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：将图像分成大小相同的多个MB；采用复杂纹理自适应预测方法对当前MB进行预测以获取所述当前MB的第一残差主观和；采用4分块跳块扫描多方向预测方法对所述当前MB进行预测以获取所述当前MB的第二残差主观和；根据所述第一残差主观和与所述第二残差主观和确定所述当前MB中每个像素的最终预测残差。本发明专利技术提供的带宽压缩中的后选择预测方法，以复杂纹理自适应预测方法和4分块跳块扫描多方向预测方法为基础，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。

【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，为解决现有技术存在的技术缺陷和不足，本专利技术提出一种带宽压缩中的后选择预测方法。具体地，本专利技术一个实施例提出的一种带宽压缩中的后选择预测方法，包括：将图像分成大小相同的多个MB；采用复杂纹理自适应预测方法对当前MB进行预测以获取所述当前MB的第一残差主观和；采用4分块跳块扫描多方向预测方法对所述当前MB进行预测以获取所述当前MB的第二残差主观和；根据所述第一残差主观和与所述第二残差主观和确定所述当前MB中每个像素的最终预测残差。在本专利技术的一个实施例中，采用复杂纹理自适应预测方法对当前MB进行预测以获取所述当前MB的第一残差主观和，包括：采用复杂纹理自适应预测方法对所述当前MB进行预测以获取所述当前MB中每个像素的第一预测残差；根据所述第一预测残差分别计算所述当前MB的第一残差绝对值和与第一残差标准差；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。在本专利技术的一个实施例中，采用复杂纹理自适应预测方法对所述当前MB进行预测以获取所述当前MB中每个像素的第一预测残差，包括：选取当前像素的K个重建像素，其中K为大于1的自然数；根据所述重建像素确定第一权重；根据所述第一权重确定所述第二权重；根据所述第二权重确定所述当前像素的预测残差。在本专利技术的一个实施例中，所述第一权重计算公式为：Wij＝a*DIFij+b*POSij其中，a和b为加权值；DIFij为差异度权重；POSij为位置权重；ij为K个重建像素的索引，ij的取值为1～K的自然数。在本专利技术的一个实施例中，所述第二权重计算公式为：Mijn＝p1*Wij1+p2*Wij2+p3*Wij3+...+pN*WijN其中，p为分量加权值，n的取值为N。在本专利技术的一个实施例中，根据所述第二权重确定所述当前像素的预测残差，包括：根据预设算法选取所述第二权重的最优值；将所述最优值对应的所述重建像素确定为当前像素的第一参考像素；通过所述第一参考像素与所述当前像素的差值确定所述第一预测残差。在本专利技术的一个实施例中，采用4分块跳块扫描多方向预测方法对所述当前MB进行预测以获取所述当前MB的第二残差主观和，包括：采用4分块跳块扫描多方向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；根据所述第二预测残差分别计算所述当前MB的第二残差绝对值和与第二残差标准差；根据所述第二残差绝对值和与第二残差标准差计算所述第二残差主观和。在本专利技术的一个实施例中，采用4分块跳块扫描多方向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，包括：采用4种标记符号将所述多个MB进行标记；其中，所述4种标记符号包括第一标记符号、第二标记符号、第三标记符号及第四标记符号；按照设定顺序依次预测所述4种标记符号对应的MB以获取所述第二预测残差。在本专利技术的一个实施例中，按照设定顺序依次预测所述4种标记符号对应的MB以获取所述第二预测残差，包括：按照图像从左到右、从上到下的顺序扫描所述第X标记符号对应的MB；确定所述第X标记符号对应的MB的参考方向；通过所述参考方向计算当前像素的第二参考像素；通过所述第二参考像素确定当前像素的所述第二预测残差。在本专利技术的一个实施例中，根据所述第一残差主观和与所述第二残差主观和确定所述当前MB中每个像素的最终预测残差，包括：比较所述第一残差主观和与所述第二残差主观和的大小以确定所述最终预测残差；其中，若所述第一残差主观和小于所述第二残差主观和，则选择所述第一预测残差作为所述最终预测残差；若所述第一残差主观和大于所述第二残差主观和，则选择所述第二预测残差作为所述最终预测残差。本专利技术至少具备如下优点：本专利技术提供的带宽压缩中的后选择预测方法，通过预测选择算法，从两种预测方法中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。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带宽压缩中的后选择预测方法流程图；图2为本专利技术实施例提供的一种带宽压缩中复杂纹理自适应预测重建像素参考示意图；图3为本专利技术实施例提供的另一种带宽压缩中复杂纹理自适应预测重建像素参考示意图；图4为本专利技术实施例提供的一种图像MB划分标记示意图；图5为本专利技术实施例提供的一种当前MB与距离最近的参考MB的原始位置示意图；图6为本专利技术实施例提供的一种当前MB与距离最近的参考MB的拉近位置示意图；图7为本专利技术实施例提供的一种当前MB全参考方向的示意图；图8为本专利技术实施例提供的一种当前MB无下参考方向的示意图；图9为本专利技术实施例提供的一种当前像素确定第二参考像素的示意图。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带宽压缩中的后选择预测方法流程图。该方法包括如下步骤：步骤1、将图像分成大小相同的多个MB；步骤2、采用复杂纹理自适应预测方法对当前MB进行预测以获取所述当前MB的第一残差主观和；步骤3、采用4分块跳块扫描多方向预测方法对所述当前MB进行预测以获取所述当前MB的第二残差主观和；步骤4、根据所述第一残差主观和与所述第二残差主观和确定所述当前MB中每个像素的最终预测残差。其中，步骤2与步骤3的执行顺序可以根据实际需要而定，例如也可以先执行步骤3再执行步骤2。具体的，步骤2可以包括如下步骤：步骤21、采用复杂纹理自适应预测方法对所述当前MB进行预测以获取所述当前MB中每个像素的第一预测残差；步骤22、根据所述当前MB中每个像素的第一预测残差分别计算所述当前MB的第一残差绝对值和与第一残差标准差；步骤23、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。其中，步骤21可以包括如下步骤：步骤211、选取当前像素的K个重建像素，其中K为大于1的自然数；步骤212、根据所述重建像素确定第一权重；其中，第一权重计算公式为：Wij＝a*DIFij+b*POSij其中，a和b为加权值；DIFij为差异度权重；POSij为位置权本文档来自技高网...

【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：将图像分成大小相同的多个MB；采用复杂纹理自适应预测方法对当前MB进行预测以获取所述当前MB的第一残差主观和；采用4分块跳块扫描多方向预测方法对所述当前MB进行预测以获取所述当前MB的第二残差主观和；根据所述第一残差主观和与所述第二残差主观和确定所述当前MB中每个像素的最终预测残差。

【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：将图像分成大小相同的多个MB；采用复杂纹理自适应预测方法对当前MB进行预测以获取所述当前MB的第一残差主观和；采用4分块跳块扫描多方向预测方法对所述当前MB进行预测以获取所述当前MB的第二残差主观和；根据所述第一残差主观和与所述第二残差主观和确定所述当前MB中每个像素的最终预测残差。2.根据权利要求1所述的方法，其特征在于，采用复杂纹理自适应预测方法对当前MB进行预测以获取所述当前MB的第一残差主观和，包括：采用复杂纹理自适应预测方法对所述当前MB进行预测以获取所述当前MB中每个像素的第一预测残差；根据所述第一预测残差分别计算所述当前MB的第一残差绝对值和与第一残差标准差；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。3.根据权利要求2所述的方法，其特征在于，采用复杂纹理自适应预测方法对所述当前MB进行预测以获取所述当前MB中每个像素的第一预测残差，包括：选取当前像素的K个重建像素，其中K为大于1的自然数；根据所述重建像素确定第一权重；根据所述第一权重确定所述第二权重；根据所述第二权重确定所述当前像素的预测残差。4.根据权利要求3所述的方法，其特征在于，所述第一权重计算公式为：Wij＝a*DIFij+b*POSij其中，a和b为加权值；DIFij为差异度权重；POSij为位置权重；ij为K个重建像素的索引，ij的取值为1～K的自然数。5.根据权利要求4所述的方法，其特征在于，所述第二权重计算公式为：Mijn＝p1*Wij1+p2*Wij2+p3*Wij3+...+pN*WijN其中，p为分量加权值，n的取值为N。6.根据权利要求5所述的方法，其特征在于，根据所述第二权重确定所述当前像素的预测残差，包括：根据预设算法选取所述第二权重的最优值；将所...

【专利技术属性】
技术研发人员：李雯，田林海，
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