三维特征块进行熵编码。

7.根据权利要求6所述的方法，其特征在于，所述根据所述任一三维特征块的尺寸，对所述任一三维特征块的特征值进行概率分布估计，得到所述特征值的概率分布向量，包括：

根据所述任一三维特征块的尺寸，确定所述特征值的上下文信息，所述上下文信息包括根据所述任一三维特征块的尺寸确定的所述特征值的邻域内已编码的特征值；

将所述特征值的上下文信息输入至第二神经网络模型；

获取所述第二神经网络模型输出的所述特征值的概率分布向量。

8.根据权利要求1至5任一项所述的方法，其特征在于，所述对所述至少两个三维特征块进行编码，包括：

对所述至少两个三维特征块进行量化处理，获取至少两个三维量化特征块，所述至少两个三维量化特征块的任一三维量化特征块包括多个量化特征值；

根据所述任一三维量化特征块的尺寸，对所述任一三维量化特征块的量化特征值进行概率分布估计，得到所述量化特征值的概率分布向量；所述任一三维量化特征块的尺寸与对应的任一三维特征块的尺寸相同；

根据所述量化特征值的概率分布向量对所述任一三维量化特征块进行熵编码。

9.根据权利要求8所述的方法，其特征在于，所述根据所述任一三维量化特征块的尺寸，对所述任一三维量化特征块的量化特征值进行概率分布估计，得到所述量化特征值的概率分布向量，包括：

根据所述任一三维量化特征块的尺寸，确定所述量化特征值的上下文信息，所述上下文信息包括根据所述任一三维量化特征块的尺寸确定的所述量化特征值的邻域内已编码的量化特征值；

将所述量化特征值的上下文信息输入至第三神经网络模型；

获取所述第三神经网络模型输出的所述量化特征值的概率分布向量。

10.一种图像解码方法，其特征在于，所述方法包括：

获取待解码码流，所述待解码码流包括至少两个三维特征块的编码数据，以及所述至少两个三维特征块的尺寸信息；

根据所述至少两个三维特征块的编码数据，以及所述至少两个三维特征块的尺寸信息，获取所述至少两个三维特征块；

根据所述至少两个三维特征块，重建待处理图像的至少两个图像块。

11.根据权利要求10所述的方法，其特征在于，所述至少两个三维特征块的尺寸信息包括所述至少两个三维特征块的尺寸，所述至少两个三维特征块的尺寸包括三维特征块的长度、宽度和高度。

12.根据权利要求10所述的方法，其特征在于，所述至少两个三维特征块的尺寸信息，包括：所述至少两个图像块的尺寸信息、或者所述至少两个图像块的尺寸信息和第一神经网络模型的参数，所述至少两个图像块的尺寸信息和所述第一神经网络模型的参数用于确定所述至少两个三维特征块的尺寸。

13.根据权利要求12所述的方法，其特征在于，所述至少两个图像块的尺寸信息包括所述至少两个图像块的高度和宽度。

14.根据权利要求12所述的方法，其特征在于，所述第一神经网络模型的参数包括卷积核的通道数或缩放步长中至少一项；所述至少两个图像块的尺寸信息包括所述至少两个图像块的宽度和高度；

所述至少两个三维特征块中任一三维特征块的长度、宽度和高度和所述至少两个图像块中对应的任一图像块的宽度和高度的对应关系如下：

M×N×R＝W/S×H/S×C；

其中，M为所述任一三维特征块的长度，N为所述任一三维特征块的宽度，R为所述任一三维特征块的高度，W为所述任一图像块的宽度，H为所述任一图像块的高度，C为卷积核的通道数，S为缩放步长。

15.根据权利要求10至14任一项所述的方法，其特征在于，所述至少两个三维特征块，包括：所述至少两个三维特征块中任一三维特征块的多个特征值，和所述至少两个三维特征块的尺寸信息。

16.根据权利要求15所述的方法，其特征在于，所述根据所述至少两个三维特征块的编码数据，以及所述至少两个三维特征块的尺寸信息，获取所述至少两个三维特征块，包括：

根据所述任一三维特征块的尺寸信息，对所述任一三维特征块的特征值进行概率分布估计，得到所述特征值的概率分布向量；

根据所述特征值的概率分布向量对所述任一三维特征块的编码数据进行熵解码，得到所述特征值。

17.根据权利要求15所述的方法，其特征在于，所述根据所述至少两个三维特征块的编码数据，以及所述至少两个三维特征块的尺寸信息，获取所述至少两个三维特征块，包括：

根据所述任一三维特征块三维特征块的尺寸信息，对所述任一三维特征块的特征值进行概率分布估计，得到所述特征值的概率分布向量；

根据所述特征值的概率分布向量对所述任一三维特征块的编码数据进行熵解码，得到所述特征值的量化特征值；

对所述量化特征值进行反量化处理，得到所述特征值。

18.根据权利要求16或17所述的方法，其特征在于，所述根据所述任一三维特征块三维特征块的尺寸信息，对所述任一三维特征块的特征值进行概率分布估计，得到所述特征值的概率分布向量，包括：

根据所述任一三维特征块的尺寸信息，确定所述特征值的上下文信息，所述上下文信息包括根据所述任一三维特征块的尺寸信息确定的所述特征值的邻域内已解码的特征值；

将所述特征值的上下文信息输入至第二神经网络模型；

获取所述第二神经网络模型输出的所述特征值的概率分布向量。

19.根据权利要求10至18任一项所述的方法，其特征在于，所述根据所述至少两个三维特征块，重建待处理图像的至少两个图像块，包括：

将所述至少两个三维特征块输入至第三神经网络模型，获取所述第三神经网络模型输出的所述至少两个图像块的重建图像块。

20.一种图像编码装置，其特征在于，包括：相互耦合的非易失性存储器和处理器，所述处理器调用存储在所述存储器中的程序代码以执行如权利要求1至9任一项所述的方法。

21.一种图像解码装置，其特征在于，包括：相互耦合的非易失性存储器和处理器，所述处理器调用存储在所述存储器中的程序代码以执行如权利要求10至19任一项所述的方法。

22.一种图像编码设备，其特征在于，包括：编码器，所述编码器用于执行如权利要求1至9任一项所述的方法。

23.一种图像解码设备，其特征在于，包括：解码器，所述解码器用于执行如权利要求10至19任一项所述的方法。

24.一种计算机可读存储介质，其特征在于，包括根据如权利要求1至9任一项所述的方法获得的编码码流。

Images