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当前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。

【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：将图像分成大小为m×n的多个MB；其中，m、n分别为每个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当前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当前MB中每个像素的最终预测残差。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，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。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自适应模板的示意图；图3为本专利技术实施例提供的一种自适应纹理渐变预测方法的采样方式示意图；图4为本专利技术实施例提供的一种自适应纹理渐变预测方法示意图。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、将图像分成大小为m×n的多个MB；其中，m、n分别为每个MB的行分辨率、列分辨率；步骤2、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当前MB进行预测以获取对应的残差主观和；步骤3、根据所述残差主观和确定所述当前MB中每个像素的最终预测残差。具体的，步骤2可以包括如下步骤：步骤21、采用自适应模板预测方法对所述当前MB进行预测以获取第一残差主观和；步骤22、采用自适应纹理渐变预测方法对所述当前MB进行预测以获取第二残差主观和。其中，步骤21可以包括如下步骤：步骤211、采用自适应模板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212、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绝对值残差和；步骤213、根据所述第一残差绝对值和与第一绝对值残差和计算所述第一残差主观和。进一步地，对于步骤211，可以包括如下步骤：步骤2111、确定所述自适应模板的表位数量以及表位序号；步骤2112、初始化填充所述自适应模板；步骤2113、更新所述当前MB对应的自适应模板；步骤2114、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。对于步骤22，可以包括如下步骤：步骤221、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；步骤222、根据所述当前MB中每个像素的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绝对值残差和；步骤223、根据所述第二残差绝对值和与第二绝对值残差和计算所述第二残差主观和。进一步地，步骤221可以包括如下步骤：步骤2211、选取N种采样方式对所述当前MB进行采样并预测以获取所述当前MB中每个像素的第二预测残差，其中N为大于1的自然数。进一步地，所述N种采样方式包括：全采样、1/2采样、1/4采样、1/8采样和1/16采样。对于步骤3，可以包括如下步骤：步骤31、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。进一步地，所述第一残差主观和与第二残差主观和的计算公式为：SUBDk＝a1×SADk+a2×SDk其中，k为预测模式的序号，取值为1或2；SUBD1为第一残差主观和，SUBD2为第二残差主观和；a1与a2为按场景配置的权重系数；SAD1为所述当前MB的第一残差绝对值和，SAD2为所述当前MB的第二残差绝对值和；SD1为所述当前MB的第一绝对值残差和，SD2为所述当前MB的第二绝对值残差和。本实施例提供的带宽压缩中的后选择预测方法，以采用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。实施例二本实施例是在上述实施例的基础上重点对自适应模板预测方法进行说明。具体的，本专利技术提供的自适应模板预测方法包括如下步骤：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当前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：将图像分成大小为m×n的多个MB；其中，m、n分别为每个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当前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，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当前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当前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当前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当前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绝对值残差和；根据所述第一残差绝对值和与第一绝对值残差和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：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当前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...

【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