【技术实现步骤摘要】
帧内预测方法、编解码方法、编解码器、系统、电子设备和存储介质
[0001]本申请涉及视频编码
,特别是涉及一种帧内预测方法、编解码方法、编解码器、系统、电子设备和存储介质。
技术介绍
[0002]通常,视频编码的应用领域非常广泛,视频图像数据量比较大,通常需要对视频像素数据(RGB、YUV等)其进行压缩,压缩后的数据称之为视频码流,视频码流通过有线或者无线网络传输至用户端,再进行解码观看。
[0003]首先视频是由许多静止的图像连续播放形成的,每一幅静止的图像都可看作一帧。由于一帧中相近的像素点其像素值通常也是比较接近的,颜色一般不会突然变化,因此可利用这个空间上的相关性来进行压缩,这个技术就是帧内预测。
[0004]一般来说,对于帧内预测来说不同位置的参考块的重要性应该是不同的,然而往往在输入网络的过程中,并没有区分参考块的重要性,则通过网络处理得到的传统帧内预测的空间相关性信息无法利用,并且得到的帧内预测值并不够准确。
技术实现思路
[0005]为解决上述技术问题,本申请第一方面采用的技术方案是提供一种帧内预测方法,该方法包括:获取当前块在预设范围内的参考像素,当前块为当前编码块或当前编码块内部的子块;将参考像素输入帧内预测神经网络进行学习,得到当前块的帧内预测值;其中,帧内预测神经网络包括全连接层结构和/或卷积层结构。
[0006]为解决上述技术问题,本申请第二方面采用的技术方案是提供一种图像编码方法,该编码方法包括:对待编码图像进行帧内预测,得到待编码图像中当前块 ...
【技术保护点】
【技术特征摘要】
1.一种帧内预测方法,其特征在于,所述方法包括:获取当前块在预设范围内的参考像素,所述当前块为当前编码块或当前编码块内部的子块;将所述参考像素输入帧内预测神经网络进行学习,得到所述当前块的帧内预测值;其中,所述帧内预测神经网络包括全连接层结构和/或卷积层结构。2.根据权利要求1所述的方法,其特征在于,所述获取当前块在预设范围内的参考像素的步骤包括:提取预设数量条参考线的所述参考像素,得到参考像素区域;所述将所述参考像素输入帧内预测神经网络进行学习的步骤包括:将填充的所述参考像素区域分割为相同尺寸的多个互不重叠块,以作为一个多通道图输入所述帧内预测神经网络。3.根据权利要求1所述的方法,其特征在于,所述获取当前块在预设范围内的参考像素的步骤包括:提取预设数量条参考线的所述参考像素,得到参考像素区域;所述将所述参考像素输入帧内预测神经网络进行学习的步骤包括:将所述参考像素区域分割为多个矩形区域块,以作为多个通道图输入所述帧内预测神经网络的多个分支。4.根据权利要求2或3所述的方法,其特征在于,还包括:获取所述当前块的边信息,所述边信息包括所述传统预测方向、权重向量、量化参数信息以及预测值信息中的至少一个;其中,所述预测值信息是将所述参考像素输入传统帧内预测模式得到的;所述将所述参考像素输入帧内预测神经网络进行处理,得到所述当前块的帧内预测值的步骤包括:将所述参考像素和所述边信息输入帧内预测神经网络进行处理,得到所述当前块的帧内预测值。5.根据权利要求4所述的方法,其特征在于,所述边信息包括所述帧内预测值;所述将所述参考像素和所述边信息输入帧内预测神经网络进行处理的步骤之前,所述方法还包括:采用传统帧内预测模式,对所述当前块进行传统帧内预测,得到所述预测值信息。6.根据权利要求5所述的方法,其特征在于,所述将所述参考像素和所述边信息输入帧内预测神经网络进行学习的步骤之前,所述方法还包括:若所述传统帧内预测模式为角度模式,则确定角度预测模式;根据所述角度预测模式指向的参考像素位置,对预设区域分割后的区域块进行权重分配;其中,所述区域块分配的权重与所述区域块离所述角度预测模式指向位置的距离呈负相关,以将各个区域块分配的权重作为一个权重向量边信息输入所述帧内预测神经网络。7.根据权利要求5所述的方法,其特征在于,所述将所述参考像素和所述边信息输入帧内预测神经网络进行学习的步骤之前,所述
方法还包括:构建传统帧内预测模式过程中的最可能模式列表,所述最可能模式列表至少包括帧内角度模式,平面模式,直流模式中的一个;利用所述最可能模式列表的一种预测模式进行预测或利用所述最可能模式列表中的第一个预测模式依次选择多个预测模式进行加权预测,以得到所述预测值信息作为新的分支输入所述帧内预测神经网络。8.根据权利要求7所述的方法,其特征在于,所述将所述参考像素和所述边信息输入帧内预测神经网络进行学习的步骤之前,所述方法还包括:从所述最可能模式列表中选择一个帧内预测模式;若所述帧内预测模式为角度模式...
【专利技术属性】
技术研发人员:方诚,江东,彭双,张雪,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:
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。