带宽压缩中复杂纹理的多模式选择预测方法技术

本发明专利技术涉及一种带宽压缩中复杂纹理的多模式选择预测方法，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宏块梯度确定当前编码宏块的梯度级别，并根据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。本发明专利技术采用梯度选择策略，在预测前通过计算宏块的梯度从多个预测模式中快速选择出适用该纹理复杂度的最优待预测模式，对于复杂纹理图像，预测效果更优，进一步降低了理论极限熵。

Multi-mode Selective Prediction Method for Complex Texture in Bandwidth Compression

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种带宽压缩中复杂纹理的多模式选择预测方法，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宏块梯度确定当前编码宏块的梯度级别，并根据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。在本专利技术的一个实施例中，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，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，宏块梯度的计算公式为：在本专利技术的一个实施例中，在梯度-预测模式查找表中，根据当前编码宏块的宏块梯度确定当前编码宏块的梯度级别，并根据梯度级别确定多种待预测模式的步骤中，梯度-预测模式查找表中包括若干个梯度级别，每个梯度级别具有相同或者不同的梯度跨度，每个梯度级别对应若干个预测模式。在本专利技术的一个实施例中，若干个梯度级别具有的梯度跨度之和等于待编码视频图像的待编码像素分量值范围。在本专利技术的一个实施例中，在梯度-预测模式查找表中，根据当前编码宏块的宏块梯度确定当前编码宏块的梯度级别，并根据梯度级别确定多种待预测模式的步骤中，确定的多种待预测模式为等距采样预测模式。在本专利技术的一个实施例中，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中的每个采样像素和每个非采样像素的参考像素，计算得到每一种等距采样模式下的一组采样预测残差；根据每一种等距采样模式下的一组采样预测残差，计算每一种等距采样模式下的采样绝对残差和；比较多种等距采样模式下的多个采样绝对残差和，选择最小的采样绝对残差和对应的等距采样模式作为最优等距采样模式，对应的一组采样预测残差作为当前编码宏块的一组最优预测残差，对应的一组参考像素作为当前编码宏块的一组最优参考像素。在本专利技术的一个实施例中，设定多种等距采样模式，根据不同的采样间隔对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的步骤包括：从当前编码宏块中的第一个像素开始，按照采样间隔采集采样像素的待编码像素分量的重建值，采样像素包括当前编码宏块的最后一个像素。在本专利技术的一个实施例中，确定每一种等距采样模式下当前编码宏块中的每个采样像素和每个非采样像素的参考像素，计算得到每一种等距采样模式下的一组采样预测残差的步骤还包括：从当前编码宏块的上参考宏块中按照点对点映射选择每个采样像素的参考像素，计算每个采样像素的待编码像素分量的采样预测残差。在本专利技术的一个实施例中，确定每一种等距采样模式下当前编码宏块中的每个采样像素和每个非采样像素的参考像素，计算得到每一种等距采样模式下的一组采样预测残差的步骤还包括：从当前编码宏块中选择采样像素作为每个非采样像素的参考像素，计算每个非采样像素的待编码像素分量的采样预测残差。在本专利技术的一个实施例中，每个非采样像素的待编码像素分量的采样预测残差的计算公式为：其中，表示1/T采样模式下当前编码宏块中编号为m的非采样像素的待编码像素分量的采样预测残差，为当前编码宏块中编号为m的非采样像素的参考像素即采样像素Samplef的待编码像素分量的重建值，m≠Tfandm≠M-1，1≤T≤M，f＝0、1、2、…、F-1。基于此，本专利技术具备如下优点：本专利技术实施例的带宽压缩中复杂纹理的多模式选择预测方法，采用了梯度选择策略，在预测前通过计算宏块的梯度判断宏块的纹理复杂度，从多个预测模式中快速选择出适用该纹理复杂度的最优待预测模式，对于复杂纹理图像，可根据图像不同区域纹理特征的不同，自适应地选择最优的预测方法，预测效果更优，进一步降低了理论极限熵。通过以下参考附图的详细说明，本专利技术的其它方面和特征变得明显。但是应当知道，该附图仅仅为解释的目的设计，而不是作为本专利技术的范围的限定，这是因为其应当参考附加的权利要求。还应当知道，除非另外指出，不必要依比例绘制附图，它们仅仅力图概念地说明此处描述的结构和流程。附图说明下面将结合附图，对本专利技术的具体实施方式进行详细的说明。图1为本专利技术实施例提供的带宽压缩中复杂纹理的多模式选择预测方法的流程图；图2为本专利技术实施例提供的一种梯度-预测模式查找表示意图；图3为本专利技术另一实施例提供的一种梯度-预测模式查找表示意图；图4为本专利技术实施例提供的一种等距采样预测方法的流程图；图5为本专利技术实施例提供的一种对当前编码宏块进行等距采样的5种等距采样模式示意图；图6为本专利技术实施例提供的一种计算当前编码宏块中像素的待编码像素分量的预测残差的流程图；图7为本专利技术实施例提供的一种1/4采样模式下确定当前编码宏块中采样像素和非采样像素的参考像素示意图。具体实施方式为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图对本专利技术的具体实施方式做详细的说明。本专利技术实施例的方法，通过采用宏块梯度选择策略，对图像宏块预测前，在多种预测模式中自适应选择出适用图像不同区域的最优预测方法进行预测残差的计算。实施例一参见图1，图1为本专利技术实施例提供的带宽压缩中复杂纹理的多模式选择预测方法的流程图。该多模式选择预测方法包括如下步骤：S1、将待编码视频图像划分成多个宏本文档来自技高网...

【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