本发明专利技术公开了一种基于屏幕内容编码的最优块向量匹配方法及装置，通过根据当前块的DC值和梯度，计算当前块的一级Hash特征值，根据一级Hash特征值和预设的Hash表，从所有候选块中筛选出匹配成功的候选块作为模糊候选块组；并根据CRC算法，计算当前块的二级Hash特征值和模糊候选块组中所有候选块的二级Hash特征值；根据二级Hash特征值，从模糊候选块组中筛选出精确匹配候选组；判断精确匹配候选组是否为空集，若为空集，则采用运动估计方法获取最优块向量；若不为空集，则将精确匹配候选组中长度最小的块向量作为最优块向量。减少Hash冲突，降低Hash搜索复杂度。降低Hash搜索复杂度。降低Hash搜索复杂度。
【技术实现步骤摘要】
基于屏幕内容编码的最优块向量匹配方法及装置
[0001]本专利技术涉及视频编码领域，尤其涉及一种基于屏幕内容编码的最优块向量匹配方法及装置。
技术介绍
[0002]目前，针对屏幕内容编码，HEVC
‑
SCC引入了IBC(Intra Block Copy，帧内块拷贝)的预测技术。IBC技术利用屏幕内容在空间上的相关性，采用整像素精度在当前帧的已编码区域中进行全搜索，得到当前待编码块的最优预测块。
[0003]IBC技术中的搜索过程与帧间预测中的运动搜索类似，都具有复杂度高的问题。针对该问题，HEVC
‑
SCC中引入了基于Hash的搜索方法来代替复杂度极高的块匹配方法，但是基于Hash的搜索方法中的Hash搜索过程和Hash特征计算复杂度仍然很高，对于视频会议等实时应用场景来说，极高的编码复杂度无法实用。
[0004]现有一种IBC模式下的Hash表构建方法，通过判断获取的编码单元的梯度是否符合预先设置的条件，进而仅将梯度信息符合条件的编码单元基于Hash值添加到Hash表中，从而降低Hash表的搜索复杂度。然而，该技术方案仅针对Hash表构建过程进行优化，并且未考虑Hash特征值计算的复杂度，并未从根本上减少Hash冲突，Hash搜索复杂度仍然很高。
技术实现思路
[0005]本专利技术提供了一种基于屏幕内容编码的最优块向量匹配方法及装置，以解决屏幕内容编码中存在Hash冲突，Hash特征值计算的复杂度高、Hash搜索复杂度高的技术问题。
[0006]为了解决上述技术问题，第一方面，本专利技术实施例提供了一种基于屏幕内容编码的最优块向量匹配方法，包括：
[0007]根据当前块的DC值和梯度，采用第一计算模型计算当前块的一级Hash特征值，根据所述一级Hash特征值和预设的Hash表，从所有候选块中筛选出匹配成功的候选块作为模糊候选块组；
[0008]根据CRC算法，采用第二计算模型计算当前块的二级Hash特征值和模糊候选块组中所有候选块的二级Hash特征值；
[0009]根据当前块的二级Hash特征值和所述模糊候选组中所有候选块的二级Hash特征值，从模糊候选块组中筛选出精确匹配候选组；
[0010]判断所述精确匹配候选组是否为空集，若为空集，则采用运动估计方法获取最优块向量；若不为空集，则将精确匹配候选组中长度最小的块向量作为最优块向量。
[0011]本专利技术通过设置二级Hash，采用第一计算模型进行模糊匹配和第二计算模型精确匹配相结合，减少了Hash冲突，降低Hash搜索复杂度；此外，本专利技术通过DC值和梯度，利用第一计算模型计算当前块的一级Hash特征值和通过CRC算法利用第二计算模型计算二级Hash特征值，优化了Hash特征值计算，降低了Hash特征值计算复杂度。
[0012]进一步地，所述根据当前块的DC值和梯度，采用第一计算模型计算当前块的一级
Hash特征值，具体为：
[0013]计算当前块的梯度图、积分图以及所述梯度图的积分图，采用SIMD汇编技术对所述梯度图和积分图进行优化；
[0014]根据积分图方法计算当前块的DC值和梯度值；
[0015]基于当前块的DC值和梯度值，通过第一计算模型计算当前块的一级Hash特征值。
[0016]本专利技术通过采用SIMD汇编优化梯度图和积分图，实现了快速计算Hash特征值，降低了Hash特征值的计算复杂度。
[0017]进一步地，在所述根据当前块的DC值和梯度，采用第一计算模型计算当前块的一级Hash特征值，根据所述一级Hash特征值和预设的Hash表，从所有候选块中筛选出匹配成功的候选块作为模糊候选块组之前，还包括：
[0018]根据当前块的位置限制候选块的筛选范围。
[0019]本专利技术通过当前块的位置限制候选块的搜索范围，限制了Hash的搜索范围，降低搜索复杂度。
[0020]进一步地，所述根据所述一级Hash特征值和预设的Hash表，从所有候选块中筛选出匹配成功的候选块作为模糊候选块组，具体为：
[0021]根据所述一级Hash特征值和所述筛选范围在预设的Hash表中查找对应值，将所有对应值与一级Hash特征值相等的候选块作为模糊候选块组。
[0022]本专利技术通过设置筛选范围，并根据一级Hash特征值在Hash表中进行模糊匹配获取候选块组，减少Hash冲突，降低搜索复杂度。
[0023]进一步地，所述根据CRC算法，采用第二计算模型计算当前块的二级Hash特征值和模糊候选块组中所有候选块的二级Hash特征值，具体为：
[0024]构建第二计算模型，获取待计算块，将所述待计算块平均分成若干个子块；根据CRC算法计算所有子块的Hash特征值，得到子块特征组；根据子块特征组计算待计算块的Hash特征值；
[0025]根据所述第二计算模型计算当前块的二级Hash特征值和模糊候选块组中所有候选块的二级Hash特征值。
[0026]本专利技术通过采用CRC算法构建第二计算模型，提高Hash搜索的精度；同时第二计算模型只需要计算子块的Hash特征值，根据子块的特征值可推算得出当前块的特征值，减小了当前块特征值的计算复杂度。
[0027]进一步地，所述根据当前块的二级Hash特征值和所述模糊候选组中所有候选块的二级Hash特征值，从模糊候选块组中筛选出精确匹配候选组，具体为：
[0028]筛选出模糊候选块组中所有二级Hash特征值与当前块的二级Hash特征值相等的候选块，作为精确匹配候选组。
[0029]本专利技术通过二级Hash特征值在模糊候选块组中匹配得出精确匹配组，提高了候选组的精度。
[0030]第二方面，本专利技术实施例提供了一种CTU编码方法，包括：
[0031]获取一个编码树单元，并将所述编码树单元分为若干个编码单元；
[0032]多次应用所述的基于屏幕内容编码的最优块向量匹配方法，匹配各编码单元对应的最优块向量，并根据所述各编码单元对应的最优块向量完成各编码单元的编码；
[0033]所述所有编码单元完成编码后，对记录候选块坐标的Hash表在水平方向和垂直方向分别进行四分之一下采样更新，完成一次CTU编码。
[0034]本专利技术通过所述基于屏幕内容的最优块向量匹配方法匹配编码树单元中所有编码单元的最优块向量，并基于所述最优块向量进行编码，提高了编码单元的编码效率；同时，编码树单元编码完成后采用四分之一下采样更新，减小Hash表的大小，从而降低Hash搜索复杂度。
[0035]第三方面，本专利技术实施例提供了一种基于屏幕内容编码的最优块向量匹配装置，包括模糊匹配模块、二级特征值计算模块、精确匹配模块和最优块向量匹配模块；
[0036]所述模糊匹配模块，用于根据当前块的DC值和梯度，采用第一计算模型计算当前块的一级Hash特征值，根据所述一级Hash特征值和预设的Hash表，从所有候选块中筛选出匹配成功的候选块作为本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于屏幕内容编码的最优块向量匹配方法，其特征在于，包括：根据当前块的DC值和梯度，采用第一计算模型计算当前块的一级Hash特征值，根据所述一级Hash特征值和预设的Hash表，从所有候选块中筛选出匹配成功的候选块作为模糊候选块组；根据CRC算法，采用第二计算模型计算当前块的二级Hash特征值和模糊候选块组中所有候选块的二级Hash特征值；根据当前块的二级Hash特征值和所述模糊候选组中所有候选块的二级Hash特征值，从模糊候选块组中筛选出精确匹配候选组；判断所述精确匹配候选组是否为空集，若为空集，则采用运动估计方法获取最优块向量；若不为空集，则将精确匹配候选组中长度最小的块向量作为最优块向量。2.如权利要求1所述的基于屏幕内容编码的最优块向量匹配方法，其特征在于，所述根据当前块的DC值和梯度，采用第一计算模型计算当前块的一级Hash特征值，具体为：计算当前块的梯度图、积分图以及所述梯度图的积分图，采用SIMD汇编技术对所述梯度图和积分图进行优化；根据积分图方法计算当前块的DC值和梯度值；基于当前块的DC值和梯度值，通过第一计算模型计算当前块的一级Hash特征值。3.如权利要求2所述的基于屏幕内容编码的最优块向量匹配方法，其特征在于，在所述根据当前块的DC值和梯度，采用第一计算模型计算当前块的一级Hash特征值，根据所述一级Hash特征值和预设的Hash表，从所有候选块中筛选出匹配成功的候选块作为模糊候选块组之前，还包括：根据当前块的位置限制候选块的筛选范围。4.如权利要求3所述的基于屏幕内容编码的最优块向量匹配方法，其特征在于，所述根据所述一级Hash特征值和预设的Hash表，从所有候选块中筛选出匹配成功的候选块作为模糊候选块组，具体为：根据所述一级Hash特征值和所述筛选范围在预设的Hash表中查找对应值，将所有对应值与一级Hash特征值相等的候选块作为模糊候选块组。5.如权利要求1所述的基于屏幕内容编码的最优块向量匹配方法，其特征在于，所述根据CRC算法，采用第二计算模型计算当前块的二级Hash特征值和模糊候选块组中所有候选块的二级Hash特征值，具体为：构建第二计算模型，获取待计算块，将所述待计算块平均分成若干个子块；根据CRC算法计算所有子块的Hash特征值，得到子块特征组；根据子块特征组计算待计算块的Hash特征值；根据所述第二计算模型计算当前块的二级Hash特征值和模糊候选块组中所有候选块的二级Hash特征值。6.如权利要求1所述的基于屏幕内容编码的最优块向量匹配方法，其特征在于，所述根...
【专利技术属性】
技术研发人员：李鹏，
申请(专利权)人：厦门亿联网络技术股份有限公司，
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。