【技术实现步骤摘要】
图像编解码方法和装置
本申请涉及图像编解码
，并且更具体地，涉及一种图像编解码方法和装置。
技术介绍
在图像的存储和传输过程中，经常需要对图像进行压缩编码，以减少图像码流占用的存储容量和传输带宽。另外，考虑到图像编码过程中的软硬件实现的代价，在对图像进行编码时，通常会将待编码图像先划分成多个图像块，然后对每个图像块进行编码操作，典型的图像编码过程如图1所示。图1所示的编码过程主要包括以下步骤：101、获取输入图像，将输入图像划分成图像块；102、对图像块进行预测，得到预测信号；103、根据图像块和预测信号，得到原始残差信号；104、对原始残差信号进行变化和量化，得到量化系数；105、对量化系数进行反量化和反变换操作，得到重建残差信号；106、根据重建残差信号和预测信号，得到图像块的重建信号；107、对量化系数以及编码过程中的其它指示信息进行熵编码，得到压缩码流。与图1所示的编码过程相对应，图2示出了图像的解码过程。图2所示的解码过程主要包括以下步骤：201、对压缩码流进行熵解码，得到量化系数；202、对量化系数进行反量化和反变换，得到当前图像块的重建残差信号...
【技术保护点】
1.一种图像编码方法，其特征在于，包括：根据待编码图像块的编码代价从预先设置的上采样滤波器集合中确定出目标上采样滤波器，其中，所述上采样滤波器集合至少包括有限冲击响应FIR上采样滤波器和卷积神经网络CNN上采样滤波器；生成与所述目标上采样滤波器对应的上采样滤波器指示信息；采用预先设置的FIR下采样滤波器对所述待编码图像块进行下采样，得到第一图像块；对所述第一图像块进行编码，得到码流；将所述上采样滤波器指示信息写入所述码流。
【技术特征摘要】
1.一种图像编码方法，其特征在于，包括：根据待编码图像块的编码代价从预先设置的上采样滤波器集合中确定出目标上采样滤波器，其中，所述上采样滤波器集合至少包括有限冲击响应FIR上采样滤波器和卷积神经网络CNN上采样滤波器；生成与所述目标上采样滤波器对应的上采样滤波器指示信息；采用预先设置的FIR下采样滤波器对所述待编码图像块进行下采样，得到第一图像块；对所述第一图像块进行编码，得到码流；将所述上采样滤波器指示信息写入所述码流。2.如权利要求1所述的方法，其特征在于，所述根据待编码图像块的编码代价从预先设置的上采样滤波器集合中确定出目标上采样滤波器，包括：确定所述上采样滤波器集合中的每种上采样滤波器作为所述目标上采样滤波器时所述待编码图像块的编码代价；将所述上采样滤波器集合中的第一上采样滤波器确定为所述目标上采样滤波器，其中，在所述上采样滤波器集合中，所述第一上采样滤波器作为所述目标上采样滤波器时所述待编码图像块的编码代价最小。3.如权利要求1或2所述的方法，其特征在于，所述CNN上采样滤波器的参数值为预设的，所述CNN上采样滤波器的参数值是对预设图像训练集进行离线训练得到的。4.如权利要求1-3中任一项所述的方法，其特征在于，在根据待编码图像块的编码代价从预先设置的上采样滤波器集合中确定出目标上采样滤波器之前，所述方法还包括：根据所述待编码图像块对所述CNN上采样滤波器进行在线训练，得到所述CNN上采样滤波器的更新参数值，所述CNN上采样滤波器的更新参数值用于替代所述CNN上采样滤波器预先设置的参数值。5.如权利要求4所述的方法，其特征在于，所述方法还包括：将所述CNN上采样滤波器的更新参数值写入所述码流。6.如权利要求1-5中任一项所述的方法，其特征在于，在根据待编码图像块的编码代价从预先设置的上采样滤波器集合中确定出目标上采样滤波器之前，所述方法还包括：根据所述待编码图像块的编码代价从原分辨率编码模式和变分辨率编码模式中确定出目标编码模式；生成与所述目标编码模式对应的编码模式指示信息；将所述编码模式指示信息写入码流。7.一种图像编码方法，其特征在于，包括：根据待编码图像块的编码代价从预先设置的上采样滤波器集合中确定出目标上采样滤波器，其中，所述上采样滤波器集合至少包括有限冲击响应FIR上采样滤波器和卷积神经网络CNN上采样滤波器；生成与所述目标上采样滤波器对应的上采样滤波器指示信息；将预先设置的下采样滤波器集合中与所述目标上采样滤波器类型相同的下采样滤波器确定为目标下采样滤波器，其中，所述下采样滤波器集合至少包括有限冲击响应FIR下采样滤波器和卷积神经网络CNN下采样滤波器；采用所述目标下采样滤波器对所述待编码图像块进行下采样，得到第一图像块；对所述第一图像块进行编码，得到码流；将所述上采样滤波器指示信息写入所述码流。8.如权利要求7所述的方法，其特征在于，所述根据待编码图像块的编码代价从预先设置的上采样滤波器集合中确定出目标上采样滤波器，包括：确定所述上采样滤波器集合中的每种上采样滤波器作为所述目标上采样滤波器时所述待编码图像块的编码代价；将所述上采样滤波器集合中的第一上采样滤波器确定为所述目标上采样滤波器，其中，在所述上采样滤波器集合中，所述上采样滤波器集合中的第一上采样滤波器作为所述目标上采样滤波器时所述待编码图像块的编码代价最小。9.如权利要求7或8所述的方法，其特征在于，所述CNN上采样滤波器的参数值为预设的，所述CNN上采样滤波器的参数值是对预设图像训练集进行离线训练得到的。10.如权利要求7-9中任一项所述的方法，其特征在于，所述CNN下采样滤波器的参数值为预设的，所述CNN下采样滤波器的参数值是对预设图像训练集进行离线训练得到的。11.如权利要求7或8所述的方法，其特征在于，所述CNN上采样滤波器的参数值和所述CNN下采样滤波器的参数值均为预设的，所述CNN上采样滤波器的参数值和所述CNN下采样滤波器的参数值是在离线情况下对预设图像训练集进行联合训练得到的。12.如权利要求7-11中任一项所述的方法，其特征在于，在采用所述目标下采样滤波器对所述待编码图像块进行下采样之前，所述方法还包括：根据所述待编码图像块对所述CNN下采样滤波器进行在线训练，得到所述CNN下采样滤波器的更新参数值，所述CNN下采样滤波器的更新参数值用于替代所述CNN下采样滤波器预先设置的参数值。13.如权利要求7-12中任一项所述的方法，其特征在于，在根据待编码图像块的编码代价从预先设置的上采样滤波器集合中确定出目标上采样滤波器之前，所述方法还包括：根据所述待编码图像块对所述CNN上采样滤波器进行在线训练，得到所述CNN上采样滤波器的更新参数值，所述CNN上采样滤波器的更新参数值用于替代所述CNN上采样滤波器预先设置的参数值。14.如权利要求7-11中任一项所述的方法，其特征在于，在采用所述目标下采样滤波器对所述待编码图像块进行下采样之前，所述方法还包括：根据所述待编码图像块对所述CNN下采样滤波器和所述CNN上采样滤波器进行联合在线训练，得到所述CNN下采样滤波器的更新参数值和所述CNN上采样滤波器的更新参数值；其中，所述CNN下采样滤波器的更新参数值用于替代所述CNN下采样滤波器预先设置的参数值，所述CNN上采样滤波器的更新参数值用于替代所述CNN上采样滤波器预先设置的参数值。15.如权利要求13或14所述的方法，其特征在于，所述方法还包括：将所述CNN上采样滤波器的更新参数值写入所述码流。16.如权利要求7-15中任一项所述的方法，其特征在于，在根据待编码图像块的编码代价从预先设置的上采样滤波器集合中确定出目标上采样滤波器之前，所述方法还包括：根据所述待编码图像块的编码代价从原分辨率编码模式和变分辨率编码模式中确定出目标编码模式；生成与所述目标编码模式对应的编码模式指示信息；将所述编码模式指示信息写入码流。17.一种图像解码方法，其特征在于，包括：获取码流；对所述码流进行熵解码、反量化和反变换，得到待解码图像块的重建残差信号；获取所述待解码图像块的预测信号；将所述重建残差信号和所述预测信号相加，得到所述待解码图像块的初始重建图像块；解析所述码流，获取编码模式指示信息；根据所述编码模式指示信息从原分辨率解码模式和变分辨率解码模式中确定目标解码模式；在所述目标解码模式为变分辨率解码模式的情况下，解析所述待编码图像块的码流，获取上采样滤波器指示信息；根据所述上采样滤波器指示信息从预先设置的上采样滤波器集合中确定出目标上采样滤波器，其中，所述上采样滤波器集合至少包括有限冲击响应FIR上采样滤波器和卷积神经网络CNN上采样滤波器；采用所述目标上采样滤波器对所述初始重建图像块块进行上采样，得到目标重建图像块。18.如权利要求17所述的方法，其特征在于，所述CNN上采样滤波器的参数值为预设的，所述CNN上采样滤波器的参数值是对预设图像训练集进行离线训练得到的。19.如权利要求17或18所述的方法，其特征在于，所述方法还包括：解析所述码流，获取所述CNN上采样滤波器的更新参数值，所述CNN上采样滤波器的更新参数值用于替代所述CNN上采样滤波器预先设置的参数值。20.如权利要求19所述的方法，其特征在于，在解析所述码流，获取所述CNN上采样滤波器的更新参数值之前，所述方法还包括：解析所述码流，获取滤波器参数更新指示信息，所述滤波器参数更新指示信息用于指示是否对所述目标上采样滤波器的参数值进行更新；所述解析所述码流，获取所述CNN上采样滤波器的更新参数值，包括：在所述滤波器参数更新指示信息指示对所述目标上采样滤波器的参数进行更新的情况下，解析所述码流，获取所述CNN上采样滤波器的更新参数值。21.如权利要求19或20所述的方法，其特征在于，所述CNN上采样滤波器的更新参数值是根据待编码图像块对CNN上采样网络进行在线训练得到的，其中，所述待解码图像块是对所述待编码图像块进行编码得到的。22.一种图像编码装置，其特征在于，包括：确定模块，用于根据待编码图像块的编码代价从预先设...
【专利技术属性】
技术研发人员：刘东，李跃，杨海涛，傅佳莉，李厚强，吴枫，
申请(专利权)人：华为技术有限公司，中国科学技术大学，
类型：发明
国别省市：广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。