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：将图像分成大小为m×n的多个MB；其中，m、n分别为每个所述MB的行分辨率、列分辨率；分别采用多分量参考预测方法与多线程跳块扫描预测方法对所述多个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多个MB最终的预测残差。本发明专利技术提供的带宽压缩中的预测方法，以多分量参考预测方法与多线程跳块扫描预测方法为基础，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。

Prediction method in bandwidth compression

【技术实现步骤摘要】
带宽压缩中的预测方法
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分别为每个所述MB的行分辨率、列分辨率；分别采用多分量参考预测方法与多线程跳块扫描预测方法对所述多个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多个MB最终的预测残差。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预测方法，以多分量参考预测方法与多线程跳块扫描预测方法为基础，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的多分量参考预测方法流程图；图3为本专利技术提供的另一种用于图像压缩的多分量参考预测方法流程图；图4为本专利技术实施例提供的一种当前像素分量和临近像素分量位置关系示意图；图5为本专利技术实施例提供的一种梯度值计算示意图；图6为本专利技术实施例提供的另一种像素级多分量参考的自适应方向预测方法的算法原理示意图；图7为本专利技术实施例提供的一种带宽压缩中多线程跳块扫描预测方法流程图；图8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9为本专利技术实施例提供的另一种图像MB划分标记示意图；图10为本专利技术实施例提供的一种图像多线程扫描示意图；图11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12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13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14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15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分别为每个所述MB的行分辨率、列分辨率；步骤2、分别采用多分量参考预测方法与多线程跳块扫描预测方法对所述多个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多个MB最终的预测残差。具体的，步骤2可以包括如下步骤：步骤21、采用多分量参考预测方法对所述多个MB进行预测以获取第一残差主观和；步骤22、采用多线程跳块扫描预测方法对所述多个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、采用多分量参考预测方法对当前MB进行预测以获取当前MB中每个像素分量的第一预测残差；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当前MB的第一残差绝对值和与与第一残差标准差；步骤213、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。进一步地，对于步骤211，可以包括如下步骤：步骤2111、确定当前像素的多个像素分量；步骤2112、分别计算所述当前像素的多个像素分量沿多个纹理方向的像素差异度以确定所述当前像素分量的梯度值；步骤2113、根据所述梯度值和预设的加权系数确定所述当前像素分量的参考值；步骤2114、通过所述参考值确定所述当前像素分量的预测残差。对于步骤22，可以包括如下步骤：步骤221、采用多线程跳块扫描预测方法对所述当前MB进行预测以获取所述当前MB中每个像素分量的第二预测残差；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当前MB的第二残差绝对值和与第二残差标准差；步骤223、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。进一步地，步骤221可以包括如下步骤：步骤2211、采用P种标记符号依次循环对所述多个MB进行标记；其中，P为大于1的自然数；步骤2212、采取多线程扫描方式扫描所述第N标记符号对应的MB；其中，N为1～P的整数；步骤2213、确定所述第N标记符号对应的MB的参考方向；步骤2214、通过所述参考方向计算当前像素的参考像素；步骤2215、通过所述参考像素确定当前像素的所述第二预测残差；步骤2216、按设定顺序将所述N的取值在1～P中进行遍历以实现对所述多个MB的预测。进一步地，对于步骤2213，可以包括如下步骤：步骤22131、以当前MB四周已扫描的参考MB的方向作为当前MB的参考方向；其中，若任一方向没有参考MB，则置空不处理。对于步骤2214，可以包括如下步骤：步骤22141、通过当前MB的参考方向确定所述第一参考像素；步骤22142、根据所述第一参考像素计算所述参考方向的权重；步骤22143、选取权重最小的所述参考方向作为所述当前MB的纹理方向；步骤22144、通过所述当前MB的所述纹理方向计算第二参考像素。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当前MB最终的预测残差；其中，若第一残差主观和小于所述第二残差主观和，则以所述第一预测残差作为所述当前MB最终的预测残差；若第一残差主观和大于所述第二残差主观和，则以所述第二预测残差作为所述当前MB最终本文档来自技高网...

【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：/n将图像分成大小为m×n的多个MB；其中，m、n分别为每个所述MB的行分辨率、列分辨率；/n分别采用多分量参考预测方法与多线程跳块扫描预测方法对所述多个MB进行预测以获取对应的残差主观和；/n根据所述残差主观和确定所述多个MB最终的预测残差。/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：
将图像分成大小为m×n的多个MB；其中，m、n分别为每个所述MB的行分辨率、列分辨率；
分别采用多分量参考预测方法与多线程跳块扫描预测方法对所述多个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多个MB最终的预测残差。


2.根据权利要求1所述的方法，其特征在于，分别采用多分量参考预测方法与多线程跳块扫描预测方法对所述多个MB进行预测以获取对应的残差主观和，包括：
采用多分量参考预测方法对所述多个MB进行预测以获取第一残差主观和；
采用多线程跳块扫描预测方法对所述多个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，采用多分量参考预测方法对所述多个MB进行预测以获取第一残差主观和，包括：
采用多分量参考预测方法对当前MB进行预测以获取当前MB中每个像素分量的第一预测残差；
根据所述第一预测残差分别计算当前MB的第一残差绝对值和与与第一残差标准差；
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。


4.根据权利要求3所述的方法，其特征在于，采用多分量参考预测方法对当前MB进行预测以获取当前MB中每个像素的第一预测残差，包括：
确定当前像素的多个像素分量；
分别计算所述当前像素的多个像素分量沿多个纹理方向的像素差异度以确定所述当前像素分量的梯度值；
根据所述梯度值和预设的加权系数确定所述当前像素分量的参考值；
通过所述当前像素分量的参考值确定所述当前像素分量的预测残差。


5.根据权利要求4所述的方法，其特征在于，采用多线程跳块扫描预测方法对所述多个MB进行预测以获取第二残差主观和，包括：
采用多线程跳块扫描预测方法对所述当前MB进行预测以获取所述当前MB中每个像素分量的第二预测残差；
根据所述第二预测残差分别计算当前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。


6.根据权利要求5所述的方法，其特征在于，采用多线程跳块扫描预测方法对所述当前MB进行预测...

【专利技术属性】
技术研发人员：冉文方，田林海，李雯，
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