【技术实现步骤摘要】
一种串匹配预测方法、装置及计算机可读存储介质
本专利技术涉及视频编码
，特别是涉及一种串匹配预测方法、装置及计算机可读存储介质。
技术介绍
通过视频编码技术可以对视频进行压缩，以降低视频的数据量，降低视频传输过程中的网络带宽、减少存储空间。其中，视频编码模式可以包括传统帧间预测模式、传统帧内预测模式、帧内块复制预测、串匹配预测等模式。以串匹配预测模式为例，现有的串匹配预测过程中都是直接对串矢量进行编码，这样会增大代价值。
技术实现思路
本专利技术提供一种串匹配预测方法、装置及计算机可读存储介质，其通过构建最终串预测矢量候选列表，使得后续能够实现对串矢量差进行编码，节省代价值。为解决上述技术问题，本专利技术提供的第一个技术方案为：提供一种串匹配预测方法，包括：为当前块构建最终串预测矢量候选列表；基于所述最终串预测矢量候选列表进行运动搜索以确定所述当前块的最终串矢量；利用所述最终串矢量对所述当前块进行运动补偿。为解决上述技术问题，本专利技术提供的第二个技术方案为：提供一种串匹配预测装置，包括：列...
【技术保护点】
1.一种串匹配预测方法，其特征在于，包括：/n为当前块构建最终串预测矢量候选列表；/n基于所述最终串预测矢量候选列表进行运动搜索以确定所述当前块的最终串矢量；/n利用所述最终串矢量对所述当前块进行运动补偿。/n
【技术特征摘要】
1.一种串匹配预测方法，其特征在于，包括：
为当前块构建最终串预测矢量候选列表；
基于所述最终串预测矢量候选列表进行运动搜索以确定所述当前块的最终串矢量；
利用所述最终串矢量对所述当前块进行运动补偿。
2.根据权利要求1所述的串匹配预测方法，其特征在于，所述为当前块构建最终串预测矢量候选列表包括：
利用历史预测矢量列表为所述当前块构建初始串预测矢量候选列表；若所述历史预测矢量列表中的n个预测矢量同时满足m个相同的条件，n和m均大于一，则将n个所述预测矢量中的至少部分填入对应的条件中，以形成所述初始串预测矢量候选列表；
基于所述初始串预测矢量候选列表构建所述最终串预测矢量候选列表。
3.根据权利要求2所述的串匹配预测方法，其特征在于，
所述将n个所述预测矢量中的至少部分填入对应的条件中，以形成所述初始串预测矢量候选列表包括：
若n>m，则将n个所述预测矢量中的m个分别填入m个所述条件对应的位置；
若n＝m，则将n个所述预测矢量分别填入m个所述条件对应的位置；
若n<m，则将n个所述预测矢量分别填入m个所述条件中的n个对应的位置。
4.根据权利要求3所述的串匹配预测方法，其特征在于，
所述基于所述初始串预测矢量候选列表构建所述最终预测矢量候选列表包括：
若n>m，若遍历所述历史预测矢量列表中的所有所述预测矢量之后，所述初始串预测矢量候选列表仍有空余位置，则将剩余n-m个所述预测矢量填入所述空余位置以形成所述最终串预测矢量候选列表；
若n<m，则在所述初始串预测矢量候选列表剩余m-n个对应的位置填入初始值以形成所述最终串预测矢量候选列表。
5.根据权利要求4所述的帧内块复制预测方法，其特征在于，所述将n个所述预测矢量中的至少部分填入对应的条件中，以形成所述初始串预测矢量候选列表，包括：
若对应的条件已被所述预测矢量填充，则跳过该位置，和/或
若一个所述预测矢量符合多个对应的条件，则将所述预测矢量填入第一个符合的条件中。
6.根据权利要求1所述的串匹配预测方法，其特征在于，所述最终串预测矢量候选列表包括：编码单元级最终串预测矢量候选列表以及像素级最终串预测矢量候选列表。
7.根据权利要求6所述的串匹配预测方法，其特征在于，在所述编码单元级最终串预测矢量候选列表中加入单位运动矢量组成所述像素级最终串预测矢量候选列表。
8.根据权利要求7所述的串匹配预测方法，其特征在于，所述为当前块构建最终串预测矢量候选列表包括：
利用参考候选项基于所述初始串预测矢量候选列表为当前块构建最终串预测矢量候选列表，所述参考候选项包括以下至少一种：所述当前块的已编码邻块的串矢量、预设串矢量和已填入所述初始串预测矢量候选列表的预测矢量的计算结果。
9.根据权利要求8所述的串匹配预测方法，其特征在于，所述利用参考候选项基于所述初始串预测矢量候选列表为当前块构建最终串预测矢量候选列表包括：
若所述初始串预测矢量候选列表未被填满，则选择至少一个所述参考候选项填入所述初始串预测矢量候选列表，以形成所述最终串预测矢量候选列表。
10.根据权利要求9所述的串匹配预测方法，其特征在于，
所述选择至少一个所述参考候选项填入所述初始串预测矢量候选列表包括：
选择至少一个所述参考候选项；
将选中的所述参考候选项与所述编码单元级预测矢量候选列表中的预测矢量进行查重；
若通过查重，则将选中的所述参考候选项填入所述编码单元级预测矢量候选列表。
11.根据权利要求6所述的串匹配预测方法，其特征在于，所述基于所述最终串预测矢量候选列表进行运动搜索以确定所述当前块的最终串矢量包括：
基于所述编码单元级最终串预测矢量候选列表进行编码单元级运动搜索以确定所述当前块的最终串矢量；和/或
基于所述像素级最终串预测矢量候选列表进行像素级运动搜索以确定所述当前块的最终串矢量。
12.根据权利要求11所述的串匹配预测方法，其特征在于，所述基于所述编码单元级最终串预测矢量候选列表进行编码单元级运动搜索以确定所述当前块的最终串矢量包括：
所述编码单元级运动搜索的起点为所述当前块以及所述编码单元级最终串预测矢量候选列表中的预测矢量指向的位置。
13.根据权利要求12所述的串匹配预测方法，其特征在于，所述基于所述像素级最终串预测矢量候选列表进行像素级运动搜索以确定所述当前块的最终串矢量包括：
以所述当前块以及所述编码单元级最终串预测矢量候选列表中的预测矢量指向的位置为起点在上、下、左、右进行十字搜索，以确定所述当前块对应的串矢量；
对所述当前块对应的串矢量进行代价值计算，选择代价值最小的串矢量作为所述当前块的最终串矢量。
14.根据权利要求12所述的串匹配预测方法，其特征在于，所述基于所述编码单元级最终串预测矢量候选列表进行编码单元级运动搜索以确定所述当前块的最终串矢量包括：
对所述编码单元级最终串预测矢量候选列表中的预测矢量进行代价值计算，将代价值最小的所述预测矢量指向的位置作为起点；
以所述当前块和/或代价值最小的所述预测矢量指向的位置为起点在所述起点的上、下、左、右进行十字搜索，以确定所述当前块的最终串矢量。
15.根据权利要求11所述的串匹配预测方法，其特征在于，所述基于所述像素级最终串预测矢量候选列表进行像素级运动搜索以确定所述当前块的最终串矢量包括：
所述像素级运动搜索的起点为哈希匹配像素、所述当前块以及所述像素级的最终串预测矢量候选列表中的预测矢量指向的位置。
16.根据权利要求15所述的串匹配预测方法，其特征在于，所述基于所述像素级预测矢量候选列表进行像素级运动搜索以确定所述当前块的最终串矢量包括：
对当前串的第一个像素进行哈希匹配，以确定出所述哈希匹配像素；
以所述哈希匹配像素、所述当前块以及所述像素级的最终串预测矢量候选列表中的预测矢量指向的位置为起点在上、下、左、右进行十字搜索，以确定所述当前块对应的串矢量；
对所述当前块对应的串矢量进行代价值计算，选择代价值最小的串矢量作为所述当前块的最终串矢量。
17.根据权利要求15所述的串匹配预测方法，其特征在于，所述基于所述像素级最终串预测矢量候选列表进行像素级运动搜索以确定所述当前块的最终串矢量包括：
对所述哈希匹配像素及所述像素级最终串预测矢量候选列表中的预测矢量进行代价值计算，将代价值最小的所述哈希匹配像素及所述预测矢量指向的位置作为起点；
以所述当前块、代价值最小的所述预测矢量指向的位置以及代价值最小的所述哈希匹配像素为起点在所述当前块、代价值最小的所述预测矢量以及代价值最小的所述哈希匹配像素的上、下、左、右进行十字搜索，以确定所述当前块的最终串矢量。
18.根据权利要求1所述的串匹配预测方法，其特征在于，所述利用所述最终串矢量对所述当前块进行运动补偿包括：
利用所述最终串矢量对所述当前块进行运动补偿得到第一预测块；
对所述第一预测块进行滤波得到第二预测块；
计算并比较所述第一预测块及所述第二预测块的编码代价以确定是否进行滤波。
19.根据权利要求18所述的串匹配预测方法，其特征在于，包括：
对所述当前块进行编码得到所述当前块的码流，所述码流中包括滤波标记，若所述第一预测块的编码代价大于所述第二预测块的编码代价，则所述滤波标记用于表示进行滤波，否则所述滤波标记用于表示不进行滤波。
20.根据权利要求19所述的串匹配预测方法，其特征在于，所述码流还包括串矢量差、最终预测矢量的索引以及最终预测矢量来源的标识，所述串矢量差为当前串对应的最终串矢量与最终预测矢量的差值，所述最终预测矢量的索引为所述预测矢量在所述最终串预测矢量候选列表中的位置，所述最终预测矢量来源的标识表示所述最终预测矢量来自编码单元级最终串预测矢量候选列表或像素级最终串预测矢量候选列表。
21.根据权利要求20所述的串匹配预测方法，其特征在于，所述码流还包括：所述串矢量差的编码精度；
其中，所述串矢量差的编码精度包括4倍精度、整像素精度、8倍精度以及16倍精度中任一种。
22.根据权利要求1所述的串匹配预测方法，其特征在于，所述为当前块构建最终串预测矢量候选列表之前还包括：
判断当前块是否满足串匹配预测条件，所述串匹配预测条件包括：所述当前块的内容属于自然图像或自然图像与屏幕内容图像的混合；
若满足，则为当前块构建最终串预测矢量候选列表。
23.根据权利要求22所述的串匹配预测方法，其特征在于，所述串匹配预测条件包括还包括：所述当前块的宽和高均满足块尺寸限制条件。
24.一种串匹配预测装置，其特征在于，包括：
列表构建模块，用于为当前块构建最终...
【专利技术属性】
技术研发人员：江东，方诚，曾飞洋，林聚财，殷俊，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：浙江;33
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。