带宽压缩中的后选择预测方法
阅读：241发布：2020-05-08
专利汇可以提供带宽压缩中的后选择预测方法专利检索，专利查询，专利分析的服务。并且本 发明 涉及一种带宽压缩中的后选择预测方法，包括：将图像分成大小相同的多个MB；采用基于四叉树的带宽压缩预测方法对当前MB进行预测以获取所述当前MB的第一残差绝对值和；采用多线程跳 块 扫描预测方法对所述当前MB进行预测以获取所述当前MB的第二残差绝对值和；根据所述第一残差绝对值和与所述第二残差绝对值和确定所述当前MB中每个 像素 的最终预测残差。本发明提供的带宽压缩中的后选择预测方法，以基于四叉树的带宽压缩预测方法和多线程跳块扫描预测方法为 基础 ，通过预测选择 算法 可以选择出最优的一种预测方法，对于复杂纹理图像进一步优化了预测效果。，下面是带宽压缩中的后选择预测方法专利的具体信息内容。
1.一种带宽压缩中的后选择预测方法，其特征在于，包括：
将图像分成大小相同的多个MB；
采用基于四叉树的带宽压缩预测方法对当前MB进行预测以获取所述当前MB的第一残差绝对值和；
采用多线程跳块扫描预测方法对所述当前MB进行预测以获取所述当前MB的第二残差绝对值和；
根据所述第一残差绝对值和与所述第二残差绝对值和确定所述当前MB中每个像素的最终预测残差。
2.根据权利要求1所述的方法，其特征在于，采用基于四叉树的带宽压缩预测方法对当前MB进行预测以获取所述当前MB的第一残差绝对值和，包括：
采用基于四叉树的带宽压缩预测方法对所述当前MB进行预测以获取所述当前MB中每个像素的第一预测残差；
根据所述第一预测残差计算所述第一残差绝对值和。
3.根据权利要求2所述的方法，其特征在于，采用基于四叉树的带宽压缩预测方法对所述当前MB进行预测以获取所述当前MB中每个像素的第一预测残差，包括：
将当前MB按照四叉树算法进行分割获得第一子宏块、第二子宏块、第三子宏块以及第四子宏块；
根据所述当前MB获取初级比特数以及初级预测残差；
根据所述第一子宏块、所述第二子宏块、所述第三子宏块以及所述第四子宏块获取次级比特数以及次级预测残差；
根据所述初级比特数、所述初级预测残差、所述次级比特数以及所述次级预测残差获取所述第一预测残差。
4.根据权利要求3所述的方法，采用多线程跳块扫描预测方法对所述当前MB进行预测以获取所述当前MB的第二残差绝对值和，包括：
采用多线程跳块扫描预测方法对所述当前MB进行预测以获取所述当前MB中每个像素的第二预测残差；
根据所述第二预测残差计算所述第二残差绝对值和。
5.根据权利要求4所述的方法，其特征在于，采用多线程跳块扫描预测方法对所述当前MB进行预测以获取所述当前MB中每个像素的第二预测残差，包括：
确定所述当前MB的参考方向；
通过所述参考方向计算当前MB中每个像素的参考像素；
通过所述参考像素确定所述当前MB中每个像素的所述第二预测残差。
6.根据权利要求5所述的方法，其特征在于，确定所述当前MB的参考方向，包括：
以当前MB四周已扫描的参考MB的方向作为当前MB的参考方向；其中，若任一方向没有参考MB，则置空不处理。
7.根据权利要求6所述的方法，其特征在于，通过所述参考方向计算当前像素的参考像素，包括：
通过当前MB的参考方向确定所述第一参考像素；
根据所述第一参考像素计算所述参考方向的权重；
选取权重最小的所述参考方向作为所述当前MB的纹理方向；
通过所述当前MB的所述纹理方向计算第二参考像素。
8.根据权利要求7所述的方法，其特征在于，通过所述参考像素确定所述当前MB中每个像素的所述第二预测残差，包括：
采用当前像素的像素值减去所述第二参考像素获取所述当前像素的所述第二预测残差。
9.根据权利要求8所述的方法，其特征在于，根据所述第一残差绝对值和与所述第二残差绝对值和确定所述当前MB中每个像素的最终预测残差，包括：
比较所述第一残差绝对值和与所述第二残差绝对值和的大小以确定所述最终预测残差；其中，
若所述第一残差绝对值和小于所述第二残差绝对值和，则选择所述第一预测残差作为所述最终预测残差；
若所述第一残差绝对值和大于所述第二残差绝对值和，则选择所述第二预测残差作为所述最终预测残差。
10.根据权利要求9所述的方法，其特征在于，所述第一残差绝对值和与所述第二残差绝对值和的计算公式为：
其中，k为预测模式的序号，取值为1或2；
SAD1为当前MB中所有像素的第一残差绝对值和，SAD2为当前MB中所有像素的第二残差绝对值和；
Res1-i为当前MB中第i像素的第一预测残差，Res2-i为当前MB中第i像素的第二预测残差。
带宽压缩中的后选择预测方法
技术领域
[0001] 本发明涉及一种多媒体技术领域，特别涉及一种带宽压缩中的后选择预测方法。
背景技术
[0002] 带宽压缩技术主要由四个部分组成，包含：预测模块、量化模块、码控模块和熵编码模块。其中预测模块作为一个重要的模块，是利用相邻像素间存在的空间冗余度，根据邻近像素信息对当前像素值进行预测，预测差值的标准差远小于原始图像数据的标准差，因此对预测差值进行编码，更有利于使图像数据的理论熵达到最小，达到提高压缩效率的目的。目前预测模块的算法主要分为两类，纹理相关预测和像素值相关预测。
[0003] 然而，当待压缩图像的纹理复杂多变时，预测待压缩图像的复杂纹理区域时往往因图像纹理之间的相关性较差，预测编码得不到精确的参考，导致理论极限熵得不到最大化的降低，影响预测模块的质量。因此，在待压缩图像的纹理复杂多变时，提高预测模块的质量成为亟需解决的问题。
[0004] 随着视频的图像分辨率的增加，需要占用较多的存储空间和传输带宽，在这种情况下，利用芯片内的带宽压缩技术来提高图像的存储空间和传输带宽就显得尤为必要。
[0005] 在图像纹理复杂区域，单一的预测方法往往不能获取最佳的预测效果，导致图像效果变差。
发明内容
[0007] 具体地，本发明一个实施例提出的一种带宽压缩中的后选择预测方法，包括：
[0008] 将图像分成大小相同的多个MB；
[0009] 采用基于四叉树的带宽压缩预测方法对当前MB进行预测以获取所述当前MB的第一残差绝对值和；
[0010] 采用多线程跳块扫描预测方法对所述当前MB进行预测以获取所述当前MB的第二残差绝对值和；
[0011] 根据所述第一残差绝对值和与所述第二残差绝对值和确定所述当前MB中每个像素的最终预测残差。
[0012] 在本发明的一个实施例中，采用基于四叉树的带宽压缩预测方法对当前MB进行预测以获取所述当前MB的第一残差绝对值和，包括：
[0013] 采用基于四叉树的带宽压缩预测方法对所述当前MB进行预测以获取所述当前MB中每个像素的第一预测残差；
[0014] 根据所述第一预测残差计算所述第一残差绝对值和。
[0015] 在本发明的一个实施例中，采用基于四叉树的带宽压缩预测方法对所述当前MB进行预测以获取所述当前MB中每个像素的第一预测残差，包括：
[0016] 将当前MB按照四叉树算法进行分割获得第一子宏块、第二子宏块、第三子宏块以及第四子宏块；
[0017] 根据所述当前MB获取初级比特数以及初级预测残差；
[0018] 根据所述第一子宏块、所述第二子宏块、所述第三子宏块以及所述第四子宏块获取次级比特数以及次级预测残差；
[0019] 根据所述初级比特数、所述初级预测残差、所述次级比特数以及所述次级预测残差获取所述第一预测残差。
[0020] 在本发明的一个实施例中，采用多线程跳块扫描预测方法对所述当前MB进行预测以获取所述当前MB的第二残差绝对值和，包括：
[0021] 采用多线程跳块扫描预测方法对所述当前MB进行预测以获取所述当前MB中每个像素的第二预测残差；
[0022] 根据所述第二预测残差计算所述第二残差绝对值和。
[0023] 在本发明的一个实施例中，采用多线程跳块扫描预测方法对所述当前MB进行预测以获取所述当前MB中每个像素的第二预测残差，包括：
[0024] 确定所述当前MB的参考方向；
[0025] 通过所述参考方向计算当前MB中每个像素的参考像素；
[0026] 通过所述参考像素确定所述当前MB中每个像素的所述第二预测残差。
[0027] 在本发明的一个实施例中，确定所述当前MB的参考方向，包括：
[0028] 以当前MB四周已扫描的参考MB的方向作为当前MB的参考方向；其中，[0029] 若任一方向没有参考MB，则置空不处理。
[0030] 在本发明的一个实施例中，通过所述参考方向计算当前像素的参考像素，包括：
[0031] 通过当前MB的参考方向确定所述第一参考像素；
[0032] 根据所述第一参考像素计算所述参考方向的权重；
[0033] 选取权重最小的所述参考方向作为所述当前MB的纹理方向；
[0034] 通过所述当前MB的所述纹理方向计算第二参考像素。
[0035] 在本发明的一个实施例中，通过所述参考像素确定所述当前MB中每个像素的所述第二预测残差：
[0036] 采用当前像素的像素值减去所述第二参考像素获取所述当前像素的所述第二预测残差。
[0037] 在本发明的一个实施例中，根据所述第一残差绝对值和与所述第二残差绝对值和确定所述当前MB中每个像素的最终预测残差，包括：
[0038] 比较所述第一残差绝对值和与所述第二残差绝对值和的大小以确定所述最终预测残差；其中，
[0039] 若所述第一残差绝对值和小于所述第二残差绝对值和，则选择所述第一预测残差作为所述最终预测残差，包括；
[0040] 若所述第一残差绝对值和大于所述第二残差绝对值和，则选择所述第二预测残差作为所述最终预测残差。
[0041] 在本发明的一个实施例中，所述第一残差绝对值和与所述第二残差绝对值和的计算公式为：
[0042]
[0043] 其中，k为预测模式的序号，取值为1或2；
[0044] SAD1为当前MB中所有像素的第一残差绝对值和，SAD2为当前MB中所有像素的第二残差绝对值和；
[0045] Res1-i为当前MB中第i像素的第一预测残差，Res2-i为当前MB中第i像素的第二预测残差。
[0046] 本发明至少具备如下优点：
[0048] 下面将结合附图，对本发明的具体实施方式进行详细的说明。
[0049] 图1为本发明实施例提供的一种带宽压缩中的后选择预测方法流程图；
[0050] 图2为本发明实施例提供的一种MB四叉树分割方式示意图；
[0051] 图3为本发明实施例提供的一种图像MB划分标记示意图；
[0052] 图4为本发明实施例提供的另一种图像MB划分标记示意图；
[0053] 图5为本发明实施例提供的一种图像多线程扫描示意图；
[0054] 图6为本发明实施例提供的一种当前MB与距离最近的参考MB的原始位置示意图；
[0055] 图7为本发明实施例提供的一种当前MB与距离最近的参考MB的拉近位置示意图；
[0056] 图8为本发明实施例提供的一种当前MB全参考方向的示意图；
[0057] 图9为本发明实施例提供的一种当前MB无下参考方向的示意图；
[0058] 图10为本发明实施例提供的一种当前像素确定第二参考像素的示意图。
具体实施方式
[0059] 为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。
[0060] 实施例一
[0061] 请参见图1，图1为本发明实施例提供的一种带宽压缩中的后选择预测方法流程图。该方法包括如下步骤：
[0062] 步骤1、将图像分成大小相同的多个MB；
[0063] 其中，每个宏块(Macro Block,简称MB)的大小可以根据实际需要进行设定，例如每个MB可以为64×64(即每个MB包括64×64个像素)，也可以为32×32、64×32等；
[0064] 步骤2、采用基于四叉树的带宽压缩预测方法对当前MB进行预测以获取所述当前MB的第一残差绝对值和；
[0065] 步骤3、采用多线程跳块扫描预测方法对所述当前MB进行预测以获取所述当前MB的第二残差绝对值和；
[0066] 步骤4、根据所述第一残差绝对值和与所述第二残差绝对值和确定所述当前MB中每个像素的最终预测残差。
[0067] 其中，步骤2与步骤3的执行顺序可以根据实际需要而定，例如也可以先执行步骤3再执行步骤2。
[0068] 具体的，步骤2可以包括如下步骤：
[0069] 步骤21、采用基于四叉树的带宽压缩预测方法对所述当前MB进行预测以获取所述当前MB中每个像素的第一预测残差；
[0070] 步骤22、根据所述第一预测残差计算所述第一残差绝对值和。
[0071] 其中，步骤21可以包括如下步骤：
[0072] 步骤211、将当前MB按照四叉树算法进行分割获得第一子宏块、第二子宏块、第三子宏块以及第四子宏块；
[0073] 步骤212、根据所述当前MB获取初级比特数以及初级预测残差；
[0074] 步骤213、根据所述第一子宏块、所述第二子宏块、所述第三子宏块以及所述第四子宏块获取次级比特数以及次级预测残差；
[0075] 步骤214、根据所述初级比特数、所述初级预测残差、所述次级比特数以及所述次级预测残差获取所述第一预测残差。
[0076] 对于步骤3，可以包括如下步骤：
[0077] 步骤31、采用多线程跳块扫描预测方法对所述当前MB进行预测以获取所述当前MB中每个像素的第二预测残差；
[0078] 步骤32、根据所述第二预测残差计算所述第二残差绝对值和。
[0079] 其中，步骤31可以包括如下步骤：
[0080] 步骤311、确定所述当前MB的参考方向；
[0081] 步骤312、通过所述参考方向计算当前MB中每个像素的参考像素；
[0082] 步骤313、通过所述参考像素确定所述当前MB中每个像素的所述第二预测残差。
[0083] 其中，步骤311可以包括如下步骤：
[0084] 步骤3111、以当前MB四周已扫描的参考MB的方向作为当前MB的参考方向；其中，[0085] 若任一方向没有参考MB，则置空不处理。
[0086] 其中，步骤312可以包括如下步骤：
[0087] 步骤3121、通过当前MB的参考方向确定所述第一参考像素；
[0088] 步骤3122、根据所述第一参考像素计算所述参考方向的权重；
[0089] 步骤3123、选取权重最小的所述参考方向作为所述当前MB的纹理方向；
[0090] 步骤3124、通过所述当前MB的所述纹理方向计算第二参考像素。
[0091] 其中，步骤313可以包括如下步骤：
[0092] 步骤3131、采用当前像素的像素值减去所述第二参考像素获取所述当前像素的所述第二预测残差。
[0093] 对于步骤4，可以包括如下步骤：
[0094] 步骤41、比较所述第一残差绝对值和与所述第二残差绝对值和的大小以确定所述最终预测残差；其中，
[0095] 若所述第一残差绝对值和小于所述第二残差绝对值和，则选择所述第一预测残差作为所述最终预测残差；
[0096] 若所述第一残差绝对值和大于所述第二残差绝对值和，则选择所述第二预测残差作为所述最终预测残差。
[0097] 其中，所述第一残差绝对值和与第二残差绝对值和的计算公式为：
[0098]
[0099] 其中，k为预测模式的序号，取值为1或2；
[0100] SAD1为当前MB中所有像素的第一残差绝对值和，SAD2为当前MB中所有像素的第二残差绝对值和；
[0101] Res1-i为当前MB中第i像素的第一预测残差，Res2-i为当前MB中第i像素的第二预测残差。
[0102] 本实施例提供的带宽压缩中的后选择预测方法，通过预测选择算法可以选择出最优的一种预测方法，对于复杂纹理图像进一步优化了预测效果。
[0103] 实施例二
[0104] 本实施例是在上述实施例的基础上重点对基于四叉树的带宽压缩预测方法的原理及实现方式进行说明。具体的，该方法包括如下步骤：
[0105] 步骤1、将当前MB按照四叉树算法进行分割分割，其中所述当前MB分割后的子宏块分别为第一子宏块、第二子宏块、第三子宏块以及第四子宏块；具体的，请参见图2，图2为本发明实施例提供的一种MB四叉树分割方式示意图；
[0106] 步骤2、根据所述当前MB获取初级比特数以及初级预测残差；
[0107] 步骤3、根据所述第一子宏块、第二子宏块、第三子宏块以及第四子宏块获取次级比特数以及次级预测残差；
[0108] 步骤4、根据所述初级比特数、所述初级预测残差、所述次级比特数以及所述次级预测残差判断是否对所述当前MB进行分割；若是，
[0109] 则跳转到步骤1，按照递归算法将所述每个子宏块分别执行步骤1～步骤4；
[0110] 若否，则结束所述当前MB的分割；
[0111] 具体地，根据所述初级预测残差得到所述待预测宏块的第一重建值，将所述第一重建值与所述待预测宏块像素值求差的绝对值，得到第一重建差值，将所述第一重建差值以及所述第一比特数进行加权得到所述待预测宏块的第一加权值，其中，所述第一加权值满足如下公式：
[0112] RDO1＝a*MBIT1+b*RES1
[0113] 其中，RDO1为所述第一加权值，MBIT1为所述第一比特数，RES1为所述第一重建差值，a和b为加权系数。
[0114] a和b的取值可以是预先设定的固定值，进一步地，a+b＝1，优选地，a可以选取为0.5，b可以选取为0.5，a和b也可以灵活调整大小。
[0115] 其中，重建像素分量指已压缩图像解压重建得到的像素分量，重建像素分量的像素值通常称为重建值。进一步地，根据预测残差可以得到重建像素分量，即将参考值(每个宏块像素分量的最小值)加上预测残差可以得到重建像素分量。
[0116] 根据所述次级预测残差得到分割后的所述待预测宏块的第二重建值，将所述第二重建值与分割后的所述待预测宏块像素值求差的绝对值，得到第二重建差值，将所述第二重建差值以及所述第二比特数进行加权得到分割后的所述待预测宏块的第二加权值，其中，所述第二加权值满足如下公式：
[0117] RDO2＝a*MBIT2+b*RES2
[0118] 其中，RDO2为所述第二加权值，MBIT2为所述第二比特数，RES2为所述第二重建差值，a和b为加权系数。
[0119] a和b的取值可以是预先设定的固定值，进一步地，a+b＝1，优选地，a可以选取为0.5，b可以选取为0.5，a和b也可以灵活调整大小。
[0120] 比较所述所述第一加权值、第二加权值的大小，若所述第一加权值大于所述第二加权值则将所述待预测宏块按照四叉树算法进行分割，将所述每个子宏块分别执行步骤1～步骤4进行判断是否继续进行分割，即按照递归算法，判断是否进行第三分割、第四次分割直至第N次分割。反之，若所述第一加权值小于所述第二加权值则所述待预测宏块不进行分割。
[0121] 步骤5、输出所述第一子宏块、所述第二子宏块、所述第三子宏块以及所述第四子宏块的预测残差以及像素最小值。
[0122] 其中，对于步骤2中根据所述当前MB获取初级比特数可以包括：
[0123] 步骤21、计算所述当前MB中像素最大值与所述当前MB中像素最小值之间的第一差值，得到表示所述第一差值的第一最少比特数；
[0124] 步骤22、根据所述第一最少比特数以及所述当前MB的数据比特深度得到所述初级比特数。
[0125] 其中，对于步骤2中所述初级比特数满足：
[0126] MBIT1＝M×BIT_MIN1+2×BITDETH
[0127] 其中，MBIT1为所述初级比特数，BIT_MIN1为所述第一最少比特数，BITDEPTH为所述当前MB的数据比特深度，M为所述当前MB中像素数量。
[0128] 其中，对于步骤2中根据所述当前MB获取初级预测残差可以包括：
[0129] 步骤23、将所述当前MB中所有像素值分别减去所述当前MB中所有像素值的最小值，得到所述当前MB中所有像素对应的所述初级预测残差。
[0130] 其中，对于步骤3中根据所述第一子宏块、第二子宏块、第三子宏块以及第四子宏块获取次级比特数可以包括：
[0131] 步骤31、所述当前MB分割后的子宏块分别为第一子宏块、第二子宏块、第三子宏块以及第四子宏块；
[0132] 步骤32、根据所述第一子宏块得到表示所述第一子宏块的第二最少比特数；
[0133] 步骤33、根据所述第二子宏块得到表示所述第二子宏块的第三最少比特数；
[0134] 步骤34、根据所述第三子宏块得到表示所述第三子宏块的第四最少比特数；
[0135] 步骤35、根据所述第四子宏块得到表示所述第四子宏块的第五最少比特数；
[0136] 步骤36、根据所述第二最少比特数、所述第三最少比特数、第四最少比特数、第五最少比特数以及所述当前MB的数据比特深度得到所述次级比特数。
[0137] 其中，对于步骤3所述次级比特数满足：
[0138] MBIT2＝N1×BIT_MIN2+N2×BIT_MIN3+N3×BIT_MIN4+N4×
[0139] BIT_MIN5+2×BITDETH，
[0140] 其中，MBIT2为所述次级比特数，BIT_MIN2为所述第二最少比特数，BIT_MIN3为所述第三最少比特数，BIT_MIN4为所述第四最少比特数，BIT_MIN5为所述第五最少比特数，BITDEPTH为所述当前MB的数据比特深度，N1为所述第一子宏块中像素数量，N2为所述第二子宏块中像素数量，N3为所述第三子宏块中像素数量，N4为所述第四子宏块中像素数量。
[0141] 其中，对于步骤3中根据所述第一子宏块、第二子宏块、第三子宏块以及第四子宏块获取次级预测残差可以包括：
[0142] 步骤37、将所述第一子宏块中所有像素值分别减去所述第一子宏块中所有像素值的最小值，所述第二子宏块中所有像素值分别减去所述第二子宏块中所有像素值的最小值，所述第三子宏块中所有像素值分别减去所述第三子宏块中所有像素值的最小值，所述第四子宏块中所有像素值分别减去所述第四子宏块中所有像素值的最小值，得到分割后的当前MB中所有像素对应的所述次级预测残差。
[0143] 其中，对于步骤4可以包括：
[0144] 步骤41、根据所述初级比特数以及所述初级预测残差得到第一加权值；
[0145] 步骤42、根据所述次级比特数以及所述次级预测残差得到第二加权值；
[0146] 步骤43、根据所述第一加权值以及所述第二加权值判断是否对所述当前MB进行分割。
[0147] 其中，对于步骤43可以包括：
[0148] 若所述第一加权值大于所述第二加权值则将所述当前MB按照四叉树算法进行分割；
[0149] 反之，则不分割。
[0150] 本实施例提供的基于四叉树的带宽压缩预测方法通过对当前当前MB进行第一层四叉树分割，分别根据原始当前MB下的比特数、预测残差以及分割后的当前MB下的比特数、预测残差，判断出是否进行分割，以达到平衡压缩率以及传输比特数的效果，对于复杂纹理图像处理时，预测效果好、处理效率高，且能够降低理论极限熵。
[0151] 实施例三
[0152] 本实施例是在上述实施例的基础上重点对多线程跳块扫描预测方法的原理及实现方式进行说明。
[0153] 请参见图3～图10，图3为本发明实施例提供的一种图像MB划分标记示意图；图4为本发明实施例提供的另一种图像MB划分标记示意图；图5为本发明实施例提供的一种图像多线程扫描示意图；图6为本发明实施例提供的一种当前MB与距离最近的参考MB的原始位置示意图；图7为本发明实施例提供的一种当前MB与距离最近的参考MB的拉近位置示意图；图8为本发明实施例提供的一种当前MB全参考方向的示意图；图9为本发明实施例提供的一种当前MB无下参考方向的示意图；图10为本发明实施例提供的一种当前像素确定第二参考像素的示意图。
[0154] 具体的，多线程跳块扫描预测方法包括如下步骤：
[0155] 步骤1、采取多线程扫描方式扫描所述第N标记符号对应的MB；其中，N为1～P的整数；
[0156] 步骤2、确定所述第N标记符号对应的MB的参考方向；
[0157] 步骤3、通过所述参考方向计算当前像素的参考像素；
[0158] 步骤4、通过所述参考像素确定当前像素的所述预测残差；
[0159] 步骤5、按设定顺序将所述N的取值在1～P中进行遍历以实现对所述多个MB的预测。
[0160] 其中，步骤2可以包括如下步骤：
[0161] 21、以当前MB四周已扫描的参考MB的方向作为当前MB的参考方向；其中，若任一方向没有参考MB，则置空不处理。
[0162] 其中，步骤3可以包括如下步骤：
[0163] 步骤31、通过当前MB的参考方向确定所述第一参考像素；
[0164] 步骤32、根据所述第一参考像素计算所述参考方向的权重；
[0165] 步骤33、选取权重最小的所述参考方向作为所述当前MB的纹理方向；
[0166] 步骤34、通过所述当前MB的所述纹理方向计算第二参考像素。
[0167] 其中，步骤31可以包括如下步骤：
[0168] 步骤311、根据所述当前MB的所述参考方向确定距离最近的参考MB；
[0169] 步骤312、根据距离最近的所述参考MB确定所述第一参考像素；其中，若当前MB任一方向没有参考MB，则无第一参考像素。
[0170] 其中，对于步骤32中参考方向的权重计算公式为：
[0171] 其中，步骤32中的参考方向的权重计算公式为：
[0172]
[0173]
[0174]
[0175]
[0176]
[0177]
[0178]
[0179]
[0180] 优选地，权重计算公式还可以为：
[0181]
[0182] 其中，abs为绝对值运算，Dir180为左参考方向权重，Dir0为右参考方向权重，Dir45为右上参考方向权重，Dir270为下参考方向权重，Dir90为上参考方向权重，Dir135为左上参考方向权重，Dir225为左下参考方向权重，Dir315为右下参考方向权重，x为每个所述MB的列分辨率，y为每个所述MB的行分辨率，C为所述当前MB的当前像素，R为所述当前MB的第一参考像素。
[0183] 其中，对于步骤34，可以包括如下步骤：
[0184] 步骤341、利用所述纹理方向以及所述纹理方向对应的反方向，通过第二参考像素计算公式计算当前MB的所述第二参考像素。
[0185] 其中，第二参考像素计算公式为
[0186] refmid＝p1*(dir2/(dir1+dir2))+p2*(dir1/(dir1+dir2))
[0187] 若位置偏向1，ref＝weight*refmid+(1-weight)*p1
[0188] 若位置偏向2，ref＝weight*refmid+(1-weight)*p2
[0189] 其中，refmid为两个第一参考像素的中点，ref为第二参考像素，p1、p2为按所述纹理方向的边界像素点，dir1、dir2为所述纹理方向的权重，weight为距离权重。
[0190] 本方法的优点如下：
[0191] 本方法提供的算法，首先通过多线程扫描、跳块多遍历的方法，对于图像中每个块MB，平均可以获得更多的参考边缘，即获得更多的参考像素；然后对于每个块，采用多方向预测，可以在更精确的获得该块的纹理方向；根据纹理方向和相应的参考像素，通过纹理方向权重和位置偏移权重，对当前预测块中的像素，可获得与当前像素值最相似的参考像素，并获得更小的预测残差，降低了编码的理论极限熵。
[0192] 本方法提供的算法对于图像空间冗余度较小的区域，如纹理复杂区域，纹理渐变区域，可以起到更好的预测效果，进一步降低理论极限熵。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种扬声器 | 2020-05-08 | 11 |
| 带宽压缩中的后选择预测方法 | 2020-05-08 | 241 |
| 一种智能路由方法 | 2020-05-08 | 701 |
| 图像带宽压缩中的后选择预测方法 | 2020-05-08 | 492 |
| 一种基于CML的智能变电站设备网络结点连锁失效风险分析方法 | 2020-05-08 | 383 |
| 用于固定冷却元件的系统 | 2020-05-08 | 845 |
| 用于3GPP新无线电的基础图选择 | 2020-05-08 | 839 |
| 兼具高隔离度和稳定输入匹配的毫米波开关键控调制器 | 2020-05-08 | 451 |
| 一种基于RMPC的主动配电网供电恢复方法 | 2020-05-11 | 802 |
| 一种基于超宽带无线通信的自适应组网的时间同步系统及方法 | 2020-05-08 | 248 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈