CN114173116A - 一种基于拉普拉斯滤波器的自适应量化方法 - Google Patents

一种基于拉普拉斯滤波器的自适应量化方法 Download PDF

Info

Publication number
CN114173116A
CN114173116A CN202111420620.7A CN202111420620A CN114173116A CN 114173116 A CN114173116 A CN 114173116A CN 202111420620 A CN202111420620 A CN 202111420620A CN 114173116 A CN114173116 A CN 114173116A
Authority
CN
China
Prior art keywords
coding
quantization
coding unit
parameter
unit
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.)
Pending
Application number
CN202111420620.7A
Other languages
English (en)
Inventor
梁凡
范烁烁
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.)
Sun Yat Sen University
Original Assignee
Sun Yat Sen University
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 Sun Yat Sen University filed Critical Sun Yat Sen University
Priority to CN202111420620.7A priority Critical patent/CN114173116A/zh
Publication of CN114173116A publication Critical patent/CN114173116A/zh
Pending legal-status Critical Current

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
    • H04N19/102—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
    • H04N19/124—Quantisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G06T7/44—Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00—Image coding
    • G06T9/40—Tree coding, e.g. quadtree, octree
    • 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
    • H04N19/117—Filters, e.g. for pre-processing or post-processing
    • 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
    • H04N19/12—Selection from among a plurality of transforms or standards, e.g. selection between discrete cosine transform [DCT] and sub-band transform or selection between H.263 and H.264
    • H04N19/122—Selection of transform size, e.g. 8x8 or 2x4x8 DCT; Selection of sub-band transforms of varying structure or type
    • 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
    • H04N19/174—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 slice, e.g. a line of blocks or a group of blocks
    • 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
    • H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
    • H04N19/96—Tree coding, e.g. quad-tree coding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Discrete Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本发明公开了一种基于拉普拉斯滤波器的自适应量化方法，方法包括：在编码器对每一帧图像进行编码时，将图像帧划分为多个图像片；将每个所述图像片划分成多个编码树单元；将每个所述编码树单元划分成多个编码单元；对每个所述编码单元进行拉普拉斯滤波处理，得到每个所述编码单元的活动性参数；根据每个所述编码单元的活动性参数，确定每个编码单元的量化参数；其中，所述量化参数用于表征编码量化过程的量化误差。本发明通过确定编码过程中的量化参数，对于平坦区域设置更小的量化参数值，进行细量化，而对于复杂区域设置较大的量化参数值，进行粗量化，能够达到更好的主观效果，可广泛应用于图像处理技术领域。

Description

一种基于拉普拉斯滤波器的自适应量化方法
技术领域
本发明涉及图像处理技术领域，尤其是一种基于拉普拉斯滤波器的自适应量化方法。
背景技术
AVS3视频编码标准是中国AVS工作组制定的第三代视频编码标准。适应超高清电视广播、VR、视频监控等多种应用场景。AVS3的第一阶段已于2019年3月完成，在4K超高分辨率视频方面，它比AVS2节省了大约30％的比特率。此外，AVS3的第二阶段旨在开发更有效的编码工具，以改进性能，特别是监视视频和屏幕内容视频，目标编码性能比AVS2提升一倍。AVS3标准参考软件HPM相比于HEVC参考软件HM平均可实现大约20％的BD-rate降低。AVS3采用了许多新颖的编码工具来提高编码效率，例如：QTBT+EQT划分、Ultimate Motion VectorExpression(UMVE)、Position Based Transform(PBT)、Intra Derived Tree(Intra DT)等。但是这些技术，都是在客观上追求一种更优的编码效果，而没有考虑人眼的主观影响。而人作为信息的最后接收者，主观上的好坏十分重要，所以越来越多主观质量优化技术被引入到视频编解码中。
在HEVC中，考虑到人眼视觉系统(HVS)的影响，由于人眼对于图像纹理平坦区域更加敏感，而对于纹理复杂区域相对不敏感，因此，如何在编码过程中进行相应处理使得图像的观测效果更好、人眼的观察效果更佳，成为一个亟待解决的技术问题。
发明内容
有鉴于此，本发明实施例提供一种基于拉普拉斯滤波器的自适应量化方法，以提高图像的观测效果。
本发明的一方面提供了一种基于拉普拉斯滤波器的自适应量化方法，包括：
在编码器对每一帧图像进行编码时，将图像帧划分为多个图像片；
将每个所述图像片划分成多个编码树单元；
将每个所述编码树单元划分成多个编码单元；
对每个所述编码单元进行拉普拉斯滤波处理，得到每个所述编码单元的活动性参数；
根据每个所述编码单元的活动性参数，确定每个编码单元的量化参数；
其中，所述量化参数用于表征编码量化过程的量化误差。
可选地，所述将每个所述编码树单元划分成多个编码单元，包括以下至少之一：
采用四叉树划分法，将所述编码树单元划分成多个编码单元；
或者，采用二叉树划分法，将所述编码树单元划分成多个编码单元；
或者，采用扩展四叉树划分法，将所述编码树单元划分成多个编码单元。
可选地，所述编码树单元为128×128的编码树单元；每个所述编码树单元划分得到256个8×8的编码单元。
可选地，所述对每个所述编码单元进行拉普拉斯滤波处理，得到每个所述编码单元的活动性参数，包括：
获取每个编码单元的原始亮度值；
通过拉普拉斯高通滤波器对所述原始亮度值进行滤波处理；
根据所述滤波处理的结果，计算每个编码单元的活动性参数。
可选地，所述滤波处理的计算公式为：
Z(x，y)＝4*L(x，y)-L(x，y-1)-L(x，y+1)-L(x-1，y)-L(x+1，y)
所述活动性参数的计算公式为：
Figure BDA0003376512370000021
其中，Z(x，y)代表；滤波处理后的亮度值；L(x，y)代表像素(x，y)的原始亮度值；actk代表第k个编码单元的活动性参数；x和y表示编码单元中像素的位置。
可选地，所述根据每个所述编码单元的活动性参数，确定每个编码单元的量化参数这一步骤中，所述量化参数的计算公式为：
Figure BDA0003376512370000022
其中，thr表示的是阈值，actk表示的是第k个编码单元的活动性参数；sliceQP表示的是Slice级别的量化参数值；qpk表示的是第k个编码单元的量化参数值。
可选地，当每个编码单元中包含多个子编码单元时，所述编码单元的量化参数值等于所述多个子编码单元中量化参数值的平均值。
本发明实施例的另一方面提供了一种基于拉普拉斯滤波器的自适应量化装置，包括：
第一模块，用于在编码器对每一帧图像进行编码时，将图像帧划分为多个图像片；
第二模块，用于将每个所述图像片划分成多个编码树单元；
第三模块，用于将每个所述编码树单元划分成多个编码单元；
第四模块，用于对每个所述编码单元进行拉普拉斯滤波处理，得到每个所述编码单元的活动性参数；
第五模块，用于根据每个所述编码单元的活动性参数，确定每个编码单元的量化参数；
其中，所述量化参数用于表征编码量化过程的量化误差。
本发明实施例的另一方面提供了一种电子设备，包括处理器以及存储器；
所述存储器用于存储程序；
所述处理器执行所述程序实现如前面所述的方法。
本发明实施例的另一方面提供了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如前面所述的方法。
本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前面的方法。
本发明的实施例在编码器对每一帧图像进行编码时，将图像帧划分为多个图像片；将每个所述图像片划分成多个编码树单元；将每个所述编码树单元划分成多个编码单元；对每个所述编码单元进行拉普拉斯滤波处理，得到每个所述编码单元的活动性参数；根据每个所述编码单元的活动性参数，确定每个编码单元的量化参数；其中，所述量化参数用于表征编码量化过程的量化误差。本发明通过确定编码过程中的量化参数，对于平坦区域设置更小的量化参数值，进行细量化，而对于复杂区域设置较大的量化参数值，进行粗量化，能够达到更好的主观效果。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的整体步骤流程图；
图2为本发明实施例提供的原始图像和卷积滤波处理后图像的对比示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
针对现有技术存在的问题，本发明实施例提供了一种基于拉普拉斯滤波器的自适应量化方法，包括：
在编码器对每一帧图像进行编码时，将图像帧划分为多个图像片；
将每个所述图像片划分成多个编码树单元；
将每个所述编码树单元划分成多个编码单元；
对每个所述编码单元进行拉普拉斯滤波处理，得到每个所述编码单元的活动性参数；
根据每个所述编码单元的活动性参数，确定每个编码单元的量化参数；
其中，所述量化参数用于表征编码量化过程的量化误差。
可选地，所述将每个所述编码树单元划分成多个编码单元，包括以下至少之一：
采用四叉树划分法，将所述编码树单元划分成多个编码单元；
或者，采用二叉树划分法，将所述编码树单元划分成多个编码单元；
或者，采用扩展四叉树划分法，将所述编码树单元划分成多个编码单元；
可选地，所述编码树单元为128×128的编码树单元；每个所述编码树单元划分得到256个8×8的编码单元。
可选地，所述对每个所述编码单元进行拉普拉斯滤波处理，得到每个所述编码单元的活动性参数，包括：
获取每个编码单元的原始亮度值；
通过拉普拉斯高通滤波器对所述原始亮度值进行滤波处理；
根据所述滤波处理的结果，计算每个编码单元的活动性参数。
可选地，所述滤波处理的计算公式为：
Z(x，y)＝4*L(x，y)-L(x，y-1)-L(x，y+1)-L(x-1，y)-L(x+1，y)
所述活动性参数的计算公式为：
Figure BDA0003376512370000041
其中，Z(x，y)代表；滤波处理后的亮度值；L(x，y)代表像素(x，y)的原始亮度值；actk代表第k个编码单元的活动性参数；x和y表示编码单元中像素的位置。
可选地，所述根据每个所述编码单元的活动性参数，确定每个编码单元的量化参数这一步骤中，所述量化参数的计算公式为：
Figure BDA0003376512370000051
其中，thr表示的是阈值，actk表示的是第k个编码单元的活动性参数；sliceQP表示的是Slice级别的量化参数值；qpk表示的是第k个编码单元的量化参数值。
可选地，当每个编码单元中包含多个子编码单元时，所述编码单元的量化参数值等于所述多个子编码单元中量化参数值的平均值。
本发明实施例的另一方面提供了一种基于拉普拉斯滤波器的自适应量化装置，包括：
第一模块，用于在编码器对每一帧图像进行编码时，将图像帧划分为多个图像片；
第二模块，用于将每个所述图像片划分成多个编码树单元；
第三模块，用于将每个所述编码树单元划分成多个编码单元；
第四模块，用于对每个所述编码单元进行拉普拉斯滤波处理，得到每个所述编码单元的活动性参数；
第五模块，用于根据每个所述编码单元的活动性参数，确定每个编码单元的量化参数；
其中，所述量化参数用于表征编码量化过程的量化误差。
本发明实施例的另一方面提供了一种电子设备，包括处理器以及存储器；
所述存储器用于存储程序；
所述处理器执行所述程序实现如前面所述的方法。
本发明实施例的另一方面提供了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如前面所述的方法。
本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前面的方法。
下面结合说明书附图，对本发明的具体工作原理进行详细说明：
考虑到人眼视觉系统(HVS)的影响，本发明引入了一种自适应量化(AdaptiveQuantization)方法，主要思想是：人眼对于图像纹理平坦区域更加敏感，而对于纹理复杂区域相对不敏感，所以在编码时，对于平坦区域设置更小的量化参数值(QP值)，进行细量化，而对于复杂区域设置较大的QP值，进行粗量化，以达到更好的主观效果。基于此思想，本发明提出了一种基于拉普拉斯滤波器的自适应量化算法，通过使用拉普拉斯滤波器对图像活动性activity进行计算，从而判断图像相对平坦还是纹理复杂，从而调整量化QP值。
在图像处理中，当邻域中心像素灰度低于它所在的领域内其它像素的平均灰度时，此中心像素的灰度应被进一步降低，当邻域中心像素灰度高于它所在的邻域内其它像素的平均灰度时，此中心像素的灰度应被进一步提高，以此实现图像的锐化处理。拉普拉斯算子即可达到这样的效果，由于拉普拉斯是一种微分算子，它的应用可增强图像中灰度突变的区域，减弱灰度缓慢变化的区域。因此，锐化处理可以选择拉普拉斯算子对原图像进行处理。基于此思想，本发明使用拉普拉斯滤波器对图像帧进行高通滤波处理，从而得到图像的纹理复杂度，细致来说针对于一个Coding Uint(CU)，利用拉普拉斯滤波器得到CU的activity，activity大的即为复杂CU，相反小的为平坦CU，从而来调整CU的QP值。
具体地，下面首先详细描述拉普拉斯滤波器的工作原理：
本发明是基于计算图像纹理复杂度从而调整QP值的算法，提取图像纹理特征，本发明使用一种有效的高通滤波器：拉普拉斯滤波器。其核矩阵如下所示：
Figure BDA0003376512370000061
通过拉普拉斯核矩阵与图像进行卷积操作，如公式(1)，即可得到原始图像的纹理复杂信息，其中F为卷积滤波后的图像，L为拉普拉斯卷积核矩阵，Y为原始图像。
F＝L*Y (1)
本实施例的具体实现过程为，从图像的第2行第2列开始，至倒数第2行倒数第二列结束，使用拉普拉斯算子核矩阵与原图进行卷积，边缘像素不进行处理。通过以上方法将水平垂直方向遍历完之后，即可得到与原始图像等大的滤波图像。
使用本发明实施例的滤波器提取图像纹理如图2所示。从图中可以看出来，经过拉普拉斯高通滤波后，头发区域(如图2中的方框201所示)的高频细节被保留，对应复杂纹理，而后背(如图2中的方框202所示)的低频细节被过滤掉，对应于平坦区域。以此可以证明拉普拉斯滤波器在提取图像纹理特征，保留高频成分时具有很好的效果。
下面进一步详细描述本发明的基于拉普拉斯高通滤波器的自适应量化方法：
在HPM中实现过程如下：编码器在编码每一帧时，会将一帧图像划分为若干个图像片(slice)，每个slice又被划分为若干个128x128大小的编码树单元(Coding Tree Unit，CTU)。一个CTU通过不同的划分方式被划分成许多子编码单元(Coding Unit，CU)。
每一个CTU通过QT(Quad-tree，四叉树划分)，BT(Binary tree，二叉树划分)，EQT(Extended Quad-tree，扩展四叉树划分)方法进行划分，划分得到多个编码单元(CU)。
同一个Slice里面的CTU共享一个Slice级的量化参数(Qantization Prameter，QP)，QP值的大小决定了量化误差。QP值越小，量化得越细致，量化误差越小，相反QP值越大，量化得越粗糙，量化误差越大。自适应量化的目的就是为CTU中每一个子CU根据其纹理复杂度(即活动性activity)设置不同的QP值。
首先，本实施例把128x128的CTU分成256个8x8的子块，然后对每一个子块进行高通滤波，得到每个子块的活动性activity值，然后根据activity值计算8x8子块的QP，最终一个CTU里面所有8x8子块的QP值都被确定。之后率失真优化RDO过程中，针对任意大小的CU，其QP就等于包含的所有8x8子块QP的均值。(就是一个CTU是128x128的方块，先计算出里面每个8x8的子块的QP，然后在编码的时候具体到一个CU(比如大小可以为64x64，32x32，16x16)里面包含的8x8块QP的均值作为这个CU的QP值)
如图1所示，具体算法描述如下：
首先，假设L(x，y)为一个8x8子块的原始亮度值，其中0≤x＜8，0≤y＜8。然后使用拉普拉斯高通滤波器对其进行滤波处理，如公式(2)所示：
Z(x，y)＝4*L(x，y)-L(x，y-1)-L(x，y+1)-L(x-1，y)-L(x+1，y) (2)
然后，计算8x8子块的活动性activity，如公式(3)所示：
Figure BDA0003376512370000071
其中，actk表示第k个8x8子块的活动性，cuk表示第k个8x8子块，x和y表示8x8子块中像素的位置，z(x，y)表示8x8子块(x，y)位置上的亮度值。
最后，计算8x8子块的QP值，如公式(4)所示：
Figure BDA0003376512370000072
其中，thr表示的是阈值，actk表示的是第k个8x8子块的活动性activity，sliceQP表示的是Slice级别的QP值，qpk表示的是第k个8x8子块的QP值。
当actk≤thr，表示当前8x8 CU块趋于平坦，所以QP值调小。相反，当actk＞thr，表示当前8x8 CU块纹理复杂，所以QP值调高。最终得到一个CTU里面所有8x8子块的QP。
在编码过程中，对于一个指定大小的CU(假设为方块)，其中包含n个8x8子块，那么此CU的QP值计算如公式(5)所示：
Figure BDA0003376512370000073
在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外，在本发明的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
此外，虽然在功能性模块的背景下描述了本发明，但应当理解的是，除非另有相反说明，所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本发明的范围，本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
所述功能如果以软件功能单元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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (10)

1.一种基于拉普拉斯滤波器的自适应量化方法，其特征在于，包括：
在编码器对每一帧图像进行编码时，将图像帧划分为多个图像片；
将每个所述图像片划分成多个编码树单元；
将每个所述编码树单元划分成多个编码单元；
对每个所述编码单元进行拉普拉斯滤波处理，得到每个所述编码单元的活动性参数；
根据每个所述编码单元的活动性参数，确定每个编码单元的量化参数；
其中，所述量化参数用于表征编码量化过程的量化误差。
2.根据权利要求1所述的一种基于拉普拉斯滤波器的自适应量化方法，其特征在于，所述将每个所述编码树单元划分成多个编码单元，包括以下至少之一：
采用四叉树划分法，将所述编码树单元划分成多个编码单元；
或者，采用二叉树划分法，将所述编码树单元划分成多个编码单元；
或者，采用扩展四叉树划分法，将所述编码树单元划分成多个编码单元。
3.根据权利要求2所述的一种基于拉普拉斯滤波器的自适应量化方法，其特征在于，所述编码树单元为128×128的编码树单元；每个所述编码树单元划分得到256个8×8的编码单元。
4.根据权利要求3所述的一种基于拉普拉斯滤波器的自适应量化方法，其特征在于，所述对每个所述编码单元进行拉普拉斯滤波处理，得到每个所述编码单元的活动性参数，包括：
获取每个编码单元的原始亮度值；
通过拉普拉斯高通滤波器对所述原始亮度值进行滤波处理；
根据所述滤波处理的结果，计算每个编码单元的活动性参数。
5.根据权利要求4所述的一种基于拉普拉斯滤波器的自适应量化方法，其特征在于，
所述滤波处理的计算公式为：
Z(x，y)＝4*L(x，y)-L(x，y-1)-L(x，y+1)-L(x-1，y)-L(x+1，y)
所述活动性参数的计算公式为：
Figure FDA0003376512360000011
其中，Z(x，y)代表；滤波处理后的亮度值；L(x，y)代表像素(x，y)的原始亮度值；actk代表第k个编码单元的活动性参数；x和y表示编码单元中像素的位置。
6.根据权利要求5所述的一种基于拉普拉斯滤波器的自适应量化方法，其特征在于，所述根据每个所述编码单元的活动性参数，确定每个编码单元的量化参数这一步骤中，所述量化参数的计算公式为：
Figure FDA0003376512360000021
其中，thr表示的是阈值，actk表示的是第k个编码单元的活动性参数；sliceQP表示的是Slice级别的量化参数值；qpk表示的是第k个编码单元的量化参数值。
7.根据权利要求6所述的一种基于拉普拉斯滤波器的自适应量化方法，其特征在于，当每个编码单元中包含多个子编码单元时，所述编码单元的量化参数值等于所述多个子编码单元中量化参数值的平均值。
8.一种基于拉普拉斯滤波器的自适应量化装置，其特征在于，包括：
第一模块，用于在编码器对每一帧图像进行编码时，将图像帧划分为多个图像片；
第二模块，用于将每个所述图像片划分成多个编码树单元；
第三模块，用于将每个所述编码树单元划分成多个编码单元；
第四模块，用于对每个所述编码单元进行拉普拉斯滤波处理，得到每个所述编码单元的活动性参数；
第五模块，用于根据每个所述编码单元的活动性参数，确定每个编码单元的量化参数；
其中，所述量化参数用于表征编码量化过程的量化误差。
9.一种电子设备，其特征在于，包括处理器以及存储器；
所述存储器用于存储程序；
所述处理器执行所述程序实现如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质存储有程序，所述程序被处理器执行实现如权利要求1至7中任一项所述的方法。
CN202111420620.7A 2021-11-26 2021-11-26 一种基于拉普拉斯滤波器的自适应量化方法 Pending CN114173116A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111420620.7A CN114173116A (zh) 2021-11-26 2021-11-26 一种基于拉普拉斯滤波器的自适应量化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111420620.7A CN114173116A (zh) 2021-11-26 2021-11-26 一种基于拉普拉斯滤波器的自适应量化方法

Publications (1)

Publication Number Publication Date
CN114173116A true CN114173116A (zh) 2022-03-11

Family

ID=80480955

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111420620.7A Pending CN114173116A (zh) 2021-11-26 2021-11-26 一种基于拉普拉斯滤波器的自适应量化方法

Country Status (1)

Country Link
CN (1) CN114173116A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103222263A (zh) * 2010-09-01 2013-07-24 高通股份有限公司 基于改进的拉普拉斯求和滤波器标引与四叉树分割的组合的多输入自适应滤波器
WO2020007827A1 (en) * 2018-07-02 2020-01-09 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Encoder, decoder and method for adaptive quantization in multi-channel picture coding
CN112189341A (zh) * 2018-04-16 2021-01-05 交互数字Vc控股公司 用于视频编码和解码的量化参数预测
CN113132725A (zh) * 2021-03-26 2021-07-16 中山大学 一种去块滤波优化方法、装置、设备及介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103222263A (zh) * 2010-09-01 2013-07-24 高通股份有限公司 基于改进的拉普拉斯求和滤波器标引与四叉树分割的组合的多输入自适应滤波器
CN112189341A (zh) * 2018-04-16 2021-01-05 交互数字Vc控股公司 用于视频编码和解码的量化参数预测
WO2020007827A1 (en) * 2018-07-02 2020-01-09 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Encoder, decoder and method for adaptive quantization in multi-channel picture coding
CN113132725A (zh) * 2021-03-26 2021-07-16 中山大学 一种去块滤波优化方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
KR101545005B1 (ko) 이미지 압축 및 압축해제
RU2696552C1 (ru) Способ и устройство для видеокодирования
TWI706669B (zh) 畫像編碼裝置、畫像解碼裝置以及記錄媒體
TWI555342B (zh) 清除解塊人為雜訊的方法
KR20190063452A (ko) 루프내 필터링을 이용한 영상 부호화/복호화 방법 및 장치
US7804896B2 (en) Content adaptive noise reduction filtering for image signals
CN110036637B (zh) 去噪声化已重构图像的方法及装置
JP2005166021A (ja) 画像中の画素を分類する方法
Kong et al. Edge map guided adaptive post-filter for blocking and ringing artifacts removal
WO2017085708A1 (en) Method of controlling a quality measure and system thereof
JP2011091510A (ja) 画像処理装置およびその制御方法
Lin et al. Residual in residual based convolutional neural network in-loop filter for AVS3
WO2013178521A1 (en) Method and apparatus for encoding a video stream
JP2003510932A (ja) フィルタ処理装置及び方法
CN110868593B (zh) 基于区域决策树的视频cu快速划分
CN114173116A (zh) 一种基于拉普拉斯滤波器的自适应量化方法
WO2023048070A1 (en) Systems and methods for compression of feature data using joint coding in coding of multi-dimensional data
JPH05344346A (ja) 画像圧縮装置
CN110855973B (zh) 基于区域方向性离差和的视频帧内快速算法
Wang et al. Neural network based in-loop filter with constrained memory
WO2023037977A1 (en) Systems and methods for reducing noise in reconstructed feature data in coding of multi-dimensional data
EP3598759B1 (en) Systems and methods for deblocking filtering
CN117834866A (zh) 一种用于视频时域降噪中的参考数据压缩解压方法、装置及计算机存储介质
JP3194041B2 (ja) 画像処理方法
Shao Unified compression artifacts removal based on adaptive learning on activity measure

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