【技术实现步骤摘要】
编码方法、编码设备及计算机可读存储介质
[0001]本申请属于视频编码
,特别是涉及一种编码方法、编码设备及计算机可读存储介质。
技术介绍
[0002]视频图像数据量比较大,通常需要对其进行编码压缩后,再进行传输或存储,编码后的数据称之为视频码流,其中视频码流通过有线或者无线网络传输至用户端,再由用户端进行解码观看。
[0003]目前在对视频图像数据进行编码时,通常直接采用简单的线性预测方式进行预测,比如跨分量线性预测技术和局部光照补偿技术,容易导致预测不准确,因此目前的预测过程有待进一步提升。
技术实现思路
[0004]本申请提供一种编码方法、编码设备及计算机可读存储介质,能够提高预测的准确率。
[0005]本申请实施例第一方面提供编码方法,所述编码方法包括:获取当前块的依赖块、当前模板以及依赖模板,所述当前模板包括所述当前块周围的多个重建像素点,所述依赖模板包括所述依赖块周围的多个重建像素点;将所述依赖块、所述当前模板以及所述依赖模板输入预先训练的目标神经网络,得到所述当前块中待编码像素点的目标预测值;其中,所述目标神经网络根据所述当前模板以及所述依赖模板中像素点的重建像素值,确定所述依赖模板与所述当前模板之间的依赖关系,并根据所述依赖块中像素点的重建像素值以及所述依赖关系,确定所述待编码像素点的所述目标预测值。
[0006]本申请实施例第二方面提供一种解码方法,所述解码方法包括:接收编码器发送的编码数据;通过对所述编码数据进行解码,得到当前解码块中当前像素点的预测值 ...
【技术保护点】
【技术特征摘要】
1.一种编码方法,其特征在于,所述方法包括:获取当前块的依赖块、当前模板以及依赖模板,所述当前模板包括所述当前块周围的多个重建像素点,所述依赖模板包括所述依赖块周围的多个重建像素点;将所述依赖块、所述当前模板以及所述依赖模板输入预先训练的目标神经网络,得到所述当前块中待编码像素点的目标预测值;其中,所述目标神经网络根据所述当前模板以及所述依赖模板中像素点的重建像素值,确定所述依赖模板与所述当前模板之间的依赖关系,并根据所述依赖块中像素点的重建像素值以及所述依赖关系,确定所述待编码像素点的所述目标预测值。2.根据权利要求1所述的方法,其特征在于,所述依赖块是所述当前块对应的跨分量已重建块、当前帧中与所述当前块相关的已重建块、参考帧中与所述当前块对应的目标参考块或者所述目标参考块对应的跨分量已重建块。3.根据权利要求1所述的方法,其特征在于,所述获取当前块的依赖块、当前模板以及依赖模板的步骤,包括:确定所述当前块的所述依赖块;分别根据所述当前块外侧、所述依赖块外侧的同一目标区域中的重建像素点,确定所述当前模板以及所述依赖模板;其中,所述当前块外侧的所述目标区域包括所述当前块外侧的第一子区域、第二子区域、第三子区域、第四子区域以及第五子区域中的至少一个,所述第一子区域位于所述当前块的第一侧且两端与所述当前块的两端分别齐平,所述第二子区域位于所述当前块的第二侧且两端与所述当前块的两端分别齐平,所述第三子区域连接所述第一子区域与所述第二子区域,所述第四子区域位于所述第一子区域背离所述第三子区域一侧,所述第五子区域位于所述第二子区域背离所述第三子区域一侧。4.根据权利要求1所述的方法,其特征在于,所述将所述依赖块、所述当前模板以及所述依赖模板输入预先训练的目标神经网络,得到所述当前块中待编码像素点的目标预测值的步骤,包括:将所述依赖块、所述当前模板、所述依赖模板以及目标边信息输入所述目标神经网络,得到所述待编码像素点的所述目标预测值;其中,所述目标边信息包括所述当前块的量化参数、所述依赖块的量化参数、所述当前块与所述依赖块的对应关系中的至少一种信息;所述目标神经网络根据所述当前模板、所述依赖模板中像素点的重建像素值以及所述目标边信息,确定所述依赖模板与所述当前模板之间的所述依赖关系。5.根据权利要求1所述的方法,其特征在于,所述目标神经网络包括:关系拟合模块,用于根据所述当前模板以及所述依赖模板中像素点的重建像素值,确定所述依赖关系;特征提取模块,用于对所述依赖块进行特征提取,得到依赖特征;预测模块,同时与所述关系拟合模块以及所述特征提取模块连接,用于将所述依赖关系与所述依赖特征进行融合处理,得到融合特征;通道转换模块,与所述预测模块连接,用于对所述融合特征进行通道转换处理,得到预测特征,其中,所述预测特征的维度与所述依赖块的维度相同;
残差连接线,连接所述特征提取模块的输入与所述通道转换模块的输出,以将所述预测特征与所述依赖块中像素点的重建像素值进行相加处理后,作为所述目标神经网络的输出。6.根据权利要求5所述的方法,其特征在于,所述依赖关系包括多个权重,所述依赖特征包括多个特征点的特征值,多个所述特征点分布在多个通道上,且分布在不同所述通道上的所述特征点一一对应;所述预测模块具体用于:分别将每个所述特征点的特征值与所述特征点对应的所述权重进行融合处理,得到所述融合特征;其中,所述多个权重与所述多个特征点一一对应,或者,不同所述通道上对应的所述特征点对应同一个所述权重,或者,分布在同一所述通道的所述特征点对应同一个所述权重。7.根据权利要求1所述的方法,其特征在于,所述方法还包括:分别利用多个样本组,对所述目标神经网络进行训练;其中,编码多个所述样本组的量化参数不完全相同。8.根据权利要求1所述的方法,其特征在于,所述方法还包括:分别确定多个第一神经网络对应的第一量化参数与所述当前块对应的第二量化参数的差值;将最小的差值对应的所述第一神经网络,确定为所述目标神经网络。其中...
【专利技术属性】
技术研发人员:江东,林聚财,彭双,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。