一种带宽压缩中的预测方法技术

本发明专利技术涉及一种带宽压缩中的预测方法，包括：选取大小为m*n待预测MB；根据第一预测模式，获取待预测MB的当前像素分量的第一预测残差；根据第二预测模式，获取待预测MB的多个预测搜索窗口的多个预测残差，并根据多个预测搜索窗口的多个预测残差获取第二预测残差；根据第一预测残差获取第一残差绝对值和，根据第二预测残差获取第二残差绝对值和；比较第一残差绝对值和与第二残差绝对值和，以选取待预测MB的最终预测模式。本实施的通过预测选择算法可以选择出最优的一种预测方法，对于图象中的复杂纹理找到合适的参考像素，并可得到最小预测残差，进一步降低理论极限熵，对于复杂纹理的图像进一步优化了预测效果。

A prediction method in bandwidth compression

【技术实现步骤摘要】
一种带宽压缩中的预测方法
本专利技术属多媒体
，具体涉及一种带宽压缩中的预测方法。
技术介绍
随着网络应用的普及，多媒体的应用也越发广泛，视频作为多媒体业务的重要组成部分，已经成为信息传播的主要载体之一，人们对视频质量需求也逐步增加。视频的图像分辨率作为视频质量的重要特性之一，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。对于视频处理芯片，分辨率的成倍数增加，不但会造成芯片面积成本的大幅度增加，而且也会对总线带宽和功耗带来很大的冲击。为了克服这一问题，应用于芯片内的带宽压缩技术被提出。与端口类压缩(如H.265)不同，芯片内带宽压缩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DDR占用。芯片内压缩分为有损压缩和无损压缩两种，有损压缩技术被商业级视频处理芯片广泛采用，如监控，电视等领域；而无损压缩更多的应用于对图像质量有严格要求的军工级和航天级视频处理芯片。目前，带宽压缩主要由4个部分组成，这四个部分包括：预测模块，量化模块，码控模块和熵编码模块。其中，量化模块和码控模块是有损压缩特有的，而预测模块作为一个重要的模块，其是通过寻找图像数据之间的相关性，减少图像空间的冗余度，最终使图像数据的理论熵达到最小。现有的预测模块算法主要分为2类，纹理相关预测和像素值相关预测。然而，面对图像复杂纹理中的人造纹理，现有技术往往不能保证找到最合适的参考像素,从而得到最小的预测残差,以降低理论极限熵。
技术实现思路
为了解决现有技术中存在的上述问题，本专利技术提供了一种带宽压缩中的预测方法。本专利技术要解决的技术问题通过以下技术方案实现：本专利技术实施例提供了一种带宽压缩中的预测方法，包括：S1、选取大小为m*n待预测MB，其中，m和n为大于零的自然数；S2、根据第一预测模式，获取所述待预测MB的当前像素分量的第一预测残差；S3、根据第二预测模式，获取所述待预测MB的多个预测搜索窗口的多个预测残差，并根据所述多个预测搜索窗口的多个预测残差获取第二预测残差；S4、根据所述第一预测残差获取第一残差绝对值和，根据所述第二预测残差获取第二残差绝对值和；S5、比较所述第一残差绝对值和与所述第二残差绝对值和，以选取所述待预测MB的最终预测模式。在本专利技术的一个实施例中，S2包括：S21、确定所述待预测MB当前像素的多个像素分量；S22、获取当前像素分量的纹理方向梯度值；S23、通过所述纹理方向梯度值确定所述当前像素分量的参考值；S24、通过所述参考值确定所述当前像素分量的第一预测残差。在本专利技术的一个实施例中，S22包括：S221、通过所述当前像素分量的周围分量，确定所述当前像素分量的N个纹理方向梯度值。在本专利技术的一个实施例中，S23包括：S231、通过所述纹理方向梯度值获取第一加权梯度值；S232、通过所述第一加权梯度值获取第二加权梯度值；S233、通过所述第二加权梯度值得到所述当前像素分量的参考方向；S234、通过所述当前像素分量的参考方向获取所述当前像素分量的参考值。在本专利技术的一个实施例中，S24中所述参考值和所述第一预测残差满足以下公式：RES＝Curcpt-Ref其中，RES为所述第一预测残差，Curcpt为所述当前像素分量的像素值，Ref为所述参考值。在本专利技术的一个实施例中，S3包括：S31、确定所述待预测MB中所述多个预测搜索窗口；其中，所述预测搜索窗口内包括当前像素和多个已编码的重建像素；S32、在多个所述预测搜索窗口内计算所述当前像素分量的多个预测残差；S33、根据所述多个预测残差确定所述第二预测残差。在本专利技术的一个实施例中，S31中的所述多个预测搜索窗口包括：第一预测搜索窗口、第二预测搜索窗口和第三预测搜索窗口；其中，所述第一预测搜索窗口、所述第二预测搜索窗口和所述第三预测搜索窗口分别为水平条形预测搜索窗口、垂直条形预测搜索窗口或矩形预测搜索窗口中的任一种。在本专利技术的一个实施例中，S33包括：S321、在当前预测搜索窗口内计算所述当前像素的每个像素分量相对所述重建像素的像素分量的分量差异度权重；S322、在当前预测搜索窗口内计算所述当前像素的每个所述像素分量相对所述重建像素的像素分量的分量位置权重；S323、根据所述分量差异度权重和所述分量位置权重计算多个所述重建像素的子权重；S324、根据多个所述子权重确定多个所述当前像素的参考像素；S325、根据所述多个参考像素获取所述当前像素分量的在当前预测搜索窗口内的预测残差；S326、重复步骤S321～S325，获取所述当前像素的所有预测搜索窗口的多个预测残差。在本专利技术的一个实施例中，S34包括：S331、比较所述多个预测残差，根据最小值算法确定最小预测残差，将所述最小预测残差作为所述当前像素分量的第二预测残差，将所述最小预测残差对应的参考像素作为所述当前像素的最优参考像素。在本专利技术的一个实施例中，S5包括：S51、选取所述第一残差绝对值和与所述第二残差绝对值和中的最小值，通过所述最小值确定所述待预测MB的最终预测方法。与现有技术相比，本专利技术的有益效果：通过预测选择算法可以选择出最优的一种预测方法，对于图象中的复杂纹理能够找到合适的参考像素，并可得到最小预测残差，进一步降低理论极限熵，对于复杂纹理的图像进一步优化了预测效果。附图说明图1为本专利技术实施例提供的一种带宽压缩中的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带宽压缩中的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带宽压缩中的预测方法的参考像素位置示意图；图4为本专利技术实施例提供的一种带宽压缩中的预测方法的梯度值计算示意图；图5为本专利技术实施例提供的一种带宽压缩中的预测方法的参考值选取示意图；图6(a)和图6(b)为本专利技术实施例提供的水平条形预测搜索窗口的像素索引示意图和重建像素搜索编号示意图；图7(a)和图7(b)为本专利技术实施例提供的垂直条形预测搜索窗口的像素索引示意图和重建像素搜索编号示意图；图8(a)和图8(b)为本专利技术实施例提供的矩形预测搜索窗口的像素索引示意图和重建像素搜索编号示意图。具体实施方式下面结合具体实施例对本专利技术做进一步详细的描述，但本专利技术的实施方式不限于此。实施例一请参见图1至图8，图1为本专利技术实施例提供的一种带宽压缩中的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带宽压缩中的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带宽压缩中的预测方法的参考像素位置示意图；图4为本专利技术实施例提供的一种带宽压缩中的预测方法的梯度值计算示意图；图5为本专利技术实施例提供的一种带宽压缩中的预测方法本文档来自技高网...

【技术保护点】
1.一种带宽压缩中的预测方法，其特征在于，包括：/nS1、选取大小为m*n待预测MB，其中，m和n为大于零的自然数；/nS2、根据第一预测模式，获取所述待预测MB的当前像素分量的第一预测残差；/nS3、根据第二预测模式，获取所述待预测MB的多个预测搜索窗口的多个预测残差，并根据所述多个预测搜索窗口的多个预测残差获取第二预测残差；/nS4、根据所述第一预测残差获取第一残差绝对值和，根据所述第二预测残差获取第二残差绝对值和；/nS5、比较所述第一残差绝对值和与所述第二残差绝对值和，以选取所述待预测MB的最终预测模式。/n

【技术特征摘要】
1.一种带宽压缩中的预测方法，其特征在于，包括：
S1、选取大小为m*n待预测MB，其中，m和n为大于零的自然数；
S2、根据第一预测模式，获取所述待预测MB的当前像素分量的第一预测残差；
S3、根据第二预测模式，获取所述待预测MB的多个预测搜索窗口的多个预测残差，并根据所述多个预测搜索窗口的多个预测残差获取第二预测残差；
S4、根据所述第一预测残差获取第一残差绝对值和，根据所述第二预测残差获取第二残差绝对值和；
S5、比较所述第一残差绝对值和与所述第二残差绝对值和，以选取所述待预测MB的最终预测模式。


2.根据权利要求1所述的预测方法，其特征在于，S2包括：
S21、确定所述待预测MB当前像素的多个像素分量；
S22、获取当前像素分量的纹理方向梯度值；
S23、通过所述纹理方向梯度值确定所述当前像素分量的参考值；
S24、通过所述参考值确定所述当前像素分量的第一预测残差。


3.根据权利要求2所述的预测方法，其特征在于，S22包括：
S221、通过所述当前像素分量的周围分量，确定所述当前像素分量的N个纹理方向梯度值。


4.根据权利要求2所述的预测方法，其特征在于，S23包括：
S231、通过所述纹理方向梯度值获取第一加权梯度值；
S232、通过所述第一加权梯度值获取第二加权梯度值；
S233、通过所述第二加权梯度值得到所述当前像素分量的参考方向；
S234、通过所述当前像素分量的参考方向获取所述当前像素分量的参考值。


5.根据权利要求2所述的预测方法，其特征在于，S24中所述参考值和所述第一预测残差满足以下公式：
RES＝Curcpt-Ref
其中，RES为所述第一预测残差，Curcpt为所述当前像素分量的像素值，Ref为所述参考值。


6.根据权利要求1所述的预测方法，其...

【专利技术属性】
技术研发人员：田林海，李雯，岳庆东，
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