带宽压缩量化及反量化方法技术

本发明专利技术涉及一种带宽压缩量化及反量化方法，该量化方法包括：(a)获取预测残差；(b)获取所述预测残差的量化模式；(c)根据所述量化模式和所述预测残差获取量化残差。本发明专利技术的量化方法缩小了量化造成的差异；同样的量化参数下，采用本发明专利技术的量化方法恢复的图像量化损失较小。

Quantization and Inverse Quantization of Bandwidth Compression

The invention relates to a bandwidth compression quantization and inverse quantization method, which comprises: (a) acquiring prediction residuals; (b) acquiring the quantization mode of the prediction residuals; (c) acquiring quantization residuals according to the quantization mode and the prediction residuals. The quantization method of the present invention reduces the difference caused by quantization; under the same quantization parameters, the image quantization loss recovered by the quantization method of the present invention is small.

【技术实现步骤摘要】
带宽压缩量化及反量化方法
本专利技术属于压缩
，具体涉及一种带宽压缩量化及反量化方法。
技术介绍
随着人们对视频质量需求的逐渐增加，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。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。带宽压缩主要由4个部分组成，包含：预测模块，量化模块，码控模块，熵编码模块。其中量化模块和码控模块是有损压缩特有的。量化作为一个重要的模块，根据码率控制得到的量化参数(QuantizationParameter,简称QP)，对预测残差进行量化。目前量化模块的算法主要分为2类，空域量化和频域量化。这两种量化具有各自的优缺点，空域量化的优点是：由于量化是对于空域预测残差直接操作，所以可以严格控制原始像素和重建像素间的最大损失；由于不用经过频域变换，所以运算复杂度较低；频域量化的优点是：由于量化是对于频域预测残差进行操作，所以量化产生的损失恢复到空域后，主观视觉对该损失感知不明显；由于频域变换，所以运算复杂度极高。因此可以看出，空域量化适合对压缩损失客观指标有严格要求，对运算复杂度极为关注的低倍率压缩；频域量化适合对压缩损失客观指标没有严格要求，更注重主观视觉，不特别关注运算复杂度的高倍率压缩。现有技术中的空域量化算法是对预测残差直接量化，对直接量化产生的损失没有根据损失的位置和损失的大小分布进行进一步处理，不能进一步降低量化损失。因此，如何进一步降低带宽压缩量化算法的量化损失已经成为目前的重点研究问题。
技术实现思路
为了解决现有技术中存在的上述问题，本专利技术提供了一种带宽压缩量化方法，包括：(a)获取预测残差；(b)根据所述预测残差获取量化模式；(c)根据所述量化模式和所述预测残差获取量化残差。在本专利技术的一个实施例中，步骤(b)包括：(b1)获取量化参数和量化补偿值；(b2)根据所述预测残差、所述量化参数、所述量化补偿值采用第一预估模式获取所述预测残差的第一RDO；(b3)根据所述预测残差、所述量化参数、所述量化补偿值采用第二预估模式获取所述预测残差的第二RDO；(b4)比较所述第一RDO和所述第二RDO，若所述第一RDO小于所述第二RDO，则所述量化模式为第一量化模式；否则所述量化模式为第二量化模式。在本专利技术的一个实施例中，所述第一预估模式包括对所述预测残差依次进行量化处理、反量化处理、补偿处理，所述第一量化模式为对所述预测残差进行量化处理。在本专利技术的一个实施例中，所述第二预估模式包括对所述预测残差依次进行补偿处理、量化处理、反量化处理，所述第二量化模式为对所述预测残差依次进行补偿处理、量化处理。在本专利技术的一个实施例中，步骤(c)之前，还包括：根据所述预测残差获取波动系数和波动状态索引。在本专利技术的一个实施例中，步骤(c)之后，还包括：将所述量化残差、所述量化模式、所述波动系数、所述波动状态索引依次写入码流中。在本专利技术的一个实施例中，根据所述预测残差获取波动系数和波动状态索引包括：(x21)获取所述预测残差的残差损失；(x22)根据所述残差损失获取波动系数；(x23)根据所述波动系数、所述残差损失、波动状态表获取波动状态索引。在本专利技术的一个实施例中，步骤(x23)包括：(x231)根据所述残差损失、所述波动系数、所述波动状态表获取每个波动状态对应的绝对误差和；(x232)获取绝对误差和最小时对应的所述波动状态索引。在本专利技术的一个实施例中，所述波动系数k满足：其中，lossresi为第i位像素的所述残差损失，pixnumnone0为所述残差损失内非0的数量。本专利技术的另一个实施例提供了一种带宽压缩反量化方法，包括：获取码流中的量化模式、量化残差、波动系数、波动状态索引；根据所述量化模式和所述量化残差获得第一反量化预测残差；根据所述第一反量化预测残差、波动系数、波动状态索引获得第二反量化预测残差。本专利技术实施例的量化方法缩小了量化造成的差异；同样的量化参数下，采用本专利技术的量化方法恢复的图像量化损失较小。附图说明图1为本专利技术实施例提供的一种带宽压缩量化方法流程示意图；图2为本专利技术实施例提供的一种将原始预测残差分别通过第一预估模式和第二预估模式进行运算的原理示意图；图3为本专利技术实施例提供的一种带宽压缩量化方法的波动状态表结构示意图。具体实施方式下面结合具体实施例对本专利技术做进一步详细的描述，但本专利技术的实施方式不限于此。实施例一请参见图1，图1为本专利技术实施例提供的一种带宽压缩量化方法流程示意图，包括：(a)获取预测残差；(b)根据所述预测残差获取量化模式；(c)根据所述量化模式和所述预测残差获取量化残差。其中，步骤(b)包括：(b1)获取量化参数和量化补偿值；(b2)根据所述预测残差、所述量化参数、所述量化补偿值采用第一预估模式获取所述预测残差的第一RDO；(b3)根据所述预测残差、所述量化参数、所述量化补偿值采用第二预估模式获取所述预测残差的第二RDO；(b4)比较所述第一RDO和所述第二RDO，若所述第一RDO小于所述第二RDO，则所述量化模式为第一量化模式；否则所述量化模式为第二量化模式。其中，所述第一预估模式包括对所述预测残差依次进行量化处理、反量化处理、补偿处理，所述第一量化模式为对所述预测残差进行量化处理。其中，所述第二预估模式包括对所述预测残差依次进行补偿处理、量化处理、反量化处理，所述第二量化模式为对所述预测残差依次进行补偿处理、量化处理。其中，步骤(c)之前，还包括：根据所述预测残差获取波动系数和波动状态索引。其中，步骤(c)之后，还包括：将所述量化残差、所述量化模式、所述波动系数、所述波动状态索引依次写入码流中。其中，根据所述预测残差获取波动系数和波动状态索引包括：(x21)获取所述预测残差的残差损失；(x22)根据所述残差损失获取波动系数；(x23)根据所述波动系数、所述残差损失、波动状态表获取波动状态索引。其中，步骤(x23)包括：(x231)根据所述残差损失、所述波动系数、所述波动状态表获取每个波动状态对应的绝对误差和；(x232)获取绝对误差和最小时对应的所述波动状态索引。其中，所述波动系数k满足：其中，lossresi为第i位像素的所述残差损失，pixnumnone0为所述残差损失内非0的数量。本专利技术实施例：1、通过对两种量化模式的率失真优化参数的选择给出反量化后损失最小的量化模式，并且通过波动状态对量化造成的损失进行了补偿，通过以上两个算法的结合进一步缩小了量化造成的差异；2、同样的量化参数下，采用本方法恢复的图像量化损失较小。实施例二本实施例在上述实施例的基础上，重点介绍详细的带宽压缩量化方法。具体步骤如下：S11：获取原始预测残差。设定量化单位为本文档来自技高网...

【技术保护点】
1.本专利技术涉及一种带宽压缩量化及反量化方法，其特征在于，包括：(a)获取预测残差；(b)根据所述预测残差获取量化模式；(c)根据所述量化模式和所述预测残差获取量化残差。

【技术特征摘要】
1.本发明涉及一种带宽压缩量化及反量化方法，其特征在于，包括：(a)获取预测残差；(b)根据所述预测残差获取量化模式；(c)根据所述量化模式和所述预测残差获取量化残差。2.根据权利要求1所述的量化方法，其特征在于，步骤(b)包括：(b1)获取量化参数和量化补偿值；(b2)根据所述预测残差、所述量化参数、所述量化补偿值采用第一预估模式获取所述预测残差的第一RDO；(b3)根据所述预测残差、所述量化参数、所述量化补偿值采用第二预估模式获取所述预测残差的第二RDO；(b4)比较所述第一RDO和所述第二RDO，若所述第一RDO小于所述第二RDO，则所述量化模式为第一量化模式；否则所述量化模式为第二量化模式。3.根据权利要求2所述的量化方法，其特征在于，所述第一预估模式包括对所述预测残差依次进行量化处理、反量化处理、补偿处理，所述第一量化模式为对所述预测残差进行量化处理。4.根据权利要求2所述的量化方法，其特征在于，所述第二预估模式包括对所述预测残差依次进行补偿处理、量化处理、反量化处理，所述第二量化模式为对所述预测残差依次进行补偿处理、量化处理。5.根据权利要求1所述的量化方法，其特征在于，步骤(c)之前，还包括：根据所述...

【专利技术属性】
技术研发人员：张莹，罗瑜，
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