像素级多分量参考的自适应方向预测方法技术

本发明专利技术涉及一种像素级多分量参考的自适应方向预测方法，包括：步骤1、确定当前像素的多个分量；步骤2、获取所述多个分量的纹理方向梯度值；步骤3、通过所述纹理方向梯度值以及加权系数确定当前分量的参考值；步骤4、通过所述参考值确定当前分量像素的预测残差。本发明专利技术提出的像素级多分量参考，多个分量可以并行处理，可以进一步降低预测的理论极限熵。

【技术实现步骤摘要】
像素级多分量参考的自适应方向预测方法
本专利技术涉及一种多媒体
，特别涉及一种像素级多分量参考的自适应方向预测方法。
技术介绍
随着公众对视频质量需求的不断提高，视频的图像分辨率作为视频质量的重要特性之一，视频的图像分辨率也随之成倍数的增加，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。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。带宽压缩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，达到提高压缩效率的目的。目前预测模块的算法主要分为2类，包括图像的像素纹理相关预测和像素值相关预测。现有的纹理相关预测方法由于参考方向的数量少，存在如下问题：1)预测像素的分量容易误判，影响预测结果；2)预测方法没有充分利用像素纹理之间的相关性，无法进一步降低理论极限熵以及运算的复杂度。
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像素级多分量参考的自适应方向预测方法。具体地，本专利技术一个实施例提出的一种像素级多分量参考的自适应方向预测方法，包括：步骤1、确定当前像素的多个分量；步骤2、获取所述多个分量的纹理方向梯度值；步骤3、通过所述纹理方向梯度值以及加权系数确定当前分量的参考值；步骤4、通过所述参考值确定当前分量像素的预测残差。在本专利技术的一个实施例中，获取所述多个分量的纹理方向梯度值，包括：通过所述多个分量的周围分量，分别确定所述多个分量中的每个分量的N个纹理方向梯度值。在本专利技术的一个实施例中，所述加权系数包括第一加权系数、第二加权系数以及第三加权系数。在本专利技术的一个实施例中，通过所述纹理方向梯度值以及加权系数确定当前分量的参考值，包括：通过所述纹理方向梯度值以及所述第一加权系数获取第一加权梯度值；通过所述第一加权梯度值以及第二加权系数获取第二加权梯度值；通过所述第二加权梯度值得到每个分量的参考方向；通过所述参考方向的分量像素值以及第三加权系数获取当前分量的参考值。在本专利技术的一个实施例中，通过所述纹理方向梯度值以及所述第一加权系数获取第一加权梯度值，包括：将所述纹理方向梯度值以及与之相应的所述第一加权系数相乘后进行加权运算获取第一加权梯度值。在本专利技术的一个实施例中，通过所述第一加权梯度值以及第二加权系数获取第二加权梯度值，包括：按照预设算法选取出所述第一加权梯度值的最优值；将多个分量的所述第一加权梯度值的最优值以及与之相应的所述第二加权系数相乘后进行加权运算获取第二加权梯度值。在本专利技术的一个实施例中，通过所述第二加权梯度值得到每个分量的参考方向，包括：按照预设算法选取出所述第二加权梯度值的最优值；将所述第二加权梯度值的最优值作为所述参考方向。在本专利技术的一个实施例中，通过所述参考方向的分量像素值以及第三加权系数获取当前分量的参考值，包括：将所述参考方向的分量像素值以及与所述分量像素值相应的所述第三加权系数相乘后进行加权运算获取当前分量的所述参考值。在本专利技术的一个实施例中，通过所述参考值确定当前分量像素的预测残差之后，还包括：重复步骤2～4，获取所述当前像素的所有分量像素的预测残差。在本专利技术的一个实施例中，所有分量像素的预测残差的获取为并行处理或串行处理。基于此，本专利技术具备如下优点：1、本专利技术通过每个分量的多方向梯度加权和同位置多分量的方向加权，可以更加合理的确定当前分量的预测方向，尤其是当纹理复杂时，可以起到更好的预测方向纠偏效果。并且该方法，可以均衡同位置各分量间和同分量相邻多像素间的纹理预测方向，减少单个分量预测误判的可能性，最终进一步降低预测的理论极限熵。2、本专利技术将多分量并行处理，更利于实现预测方法的并行化处理。相对于串行分量处理的时间长效率低，并行处理可以成倍提高处理速度，利于预测算法的硬件实现。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一种像素级多分量参考的自适应方向预测方法的流程示意图；图2为本专利技术实施例提供的一种像素级多分量参考的自适应方向预测方法的算法原理示意图；图3为本专利技术实施例提供的一种当前像素分量与周围像素分量的位置示意图；图4为本专利技术实施例提供的一种梯度值计算示意图；图5为本专利技术实施例提供的另一种像素级多分量参考的自适应方向预测方法的算法原理示意图；图6为本专利技术实施例提供的一种参考值选取示意图。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。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像素级多分量参考的自适应方向预测方法的流程示意图。该方法包括如下步骤：步骤1、确定当前像素的多个分量；步骤2、获取所述多个分量的纹理方向梯度值；步骤3、通过所述纹理方向梯度值以及加权系数确定当前分量的参考值；步骤4、通过所述参考值确定当前分量像素的预测残差。其中，步骤2可以包括如下步骤：步骤21、通过所述多个分量的周围分量，分别确定所述多个分量中的每个分量的N个纹理方向梯度值。其中，步骤3中所述加权系数包括第一加权系数、第二加权系数以及第三加权系数。其中，步骤3可以包括如下步骤：步骤31、通过所述纹理方向梯度值及所述第一加权系数获取第一加权梯度值；步骤32、通过所述第一加权梯度值及第二加权系数获取第二加权梯度值；步骤33、通过所述第二加权梯度值得到每个分量的参考方向；步骤34、通过所述参考方向的分量像素值及第三加权系数获取当前分量的参考值。进一步地，步骤31可以包括如下步骤：将所述纹理方向梯度值以及与之相应的所述第一加权系数相乘后进行加权运算获取第一加权梯度值。进一步地，步骤32可以包括如下步骤：步骤321、按照预设算法选取出所述第一加权梯度值的最优值；步骤322、将多个分量的所述第一加权梯度值的最优值以及与之相应的所述第二加权系数相乘后进行加权运算获取第二加权梯度值。进一步地，步骤33可以包括如下步骤：步骤331、按照预设算法选取出所述第二加权梯度值的最优值；步骤332、将所述第二加权梯度值的最优值作为所述参考方向。进一步地，步骤34可以包括如下步骤：将所述参考方向的分量像素值以及与所述分量像素值相应的所述第三加权系数相乘后进行加权运算获取当前分量的所述参考值。其中，在步骤4之后还可以包括如下步骤：步骤41、重复步骤2～4，获取所述当前像素的所有分量像素的预测残差。其中，步骤本文档来自技高网...

【技术保护点】
1.一种像素级多分量参考的自适应方向预测方法，其特征在于，包括：步骤1、确定当前像素的多个分量；步骤2、获取所述多个分量的纹理方向梯度值；步骤3、通过所述纹理方向梯度值以及加权系数确定当前分量的参考值；步骤4、通过所述参考值确定当前分量像素的预测残差。

【技术特征摘要】
1.一种像素级多分量参考的自适应方向预测方法，其特征在于，包括：步骤1、确定当前像素的多个分量；步骤2、获取所述多个分量的纹理方向梯度值；步骤3、通过所述纹理方向梯度值以及加权系数确定当前分量的参考值；步骤4、通过所述参考值确定当前分量像素的预测残差。2.根据权利要求1所述的方法，其特征在于，获取所述多个分量的纹理方向梯度值，包括：通过所述多个分量的周围分量，分别确定所述多个分量中的每个分量的N个纹理方向梯度值。3.根据权利要求1所述的方法，其特征在于，所述加权系数包括第一加权系数、第二加权系数以及第三加权系数。4.根据权利要求3所述的方法，其特征在于，通过所述纹理方向梯度值以及加权系数确定当前分量的参考值，包括：通过所述纹理方向梯度值以及所述第一加权系数获取第一加权梯度值；通过所述第一加权梯度值以及第二加权系数获取第二加权梯度值；通过所述第二加权梯度值得到每个分量的参考方向；通过所述参考方向的分量像素值以及第三加权系数获取当前分量的参考值。5.根据权利要求4所述的方法，其特征在于，通过所述纹理方向梯度值以及所述第一加权系数获取第一加权梯度值，包括：将所述纹理方向梯...

【专利技术属性】
技术研发人员：罗瑜，张莹，
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