CN115550645A - 帧内预测模式的确定方法、装置、存储介质及电子设备 - Google Patents

帧内预测模式的确定方法、装置、存储介质及电子设备 Download PDF

Info

Publication number
CN115550645A
CN115550645A CN202211535857.4A CN202211535857A CN115550645A CN 115550645 A CN115550645 A CN 115550645A CN 202211535857 A CN202211535857 A CN 202211535857A CN 115550645 A CN115550645 A CN 115550645A
Authority
CN
China
Prior art keywords
intra
prediction mode
angle prediction
texture
prediction modes
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
CN202211535857.4A
Other languages
English (en)
Inventor
张鹏
向国庆
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.)
Advanced Institute of Information Technology AIIT of Peking University
Hangzhou Weiming Information Technology Co Ltd
Original Assignee
Advanced Institute of Information Technology AIIT of Peking University
Hangzhou Weiming Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Advanced Institute of Information Technology AIIT of Peking University, Hangzhou Weiming Information Technology Co Ltd filed Critical Advanced Institute of Information Technology AIIT of Peking University
Priority to CN202211535857.4A priority Critical patent/CN115550645A/zh
Publication of CN115550645A publication Critical patent/CN115550645A/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
    • H04N19/103—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
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/136—Incoming video signal characteristics or properties
    • H04N19/137—Motion inside a coding unit, e.g. average field, frame or block difference

Landscapes

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

Abstract

本发明公开了一种帧内预测模式的确定方法、装置、存储介质及电子设备。其中，上述方法包括：确定当前预测单元的纹理方向，并从帧内角度预测模式集合中选取与所述纹理方向距离最近的预设数量的参考帧内角度预测模式；获取所述当前预测单元的纹理复杂度；根据所述纹理复杂度选取与所述参考帧内角度预测模式的中轴夹角最小的目标数量的帧内角度预测模式；其中，所述纹理复杂度与所述目标数量成正比；将所述参考帧内角度预测模式与所述目标数量的帧内角度预测模式作为目标帧内角度预测模式。本发明解决了相关技术中确定帧内预测模式效率低的技术问题。

Description

帧内预测模式的确定方法、装置、存储介质及电子设备
技术领域
本发明图像处理技术领域，具体而言，涉及一种帧内预测模式的确定方法、装置、存储介质及电子设备。
背景技术
(Rough Mode Decision，RMD)粗略模式决策，作为帧内预测的一项技术，会对块划分所有的预测单元 (Prediction Unit，PU)进行粗略计算，从33种预测模式中，AVS3目前支持30种角度预测模式，这使得AVS3在做帧内预测时能更好地拟合图像区域的角度纹理，得到更加准确的预测结果。但是这显著地增加了模式粗选过程的计算量，带来了较大的时间消耗。
现有技术在帧内预测模式粗选过程中仅计算每一种预测模式对应的码率与失真的近似值，因此单步计算量较小。但由于粗选过程需要遍历全部33种候选预测模式，所以粗略模式决策整体计算量较大，如此会导致模式粗选过程占据了整个帧内预测过程的大部分时间，帧内预测效率较低。
发明内容
本发明实施例提供了一种帧内预测模式的确定方法、装置、存储介质及电子设备，以至少解决相关技术中确定帧内预测模式效率低的技术问题。
根据本发明实施例的一个方面，提供了一种帧内预测模式的确定方法，包括：确定当前预测单元的纹理方向，并从帧内角度预测模式集合中选取与上述纹理方向距离最近的预设数量的参考帧内角度预测模式；获取上述当前预测单元的纹理复杂度；根据上述纹理复杂度选取与上述参考帧内角度预测模式的中轴夹角最小的目标数量的帧内角度预测模式；其中，上述纹理复杂度与上述目标数量成正比；将上述参考帧内角度预测模式与上述目标数量的帧内角度预测模式作为目标帧内角度预测模式。
根据本发明实施例的另一方面，还提供了一种帧内预测模式的确定装置，包括：第一确定单元，用于确定当前预测单元的纹理方向，并从帧内角度预测模式集合中选取与上述纹理方向距离最近的预设数量的参考帧内角度预测模式；获取单元，用于获取上述当前预测单元的纹理复杂度；选择单元，用于根据上述纹理复杂度选取与上述参考帧内角度预测模式的中轴夹角最小的目标数量的帧内角度预测模式；其中，上述纹理复杂度与上述目标数量成正比；第二确定单元，用于将上述参考帧内角度预测模式与上述目标数量的帧内角度预测模式作为目标帧内角度预测模式。
根据本发明实施例的又一方面，还提供了一种电子设备，包括存储器和处理器，上述存储器中存储有计算机程序，上述处理器被设置为通过上述计算机程序执行上述的帧内预测模式的确定方法。
根据本发明实施例的又一方面，还提供了一种计算机可读的存储介质，该计算机可读的存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述帧内预测模式的确定方法。
在本发明实施例中，采用了确定当前预测单元的纹理方向，并从帧内角度预测模式集合中选取与上述纹理方向距离最近的预设数量的参考帧内角度预测模式；获取上述当前预测单元的纹理复杂度；根据上述纹理复杂度选取与上述参考帧内角度预测模式的中轴夹角最小的目标数量的帧内角度预测模式；其中，上述纹理复杂度与上述目标数量成正比；将上述参考帧内角度预测模式与上述目标数量的帧内角度预测模式作为目标帧内角度预测模式的方法，在上述方法中，通过参考帧内角度预测模式和预测单元的纹理复杂度来快速剔除编码性能较差的帧内角度预测模式，不仅减少了视频编码过程中的计算量，而且加快了编码速度，提高了确定帧内预测模式效率，进而解决了相关技术中确定帧内预测模式效率低的技术问题。
附图说明
通过阅读对下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在全部附图中，用相同的附图标号表示相同的部件。在附图中：
图1是根据本发明实施例的一种可选的帧内预测模式的确定方法的应用环境的示意图；
图2是根据本发明实施例的另一种可选的帧内预测模式的确定方法的应用环境的示意图；
图3是根据本发明实施例的一种可选的帧内预测模式的确定方法的流程示意图；
图4是根据本发明实施例的一种可选的AVS3角度预测模式的示意图；
图5是根据本发明实施例的另一种可选的帧内预测模式的确定方法的操作流程示意图；
图6是根据本发明实施例的另一种帧内预测模式的确定方法的流程示意图；
图7是根据本发明实施例的一种可选的帧内预测模式的确定装置的结构示意图；
图8是根据本发明实施例的一种可选的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。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的过程、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。
根据本发明实施例的一个方面，提供了一种帧内预测模式的确定方法，可选地，作为一种可选地实施方式，上述帧内预测模式的确定方法可以但不限于应用于如图1所示的应用环境中。该应用环境中包括：与用户进行人机交互的终端设备102、网络104、服务器106。用户108与终端设备102之间可以进行人机交互，终端设备102中运行有帧内预测模式的确定应用程序。上述终端设备102中包括人机交互屏幕1022，处理器1024及存储器1026。人机交互屏幕1022用于呈现视频帧中的编码单元以及上述编码单元的参考像素；处理器1024用于确定当前预测单元的纹理方向，并从帧内角度预测模式集合中选取与上述纹理方向距离最近的预设数量的参考帧内角度预测模式。存储器1026用于存储上述确定当前预测单元的纹理方向，与上述纹理方向距离最小的参考帧内角度预测模式。
此外，服务器106中包括数据库1062及处理引擎1064，数据库1062中用于存储上述当前预测单元的纹理方向，与上述纹理方向距离最小的参考帧内角度预测模式。处理引擎1064用于确定当前预测单元的纹理方向，并从帧内角度预测模式集合中选取与上述纹理方向距离最近的预设数量的参考帧内角度预测模式；获取上述当前预测单元的纹理复杂度；根据上述纹理复杂度选取与上述参考帧内角度预测模式的中轴夹角最小的目标数量的帧内角度预测模式；其中，上述纹理复杂度与上述目标数量成正比；将上述参考帧内角度预测模式与上述目标数量的帧内角度预测模式作为目标帧内角度预测模式。将上述目标帧内角度预测模式发送至终端设备102。
在一个或多个实施例中，本申请上述帧内预测模式的确定方法可以应用于图2所示的应用环境中。如图2所示，用户202与用户设备204之间可以进行人机交互。用户设备204中包含有存储器206和处理器208。本实施例中用户设备204可以但不限于参考执行上述终端设备102所执行的操作，以输出目标帧内角度预测模式。
可选地，上述终端设备102和用户设备204包括但不限于以下至少之一：手机（如Android手机、iOS手机等）、笔记本电脑、平板电脑、掌上电脑、MID（Mobile InternetDevices，移动互联网设备）、PAD、台式电脑、智能电视等。目标客户端可以是视频客户端、即时通信客户端、浏览器客户端、教育客户端等。上述网络104可以包括但不限于：有线网络，无线网络，其中，该有线网络包括：局域网、城域网和广域网，该无线网络包括：蓝牙、WIFI及其他实现无线通信的网络。上述服务器106可以是单一服务器，也可以是由多个服务器组成的服务器集群，或者是云服务器。上述仅是一种示例，本实施例中对此不作任何限定。
作为一种可选地实施方式，如图3所示，本发明实施例提供了一种帧内预测模式的确定方法，包括如下步骤：
S302，确定当前预测单元的纹理方向，并从帧内角度预测模式集合中选取与上述纹理方向距离最近的预设数量的参考帧内角度预测模式。
在本发明实施例中，包括但不限于通过利用Sobel算子计算上述当前预测单元的纹理方向，还包括通过模型法获取上述当前预测单元的纹理方向，这里采用的模型包括但不限于马尔可夫随机场（MRF）模型法、Gibbs随机场模型法、分形模型和自回归模型。
如图4所示，帧内角度预测模式集合包括30种帧内预测模式，如图5所示，与上述纹理方向匹配的参考帧内角度预测模式，包括与上述纹理方向附近的一个或多个的帧内角度预测模式，例如角度预测模式16和角度预测模式17，将角度预测模式16和角度预测模式17参考帧内角度预测模式。
S304，获取上述当前预测单元的纹理复杂度；
S306，根据上述纹理复杂度选取与上述参考帧内角度预测模式的中轴夹角最小的目标数量的帧内角度预测模式；其中，上述纹理复杂度与上述目标数量成正比；
具体地，如图5所示，例如上述纹理复杂度的值较小，说明图像当前预测单元的纹理复杂，纹理方向性相对较模糊，需要保留一定数量的角度预测模式做进一步判断，可以在16和17两个角度预测模式的中轴附近选取5种角度预测模式，共10种角度预测模式；如果上述纹理复杂度的值较大，则表示当前预测单元纹理平坦，纹理方向性相对较清晰，可缩减较多的候选角度预测模式，故在16和17两个角度预测模式每个角度中轴附近选取3种角度预测模式，共6种角度预测模式。
S308，将上述参考帧内角度预测模式与上述目标数量的帧内角度预测模式作为目标帧内角度预测模式。
在本发明实施例中，采用了获取待预测模式的编码单元以及上述编码单元的参考像素；对上述待预测模式的每个编码单元，根据训练好的模式预测模型获取编码单元对应的模式预测结果；其中，上述模式预测结果用于指示编码单元在所有类别的预测模式下的概率，每类预测模式包括至少一种帧内预测模式；根据上述模式预测结果确定编码单元对应的目标帧内预测模式的方法，在上述方法中，由于采用训练好的模式预测模型获取编码单元对应的模式预测结果，不仅减少了编码过程中的计算量，加快了编码速度，而且提高了确定帧内预测模式效率，进而解决了相关技术中确定帧内预测模式效率低的技术问题。
在一个或多个实施例中，上述从帧内角度预测模式集合中选取与上述纹理方向距离最近的预设数量的参考帧内角度预测模式，包括：
依次计算上述帧内角度预测模式集合中每个帧内角度预测模式与上述纹理方向之间的距离；
将与上述纹理方向距离最近的预设数量的参考帧内角度预测模式确定为参考帧内角度预测模式。
在一个或多个实施例中，上述确定当前预测单元的纹理方向，包括：
利用Sobel算子计算上述当前预测单元的纹理方向。在本发明实施例中，Sobel算子为一种离散差分算子，用来计算某一点像素处梯度向量的近似内容平坦度，用于指示当前图像区域纹理复杂度的指标值。
在一个或多个实施例中，上述获取上述当前预测单元的纹理复杂度，包括：
通过公式（1）获取上述纹理复杂度：
Figure 348004DEST_PATH_IMAGE001
（1）；
其中，M表示当前预测单元的长，N表示当前预测单元的宽，Pij表示当前PU中(i，j)位置处的像素值，CFPU表示上述当前预测单元的纹理复杂度，上述CFPU的取值在0到1之间。
在一个或多个实施例中，上述根据上述纹理复杂度选取与上述参考帧内角度预测模式的中轴夹角最小的目标数量的帧内角度预测模式，包括：
当上述纹理复杂度大于预设阈值时，选取在上述参考帧内角度预测模式附近的第一数量的帧内角度预测模式；
当上述纹理复杂度小于或等于上述预设阈值时，选取在上述参考帧内角度预测模式附近的第二数量的帧内角度预测模式；其中，上述第一数量大于上述第二数量。
具体地，例如，如图5所示，例如上述纹理复杂度的值较小，上述纹理复杂度大于预设阈值时，说明图像当前预测单元的纹理复杂，纹理方向性相对较模糊，需要保留一定数量的角度预测模式做进一步判断，可以在16和17两个角度预测模式的中轴附近选取5种角度预测模式，共10种角度预测模式；如果上述纹理复杂度的值较大，上述纹理复杂度小于或等于预设阈值时，则表示当前预测单元纹理平坦，纹理方向性相对较清晰，可缩减较多的候选角度预测模式，故在16和17两个角度预测模式每个角度中轴附近选取3种角度预测模式，共6种角度预测模式。上述仅为示例，在此不做任何限定。
在一个或多个实施例中，上述预设阈值的值为0.9615。
在一个或多个实施例中，上述将上述参考帧内角度预测模式与上述目标数量的帧内角度预测模式作为目标帧内角度预测模式之后，还包括：
根据上述目标帧内角度预测模式、非角度预测模式和当前预测单元上侧和/或左侧的预测单元的最优预测模式，确定目标帧内预测模式。
具体地，例如，如图5所示，例如上述纹理复杂度的值较小，上述纹理复杂度大于预设阈值时，说明图像当前预测单元的纹理复杂，纹理方向性相对较模糊，需要保留一定数量的角度预测模式做进一步判断，可以在16和17两个角度预测模式的中轴附近选取5种角度预测模式，共10种角度预测模式。根据上述包括上述12种角度预测模式的目标帧内角度预测模式、非角度预测模式（DC、Plane和Bilinear等3种非角度预测模式）和当前预测单元上侧预测单元或左侧预测单元的最优预测模式确定目标帧内预测模式。
如果上述纹理复杂度的值较大，上述纹理复杂度小于或等于预设阈值时，则表示当前预测单元纹理平坦，纹理方向性相对较清晰，可缩减较多的候选角度预测模式，故在16和17两个角度预测模式每个角度中轴附近选取3种角度预测模式，共6种角度预测模式。上述仅为示例，在此不做任何限定。根据上述包括上述8种角度预测模式的目标帧内角度预测模式、非角度预测模式（DC、Plane和Bilinear等3种非角度预测模式）和当前预测单元上侧预测单元或左侧预测单元的最优预测模式确定目标帧内预测模式。
相关技术中，执行视频帧的帧内预测时需要为每一个预测单元PU选择一种预测模式，候选的有30种角度预测模式和3种非角度预测模式。如图4所示的当前AVS3 支持的帧内预测模式，其中右下角标注的DC、Plane和Bilinear是3种非角度预测模式，坐标图上描绘了剩余30种角度预测模式，箭头的指向是对应模式的像素参考方向，编码器将根据该方向选择参考像素以进行预测。其中模式12和模式24是两个特殊的方向，分别表示将从垂直方向（当前PU上侧预测单元）和水平方向（当前PU左侧预测单元）选取参考像素。
在一应用实施例中，如图3所示，本发明实施例提供了一种帧内预测模式的确定方法，包括：
S1，利用Sobel算子计算当前PU块的纹理方向，选取与纹理方向最相近的两2个角度中轴（参考帧内角度预测模式）。
如图5所示，对于红框的PU区域利用Sobel算子计算其纹理方向，假设纹理方向为红框中绿色箭头方向。通过角度对比，确定图4的坐标图中模式16和模式17的方向与PU纹理方向最为接近，即该PU有较大可能采用该模式或相近模式进行预测。故选取模式16和模式17作为当前的角度中轴（参考帧内角度预测模式）。
S2，计算当前PU块的纹理复杂度，如计算公式（1）所示：
Figure 959114DEST_PATH_IMAGE001
（1）；
其中，M表示当前PU的长，N表示当前PU的宽，Pij表示当前PU中(i, j)位置处的像素值。该公式由方差的计算式推导而来，CFPU越大表示对应区域纹理越平坦，CFPU越小表示对应区域纹理越复杂。且CFPU的取值在0到1之间，便于进行阈值判断。
S3，如果纹理复杂度CFPU>th，则表示当前块纹理平坦，纹理方向性相对较清晰，可缩减较多的候选角度预测模式，故在每个角度中轴附近选取3种角度预测模式，共6种帧内角度预测模式。th为预设阈值。
如果纹理复杂度CFPU<=th，则表示当前块纹理复杂，纹理方向性相对较模糊，需要保留一定数量的角度预测模式做进一步判断，故在每个角度中轴附近选取5种角度预测模式，共10种帧内角度预测模式。th的参考值为0.9615。
S4，在角度候选模式列表的基础上加入3种非角度预测模式，和当前PU上侧/左侧PU的最优预测模式，得到目标帧内预测模式。然后将目标帧内预测模式再进入标准的模式粗选/细选过程，确定性能最优的帧内预测模式。
本发明实施例还具有以下有益的技术效果：
1. 本发明实施例能够以较低的性能损耗和自身计算负载，显著减少帧内编码计算的时间消耗，而且可以根据图像自身特性自适应地调整算法中的参数，达到速度与性能的平衡。
2. 本发明实施例结合当前预测单元的纹理方向，对AVS3帧内预测候选模式进行初选。
3. 本发明实施例用预测单元自身的纹理特性做指导，自适应地调整候选模式集合的大小，使得技术速度与技术性能达到平衡。
4. 本发明实施例均采用当前预测单元自身的数据作为输入，没有数据依赖性，便于硬件实现。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
根据本发明实施例的另一个方面，还提供了一种用于实施上述帧内预测模式的确定方法的帧内预测模式的确定装置。如图7所示，该装置包括：
第一确定单元702，用于确定当前预测单元的纹理方向，并从帧内角度预测模式集合中选取与上述纹理方向距离最近的预设数量的参考帧内角度预测模式；
获取单元704，用于获取上述当前预测单元的纹理复杂度；
选择单元706，用于根据上述纹理复杂度选取与上述参考帧内角度预测模式的中轴夹角最小的目标数量的帧内角度预测模式；其中，上述纹理复杂度与上述目标数量成正比；
第二确定单元708，用于将上述参考帧内角度预测模式与上述目标数量的帧内角度预测模式作为目标帧内角度预测模式。
在本发明实施例中，采用了确定当前预测单元的纹理方向，并从帧内角度预测模式集合中选取与上述纹理方向距离最近的预设数量的参考帧内角度预测模式；获取上述当前预测单元的纹理复杂度；根据上述纹理复杂度选取与上述参考帧内角度预测模式的中轴夹角最小的目标数量的帧内角度预测模式；其中，上述纹理复杂度与上述目标数量成正比；将上述参考帧内角度预测模式与上述目标数量的帧内角度预测模式作为目标帧内角度预测模式的方法，在上述方法中，通过参考帧内角度预测模式和预测单元的纹理复杂度来快速剔除编码性能较差的大部分模式，不仅减少了视频编码过程中的计算量，而且加快了编码速度，提高了确定帧内预测模式效率，进而解决了相关技术中确定帧内预测模式效率低的技术问题。
在一个或多个实施例中，上述第一确定单元702，具体包括：
第一计算模块，用于依次计算上述帧内角度预测模式集合中每个帧内角度预测模式与上述纹理方向之间的距离；
确定模块，用于将与上述纹理方向距离最近的预设数量的参考帧内角度预测模式确定为参考帧内角度预测模式。
在一个或多个实施例中，上述第一确定单元702，还包括：
第二计算模块，用于利用Sobel算子计算上述当前预测单元的纹理方向。
在一个或多个实施例中，上述获取单元704，具体包括：
获取模块，用于通过如下公式（1）获取上述纹理复杂度：
Figure 47155DEST_PATH_IMAGE001
（1）；
其中，M表示当前预测单元的长，N表示当前预测单元的宽，Pij表示当前PU中(i，j)位置处的像素值，CFPU表示对应区域纹理复杂度，上述CFPU的取值在0到1之间。
在一个或多个实施例中，上述选择单元706，还包括：
第一选取模块，用于当上述纹理复杂度大于预设阈值时，选取在上述参考帧内角度预测模式附近的第一数量的帧内角度预测模式；
第二选取模块，用于当上述纹理复杂度小于或等于上述预设阈值时，选取在上述参考帧内角度预测模式附近的第二数量的帧内角度预测模式；其中，上述第一数量大于上述第二数量。
在一个或多个实施例中，上述帧内预测模式的确定装置中，上述预设阈值的值为0.9615。
在一个或多个实施例中，上述帧内预测模式的确定装置还包括：
第三确定单元，用于根据上述目标帧内角度预测模式、非角度预测模式和当前预测单元上侧和/或左侧的预测单元的最优预测模式，确定目标帧内预测模式。
根据本发明实施例的又一个方面，还提供了一种用于实施上述帧内预测模式的确定方法的电子设备，该电子设备可以是图8所示的终端设备或服务器。本实施例以该电子设备为终端为例来说明。如图8所示，该电子设备包括存储器802和处理器804，该存储器802中存储有计算机程序，该处理器804被设置为通过计算机程序执行上述任一项方法实施例中的步骤。
可选地，在本实施例中，上述电子设备可以位于计算机网络的多个网络设备中的至少一个网络设备。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
S1，确定当前预测单元的纹理方向，并从帧内角度预测模式集合中选取与上述纹理方向距离最近的预设数量的参考帧内角度预测模式；
S2，获取上述当前预测单元的纹理复杂度；
S3，根据上述纹理复杂度选取与上述参考帧内角度预测模式的中轴夹角最小的目标数量的帧内角度预测模式；其中，上述纹理复杂度与上述目标数量成正比；
S4，将上述参考帧内角度预测模式与上述目标数量的帧内角度预测模式作为目标帧内角度预测模式。
可选地，本领域普通技术人员可以理解，图8所示的结构仅为示意，电子装置电子设备也可以是智能手机（如Android手机、iOS手机等）、平板电脑、掌上电脑以及移动互联网设备（Mobile Internet Devices，MID）、PAD等终端设备。图8其并不对上述电子装置电子设备的结构造成限定。例如，电子装置电子设备还可包括比图8中所示更多或者更少的组件（如网络接口等），或者具有与图8所示不同的配置。
其中，存储器802可用于存储软件程序以及模块，如本发明实施例中的帧内预测模式的确定方法和装置对应的程序指令/模块，处理器804通过运行存储在存储器802内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的帧内预测模式的确定方法。存储器802可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器802可进一步包括相对于处理器804远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。其中，存储器802具体可以但不限于用于存储目标帧内预测模式等信息。作为一种示例，如图8所示，上述存储器802中可以但不限于包括上述帧内预测模式的确定装置中的第一确定单元702、获取单元704、选择单元706与第二确定单元708。此外，还可以包括但不限于上述帧内预测模式的确定装置中的其他模块单元，本示例中不再赘述。
可选地，上述的传输装置806用于经由一个网络接收或者发送数据。上述的网络具体实例可包括有线网络及无线网络。在一个实例中，传输装置806包括一个网络适配器（Network Interface Controller，NIC），其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中，传输装置806为射频（Radio Frequency，RF）模块，其用于通过无线方式与互联网进行通讯。
此外，上述电子设备还包括：显示器808，用于显示上述目标帧内预测模式；和连接总线810，用于连接上述电子设备中的各个模块部件。
在其他实施例中，上述终端设备或者服务器可以是一个分布式系统中的一个节点，其中，该分布式系统可以为区块链系统，该区块链系统可以是由该多个节点通过网络通信的形式连接形成的分布式系统。其中，节点之间可以组成点对点（P2P，Peer To Peer）网络，任意形式的计算设备，比如服务器、终端等电子设备都可以通过加入该点对点网络而成为该区块链系统中的一个节点。
根据本申请的一个方面，提供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上述帧内预测模式的确定方法，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地，在本实施例中，上述计算机可读的存储介质可以被设置为存储用于执行以下步骤的计算机程序：
S1，确定当前预测单元的纹理方向，并从帧内角度预测模式集合中选取与上述纹理方向距离最近的预设数量的参考帧内角度预测模式；
S2，获取上述当前预测单元的纹理复杂度；
S3，根据上述纹理复杂度选取与上述参考帧内角度预测模式的中轴夹角最小的目标数量的帧内角度预测模式；其中，上述纹理复杂度与上述目标数量成正比；
S4，将上述参考帧内角度预测模式与上述目标数量的帧内角度预测模式作为目标帧内角度预测模式。
可选地，在本实施例中，本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器（Read-Only Memory，ROM）、随机存取器（Random Access Memory，RAM）、磁盘或光盘等。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
上述实施例中的集成的单元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，可以存储在上述计算机可读取的存储介质中。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全部或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存储介质中，包括若干指令用以使得一台或多台计算机设备（可为个人计算机、服务器或者网络设备等）执行本发明各个实施例方法的全部或部分步骤。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的客户端，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种帧内预测模式的确定方法，其特征在于，包括：
确定当前预测单元的纹理方向，并从帧内角度预测模式集合中选取与所述纹理方向距离最近的预设数量的参考帧内角度预测模式；
获取所述当前预测单元的纹理复杂度；
根据所述纹理复杂度选取与所述参考帧内角度预测模式的中轴夹角最小的目标数量的帧内角度预测模式；其中，所述纹理复杂度与所述目标数量成正比；
将所述参考帧内角度预测模式与所述目标数量的帧内角度预测模式作为目标帧内角度预测模式。
2.根据权利要求1所述的方法，其特征在于，所述从帧内角度预测模式集合中选取与所述纹理方向距离最近的预设数量的参考帧内角度预测模式，包括：
依次计算所述帧内角度预测模式集合中每个帧内角度预测模式与所述纹理方向之间的距离；
将与所述纹理方向距离最近的预设数量的参考帧内角度预测模式确定为参考帧内角度预测模式。
3.根据权利要求1所述的方法，其特征在于，所述获取所述当前预测单元的纹理复杂度，包括：
通过公式(1)获取所述纹理复杂度:
Figure 896309DEST_PATH_IMAGE001
(1)
其中，M表示当前预测单元的长，N表示当前预测单元的宽，Pij表示当前预测单元中(i，j)位置处的像素值，CFPU表示所述当前预测单元的纹理复杂度。
4.根据权利要求1所述的方法，其特征在于，所述根据所述纹理复杂度选取与所述参考帧内角度预测模式的中轴夹角最小的目标数量的帧内角度预测模式，包括：
当所述纹理复杂度大于预设阈值时，选取在所述参考帧内角度预测模式附近的第一数量的帧内角度预测模式；
当所述纹理复杂度小于或等于所述预设阈值时，选取在所述参考帧内角度预测模式附近的第二数量的帧内角度预测模式；其中，所述第一数量小于所述第二数量。
5.根据权利要求1所述的方法，其特征在于，所述将所述参考帧内角度预测模式与所述目标数量的帧内角度预测模式作为目标帧内角度预测模式之后，还包括：
根据所述目标帧内角度预测模式、非角度预测模式和当前预测单元上侧和/或左侧的预测单元的最优预测模式，确定目标帧内预测模式。
6.一种帧内预测模式的确定装置，其特征在于，包括：
第一确定单元，用于确定当前预测单元的纹理方向，并从帧内角度预测模式集合中选取与所述纹理方向距离最近的预设数量的参考帧内角度预测模式；
获取单元，用于获取所述当前预测单元的纹理复杂度；
选择单元，用于根据所述纹理复杂度选取与所述参考帧内角度预测模式的中轴夹角最小的目标数量的帧内角度预测模式；其中，所述纹理复杂度与所述目标数量成正比；
第二确定单元，用于将所述参考帧内角度预测模式与所述目标数量的帧内角度预测模式作为目标帧内角度预测模式。
7.根据权利要求6所述的装置，其特征在于，所述第一确定单元包括：
第一计算模块，用于依次计算所述帧内角度预测模式集合中每个帧内角度预测模式与所述纹理方向之间的距离；
确定模块，用于将与所述纹理方向距离最近的预设数量的参考帧内角度预测模式确定为参考帧内角度预测模式。
8.根据权利要求6所述的装置，其特征在于，所述获取单元包括：
获取模块，用于通过公式(1)获取所述纹理复杂度：
Figure 207204DEST_PATH_IMAGE002
(1)
其中，M表示当前预测单元的长，N表示当前预测单元的宽，Pij表示当前预测单元中(i，j)位置处的像素值，CFPU表示所述当前预测单元的纹理复杂度。
9.一种电子设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行所述权利要求1至5中任一项所述的方法。
10.一种计算机可读的存储介质，其特征在于，所述计算机可读的存储介质包括存储的程序，其中，所述程序运行时执行所述权利要求1至5任一项中所述的方法。
CN202211535857.4A 2022-12-02 2022-12-02 帧内预测模式的确定方法、装置、存储介质及电子设备 Pending CN115550645A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211535857.4A CN115550645A (zh) 2022-12-02 2022-12-02 帧内预测模式的确定方法、装置、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211535857.4A CN115550645A (zh) 2022-12-02 2022-12-02 帧内预测模式的确定方法、装置、存储介质及电子设备

Publications (1)

Publication Number Publication Date
CN115550645A true CN115550645A (zh) 2022-12-30

Family

ID=84722255

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211535857.4A Pending CN115550645A (zh) 2022-12-02 2022-12-02 帧内预测模式的确定方法、装置、存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN115550645A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115834883A (zh) * 2023-02-07 2023-03-21 深流微智能科技(深圳)有限公司 帧内预测模式的选择方法及装置、设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130114696A1 (en) * 2011-11-07 2013-05-09 Futurewei Technologies, Co. Angular Table for Improving Intra Prediction
CN103517069A (zh) * 2013-09-25 2014-01-15 北京航空航天大学 一种基于纹理分析的hevc帧内预测快速模式选择方法
CN105847794A (zh) * 2015-11-18 2016-08-10 西安邮电大学 一种hevc帧内预测模式快速选择方法
CN109640087A (zh) * 2018-12-30 2019-04-16 深圳市网心科技有限公司 一种帧内预测模式判决方法、装置及设备
CN111988605A (zh) * 2020-07-31 2020-11-24 广州市百果园信息技术有限公司 模式选择方法、装置、计算机可读存储介质及电子设备
CN115002453A (zh) * 2022-04-29 2022-09-02 北京大学 一种基于帧内预测决策模式选取的编码方法与装置
CN115118977A (zh) * 2022-08-29 2022-09-27 华中科技大学 针对360度视频的帧内预测编码方法、系统及介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130114696A1 (en) * 2011-11-07 2013-05-09 Futurewei Technologies, Co. Angular Table for Improving Intra Prediction
CN103517069A (zh) * 2013-09-25 2014-01-15 北京航空航天大学 一种基于纹理分析的hevc帧内预测快速模式选择方法
CN105847794A (zh) * 2015-11-18 2016-08-10 西安邮电大学 一种hevc帧内预测模式快速选择方法
CN109640087A (zh) * 2018-12-30 2019-04-16 深圳市网心科技有限公司 一种帧内预测模式判决方法、装置及设备
CN111988605A (zh) * 2020-07-31 2020-11-24 广州市百果园信息技术有限公司 模式选择方法、装置、计算机可读存储介质及电子设备
CN115002453A (zh) * 2022-04-29 2022-09-02 北京大学 一种基于帧内预测决策模式选取的编码方法与装置
CN115118977A (zh) * 2022-08-29 2022-09-27 华中科技大学 针对360度视频的帧内预测编码方法、系统及介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115834883A (zh) * 2023-02-07 2023-03-21 深流微智能科技(深圳)有限公司 帧内预测模式的选择方法及装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN111681167B (zh) 画质调整方法和装置、存储介质及电子设备
US10726515B2 (en) Hybrid rendering systems and methods
CN108898171B (zh) 图像识别处理方法、系统及计算机可读存储介质
CN112634343A (zh) 图像深度估计模型的训练方法、图像深度信息的处理方法
CN107529098A (zh) 实时视频摘要
KR20130115341A (ko) 제스쳐 인식 메커니즘을 제공하는 방법 및 장치
EP2919193A2 (en) Method and apparatus for image segmentation
CN115550645A (zh) 帧内预测模式的确定方法、装置、存储介质及电子设备
CN115205925A (zh) 表情系数确定方法、装置、电子设备及存储介质
CN113617027B (zh) 云游戏的处理方法、装置、设备以及介质
WO2022121701A1 (zh) 图像处理方法、装置、电子设备以及存储介质
CN110475117A (zh) 图像压缩的方法、装置、电子设备和计算机存储介质
CN110517201A (zh) 循环保边平滑滤波的方法、装置和电子设备
CN114708374A (zh) 虚拟形象生成方法、装置、电子设备和存储介质
CN112104867B (zh) 一种视频处理方法、视频处理装置、智能设备及存储介质
CN113064689A (zh) 场景识别方法和装置、存储介质及电子设备
CN113076159A (zh) 图像显示方法和装置、存储介质及电子设备
WO2023147780A1 (zh) 视频帧的编码模式筛选方法、装置及电子设备
CN111462015A (zh) 地图轨迹的处理方法、装置、电子设备及存储介质
CN112565887A (zh) 一种视频处理方法、装置、终端及存储介质
US20230018087A1 (en) Data coding method and apparatus, and computer-readable storage medium
CN113808157B (zh) 图像处理方法、装置、及计算机设备
CN115937290A (zh) 一种图像深度估计方法、装置、电子设备及存储介质
CN108389112A (zh) 3d房型模型显示方法
KR102600721B1 (ko) Vr 영상 품질 평가 방법 및 장치

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