一种带宽压缩中的预测方法专利检索-算法电脑编程专利检索查询-专利查询网

一种带宽压缩中的预测方法

阅读：92发布：2020-05-08

专利汇可以提供一种带宽压缩中的预测方法专利检索，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预测方法，包括：选取大小为m*n待预测MB；根据第一预测模式，获取待预测MB的当前像素分量的第一预测残差；根据第二预测模式，获取待预测MB的多个预测搜索窗口的多个预测残差，并根据多个预测搜索窗口的多个预测残差获取第二预测残差；根据第一预测残差获取第一残差绝对值和，根据第二预测残差获取第二残差绝对值和；比较第一残差绝对值和与第二残差绝对值和，以选取待预测MB的最终预测模式。本实施的通过预测选择算法可以选择出最优的一种预测方法，对于图象中的复杂纹理找到合适的参考像素，并可得到最小预测残差，进一步降低理论极限熵，对于复杂纹理的图像进一步优化了预测效果。，下面是一种带宽压缩中的预测方法专利的具体信息内容。

权利要求

1.一种带宽压缩中的预测方法，其特征在于，包括：
S1、选取大小为m*n待预测MB，其中，m和n为大于零的自然数；
S2、根据第一预测模式，获取所述待预测MB的当前像素分量的第一预测残差；
S3、根据第二预测模式，获取所述待预测MB的多个预测搜索窗口的多个预测残差，并根据所述多个预测搜索窗口的多个预测残差获取第二预测残差；
S4、根据所述第一预测残差获取第一残差绝对值和，根据所述第二预测残差获取第二残差绝对值和；
S5、比较所述第一残差绝对值和与所述第二残差绝对值和，以选取所述待预测MB的最终预测模式。
2.根据权利要求1所述的预测方法，其特征在于，S2包括：
S21、确定所述待预测MB当前像素的多个像素分量；
S22、获取当前像素分量的纹理方向梯度值；
S23、通过所述纹理方向梯度值确定所述当前像素分量的参考值；
S24、通过所述参考值确定所述当前像素分量的第一预测残差。
3.根据权利要求2所述的预测方法，其特征在于，S22包括：
S221、通过所述当前像素分量的周围分量，确定所述当前像素分量的N个纹理方向梯度值。
4.根据权利要求2所述的预测方法，其特征在于，S23包括：
S231、通过所述纹理方向梯度值获取第一加权梯度值；
S232、通过所述第一加权梯度值获取第二加权梯度值；
S233、通过所述第二加权梯度值得到所述当前像素分量的参考方向；
S234、通过所述当前像素分量的参考方向获取所述当前像素分量的参考值。
5.根据权利要求2所述的预测方法，其特征在于，S24中所述参考值和所述第一预测残差满足以下公式：
RES＝Curcpt-Ref
其中，RES为所述第一预测残差，Curcpt为所述当前像素分量的像素值，Ref为所述参考值。
6.根据权利要求1所述的预测方法，其特征在于，S3包括：
S31、确定所述待预测MB中所述多个预测搜索窗口；其中，所述预测搜索窗口内包括当前像素和多个已编码的重建像素；
S32、在多个所述预测搜索窗口内计算所述当前像素分量的多个预测残差；
S33、根据所述多个预测残差确定所述第二预测残差。
7.根据权利要求6所述的预测方法，其特征在于，S31中的所述多个预测搜索窗口包括：
第一预测搜索窗口、第二预测搜索窗口和第三预测搜索窗口；其中，所述第一预测搜索窗口、所述第二预测搜索窗口和所述第三预测搜索窗口分别为水平条形预测搜索窗口、垂直条形预测搜索窗口或矩形预测搜索窗口中的任一种。
8.根据权利要求6所述的预测方法，其特征在于，S33包括：
S321、在当前预测搜索窗口内计算所述当前像素的每个像素分量相对所述重建像素的像素分量的分量差异度权重；
S322、在当前预测搜索窗口内计算所述当前像素的每个所述像素分量相对所述重建像素的像素分量的分量位置权重；
S323、根据所述分量差异度权重和所述分量位置权重计算多个所述重建像素的子权重；
S324、根据多个所述子权重确定多个所述当前像素的参考像素；
S325、根据所述多个参考像素获取所述当前像素分量的在当前预测搜索窗口内的预测残差；
S326、重复步骤S321～S325，获取所述当前像素的所有预测搜索窗口的多个预测残差。
9.根据权利要求6所述的预测方法，其特征在于，S34包括：
S331、比较所述多个预测残差，根据最小值算法确定最小预测残差，将所述最小预测残差作为所述当前像素分量的第二预测残差，将所述最小预测残差对应的参考像素作为所述当前像素的最优参考像素。
10.根据权利要求1所述的方法，其特征在于，S5包括：
S51、选取所述第一残差绝对值和与所述第二残差绝对值和中的最小值，通过所述最小值确定所述待预测MB的最终预测方法。

说明书全文

一种带宽压缩中的预测方法

技术领域

[0001] 本发明属多媒体技术领域，具体涉及一种带宽压缩中的预测方法。

背景技术

[0002] 随着网络应用的普及，多媒体的应用也越发广泛，视频作为多媒体业务的重要组成部分，已经成为信息传播的主要载体之一，人们对视频质量需求也逐步增加。视频的图像
分辨率作为视频质量的重要特性之一，已经从720p和1080p过渡到目前市场主流的4K视频
分辨率，对应的视频压缩标准也从H.264过渡到H.265。对于视频处理芯片，分辨率的成倍数
增加，不但会造成芯片面积成本的大幅度增加，而且也会对总线带宽和功耗带来很大的冲
击。

[0003] 为了克服这一问题，应用于芯片内的带宽压缩技术被提出。与端口类压缩(如H.265)不同，芯片内带宽压缩的目标是用较小的逻辑面积成本，尽可能的提高压缩倍数，减
少DDR占用。芯片内压缩分为有损压缩和无损压缩两种，有损压缩技术被商业级视频处理芯
片广泛采用，如监控，电视等领域；而无损压缩更多的应用于对图像质量有严格要求的军工
级和航天级视频处理芯片。目前，带宽压缩主要由4个部分组成，这四个部分包括：预测模
块，量化模块，码控模块和熵编码模块。其中，量化模块和码控模块是有损压缩特有的，而预
测模块作为一个重要的模块，其是通过寻找图像数据之间的相关性，减少图像空间的冗余
度，最终使图像数据的理论熵达到最小。

[0004] 现有的预测模块算法主要分为2类，纹理相关预测和像素值相关预测。然而，面对图像复杂纹理中的人造纹理，现有技术往往不能保证找到最合适的参考像素,从而得到最
小的预测残差,以降低理论极限熵。

发明内容

[0005] 为了解决现有技术中存在的上述问题，本发明提供了一种带宽压缩中的预测方法。本发明要解决的技术问题通过以下技术方案实现：

[0006] 本发明实施例提供了一种带宽压缩中的预测方法，包括：

[0007] S1、选取大小为m*n待预测MB，其中，m和n为大于零的自然数；

[0008] S2、根据第一预测模式，获取所述待预测MB的当前像素分量的第一预测残差；

[0009] S3、根据第二预测模式，获取所述待预测MB的多个预测搜索窗口的多个预测残差，并根据所述多个预测搜索窗口的多个预测残差获取第二预测残差；

[0010] S4、根据所述第一预测残差获取第一残差绝对值和，根据所述第二预测残差获取第二残差绝对值和；

[0011] S5、比较所述第一残差绝对值和与所述第二残差绝对值和，以选取所述待预测MB的最终预测模式。

[0012] 在本发明的一个实施例中，S2包括：

[0013] S21、确定所述待预测MB当前像素的多个像素分量；

[0014] S22、获取当前像素分量的纹理方向梯度值；

[0015] S23、通过所述纹理方向梯度值确定所述当前像素分量的参考值；

[0016] S24、通过所述参考值确定所述当前像素分量的第一预测残差。

[0017] 在本发明的一个实施例中，S22包括：

[0018] S221、通过所述当前像素分量的周围分量，确定所述当前像素分量的N个纹理方向梯度值。

[0019] 在本发明的一个实施例中，S23包括：

[0020] S231、通过所述纹理方向梯度值获取第一加权梯度值；

[0021] S232、通过所述第一加权梯度值获取第二加权梯度值；

[0022] S233、通过所述第二加权梯度值得到所述当前像素分量的参考方向；

[0023] S234、通过所述当前像素分量的参考方向获取所述当前像素分量的参考值。

[0024] 在本发明的一个实施例中，S24中所述参考值和所述第一预测残差满足以下公式：

[0025] RES＝Curcpt-Ref

[0026] 其中，RES为所述第一预测残差，Curcpt为所述当前像素分量的像素值，Ref为所述参考值。

[0027] 在本发明的一个实施例中，S3包括：

[0028] S31、确定所述待预测MB中所述多个预测搜索窗口；其中，所述预测搜索窗口内包括当前像素和多个已编码的重建像素；

[0029] S32、在多个所述预测搜索窗口内计算所述当前像素分量的多个预测残差；

[0030] S33、根据所述多个预测残差确定所述第二预测残差。

[0031] 在本发明的一个实施例中，S31中的所述多个预测搜索窗口包括：第一预测搜索窗口、第二预测搜索窗口和第三预测搜索窗口；其中，所述第一预测搜索窗口、所述第二预测
搜索窗口和所述第三预测搜索窗口分别为水平条形预测搜索窗口、垂直条形预测搜索窗口
或矩形预测搜索窗口中的任一种。

[0032] 在本发明的一个实施例中，S33包括：

[0033] S321、在当前预测搜索窗口内计算所述当前像素的每个像素分量相对所述重建像素的像素分量的分量差异度权重；

[0034] S322、在当前预测搜索窗口内计算所述当前像素的每个所述像素分量相对所述重建像素的像素分量的分量位置权重；

[0035] S323、根据所述分量差异度权重和所述分量位置权重计算多个所述重建像素的子权重；

[0036] S324、根据多个所述子权重确定多个所述当前像素的参考像素；

[0037] S325、根据所述多个参考像素获取所述当前像素分量的在当前预测搜

[0038] 索窗口内的预测残差；

[0039] S326、重复步骤S321～S325，获取所述当前像素的所有预测搜索窗口的多个预测残差。

[0040] 在本发明的一个实施例中，S34包括：

[0041] S331、比较所述多个预测残差，根据最小值算法确定最小预测残差，将所述最小预测残差作为所述当前像素分量的第二预测残差，将所述最小预测残差对应的参考像素作为
所述当前像素的最优参考像素。

[0042] 在本发明的一个实施例中，S5包括：

[0043] S51、选取所述第一残差绝对值和与所述第二残差绝对值和中的最小值，通过所述最小值确定所述待预测MB的最终预测方法。

[0044] 与现有技术相比，本发明的有益效果：

[0045] 通过预测选择算法可以选择出最优的一种预测方法，对于图象中的复杂纹理能够找到合适的参考像素，并可得到最小预测残差，进一步降低理论极限熵，对于复杂纹理的图
像进一步优化了预测效果。
附图说明

[0046] 图1为本发明实施例提供的一种带宽压缩中的预测方法的流程示意图；

[0047] 图2为本发明实施例提供的一种带宽压缩中的预测方法的算法原理示意图；

[0048] 图3为本发明实施例提供的一种带宽压缩中的预测方法的参考像素位置示意图；

[0049] 图4为本发明实施例提供的一种带宽压缩中的预测方法的梯度值计算示意图；

[0050] 图5为本发明实施例提供的一种带宽压缩中的预测方法的参考值选取示意图；

[0051] 图6(a)和图6(b)为本发明实施例提供的水平条形预测搜索窗口的像素索引示意图和重建像素搜索编号示意图；

[0052] 图7(a)和图7(b)为本发明实施例提供的垂直条形预测搜索窗口的像素索引示意图和重建像素搜索编号示意图；

[0053] 图8(a)和图8(b)为本发明实施例提供的矩形预测搜索窗口的像素索引示意图和重建像素搜索编号示意图。

具体实施方式

[0054] 下面结合具体实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。

[0055] 实施例一

[0056] 请参见图1至图8，图1为本发明实施例提供的一种带宽压缩中的预测方法的流程示意图；图2为本发明实施例提供的一种带宽压缩中的预测方法的算法原理示意图；图3为
本发明实施例提供的一种带宽压缩中的预测方法的参考像素位置示意图；图4为本发明实
施例提供的一种带宽压缩中的预测方法的梯度值计算示意图；图5为本发明实施例提供的
一种带宽压缩中的预测方法的参考值选取示意图；图6(a)和图6(b)为本发明实施例提供的
水平条形预测搜索窗口的像素索引示意图和重建像素搜索编号示意图；图7(a)和图7(b)为
本发明实施例提供的垂直条形预测搜索窗口的像素索引示意图和重建像素搜索编号示意
图；图8(a)和图8(b)为本发明实施例提供的矩形预测搜索窗口的像素索引示意图和重建像
素搜索编号示意图。宏块(Macroblock，简称MB)是视频编码技术中的一个基本概念。通过将
画面分成一个个大小不同的块来来不同位置实行不同的压缩策略。一种带宽压缩中的预测
方法该方法包括以下步骤：

[0057] 步骤1、选取大小为m*n待预测MB，其中，m和n为大于零的自然数。

[0058] 将图像分成相同大小的MB，其中，每个MB的大小为m*n，选取其中一个MB，将其作为待预测MB，其中，m和n为大于零的自然数。

[0059] 步骤2、获取所述待预测MB的第一预测残差。

[0060] 优选地，第一预测模式为像素级多分量参考的自适应方向预测模式。

[0061] 步骤21、如图2所示，定义待预测MB有K(K>1)个像素分量，分别为像素分量1、像素分量2……像素分量K。

[0062] 步骤22、对于当前像素的每个像素分量，通过该像素分量的周围像素分量，确定每个像素分量的N个纹理方向梯度值G1～GN。

[0063] 优选地，当前像素分量的周围像素分量，可与当前像素分量相邻，也可不相邻；如图3所示，CUR代表当前像素分量，即周围像素分量可以为GHIK，也可以为ABCDEFJ。

[0064] 优选地，若定义待预测MB当前像素有三个像素分量，即K＝3，三个像素分量分别为像素分量Y、像素分量U、像素分量V，如图4所示，则ABS(P-H)为45度梯度值，ABS(P-G)为90度
梯度值，ABS(P-F)为135度梯度值，ABS(P-J)为180度梯度值。其中，ABS为绝对值运算。

[0065] 步骤23、将每个像素分量的N个纹理方向梯度值G1～GN进行加权得到N个纹理方向梯度值加权后的第一加权梯度值BG，加权公式如下：

[0066] BGi＝w1*G1+w2*G2+…+wN*GN(i＝1…K)

[0067] 其中，w1、w2…wN为加权系数，可以相同也可以不同；BG1为像素分量1的第一加权梯度值，BG2为像素分量2的第一加权梯度值，依次类推，BGK为像素分量K的第一加权梯度
值。

[0068] 优选地，第一加权梯度值BG，可用像素值差的绝对值表示，但是不限于此。

[0069] 优选地，取最小值，因此，可以得到每个像素分量的第一加权梯度值的最优值BGbst。

[0070] 优选地，将K个像素分量的第一加权梯度值的最优值BGbst进行加权，可以得到第一加权梯度值的最优值加权后的第二加权梯度值BG"，加权公式如下：

[0071] BG"i＝t1*BGbst1+t2*BGbst2+…+tK*BGbstK(i＝1…K)

[0072] 其中，t1、t2…tK为加权系数，可以相同也可以不同；BGbst1为像素分量1的第一加权梯度值的最优值，BGbst2为像素分量2的第一加权梯度值的最优值，依次类推，BGbstK为
像素分量K的第一加权梯度值的最优值，BG"1为像素分量1的第二加权梯度值，BG"2为像素
分量2的第二加权梯度值，依次类推，BG"K为分量K的第二加权梯度值，确定出第二加权梯度
值BG"的最优值BG"bst。

[0073] 优选地，取最小值，可以得到每个像素分量的第二加权梯度值的最优值BG"bst。

[0074] 第二加权梯度值的最优值BG"bst的方向即为当前像素分量的参考方向Dir。

[0075] 优选地，将每个像素分量的参考方向上所有可用的像素分量像素值进行加权，得到每个像素分量的参考值Ref，加权公式如下所示：

[0076] Refi＝r1*cpt1+r2*cpt2+…+rN*cptN(i＝1…K)

[0077] 其中，r1、r2…rN为加权系数，可以相同也可以不同；cpt1～cptN为每个像素分量的参考方向上N个可用的像素分量像素值；Ref1为像素分量1的参考值，Ref2为像素分量2的
参考值，依次类推，RefK为像素分量K的参考值。

[0078] 优选地，如图5所示，若ABS(E-A)最小，即135度纹理，那么参考值为B；若ABS(E-B)最小，即垂直纹理，那么参考值为C；若ABS(E-C)最小，即45度纹理，那么参考值为D；若ABS
(C-B)最小，即水平纹理，那么参考值为E；选用得到的参考值和当前像素分量，进行求差得
到该模式的预测残差。其中，ABS为绝对值运算。

[0079] 步骤24、将当前像素分量值减去参考值，可以得到当前像素分量的第一预测残差RES；公式如下：

[0080] RES＝Curcpt-Ref

[0081] 其中，RES为第一预测残差，Curcpt为当前像素分量的像素值，Ref为参考值。

[0082] 优选地，当前像素分量1的第一预测残差为：

[0083] RES1＝Curcpt1-Ref1

[0084] 其中，Curcpt1为像素分量1的像素值，RES1为像素分量1的第一预测残差。

[0085] 步骤25、根据当前像素的其余像素分量，重复S22～S24，即得到该像素所有像素分量的预测残差；公式如下：

[0086] RESi＝Curcpti-Refi(i＝1…K)

[0087] 其中，Curcpt1为像素分量1的像素值，Curcpt2为像素分量2的像素值，依次类推，CurcptK为像素分量K的像素值；RES1为像素分量1的第一预测残差，RES2为像素分量2的第
一预测残差，依次类推，RESK为像素分量K的第一预测残差。

[0088] 优选地，多分量可以并行处理，也可以串行处理，具体应用规格场景需要。

[0089] 步骤3、获取所述待预测MB的第二预测残差。

[0090] 优选地，第二预测模式为带宽压缩中复杂纹理自适应预测方法。

[0091] 步骤31、确定所述待预测MB中多个预测搜索窗口；其中，所述预测搜索窗口内包括当前像素和多个已编码的重建像素。

[0092] 优选地，在视频图像像素区域内，用Cij代表当前像素，Pij代表已编码的重建像素。其中，ij为当前像素或重建像素的位置索引。设定多个滑动窗口作为预测搜索窗口，预测搜
索窗口的形状可以为水平条形、垂直条形、L形、十字形、丁字形、矩形等。预测搜索窗口的大小根据视频图像的纹理特征及预测精度的需求进行确定，对于纹理比较细或对预测精度需
求较低的视频图像，可设置较小的预测搜索窗口，对于纹理比较粗或对预测精度需求较高
的视频图像，可设置较大的预测搜索窗口。

[0093] 优选地，如图6～图8，图6～图8为本发明实施例提供的三种预测搜索窗口的像素索引示意图和重建像素搜索编号示意图。本发明实施例中，设定多个大小相同、形状不同的
预测搜索窗口，例如分别为第一预测搜索窗口、第二预测搜索窗口和第三预测搜索窗口。其
中，第一预测搜索窗口为水平条形预测搜索窗口，窗口的形状为水平条形，第二预测搜索窗
口为垂直条形预测搜索窗口，窗口的形状为垂直条形，第三预测搜索窗口为矩形预测搜索
窗口，窗口的形状为矩形。三个预测搜索窗口大小相同，均包含K个像素。

[0094] 优选地，多个预测搜索窗口均包含8个像素。例如在第一预测搜索窗口即水平条形预测搜索窗口内，当前像素Cij位于最右端位置，第一预测搜索窗口内的其他位置为已编码
的K-1个重建像素Pi-1，j、Pi-2，j、Pi-3，j、Pi-4，j、Pi-5，j、Pi-6，j、Pi-7，j；在第二预测搜索窗口即垂直条形预测搜索窗口内，当前像素Cij位于最下端位置，第二预测搜索窗口内的其他位置为已
编码的K-1个重建像素Pi，j-1、Pi，j-2、Pi，j-3、Pi，j-4、Pi，j-5、Pi，j-6、Pi，j-7；在第三预测搜索窗口即矩形预测搜索窗口内，当前像素Cij位于右下角位置，第三预测搜索窗口内的其他位置为已
编码的K-1个重建像素Pi-1，j、Pi-2，j、Pi-3，j、Pi，j-1、Pi-1，j-1、Pi-2，j-1、Pi-3，j-1。在对当前像素Cij进行编码时，分别根据第一预测搜索窗口、第二预测搜索窗口和第三预测搜索窗口内K-1个重
建像素的重建值New Data(P)与当前像素Cij的原始值来预测当前像素Cij的第一窗口预测
残差、第二窗口预测残差和第三窗口预测残差。

[0095] 优选地，在每个预测搜索窗口内，根据K-1个重建像素的重建值来预测当前像素Cij的预测残差时，对预测搜索窗口内的K-1个重建像素进行顺序编号为0、1、2、...k...、K-2，
按照编号对重建像素P0、P1、P2、...Pk...、PK-2进行顺序搜索。例如，本发明实施例的第一预测搜索窗口内包含7个重建像素，沿水平方向排列，从左至右对7个重建像素进行编号，从0
编号至6，对这6个重建像素P0、P1、P2、P3、P4、P5、P6从编号为0的重建像素P0开始搜索，直至搜索到编号为6的重建像素P6，寻找当前像素Cij的第一参考像素，计算第一窗口预测残差。第
二预测搜索窗口内包含7个重建像素，沿垂直方向排列，从上至下对7个重建像素进行编号，
从0编号至6，对这6个重建像素P0、P1、P2、P3、P4、P5、P6从编号为0的重建像素P0开始搜索，直至搜索到编号为6的重建像素P6，寻找当前像素Cij的第二参考像素，计算第二窗口预测残差。
第三预测搜索窗口内包含7个重建像素，以4×2矩阵排列，对7个重建像素进行编号，从0编
号至6，对这6个重建像素P0、P1、P2、P3、P4、P5、P6从编号为0的重建像素P0开始搜索，直至搜索到编号为6的重建像素P6，寻找当前像素Cij的第三参考像素，计算第三窗口预测残差。在多
个预测搜索窗口内分别计算当前像素Cij的多个预测残差的方法如下述步骤描述。

[0096] 步骤32、在多个预测搜索窗口内计算当前像素Cij的多个权重Wij，并根据多个权重Wij确定当前像素Cij的多个参考像素，并计算多个预测残差。

[0097] 优选地，设定当前像素Cij包括N个像素分量分别为其中N为大于1的自然数，表示当前像素Cij的第l个像素分量。例如，当像素Cij可包括3个像素分
量RGB，或包括4个像素分量RGBW，或包括3个像素分量Lab，或包括3个像素分量YUV，或包括4
个像素分量CMYK。

[0098] 优选地，多个权重包括第一权重、第二权重和第三权重。在第一预测搜索窗口如水平条形预测搜索窗口内计算得到的当前像素Cij的权重Wij为第一权重，在第二预测搜索窗
口如垂直条形预测搜索窗口内计算得到的当前像素Cij的权重Wij为第二权重，在第三预测
搜索窗口如矩形预测搜索窗口内计算得到的当前像素Cij的权重Wij为第三权重。具体地，在
每一个预测窗口内计算当前像素Cij的权重Wij的方法如下所述：

[0099] 在预测搜索窗口内，K-1个已编码的重建像素P0、P1、P2、...Pk...、PK-2，对应权重Wij包括K-1个子权重，即

[0100] Wij＝{Wij、0，Wij、1，Wij、2,...Wij、k...,Wij、K-2}

[0101] 其中，Wij、k为当前像素Cij对应已编码的重建像素Pk的子权重。子权重Wij、k为当前像素Cij的N个像素分量相对重建像素Pk的N个像素分量的N个分量子权重加权求和的结果，则

[0102]

[0103] 其中，为当前像素Cij的第l个像素分量相对重建像素Pk的第l个像素分量的分量权重，为分量加权值，且满足在本发
明的一个实施例中，的取值为在本发明的另一
个实施例中，根据像素分量分别与N个像素分量的距离大小来确定，距离越近，则对应
的越大；在本发明的又一个实施例中，根据经验确定的取值。

[0104] 优选地，当前像素Cij的权重Wij由当前像素Cij的差异度权重DIFij确定。对应K-1个已编码的重建像素P0、P1、P2、...Pk...、PK-2，差异度权重DIFij有K-1个差异度子权重DIFij、k，即

[0105] DIFij＝{DIFij、0,DIFij、1,DIFij、2,...DIFij、k...,DIFij、K-2}

[0106] 优选地，计算当前像素Cij的像素分量相对重建像素的像素分量的分量差异度权重每个像素分量的分量差异度权重有K-1个分量差异度子权重即

[0107]

[0108] 其中，分量差异度子权重根据当前像素Cij的像素分量与重建像素Pk的像素分量的差异度来确定。

[0109] 优选地，本发明实施例中，分量差异度子权重为像素分量的原始值与重建像素分量的重建值的差值的绝对值，即

[0110]

[0111] 优选地，计算当前像素Cij相对每一个重建像素Pk的子权重Wij、k。当前像素Cij相对重建像素Pk的子权重Wij、k为当前像素Cij的N个像素分量相对重建像
素Pk的N个像素分量的N个分量差异度子权重
加权求和，即

[0112]

[0113] 其中，为当前像素Cij的第l个像素分量相对重建像素Pk的第l个像素分量的分量差异度子权重，为分量加权值，且满足
在本发明的一个实施例中，的取值为
在本发明的另一个实施例中，根据像素分量分别与N个像素分
量的距离大小来确定，距离越近，则对应的越大；在本发明的又一个实施例中，根据经
验确定的取值。

[0114] 优选地，计算当前像素Cij的权重Wij。则权重为：

[0115]

[0116] 优选地，多个参考像素例如包括第一参考像素、第二参考像素和第三参考像素；多个预测残差例如包括第一窗口预测残差、第二窗口预测残差和第三窗口预测残差。具体为
根据第一权重确定当前像素Cij的第一参考像素，计算得到第一预测残差；根据第二权重确
定当前像素Cij的第二参考像素，计算得到第二预测残差；根据第三权重确定当前像素Cij的
第三参考像素，计算得到第三预测残差。具体地，每一个预测残差的计算方法包括如下步
骤：

[0117] 优选地，根据权重Wij确定当前像素Cij的参考像素Ps。具体地，根据最优值算法从权重Wij的K-1个子权重Wij、k中，选择出最优值，将最优值对应的重建像素Ps作为当前像素Cij的参考像素。最优值确定算法比如是最小权重确定算法，即从权重Wij＝{Wij、0,Wij、1,Wij、2,...Wij、k...,Wij、K-2}的K-1个子权重中，选择出子权重最小值如Wij、s对应的重建像素Ps，将重建像素Ps作为当前像素Cij的参考像素。

[0118] 优选地，计算当前像素Cij的预测残差RESij。具体地，根据参考像素即Ps的重建值NewData(Ps)与当前像素像素Cij的原始值OldData(Cij)计算当前像素Cij相对参考像素Ps的
预测残差RESij，为

[0119]

[0120] 其中，为当前像素Cij的第l个像素分量相对参考像素Ps的第l个像素分量的预测残差。

[0121] 通过以上步骤31～34，在多个预测搜索窗口内找到当前像素Cij的多个参考像素，计算得到多个预测残差。例如在第一预测搜索窗口内找到当前像素Cij的第一参考像素Ps1，
计算得到第一窗口预测残差RESij1；在第二预测搜索窗口内找到当前像素Cij的第二参考像
素Ps2，计算得到第二窗口预测残差RESij2；在第三预测搜索窗口内找到当前像素Cij的第三
参考像素Ps3，计算得到第三窗口预测残差RESij3。

[0122] 步骤33、比较多个预测残差，确定第二预测残差RES2及其对应的最优参考像素Ps_Perf。

[0123] 优选地，在多个预测残差如第一窗口预测残差RESij1、第二窗口预测残差RESij2、第三窗口预测残差RESij3中，根据最小值算法确定最小预测残差，将最小预测残差作为当前像
素Cij的第二预测残差，将最小预测残差对应的参考像素作为当前像素Cij的最优参考像素
Ps_Perf。

[0124] 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，即将参考值加上预
测残差可以得到重建像素分量。

[0125] 步骤4、根据所述第一预测残差获取第一残差绝对值和，根据所述第二预测残差获取第二残差绝对值和。

[0126] 优选地，根据第一预测残差计算第一种预测模式的残差绝对值和，公式如下：

[0127]

[0128] 其中，RES1为第一预测残差，ABS为取绝对值，SAD1为第一残差绝对值和。

[0129] 优选地，根据第二预测残差计算第二种预测模式的残差绝对值和，公式如下：

[0130]

[0131] 其中，RES2为第二预测残差，ABS为取绝对值，SAD2为第二残差绝对值和。

[0132] 步骤5、比较第一残差绝对值和与第二残差绝对值和，以选取待预测MB的最终预测模式。

[0133] 优选地，比较第一残差绝对值和SAD1与第二残差绝对值和SAD2；其中，

[0134] 若SAD1小，则选取第一预测模式作为待预测MB的最终预测模式；

[0135] 若SAD2小，则选取第二预测模式作为待预测MB的最终预测模式；

[0136] 若SAD1和SAD2大小相同，则选取第一预测模式作为待预测MB的最终预测模式。

[0137] 本实施的通过预测选择算法可以选择出第一预测模式和第二预测模式中最优的一种预测方法，对于图象中的复杂纹理找到合适的参考像素，并可得到最小预测残差，进一
步降低理论极限熵，对于复杂纹理的图像进一步优化了预测效果。

[0138] 以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在
不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的
保护范围。

标题	发布/更新时间	阅读量
一种视频压缩的预测方法	2020-05-08	2
一种网络文件传输检测方法、装置和系统	2020-05-08	868
一种基于贪婪算法的游戏资源打包方法及系统	2020-05-08	988
用于确定数字资产交易所的偿付能力的方法、系统和计算机程序产品	2020-05-08	778
一种基于混合加密的大众密码管理系统	2020-05-08	938
基于FPGA和非线性插值的视频缩放方法	2020-05-08	905
一种基于边缘计算的综合传感网测试平台	2020-05-08	767
一种VNF实例化方法、装置、设备及存储介质	2020-05-11	461
一种基于随机素数的双通道交换的超奇异椭圆曲线算法的密钥交换方法	2020-05-11	360
一种基于深度信念网络的免疫入侵检测方法	2020-05-08	804

一种带宽压缩中的预测方法

一种带宽压缩中的预测方法

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：