带宽压缩的自适应模板预测方法技术

本发明专利技术涉及一种带宽压缩的自适应模板预测方法，包括：步骤1、更新当前MB对应的自适应模板；步骤2、根据更新后的所述自适应模板获取所述当前MB的预测残差；步骤3、判断是否获取完成所有的MB预测残差，若是，则预测结束；否则，跳转到步骤1。本发明专利技术通过定义自适应模板，计算当前预测宏块的预测像素值，与现有方法相比，当待压缩图像的纹理较为复杂时，定义不同的自适应模板对应不同的纹理区域，更容易提高当前预测宏块中的像素与自适应模板中选定的像素匹配的概率，能够提高对复杂纹理区域求预测残差值的精度，进一步降低理论极限熵，提高带宽压缩率。

【技术实现步骤摘要】
带宽压缩的自适应模板预测方法
本专利技术涉及一种压缩
，特别涉及一种带宽压缩的自适应模板预测方法。
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。
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的自适应模板预测方法。具体地，本专利技术一个实施例提出的一种带宽压缩的自适应模板预测方法，包括：步骤1、更新当前宏块(MacroBlock,简称MB)对应的自适应模板；步骤2、根据更新的所述自适应模板获取所述当前MB的预测残差；步骤3、判断是否获取完成所有的MB预测残差，若是，则预测结束；否则，跳转到步骤1。在本专利技术的一个实施例中，在所述步骤1之前，还包括：步骤X1、确定所述自适应模板列表表位数量以及表位序号；步骤X2、初始化填充所述自适应模板。在本专利技术的一个实施例中，所述步骤1包括：步骤11、检测当前MB的相邻参考方向的MB重建值；步骤12、根据所述相邻参考方向的MB的重建值与所述自适应模板中已填充重建值是否具备一致性，确定所述自适应模板的更新方式。在本专利技术的一个实施例中，所述步骤12包括：步骤121、若所述相邻参考方向的MB的重建值与所述自适应模板中的填充重建值不一致，则将所述相邻参考方向的MB的重建值更新到所述自适应模板的设定表位序号，且将所述自适应模板的表位序号从所述设定表位序号之后顺序移位；步骤122、若所述相邻参考方向的MB的重建值与所述自适应模板中的已填充重建值具备一致性，则将一致的所述自适应模板中的已填充重建值与所述设定表位序号位置的重建值更换。在本专利技术的一个实施例中，所述相邻参考方向包括上参考方向、左参考方向、左上参考方向或右上参考方向。在本专利技术的一个实施例中，所述步骤12判断所述相邻参考方向MB的重建值与所述自适应模板中的填充重建值一致的公式为：其中，Cur为当前MB的原始像素值，CurRec为当前MB的重建值，ABS为求绝对值，Pred为模板中填充的重建值，MBnum为当前MB中像素数量，a1和a2为权重系数，Thr0为阈值。在本专利技术的一个实施例中，所述步骤2包括：步骤21、根据第一预设公式选取更新后的所述自适应模板中M个候选重建值；步骤22、利用第二预设公式通过M个所述候选重建值确定当前MB的预测值；步骤23、通过点对点求差获取当前MB的所述预测残差在本专利技术的一个实施例中，所述步骤21中的所述第一预设公式为：其中，Cur为当前MB的原始像素值，Pred为模板中填充的重建值；MBnum为当前MB中像素数量，c1和c2为权重系数。在本专利技术的一个实施例中，所述步骤22中的所述第二预设公式为：predwi＝(w1*Predi-1+w2*Predi+w3*Predi+1+w4)/4其中，W1、W2、W3、W4为一组预测参数。在本专利技术的一个实施例中，所述步骤2包括：将当前MB的像素值与更新后的所述自适应模板中的所有重建值进行自适应纹理预测，获取所述预测残差。基于此，本专利技术具备如下优点：本专利技术的有益效果主要表现在：本专利技术通过定义自适应模板表位的数量和MB的像素的方式，计算当前MB的预测残差，与现有的方法相比，当待压缩图像的纹理较为复杂时，定义不同的自适应模板对应不同的纹理区域，更容易提高当前MB中的像素与自适应模板中选定的像素匹配的概率，能够提高对复杂纹理区域求预测残差值的精度，进一步降低理论极限熵，增大带宽压缩率。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自适应模板预测方法流程图；图2为本专利技术实施例提供的一种自适应模板的示意图；图3为本专利技术实施例提供的另一种自适应模板的示意图；图4为本专利技术实施例提供的另一种自适应模板预测方法流程图；图5为本专利技术实施例提供的又一种自适应模板预测方法流程图；图6为本专利技术实施例提供的一种自适应纹理预测的相邻参考像素的示意图。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自适应模板预测方法流程图，该方法包括如下步骤：步骤1、更新当前MB对应的自适应模板；步骤2、根据更新后的所述自适应模板获取所述当前MB的预测残差；步骤3、判断是否获取完成所有的MB预测残差，若是，则预测结束；否则，跳转到步骤1。其中，在步骤1之前，还可以包括：步骤X1、确定所述自适应模板列表表位数量以及表位序号；步骤X2、初始化填充所述自适应模板。其中，步骤1可以包括：步骤11、检测当前MB的相邻参考方向的MB重建值；步骤12、判断所述相邻参考方向的MB的重建值与所述自适应模板中的填充重建值是否一致，以确定所述自适应模板的更新方式。其中，步骤12可以包括：步骤121、若所述相邻参考方向的MB的重建值与所述自适应模板中的填充重建值不一致，则将所述相邻参考方向的MB的重建值更新到所述自适应模板的设定表位序号，且将所述自适应模板的表位序号从所述设定表位序号之后顺序移位；步骤122、若所述相邻参考方向的MB的重建值与所述自适应模板中的填充重建值具备一致性，则将一致的所述自适应模板中的填充重建值与所述设定表位序号位置的重建值更换。进一步地，步骤121以及步骤122中的相邻参考方向包括上参考方向、左参考方向、左上参考方向或右上参考方向。进一步地，对于步骤121以及步骤122中的一致性判断公式为：其中，Cur为当前MB的原始像素值，CurRec为当前MB的重建值，ABS为求绝对值，Pred为模板中填充的重建值，MBnum为当前MB中像素数量，a1和a2为权重系数，Thr0为阈值。其中，步骤2根据更新后的所述自适应模板获取所述当前MB的预测残差，包括以下步骤：步骤21、根据第一预设公式选取更新后的所述自适应模板中M个候选重建值；步骤22、利用第二预设公式通过M个所述候选重建值确定当前MB的预测值；步骤23、通过点对点求差获取当前MB的所述预测残差。其中，步骤21中的第一预设公式为本文档来自技高网...

【技术保护点】
1.一种基于带宽压缩的自适应模板预测方法，其特征在于，包括：步骤1、更新当前MB对应的自适应模板；步骤2、根据更新后的所述自适应模板获取所述当前MB的预测残差；步骤3、判断是否获取完成所有的MB预测残差，若是，则预测结束；否则，跳转到步骤1。

【技术特征摘要】
1.一种基于带宽压缩的自适应模板预测方法，其特征在于，包括：步骤1、更新当前MB对应的自适应模板；步骤2、根据更新后的所述自适应模板获取所述当前MB的预测残差；步骤3、判断是否获取完成所有的MB预测残差，若是，则预测结束；否则，跳转到步骤1。2.根据权利要求1所述的方法，其特征在于，在所述步骤1之前，还包括：步骤X1、确定所述自适应模板的表位数量以及表位序号；步骤X2、初始化填充所述自适应模板。3.根据权利要求2所述的方法，其特征在于，所述步骤1包括：步骤11、检测当前MB的相邻参考方向MB重建值；步骤12、判断所述相邻参考方向MB的重建值与所述自适应模板中的填充重建值是否一致，以确定所述自适应模板的更新方式。4.根据权利要求3所述的方法，其特征在于，所述步骤12包括：步骤121、若所述相邻参考方向MB的重建值与所述自适应模板中的填充重建值不一致，则将所述相邻参考方向的MB重建值更新到所述自适应模板的设定表位序号，且将所述自适应模板的表位序号从所述设定表位序号之后顺序移位；步骤122、若所述相邻参考方向MB的重建值与所述自适应模板中的填充重建值一致，则将一致的所述自适应模板中的填充重建值与所述设定表位序号位置的重建值更换。5.根据权利要求4所述的方法，其特征在于，所述相邻参考方向包括上参考方向、左参考方向、左上参考方向或右上参考方向。6.根据权利要求4所述的方法，其特征在于，所述步...

【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