The invention relates to a multi-mode selection prediction method for complex texture in bandwidth compression, which includes: dividing the video image to be coded into multiple macroblocks and determining the pixel components to be coded; calculating the macroblock gradient of the current coded macroblock; determining the gradient level of the current coded macroblock according to the macroblock gradient of the current coded macroblock in the gradient prediction mode lookup table, and according to the gradient. The level determines the optimal prediction mode of the current encoding macroblock, and uses the optimal prediction mode to predict the current encoding macroblock, and calculates a set of optimal prediction residuals of the current encoding macroblock. The method adopts gradient selection strategy to quickly select the optimal prediction mode suitable for the texture complexity from multiple prediction modes by calculating the gradient of macroblocks before prediction. For complex texture images, the prediction effect is better and the theoretical limit entropy is further reduced.
【技术实现步骤摘要】
带宽压缩中复杂纹理的多模式选择预测方法
本专利技术涉及一种压缩
,特别涉及一种带宽压缩中复杂纹理的多模式选择预测方法。
技术介绍
随着公众对视频质量需求的不断提高,视频的图像分辨率也随之成倍数的增加,由此使视频图像的数据量十分巨大,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。带宽压缩技术的目标是用较小的逻辑面积成本,尽可能的提高压缩倍数,减少双倍速率同步动态随机存储器(DoubleDataRate,简称DDR)的占用。预测模块作为带宽压缩的一个重要模块,是利用图像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,预测差值的标准差要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,从而达到提高压缩效率的目的。然而,当待压缩图像的纹理复杂多变时,根据固定不变的预测模式来预测待压缩图像的复杂纹理区域时,往往会造成所采用预测模式可能只适用某些区域,而对另一些区域并不适用,从而造成这些区域的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,影响预测模块的预测质量。采用多种预测模式预测后再去选择最优的预测模式又会增加巨大的运算量,影响预测速度。因此,在待压缩图像的纹理复杂多变时,提供一种更加灵活适用且能进行快速选择预测模式的预测方法以实现所有纹理区域的高质量预测成为亟需解决的问题。
技术实现思路
因此,为解决现有技术存在的技术缺陷和不足,本专利技术提出一种带宽压缩中复杂纹理的多模式选择预测方法。具体地,本专利技术一个实施例提出的一 ...
【技术保护点】
1.一种带宽压缩中复杂纹理的多模式选择预测方法,其特征在于,包括:将待编码视频图像划分成多个宏块,并确定待编码像素分量;计算当前编码宏块的宏块梯度;在梯度‑预测模式查找表中,根据当前编码宏块的所述宏块梯度确定当前编码宏块的梯度级别,并根据所述梯度级别确定当前编码宏块的最优预测模式;采用最优预测模式对当前编码宏块进行预测,计算当前编码宏块的一组最优预测残差。
【技术特征摘要】
1.一种带宽压缩中复杂纹理的多模式选择预测方法,其特征在于,包括:将待编码视频图像划分成多个宏块,并确定待编码像素分量;计算当前编码宏块的宏块梯度;在梯度-预测模式查找表中,根据当前编码宏块的所述宏块梯度确定当前编码宏块的梯度级别,并根据所述梯度级别确定当前编码宏块的最优预测模式;采用最优预测模式对当前编码宏块进行预测,计算当前编码宏块的一组最优预测残差。2.根据权利要求1所述的方法,其特征在于,所述计算当前编码宏块的宏块梯度的步骤包括:计算当前编码宏块中每个像素的待编码像素分量的像素梯度,所述像素梯度的计算公式为:其中,表示当前编码宏块中待编码像素分量值,分别为编号m的像素的四个邻近像素的待编码像素分量值,下标ij为编号m的像素在待编码视频图像上的位置索引,ABS为绝对值运算符;根据当前编码宏块中所有像素的待编码像素分量的像素梯度计算当前编码宏块的宏块梯度,所述宏块梯度的计算公式为:3.根据权利要求1所述的方法,其特征在于,所述在梯度-预测模式查找表中,根据当前编码宏块的所述宏块梯度确定当前编码宏块的梯度级别,并根据所述梯度级别确定多种待预测模式的步骤中,所述梯度-预测模式查找表中包括若干个梯度级别,每个所述梯度级别具有相同或者不同的梯度跨度,每个所述梯度级别对应若干个预测模式。4.根据权利要求3所述的方法,其特征在于,所述若干个梯度级别具有的所述梯度跨度之和等于所述待编码视频图像的待编码像素分量值范围。5.根据权利要求1所述的方法,其特征在于,所述在梯度-预测模式查找表中,根据当前编码宏块的所述宏块梯度确定当前编码宏块的梯度级别,并根据所述梯度级别确定多种待预测模式的步骤中,确定的所述多种待预测模式为等距采样预测模式。6.根据权利要求5所述的方法,其特征在于,所述采用最优预测模式对当前编码宏块进行预测,计算当前编码宏块的一组最优预测残差的步骤包括:设定多种等距采样模式,根据不同的采样间隔对所述当前编码宏块中的像素的待编码像素分量的重建值进行采样;确定每一种等距采样模式下当前编码宏块...
【专利技术属性】
技术研发人员:岳庆冬,冉文方,
申请(专利权)人:西安科锐盛创新科技有限公司,
类型:发明
国别省市:陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。