带宽压缩中的后选择预测方法技术

本发明专利技术涉及一种带宽压缩中的后选择预测方法，包括：将图像分成大小为m×n的多个MB；其中，m、n分别为每个所述MB的行分辨率、列分辨率；分别采用自适应模板预测方法与自适应纹理渐变预测方法对所述多个MB进行预测以获取对应的残差主观和；根据所述残差主观和确定最终的预测残差。本发明专利技术提供的带宽压缩中的后选择预测方法，以自适应模板预测方法与自适应纹理渐变预测方法为基础，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。

Post-selection Prediction Method in Bandwidth Compression

The present invention relates to a post-selection prediction method in bandwidth compression, which includes: dividing an image into multiple MBs of size m*n, in which m and N are the row resolution and column resolution of each MB, respectively; using adaptive template prediction method and adaptive texture gradient prediction method respectively to predict the multiple MBs to obtain the corresponding subjective sum of residual errors; and according to the subjective sum of residual errors. And determine the final prediction residuals. The post-selection prediction method in bandwidth compression provided by the invention is based on the adaptive template prediction method and the adaptive texture gradient prediction method, and an optimal prediction method can be selected by the prediction selection algorithm, which further optimizes the prediction effect for complex texture images.

【技术实现步骤摘要】
带宽压缩中的后选择预测方法
本专利技术涉及一种多媒体
，特别涉及一种带宽压缩中的后选择预测方法。
技术介绍
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。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。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。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。
技术实现思路
因此，为解决现有技术本文档来自技高网...

【技术保护点】
1.一种带宽压缩中的后选择预测方法，其特征在于，包括：将图像分成大小为m×n的多个MB；其中，m、n分别为每个所述MB的行分辨率、列分辨率；分别采用自适应模板预测方法与自适应纹理渐变预测方法对所述多个MB进行预测以获取对应的残差主观和；根据所述残差主观和确定所述多个MB最终的预测残差。

【技术特征摘要】
1.一种带宽压缩中的后选择预测方法，其特征在于，包括：将图像分成大小为m×n的多个MB；其中，m、n分别为每个所述MB的行分辨率、列分辨率；分别采用自适应模板预测方法与自适应纹理渐变预测方法对所述多个MB进行预测以获取对应的残差主观和；根据所述残差主观和确定所述多个MB最终的预测残差。2.根据权利要求1所述的方法，其特征在于，分别采用自适应模板预测方法与自适应纹理渐变预测方法对所述多个MB进行预测以获取对应的残差主观和，包括：采用自适应模板预测方法对所述多个MB进行预测以获取第一残差主观和；采用自适应纹理渐变预测方法对所述多个MB进行预测以获取第二残差主观和。3.根据权利要求2所述的方法，其特征在于，采用自适应模板预测方法对所述多个MB进行预测以获取第一残差主观和，包括：采用自适应模板预测方法对当前MB进行预测以获取当前MB中每个像素的第一预测残差；根据所述当前MB中每个像素的第一预测残差分别计算当前MB的第一残差绝对值和与与第一残差标准差；根据所述第一残差绝对值和与第一残差标准差计算所述第一残差主观和。4.根据权利要求3所述的方法，其特征在于，采用自适应模板预测方法对当前MB进行预测以获取当前MB中每个像素的第一预测残差，包括：确定所述自适应模板的表位数量以及表位序号；初始化填充所述自适应模板；更新所述当前MB对应的自适应模板；根据更新后的所述自适应模板获取所述当前MB中每个像素的第一预测残差。5.根据权利要求4所述的方法，其特征在于，采用自适应纹理渐变预测方法对所述多个MB进行预测以获取第二残差主观和，包括：采用自适应纹理渐变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；根据所述当前MB中每个像素的第二预测残差分别计算当前MB的第二残差绝对值和与第二残差标准差；根据所述第...

【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