Nothing Special   »   [go: up one dir, main page]

CN109547783B - 基于帧内预测的视频压缩方法及其设备 - Google Patents

基于帧内预测的视频压缩方法及其设备 Download PDF

Info

Publication number
CN109547783B
CN109547783B CN201811260507.5A CN201811260507A CN109547783B CN 109547783 B CN109547783 B CN 109547783B CN 201811260507 A CN201811260507 A CN 201811260507A CN 109547783 B CN109547783 B CN 109547783B
Authority
CN
China
Prior art keywords
image block
intra
pixel
current image
prediction mode
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201811260507.5A
Other languages
English (en)
Other versions
CN109547783A (zh
Inventor
岳庆冬
冉文方
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chen Deqian
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201811260507.5A priority Critical patent/CN109547783B/zh
Publication of CN109547783A publication Critical patent/CN109547783A/zh
Application granted granted Critical
Publication of CN109547783B publication Critical patent/CN109547783B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/11—Selection of coding mode or of prediction mode among a plurality of spatial predictive coding modes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本发明涉及一种基于帧内预测的视频压缩方法及其设备，包括采集输入视频中的图像帧；将所述图像帧分解为多个图像块；根据所述图像帧的像素值深度获取当前图像块的纹理信息；根据所述纹理信息选择所述当前图像块的预估帧内预测方式；根据所述预估帧内预测方式对所述当前图像块进行预测获取预测残差。本发明通过在多种帧内预测模式中选择一种作为当前图像块在图像预测中使用的帧内预测模式。该编码方法无需轮询每种预测模式，预估出一种最优模式，减少了大量的计算量，进一步提高视频图像的编码压缩率。

Description

基于帧内预测的视频压缩方法及其设备
技术领域
本发明涉及一种压缩技术领域，特别涉及一种基于帧内预测的视频压缩方法及其设备。
背景技术
随着科学技术的不断发展，信息技术和计算机互联网分别在极大程度地改变了人们的日常的生活。如今，人们获取信息的主要来源于多媒体信息，而多媒体信息却以视频为核心。丰富多彩的视频内容每时每刻都在产生，视频数量更是成指数级爆炸式增长。据YouTube统计，用户每分钟上传的视频量达300多小时；贝尔实验室预测，2020年音视频数据流量将占新增流量的80％，种种迹象表明，视频数据已成为大数据中的大数据，我们正处在被海量音视频数据包围的多媒体时代。为了节约存储空间降低传输带宽占用率，一般需要做视频压缩编码处理。
视频图像之所以能被压缩编码，是因为图像数据中存在着冗余。压缩编码的目的就是通过去除这些数据冗余来减少表示图像数据所需的比特数。视频压缩编码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。
随着视频图像数据的不断增加，如何根据图像信息对当前图像块选择一种最优预测方式从而提高压缩编码的效率成为亟待解决的问题。
发明内容
因此，为解决现有技术存在的技术缺陷和不足，本发明提出一种基于帧内预测的视频压缩方法及其设备。
具体地，本发明一个实施例提出的一种基于帧内预测的视频压缩方法，包括：
采集输入视频中的图像帧；
将所述图像帧分解为多个图像块；
根据所述图像帧的像素值深度获取当前图像块的纹理信息；
根据所述纹理信息选择所述当前图像块的预估帧内预测方式；
根据所述预估帧内预测方式对所述当前图像块进行预测获取预测残差。
在本发明的一个实施例中，根据所述图像帧的像素值深度获取当前图像块的纹理信息，包括：
根据所述图像帧的像素值深度计算当前图像块的像素分量梯度；
根据所述像素分量梯度确定所述当前图像块的纹理信息。
在本发明的一个实施例中，根据所述纹理信息选择所述当前图像块的预估帧内预测方式之前，还包括：
预选多种帧内预测方式作为帧内预测方式集；其中，所述帧内预测方式集包括基于像素分量拐点采样的帧内预测方式，基于多搜索窗口的帧内预测方式，基于自适应分割的帧内预测方式。
在本发明的一个实施例中，根据所述预估帧内预测方式对所述当前图像块进行预测获取预测残差，包括：
若所述预估帧内预测方式为基于像素分量拐点采样的帧内预测方式，则利用所述基于像素分量拐点采样的帧内预测方式对所述当前图像块进行预测获取所述当前图像块中每个像素分量的预测残差；
若所述预估帧内预测方式为基于多搜索窗口的帧内预测方式，则利用所述基于多搜索窗口的帧内预测方式对所述当前图像块进行预测获取所述当前图像块中每个像素分量的预测残差；
若所述预估帧内预测方式为基于自适应分割的帧内预测方式，则利用所述基于自适应分割的帧内预测方式对所述当前图像块进行预测获取所述当前图像块中每个像素分量的预测残差。
在本发明的一个实施例中，根据所述预估帧内预测方式对所述当前图像块进行预测获取预测残差之后，还包括：
将所述当前图像块中每个像素分量的预测残差以及所述当前图像块对应的所述预估帧内预测方式的索引标志传输至码流中。
在本发明的另一个实施例提出的一种基于帧内预测的视频压缩设备，包括：
采集模块，用于采集输入视频中的图像帧；
分解模块，用于将所述图像帧分解为多个图像块；
获取模块，用于根据所述图像帧的像素值深度获取当前图像块的纹理信息；
选择模块，用于根据所述纹理信息选择所述当前图像块的预估帧内预测方式；
帧内预测模块，用于根据所述预估帧内预测方式对所述当前图像块进行预测获取预测残差。
在本发明的一个实施例中，所述获取模块具体用于：
根据所述图像帧的像素值深度计算当前图像块的像素分量梯度；
根据所述像素分量梯度确定所述当前图像块的纹理信息。
在本发明的一个实施例中，还包括预选模块，用于预选多种帧内预测方式作为帧内预测方式集；其中，所述帧内预测方式集包括基于像素分量拐点采样的帧内预测方式，基于多搜索窗口的帧内预测方式，基于自适应分割的帧内预测方式。
在本发明的一个实施例中，所述帧内预测模块具体用于：
若所述预估帧内预测方式为基于像素分量拐点采样的帧内预测方式，则利用所述基于像素分量拐点采样的帧内预测方式对所述当前图像块进行预测获取所述当前图像块中每个像素分量的预测残差；
若所述预估帧内预测方式为基于多搜索窗口的帧内预测方式，则利用所述基于多搜索窗口的帧内预测方式对所述当前图像块进行预测获取所述当前图像块中每个像素分量的预测残差；
若所述预估帧内预测方式为基于自适应分割的帧内预测方式，则利用所述基于自
适应分割的帧内预测方式对所述当前图像块进行预测获取所述当前图像块中每个
像素分量的预测残差
在本发明的一个实施例中，还包括传输模块，用于将所述当前图像块中每个像素分量的预测残差以及所述当前图像块对应的所述预估帧内预测方式的索引标志传输至码流中。
基于此，本发明具备如下优点：
本发明在多种帧内预测模式中选择一种作为当前图像块在图像预测中使用的帧内预测模式。该编码方法无需轮询每种预测模式，预估出一种最优模式，减少了大量的计算量，进一步提高视频图像的编码压缩率。
通过以下参考附图的详细说明，本发明的其它方面和特征变得明显。但是应当知道，该附图仅仅为解释的目的设计，而不是作为本发明的范围的限定，这是因为其应当参考附加的权利要求。还应当知道，除非另外指出，不必要依比例绘制附图，它们仅仅力图概念地说明此处描述的结构和流程。
附图说明
下面将结合附图，对本发明的具体实施方式进行详细的说明。
图1为本发明实施例提供的一种基于帧内预测的视频压缩方法流程示意图；
图2为本发明实施例提供的一种像素分量拐点的获取示意图；
图3(a)和图3(b)为本发明实施例提供的水平条形预测搜索窗口的像素索引示意图和重建像素搜索编号示意图；
图4(a)和图4(b)为本发明实施例提供的垂直条形预测搜索窗口的像素索引示意图和重建像素搜索编号示意图；
图5(a)和图5(b)为本发明实施例提供的矩形预测搜索窗口的像素索引示意图和重建像素搜索编号示意图；
图6为本发明实施例提供的一种预测搜索窗口中位置子权重的示意图；
图7为发明实施例提供的一种分割示意图；
图8为本发明实施例提供的一种基于帧内预测的视频压缩设备示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。
实施例一
请参见图1，图1为本发明实施例提供的一种基于帧内预测的视频压缩方法流程示意图；本实施例对本发明提供的一种基于帧内预测的视频压缩方法进行详细描述，该方法包括如下步骤：
步骤1、采集输入视频中的图像帧；
视频即为连续的图像帧序列，对视频进行压缩编码之前通常先采集出输入视频中的图像帧，对每幅图像帧进行压缩编码。
步骤2、将所述图像帧分解为多个图像块；
为了提高图像帧的压缩编码精度，通常将图像帧分解为多个图像块进行处理，即以图像块为单位进行图像的压缩编码。每个图像块可以为大小相同的块，也可以为大小不同的块。每个图像块中包含多个像素，每个像素包含多种像素分量。通常将每个像素的多种像素分量进行分离处理，即在逻辑处理中每个图像帧默认为只包含一种像素分量，例如像素有三种像素分量RGB，将像素中的三种像素分量分离，默认每个图像帧中只包含R像素分量或只包含G像素分量或只包含B像素分量。每次编码只编码图像中的R像素分量或G像素分量或B像素分量。如无特殊说明，一般编码模式每次编码只编码图像帧中的一种像素分量。
步骤3、根据所述图像帧的像素值深度获取当前图像块的纹理信息；
获取图像帧中像素分量的像素值深度，可以得到每个像素分量的像素值大小，计算当前图像块中每相邻的两个像素分量的像素值差值，根据每相邻的两个像素分量的像素值差值获取每个当前图像块的像素分量梯度。具体计算公式如下所示：
Figure BDA0001843778650000051
其中，Grad表示每个当前图像块的像素分量梯度，i表示当前图像块中像素分量的位置索引，P表示当前图像块中像素分量的像素值，ABS表示绝对值运算。当i的取值为0时，即代表位置索引为0的像素分量，即第一行首个像素分量，此时，设定Pi-1的取值为P0，即Pi-Pi-1＝P0-P0，进一步地，其它行首个像素分量的处理方法同理。
具体地，根据当前图像块中每个像素分量的像素值深度确定出当前图像块中两个像素分量的最大像素值差值；例如，若每个像素分量的像素值深度为9，则每个像素分量的像素值范围为0～511，当前图像块中两个像素分量的最大像素值差值为511，则当前图像块中两个像素分量的像素值差值范围为0～511。根据所述当前图像块中两个像素分量的最大像素值差值设置梯度分级，可以分为多个级别区间，每个级别区间可以相等也可以不相等；优选地，设置第一阈值和第二阈值，可以根据需求手动设定第一阈值和第二阈值的大小。将小于第一阈值的像素值差值范围区间分级为第一级别区间；将大于第一阈值且小于第二阈值的像素值差值范围区间分级为第二级别区间；将大于第二阈值且小于所述最大像素值差值的像素值差值范围区间分级为第三级别区间。根据公式可以计算出当前图像块的像素分量梯度，判断当前图像块的像素分量梯度所在级别区间；根据当前图像块的像素分量梯度的级别区间确定当前图像块的纹理信息。具体地，若当前图像块的像素分量梯度在第一级别区间时，当前图像块的纹理信息为简单纹理信息；若当前图像块的像素分量梯度在第二级别区间时，当前图像块的纹理信息为一般纹理信息；若当前图像块的像素分量梯度在第三级别区间时，当前图像块的纹理信息为复杂纹理信息。
步骤4、预选多种帧内预测方式作为帧内预测方式集；
帧内预测方式集包括基于像素分量拐点采样的帧内预测方式，基于多搜索窗口的帧内预测方式，基于自适应分割的帧内预测方式。
优选地，帧内预测方式集可以包括多种帧内预测方式，数量可以根据用户需求自行设定，本实施例以上述三种帧内预测方式为例具体进行说明。
进一步地，基于像素分量拐点采样的帧内预测方式适用于一般复杂度纹理信息，基于多搜索窗口的帧内预测方式适用于复杂复杂度纹理信息，基于自适应分割的帧内预测方式适用于简单复杂度纹理信息。
步骤5、根据所述纹理信息选择所述当前图像块的预估帧内预测方式；
若纹理信息为简单纹理信息，则选择适用于简单复杂度纹理信息的基于自适应分割的帧内预测方式作为当前图像块的预估帧内预测方式；
若纹理信息为一般纹理信息，则选择适用于一般复杂度纹理信息的基于像素分量拐点采样的帧内预测方式作为当前图像块的预估帧内预测方式；
若纹理信息为复杂纹理信息，则选择适用于复杂复杂度纹理信息的基于多搜索窗口的帧内预测方式作为当前图像块的预估帧内预测方式。
步骤6、根据预估帧内预测方式对当前图像块进行预测获取预测残差；
若预估帧内预测方式为基于像素分量拐点采样的帧内预测方式，则利用基于像素分量拐点采样的帧内预测方式对当前图像块进行预测获取当前图像块中每个像素分量的预测残差；
若预估帧内预测方式为基于多搜索窗口的帧内预测方式，则利用基于多搜索窗口的帧内预测方式对当前图像块进行预测获取当前图像块中每个像素分量的预测残差；
若预估帧内预测方式为基于自适应分割的帧内预测方式，则利用基于自适应分割的帧内预测方式对当前图像块进行预测获取当前图像块中每个像素分量的预测残差。
步骤7、将当前图像块中每个像素分量的预测残差以及当前图像块对应的预估帧内预测方式的索引标志传输至码流中。
本实施例通过在多种预设帧内预测方式中选取一种作为当前图像块在压缩编码时的预测方式。该压缩方法无需轮询每种帧内预测方式，减少了大量的计算量，进一步提高视频图像的编码压缩率。
实施例二
本实施例在上述实施例的基础上，对本发明提出的基于像素分量拐点采样的帧内预测方式进行详细描述。该方式包括如下内容：
步骤1、获取图像块的大小
获取到图像块的大小为m*n，即图像块中有m*n个像素分量，其中m≥1，n≥1；
本实施例以图像块的大小为16*1个像素分量为例说明，其它不同大小的图像块同理。如图2所示，图2为本发明实施例提供的一种像素分量拐点的获取示意图；图像块中的16*1个像素分量的像素值按照从左至右的顺序依次设定为12、14、15、18、20、23、15、10、4、0、2、2、4、5、5、6。
步骤2、定义采样方式；
步骤201、根据图像块中存在的纹理相关性，检测图像块的纹理渐变性，确定图像块的纹理渐变点，将图像块的纹理渐变点设定为像素分量的像素值拐点。
具体地，将当前图像块中的当前像素分量的像素值减去当前图像块中相邻像素分量的像素值，如图2所示，将图中当前图像块中的当前像素分量的像素值减去当前图像块中前一像素分量的像素值，求解当前图像块的像素残差值。当前图像块中对应位置的像素残差值从左至右依次为12、2、1、3、2、3、-8、-5、-6、-4、2、0、2、1、0、1。
步骤202、设定像素分量残差值中的连续正值或连续负值的最后一个值为像素分量的像素值拐点，其中像素分量残差值为0的值不设定为像素值拐点。
步骤203、将像素分量的像素值拐点所对应的当前像素分量所对应的位置设定为采样点，同时将当前像素分量中处于首位和末位的点设定为采样点。
优选地，如图2所示，所求得的像素分量残差值中的像素值拐点为3和-4，将像素值拐点3和像素值拐点-4所对应的当前像素分量23、0以及首位和末位的像素分量设定为采样点。原始点所对应的像素分量12、23、0、6形成4个采样点。
步骤3、将当前图像块中的采样点与正上方图像块进行预测。预测方式为135度预测、45度预测和90度预测三种角度预测方式。即将当前图像块中的采样点与当前图像块正上方相邻图像块中采样点对应的45度的像素分量点、90度的像素分量点和135度的像素分量点分别进行预测，求解预测残差以及残差绝对值和(sum of absolute difference，简称SAD)。具体地，可以将当前图像块中的采样点与当前图像块正上方相邻图像块中采样点对应的45度的像素分量点、90度的像素分量点和135度的像素分量点分别相减，获取预测残差；分别将每种预测方式下的每个采样点的预测残差取绝对值后相加，获取残差绝对值和。最终选取SAD最小的一种预测方式作为当前图像块的采样点预测方式，获取该预测方式的预测残差。
步骤4、对于当前图像块中的非采样点，利用公式求解非采样点的预测残差，公式为：
Resi＝(sample1-sample0)*(i+1)/(num+1)
其中，公式中的sample0和sample1为当前图像块连续的采样点的像素分量重建值，i为非采样点索引，num为非采样点数量。
进一步地，像素分量重建值可以指的是已压缩编码图像块解码端重建得到的像素分量值。
进一步地，当图像块的大小为8*2个像素分量时，即当前图像块有两行八列像素分量，将第一行和第二行的像素分量按照从0到8的序号从左至右依次排列，每一个序号位置对应每一行的一个像素分量。
按照步骤2～步骤4的方式获取当前图像块第一行像素分量的最终采样方式以及最终预测残差，继续重复步骤2～步骤4获取当前图像块第二行像素分量的最终采样方式以及最终预测残差，其中，第二行采样点的预测残差，可以根据第二行采样点与当前图像块正上方相邻当前图像块中垂直位置的点进行预测，也可以根据第二行采样点与当前图像块第一行中垂直位置的点进行预测。
本实施例采用的帧内预测模式当处理纹理一般复杂的压缩图像时，对处于当前待压缩编码的图像纹理边界处的当前图像块，根据纹理的渐变原理，通过当前图像块自身的纹理特性自适应获取预测残差，从而避免因周围图像块与当前图像块相关性较差，不能获取较小的预测残差，可以提高预测残差值的精度，进一步降低理论极限熵，增大带宽压缩率。
实施例三
本实施例在上述实施例的基础上，对本发明提出的基于多搜索窗口的帧内预测方式进行详细描述。该方式包括如下内容：
101、确定多个预测搜索窗口。
参见图3～图5，图3～图5为本发明实施例提供的三种预测搜索窗口的像素索引示意图和重建像素搜索编号示意图。图3(a)和图3(b)为本发明实施例提供的水平条形预测搜索窗口的像素索引示意图和重建像素搜索编号示意图；图4(a)和图4(b)为本发明实施例提供的垂直条形预测搜索窗口的像素索引示意图和重建像素搜索编号示意图；图5(a)和图5(b)为本发明实施例提供的矩形预测搜索窗口的像素索引示意图和重建像素搜索编号示意图。本实施例将图像块中每个像素的多种像素分量互相参考处理，即在处理每个图像块中一种像素分量的每个像素分量时，参考其它种像素分量的相应的每个像素分量，例如每个像素有三种像素分量RGB，处理像素中的R种类的每个像素分量时参考G种类和B种类中的对应的像素分量。
在视频图像像素区域内，用Cij代表当前编码像素，Pij代表已编码的重建像素。其中，ij为当前编码像素或重建像素的位置索引。设定多个滑动窗口作为预测搜索窗口，预测搜索窗口的形状可以为水平条形、垂直条形、L形、十字形、丁字形、矩形等。预测搜索窗口的大小根据视频图像的纹理特征及预测精度的需求进行确定，对于纹理比较细或对预测精度需求较高的视频图像，可设置较小的预测搜索窗口，对于纹理比较粗或对预测精度需求较低的视频图像，可设置较大的预测搜索窗口。
结合图3～图5，本发明实施例中，设定多个大小相同、形状不同的预测搜索窗口，例如分别为第一预测搜索窗口、第二预测搜索窗口和第三预测搜索窗口。其中，第一预测搜索窗口为水平条形预测搜索窗口，窗口的形状为水平条形，第二预测搜索窗口为垂直条形预测搜索窗口，窗口的形状为垂直条形，第三预测搜索窗口为矩形预测搜索窗口，窗口的形状为矩形。三个预测搜索窗口大小相同，均包含K个像素。优选地，多个预测搜索窗口均包含8个像素。例如在第一预测搜索窗口即水平条形预测搜索窗口内，当前编码像素Cij位于最右端位置，第一预测搜索窗口内的其他位置为已编码的K-1个重建像素Pi-1,j、Pi-2,j、Pi-3,j、Pi-4,j、Pi-5,j、Pi-6,j、Pi-7,j；在第二预测搜索窗口即垂直条形预测搜索窗口内，当前编码像素Cij位于最下端位置，第二预测搜索窗口内的其他位置为已编码的K-1个重建像素Pi,j-1、Pi,j-2、Pi,j-3、Pi,j-4、Pi,j-5、Pi,j-6、Pi,j-7；在第三预测搜索窗口即矩形预测搜索窗口内，当前编码像素Cij位于右下角位置，第三预测搜索窗口内的其他位置为已编码的K-1个重建像素Pi-1,j、Pi-2,j、Pi-3,j、Pi,j-1、Pi-1,j-1、Pi-2,j-1、Pi-3,j-1。在对当前编码像素Cij进行编码时，分别根据第一预测搜索窗口、第二预测搜索窗口和第三预测搜索窗口内K-1个重建像素的重建值NewData(P)来预测当前编码像素Cij的重建值NewData(Cij)，得到三个重建值NewData1(Cij)、NewData2(Cij)、NewData3(Cij)，其中NewData1(Cij)为在第一预测搜索窗口计算得到的当前编码像素Cij的第一重建值、NewData2(Cij)为在第二预测搜索窗口计算得到的当前编码像素Cij的第二重建值、NewData3(Cij)为在第三预测搜索窗口计算得到的当前编码像素Cij的第三重建值。
本发明实施例中，在每个预测搜索窗口内，根据K-1个重建像素的重建值来预测当前编码像素Cij的重建值时，对预测搜索窗口内的K-1个重建像素进行顺序编号为0、1、2、...k...、K-2，按照编号对重建像素P0、P1、P2、...Pk...、PK-2进行顺序搜索。例如，本发明实施例的第一预测搜索窗口内包含7个重建像素，沿水平方向排列，从左至右对7个重建像素进行编号，从0编号至6，对这6个重建像素P0、P1、P2、P3、P4、P5、P6从编号为0的重建像素P0开始搜索，直至搜索到编号为6的重建像素P6，寻找当前编码像素Cij的第一参考像素，计算第一预测残差。第二预测搜索窗口内包含7个重建像素，沿垂直方向排列，从上至下对7个重建像素进行编号，从0编号至6，对这6个重建像素P0、P1、P2、P3、P4、P5、P6从编号为0的重建像素P0开始搜索，直至搜索到编号为6的重建像素P6，寻找当前编码像素Cij的第二参考像素，计算第二预测残差。第三预测搜索窗口内包含7个重建像素，以4×2矩阵排列，对7个重建像素进行编号，从0编号至6，对这6个重建像素P0、P1、P2、P3、P4、P5、P6从编号为0的重建像素P0开始搜索，直至搜索到编号为6的重建像素P6，寻找当前编码像素Cij的第三参考像素，计算第三预测残差。在多个预测搜索窗口内分别计算当前编码像素Cij的多个预测残差的方法如下述步骤描述。
102、确定当前编码像素Cij的N种像素分量。
设定当前编码像素Cij包括N种像素分量分别为
Figure BDA0001843778650000101
其中N为大于1的自然数，
Figure BDA0001843778650000102
表示当前编码像素Cij的第n种像素分量。例如，当前编码像素Cij可包括3种像素分量R G B，或包括4种像素分量R G B W，或包括3种像素分量L a b，或包括3种像素分量YUV，或包括4种像素分量C M Y K。
103、在多个预测搜索窗口内计算当前编码像素Cij的多个权重Wij。多个权重包括第一权重、第二权重和第三权重。在第一预测搜索窗口如水平条形预测搜索窗口内计算得到的当前编码像素Cij的权重Wij为第一权重，在第二预测搜索窗口如垂直条形预测搜索窗口内计算得到的当前编码像素Cij的权重Wij为第二权重，在第三预测搜索窗口如矩形预测搜索窗口内计算得到的当前编码像素Cij的权重Wij为第三权重。具体地，在每一个预测窗口内计算当前编码像素Cij的权重Wij的方法如下所述：
在预测搜索窗口内，对应K-1个已编码的重建像素P0、P1、P2、...Pk...、PK-2，权重Wij包括K-1个子权重，即
Wij＝{Wij、0，Wij、1，Wij、2,...Wij、k...,Wij、K-2}
其中，Wij、k为当前编码像素Cij对应已编码的重建像素Pk的子权重。子权重Wij、k为当前编码像素Cij的N种像素分量
Figure BDA0001843778650000111
相对重建像素Pk的N种像素分量
Figure BDA0001843778650000112
的N种分量子权重
Figure BDA0001843778650000113
加权求和的结果，则
Figure BDA0001843778650000114
其中，
Figure BDA0001843778650000115
为当前编码像素Cij的第n种像素分量
Figure BDA0001843778650000116
相对重建像素Pk的第n种像素分量
Figure BDA0001843778650000117
的分量权重，
Figure BDA0001843778650000118
为分量加权值，且满足
Figure BDA0001843778650000119
在本发明的一个实施例中，
Figure BDA00018437786500001110
的取值为
Figure BDA00018437786500001111
在本发明的另一个实施例中，根据像素分量
Figure BDA00018437786500001112
分别与N种像素分量
Figure BDA00018437786500001113
的距离大小来确定，距离越近，则对应的
Figure BDA00018437786500001114
越大；在本发明的又一个实施例中，根据经验确定
Figure BDA00018437786500001115
的取值。
本发明实施例中，当前编码像素Cij的权重Wij由当前编码像素Cij的差异度权重DIFij确定。对应K-1个已编码的重建像素P0、P1、P2、...Pk...、PK-2，差异度权重DIFij有K-1个差异度子权重DIFij、k，即
DIFij＝{DIFij、0,DIFij、1,DIFij、2,...DIFij、k...,DIFij、K-2}
在一个实施例中权重的确定方法包括如下步骤：
1031、计算当前编码像素Cij的像素分量
Figure BDA00018437786500001116
相对重建像素的像素分量的分量差异度权重
Figure BDA00018437786500001117
每种像素分量
Figure BDA00018437786500001118
的分量差异度权重
Figure BDA00018437786500001119
有K-1个分量差异度子权重
Figure BDA00018437786500001120
即
Figure BDA0001843778650000121
其中，分量差异度子权重
Figure BDA0001843778650000122
根据当前编码像素Cij的像素分量
Figure BDA0001843778650000123
与重建像素Pk的像素分量
Figure BDA0001843778650000124
的差异度来确定。
优选地，本发明实施例中，分量差异度子权重
Figure BDA0001843778650000125
为像素分量
Figure BDA0001843778650000126
的原始值
Figure BDA0001843778650000127
与重建像素分量
Figure BDA0001843778650000128
的重建值
Figure BDA0001843778650000129
的差值的绝对值，即
Figure BDA00018437786500001210
1032、计算当前编码像素Cij相对每一个重建像素Pk的子权重Wij、k。当前编码像素Cij相对重建像素Pk的子权重Wij、k为当前编码像素Cij的种个像素分量
Figure BDA00018437786500001211
相对重建像素Pk的N种像素分量
Figure BDA00018437786500001212
的N个分量差异度子权重
Figure BDA00018437786500001213
加权求和，即
Figure BDA00018437786500001214
其中，
Figure BDA00018437786500001215
为当前编码像素Cij的第n种像素分量
Figure BDA00018437786500001216
相对重建像素Pk的第n种像素分量
Figure BDA00018437786500001217
的分量差异度子权重，
Figure BDA00018437786500001218
为分量加权值，且满足
Figure BDA00018437786500001219
在本发明的一个实施例中，
Figure BDA00018437786500001220
的取值为
Figure BDA00018437786500001221
在本发明的另一个实施例中，根据像素分量
Figure BDA00018437786500001222
分别与N种像素分量
Figure BDA00018437786500001223
的距离大小来确定，距离越近，则对应的
Figure BDA00018437786500001224
越大；在本发明的又一个实施例中，根据经验确定
Figure BDA00018437786500001225
的取值。
1033、计算当前编码像素Cij的权重Wij。则权重为
Figure BDA00018437786500001226
104、根据多个权重Wij确定当前编码像素Cij的多个参考像素，并计算多个预测残差。多个参考像素例如包括第一参考像素、第二参考像素和第三参考像素；多个预测残差例如包括第一预测残差、第二预测残差和第三预测残差。具体为根据第一权重确定当前编码像素Cij的第一参考像素，计算得到第一预测残差；根据第二权重确定当前编码像素Cij的第二参考像素，计算得到第二预测残差；根据第三权重确定当前编码像素Cij的第三参考像素，计算得到第三预测残差。具体地，每一个预测残差的计算方法包括如下步骤：
1041、根据权重Wij确定当前编码像素Cij的参考像素Ps。具体地，根据最优值算法从权重Wij的K-1个子权重Wij、k中，选择出最优值，将最优值对应的重建像素Ps作为当前编码像素Cij的参考像素。最优值确定算法比如是最小权重确定算法，即从权重Wij＝{Wij、0,Wij、1,Wij、2,...Wij、k...,Wij、K-2}的K-1个子权重中，选择出子权重最小值如Wij、s对应的重建像素Ps，将重建像素Ps作为当前编码像素Cij的参考像素。
1042、计算当前编码像素Cij的预测残差RESij。具体地，根据参考像素即Ps的重建值NewData(Ps)与当前像素编码像素Cij的原始值OldData(Cij)计算当前编码像素Cij相对参考像素Ps的预测残差RESij，为
Figure BDA0001843778650000131
其中，
Figure BDA0001843778650000132
Figure BDA0001843778650000133
为当前编码像素Cij的第n种像素分量
Figure BDA0001843778650000134
相对参考像素Ps的第n种像素分量
Figure BDA0001843778650000135
的预测残差。
通过以上步骤101～104，在多个预测搜索窗口内找到当前编码像素Cij的多个参考像素，计算得到多个预测残差。例如在第一预测搜索窗口内找到当前编码像素Cij的第一参考像素Ps1，计算得到第一预测残差RESij1；在第二预测搜索窗口内找到当前编码像素Cij的第二参考像素Ps2，计算得到第二预测残差RESij2；在第三预测搜索窗口内找到当前编码像素Cij的第三参考像素Ps3，计算得到第三预测残差RESij3。
105、比较多个预测残差，确定最优预测残差RESij_Perf及其对应的最优参考像素Ps_Perf。在多个预测残差如第一预测残差RESij1、第二预测残差RESij2、第三预测残差RESij3中，根据最小值算法确定最小预测残差，将最小预测残差作为当前编码像素Cij的最优预测残差RESij_Perf，将最小预测残差对应的参考像素作为当前编码像素Cij的最优参考像素Ps_Perf。至此，可以求出当前编码像素的每种像素分量的预测残差。
在一个具体实施例中，与上述实施例不同在于，步骤103在多个预测搜索窗口内计算当前编码像素Cij的多个权重Wij时，权重Wij由当前编码像素的差异度权重DIFij和位置权重POSij共同确定。对应K-1个已编码的重建像素P0、P1、P2、...Pk...、PK-2，差异度权重DIFij有K-1个差异度子权重DIFij、k，位置权重POSij有K-1个位置子权重POSij、k，即
DIFij＝{DIFij、0,DIFij、1,DIFij、2,...DIFij、k...,DIFij、K-2}
POSij＝{POSij、0,POSij、1,POSij、2,...POSij、k...,POSij、K-2}
在一个实施例中另一种权重的确定方法包括如下步骤：
1034、计算当前编码像素的像素分量
Figure BDA0001843778650000141
相对重建像素的像素分量的的分量差异度权重
Figure BDA0001843778650000142
每个像素分量
Figure BDA0001843778650000143
的分量差异度权重
Figure BDA0001843778650000144
有K-1个分量差异度子权重
Figure BDA0001843778650000145
即
Figure BDA0001843778650000146
其中，分量差异度子权重
Figure BDA0001843778650000147
根据当前编码像素Cij的像素分量
Figure BDA0001843778650000148
与重建像素Pk的像素分量
Figure BDA0001843778650000149
的差异度来确定。
优选地，本发明实施例中，分量差异度子权重
Figure BDA00018437786500001410
为像素分量
Figure BDA00018437786500001411
的原始值
Figure BDA00018437786500001412
与重建像素分量
Figure BDA00018437786500001413
的重建值
Figure BDA00018437786500001414
的差值的绝对值，即
Figure BDA00018437786500001415
1035、计算当前编码像素的像素分量
Figure BDA0001843778650000151
相对重建像素的像素分量的分量位置权重
Figure BDA0001843778650000152
每个像素分量
Figure BDA0001843778650000153
的分量位置权重
Figure BDA0001843778650000154
有K-1个分量位置子权重
Figure BDA0001843778650000155
即
Figure BDA0001843778650000156
其中，分量位置子权重
Figure BDA0001843778650000157
根据当前编码像素Cij与重建像素Pk的位置关系来确定。
参见图6，图6为本发明实施例提供的一种预测搜索窗口中位置子权重的示意图。本发明实施例中，以当前编码像素Cij与重建像素Pk相间隔的像素数作为分量位置子权重DIFijn、k。对应预测搜索窗口中的K-1个重建像素P0、P1、P2、...Pk...、PK-2，例如与当前编码像素Cij相邻的重建像素P6与Cij间隔像素数为0，则确定对应分量位置子权重为
Figure BDA0001843778650000158
重建像素P5与Cij间隔像素数为1，则确定对应分量位置子权重为
Figure BDA0001843778650000159
同理，对应共7个重建像素P0、P1、P2、P3、P4、P5、P6的7个分量位置子权重为：
Figure BDA00018437786500001510
Figure BDA00018437786500001511
Figure BDA00018437786500001512
1036、计算当前编码像素的像素分量
Figure BDA00018437786500001513
的分量权重
Figure BDA00018437786500001514
每个像素分量
Figure BDA00018437786500001515
的分量权重
Figure BDA00018437786500001516
有K-1个分量子权重
Figure BDA00018437786500001517
即
Figure BDA00018437786500001518
其中，分量子权重为
Figure BDA00018437786500001519
其中，
Figure BDA00018437786500001520
和
Figure BDA00018437786500001521
分别为差异度加权值和位置加权值，且满足
Figure BDA00018437786500001522
在本发明的一个实施例中，取
Figure BDA00018437786500001523
在本发明的另一个实施例中，根据
Figure BDA00018437786500001524
的大小确定对应
Figure BDA00018437786500001525
的值，
Figure BDA00018437786500001526
越大，则
Figure BDA00018437786500001527
越小；根据
Figure BDA00018437786500001528
的大小确定
Figure BDA00018437786500001529
的值，
Figure BDA00018437786500001530
越大，则
Figure BDA00018437786500001531
越小。在本发明的又一个实施例中，
Figure BDA00018437786500001532
和
Figure BDA00018437786500001533
的值根据经验值确定。
1037、计算当前编码像素Cij相对每一个重建像素Pk的子权重Wij、k。当前编码像素Cij相对重建像素Pk的子权重Wij、k为当前编码像素Cij的N种像素分量
Figure BDA0001843778650000161
相对重建像素Pk的N种像素分量
Figure BDA0001843778650000162
的N个分量子权重
Figure BDA0001843778650000163
加权求和，即
Figure BDA0001843778650000164
其中，
Figure BDA0001843778650000165
为分量加权值，且满足
Figure BDA0001843778650000166
在本发明的一个实施例中，
Figure BDA0001843778650000167
的取值为
Figure BDA0001843778650000168
在本发明的另一个实施例中，根据像素分量
Figure BDA0001843778650000169
分别与N种像素分量
Figure BDA00018437786500001610
的距离大小来确定，距离越近，则对应的
Figure BDA00018437786500001611
越大；在本发明的又一个实施例中，根据经验确定
Figure BDA00018437786500001612
的取值。
1038、计算当前编码像素Cij的权重，则权重为
Figure BDA00018437786500001613
在一个实施例中，在步骤105之后还包括：
106、输出当前编码像素的最优参考像素Ps_Perf的位置信息以及最优预测残差RESij_Perf。最优参考像素Ps_Perf的位置信息可以是最优参考像素Ps_Perf的位置索引ij或编号s。
综上所述，本发明实施例的帧内预测方式，采用多种形状的预测搜索窗口寻找到多个参考像素，并计算得到多个预测残差，在多个预测残差中选择出最优预测残差。对于复杂纹理图像，预测效果更优，降低了理论极限熵。
实施例四
本实施例在上述实施例的基础上，对本发明提出的基于自适应分割的帧内预测方式进行详细描述。该方式包括如下内容：
S1、确定图像块的划分方式，其中，所述划分方式包括水平划分、垂直划分、不划分；参看图7，图7为发明实施例提供的一种分割示意图；本发明采用自顶向下按顺序划分的方案，块大小为由大到小划分，逐一确定每个图像块的划分方式。
S2、分别计算每种划分方式下图像块比特数；
S3、将所述图像块比特数最小值对应的划分方式作为所述图像块的当前划分方式；
S4、计算所述图像块在所述当前划分方式下的预测残差；
S5、当判断所述当前划分方式为水平划分或垂直划分时，对所述当前划分方式下划分的两块图像块分别执行步骤S1；
S6、当判断所述当前划分方式为不划分时，结束对所述图像块的划分
预测残差为每个像素分量分别减去图像块中像素分量最小值，得到该图像块所有像素分量的预测残差。
本实施例通过当前区域像素分量值间的相关性进行预测，利用算法对比水平划分、垂直划分、不划分三种情况的压缩数据量，选择对应最优的划分方式进行残差预测，以使初始的图像块和预测的图像块之间的差异最小而提高压缩效率并提高主观图片质量，对于简单纹理图像处理时，预测效果好、处理效率高，且能够降低理论极限熵。
在一个具体实施方式中，所述步骤S2包括：
S201、参看图7，采用水平划分方式，将图像块分为上图像块11和下图像块12，其中所述上图像块11和下图像块12分别包括N个像素分量；
S202、在所述上图像块像素分量中，得到所述上图像块像素分量的最大值和所述上图像块像素分量的最小值；
S203、计算所述上图像块像素分量的最大值和所述上图像块像素分量的最小值的差值，并得到表示所述差值的上图像块最少比特数；
如果需要确定上图像块的预测残差，将该上图像块的N个像素分量，分别减去上图像块像素分量的最小值，得到该上图像块的所有像素分量的预测残差。
S204、在所述下图像块像素分量中，得到所述下图像块像素分量的最大值和所述下图像块像素分量的最小值；
S205、计算所述下图像块像素分量的最大值和所述下图像块像素分量的最小值的差值，并得到表示所述差值的下图像块最少比特数；
S206、根据所述上图像块最少比特数、下图像块最少比特数得到水平划分方式下所述图像块比特数为：
SEGud＝N*BIT_MINup+N*BIT_MINdown+2*BITDEPTH，
其中，BIT_MINup为上图像块最少比特数，N*BIT_MINdown为下图像块最少比特数，BITDEPTH为原始像素分量数据的比特深度。
如果需要确定上图像块的预测残差，将该上图像块的N个像素分量，分别减去上图像块像素分量的最小值，得到该上图像块的所有像素分量的预测残差。
如果水平划分方式为最优方式，则最终输出上下图像块各N个预测残差数据、上下图像块中像素分量的最小值的原始像素值，以及划分方式。
在一个具体实施方式中，所述步骤S2包括：
S211、采用垂直划分方式，参看图7，将图像块分为左图像块21和右图像块22，其中所述左图像块和右图像块分别包括N个像素分量；
S212、在所述左图像块像素分量中，得到所述左图像块像素分量的最大值和所述左图像块像素分量的最小值；
S213、计算所述左图像块像素分量的最大值和所述左图像块像素分量的最小值的差值，并得到表示所述差值的左图像块最少比特数；
如果需要确定左图像块的预测残差，将该左图像块的N个像素分量，分别减去左图像块像素分量的最小值，得到该左图像块的所有像素分量的预测残差。
S214、在所述右图像块像素分量中，得到所述右图像块像素分量的最大值和所述右图像块像素分量的最小值；
S215、计算所述右图像块像素分量的最大值和所述右图像块像素分量的最小值的差值，并得到表示所述差值的右图像块最少比特数；
S216、根据所述左图像块最少比特数、右图像块最少比特数得到垂直划分方式下所述图像块比特数为：
SEGlr＝N*BIT_MINleft+N*BIT_MINright+2*BITDEPTH，
其中，BIT_MINleft为左图像块最少比特数，N*BIT_MINright为右图像块最少比特数，BITDEPTH为原始像素分量数据的比特深度。
如果需要确定右图像块的预测残差，将该右图像块的N个像素分量，分别减去右图像块像素分量的最小值，得到该右图像块的所有像素分量的预测残差。
如果垂直划分方式为最优方式，则最终输出左右图像块各N个预测残差数据、左右图像块中像素分量的最小值的原始像素值，以及划分方式。
在一个具体实施方式中，所述步骤S2包括：
S221、采用不划分方式，参看图7，图像块01包括2N个像素分量；
S222、得到所述图像块像素分量的最大值和所述图像块像素分量的最小值；
S223、计算所述图像块像素分量的最大值和所述图像块像素分量的最小值的差值，得到表示所述差值的图像块最少比特数；
S224、根据所述图像块最少比特数得到不划分方式下所述图像块比特数为：
SUB-SEG＝2N*BIT_MIN+BITDEPTH，
其中，BIT_MIN为图像块最少比特数，BITDEPTH为原始像素分量数据的比特深度。
如果需要确定图像块的预测残差，将该图像块的2N个像素分量，分别减去图像块像素分量的最小值，得到该图像块的所有像素分量的预测残差。
如果不划分方式为最优方式，则最终输出图像块2N个预测残差数据、图像块中像素分量的最小值的原始像素值，以及划分方式。
实施例五
本实施例在上述实施例的基础上，对本发明提出的基于帧内预测的视频压缩设备进行详细描述，如图8所示，图8为本发明实施例提供的一种基于帧内预测的视频压缩设备示意图；该设备包括：
采集模块31，用于采集输入视频中的图像帧；
分解模块32，用于将所述图像帧分解为多个图像块；
获取模块33，用于根据所述图像帧的像素值深度获取当前图像块的纹理信息；
选择模块35，用于根据所述纹理信息选择所述当前图像块的预估帧内预测方式；
帧内预测模块36，用于根据所述预估帧内预测方式对所述当前图像块进行预测获取预测残差。
其中，所述获取模块具体用于：根据所述图像帧的像素值深度计算当前图像块的像素分量梯度；根据所述像素分量梯度确定所述当前图像块的纹理信息。
其中，还包括预选模块34，用于预选多种帧内预测方式作为帧内预测方式集；其中，所述帧内预测方式集包括基于像素分量拐点采样的帧内预测方式，基于多搜索窗口的帧内预测方式，基于自适应分割的帧内预测方式。
其中，所述帧内预测模块具体用于：若所述预估帧内预测方式为基于像素分量拐点采样的帧内预测方式，则利用所述基于像素分量拐点采样的帧内预测方式对所述当前图像块进行预测获取所述当前图像块中每个像素分量的预测残差；若所述预估帧内预测方式为基于多搜索窗口的帧内预测方式，则利用所述基于多搜索窗口的帧内预测方式对所述当前图像块进行预测获取所述当前图像块中每个像素分量的预测残差；若所述预估帧内预测方式为基于自适应分割的帧内预测方式，则利用所述基于自适应分割的帧内预测方式对所述当前图像块进行预测获取所述当前图像块中每个像素分量的预测残差。
其中，还包括传输模块，用于将所述当前图像块中每个像素分量的预测残差以及所述当前图像块对应的所述预估帧内预测方式的索引标志传输至码流中。
综上所述，本文中应用了具体个例对本发明进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制，本发明的保护范围应以所附的权利要求为准。

Claims (6)

1.一种基于帧内预测的视频压缩方法，其特征在于，包括：
采集输入视频中的图像帧；
将所述图像帧分解为多个图像块；
根据所述图像帧的像素值深度获取当前图像块的纹理信息；
预选多种帧内预测方式作为帧内预测方式集；其中，所述帧内预测方式集包括基于像素分量拐点采样的帧内预测方式，基于多搜索窗口的帧内预测方式，基于自适应分割的帧内预测方式；
根据所述纹理信息选择所述当前图像块的预估帧内预测方式；
根据所述预估帧内预测方式对所述当前图像块进行预测获取预测残差，
根据所述图像帧的像素值深度获取当前图像块的纹理信息，包括：
根据所述图像帧的像素值深度计算当前图像块的像素分量梯度，包括获取所述图像帧中像素分量的像素值深度，得到每个像素分量的像素值大小，计算当前图像块中每相邻的两个像素分量的像素值差值，根据每相邻的两个像素分量的像素值差值获取每个当前图像块的像素分量梯度；
根据所述图像块的像素分量梯度确定所述当前图像块的纹理信息，包括根据当前图像块中每个像素分量的像素值深度确定出当前图像块中两个像素分量的最大像素值差值，根据所述当前图像块中两个像素分量的最大像素值差值，以及预先设置的第一阈值和第二阈值，设置关于梯度分级的三个级别区间，计算当前图像块的像素分量梯度，判断所述当前图像块的像素分量梯度所在的级别区间，根据所述当前图像块的像素分量梯度所在的级别区间确定当前图像块的纹理信息属于简单纹理信息、一般纹理信息或复杂纹理信息；其中，第一阈值小于第二阈值；
根据所述纹理信息选择所述当前图像块的预估帧内预测方式，包括：若纹理信息为简单纹理信息，则选择适用于简单复杂度纹理信息的基于自适应分割的帧内预测方式作为当前图像块的预估帧内预测方式；若纹理信息为一般纹理信息，则选择适用于一般复杂度纹理信息的基于像素分量拐点采样的帧内预测方式作为当前图像块的预估帧内预测方式；若纹理信息为复杂纹理信息，则选择适用于复杂复杂度纹理信息的基于多搜索窗口的帧内预测方式作为当前图像块的预估帧内预测方式。
2.根据权利要求1所述的方法，其特征在于，根据所述预估帧内预测方式对所述当前图像块进行预测获取预测残差，包括：
若所述预估帧内预测方式为基于像素分量拐点采样的帧内预测方式，则利用所述基于像素分量拐点采样的帧内预测方式对所述当前图像块进行预测获取所述当前图像块中每个像素分量的预测残差；
若所述预估帧内预测方式为基于多搜索窗口的帧内预测方式，则利用所述基于多搜索窗口的帧内预测方式对所述当前图像块进行预测获取所述当前图像块中每个像素分量的预测残差；
若所述预估帧内预测方式为基于自适应分割的帧内预测方式，则利用所述基于自适应分割的帧内预测方式对所述当前图像块进行预测获取所述当前图像块中每个像素分量的预测残差。
3.根据权利要求1所述的方法，其特征在于，根据所述预估帧内预测方式对所述当前图像块进行预测获取预测残差之后，还包括：
将所述当前图像块中每个像素分量的预测残差以及所述当前图像块对应的所述预估帧内预测方式的索引标志传输至码流中。
4.一种基于帧内预测的视频压缩设备，其特征在于，包括：
采集模块，用于采集输入视频中的图像帧；
分解模块，用于将所述图像帧分解为多个图像块；
获取模块，用于根据所述图像帧的像素值深度获取当前图像块的纹理信息；
预选模块，用于预选多种帧内预测方式作为帧内预测方式集；其中，所述帧内预测方式集包括基于像素分量拐点采样的帧内预测方式，基于多搜索窗口的帧内预测方式，基于自适应分割的帧内预测方式；
选择模块，用于根据所述纹理信息选择所述当前图像块的预估帧内预测方式；
帧内预测模块，用于根据所述预估帧内预测方式对所述当前图像块进行预测获取预测残差；
所述获取模块具体用于：
根据所述图像帧的像素值深度计算当前图像块的像素分量梯度，包括获取所述图像帧中像素分量的像素值深度，得到每个像素分量的像素值大小，计算当前图像块中每相邻的两个像素分量的像素值差值，根据每相邻的两个像素分量的像素值差值获取每个当前图像块的像素分量梯度；
根据所述像素分量梯度确定所述当前图像块的纹理信息，包括根据当前图像块中每个像素分量的像素值深度确定出当前图像块中两个像素分量的最大像素值差值，根据所述当前图像块中两个像素分量的最大像素值差值，以及预先设置的第一阈值和第二阈值，设置关于梯度分级的三个级别区间，计算当前图像块的像素分量梯度，判断所述当前图像块的像素分量梯度所在的级别区间，根据所述当前图像块的像素分量梯度所在的级别区间确定当前图像块的纹理信息属于简单纹理信息、一般纹理信息或复杂纹理信息；其中，第一阈值小于第二阈值；
所述选择模块具体用于：若纹理信息为简单纹理信息，则选择适用于简单复杂度纹理信息的基于自适应分割的帧内预测方式作为当前图像块的预估帧内预测方式；若纹理信息为一般纹理信息，则选择适用于一般复杂度纹理信息的基于像素分量拐点采样的帧内预测方式作为当前图像块的预估帧内预测方式；若纹理信息为复杂纹理信息，则选择适用于复杂复杂度纹理信息的基于多搜索窗口的帧内预测方式作为当前图像块的预估帧内预测方式。
5.根据权利要求4所述的设备，其特征在于，所述帧内预测模块具体用于：
若所述预估帧内预测方式为基于像素分量拐点采样的帧内预测方式，则利用所述基于像素分量拐点采样的帧内预测方式对所述当前图像块进行预测获取所述当前图像块中每个像素分量的预测残差；
若所述预估帧内预测方式为基于多搜索窗口的帧内预测方式，则利用所述基于多搜索窗口的帧内预测方式对所述当前图像块进行预测获取所述当前图像块中每个像素分量的预测残差；
若所述预估帧内预测方式为基于自适应分割的帧内预测方式，则利用所述基于自适应分割的帧内预测方式对所述当前图像块进行预测获取所述当前图像块中每个像素分量的预测残差。
6.根据权利要求4所述的设备，其特征在于，还包括传输模块，用于将所述当前图像块中每个像素分量的预测残差以及所述当前图像块对应的所述预估帧内预测方式的索引标志传输至码流中。
CN201811260507.5A 2018-10-26 2018-10-26 基于帧内预测的视频压缩方法及其设备 Expired - Fee Related CN109547783B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811260507.5A CN109547783B (zh) 2018-10-26 2018-10-26 基于帧内预测的视频压缩方法及其设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811260507.5A CN109547783B (zh) 2018-10-26 2018-10-26 基于帧内预测的视频压缩方法及其设备

Publications (2)

Publication Number Publication Date
CN109547783A CN109547783A (zh) 2019-03-29
CN109547783B true CN109547783B (zh) 2021-01-19

Family

ID=65845723

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811260507.5A Expired - Fee Related CN109547783B (zh) 2018-10-26 2018-10-26 基于帧内预测的视频压缩方法及其设备

Country Status (1)

Country Link
CN (1) CN109547783B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022061563A1 (zh) * 2020-09-23 2022-03-31 深圳市大疆创新科技有限公司 视频编码方法、装置及计算机可读存储介质
CN112929705B (zh) * 2021-02-02 2022-04-22 腾讯科技（深圳）有限公司 纹理压缩和解压方法、装置、计算机设备和存储介质
CN113301347B (zh) * 2021-05-08 2023-05-05 广东工业大学 一种hevc高清视频编码的优化方法
CN113365059B (zh) * 2021-08-09 2021-11-12 江苏势通生物科技有限公司 图像冗余去除方法、图像冗余去除装置、存储介质和设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101959067A (zh) * 2010-09-26 2011-01-26 北京大学 基于外极线约束的快速编码模式决策方法和系统
CN102598113A (zh) * 2009-06-30 2012-07-18 安芯美特控股有限公司 匹配出现在两个或多个图像内的对象或人的方法、电路和系统
CN103024383A (zh) * 2012-12-14 2013-04-03 北京工业大学 一种基于hevc框架的帧内无损压缩编码方法
CN103873862A (zh) * 2014-02-28 2014-06-18 北京师范大学 一种帧内快速编码方法及系统
CN105120292A (zh) * 2015-09-09 2015-12-02 厦门大学 一种基于图像纹理特征的视频编码帧内预测方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160050438A1 (en) * 2013-04-11 2016-02-18 Lg Electronics Inc. Video signal processing method and device
CN105611287A (zh) * 2015-12-29 2016-05-25 上海大学 一种低复杂度的深度视频和多视视频编码方法
CN107071416B (zh) * 2017-01-06 2020-04-07 华南理工大学 一种hevc帧内预测模式快速选择方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102598113A (zh) * 2009-06-30 2012-07-18 安芯美特控股有限公司 匹配出现在两个或多个图像内的对象或人的方法、电路和系统
CN101959067A (zh) * 2010-09-26 2011-01-26 北京大学 基于外极线约束的快速编码模式决策方法和系统
CN103024383A (zh) * 2012-12-14 2013-04-03 北京工业大学 一种基于hevc框架的帧内无损压缩编码方法
CN103873862A (zh) * 2014-02-28 2014-06-18 北京师范大学 一种帧内快速编码方法及系统
CN105120292A (zh) * 2015-09-09 2015-12-02 厦门大学 一种基于图像纹理特征的视频编码帧内预测方法

Also Published As

Publication number Publication date
CN109547783A (zh) 2019-03-29

Similar Documents

Publication Publication Date Title
CN104735452B (zh) 通过使用大变换单元对图像进行编码和解码的方法和设备
CN109547783B (zh) 基于帧内预测的视频压缩方法及其设备
RU2604669C2 (ru) Способ и устройство для предсказания компоненты цветности изображения с использованием компоненты яркости изображения
KR102148660B1 (ko) 신규한 평면 예측 모드
CN105847792B (zh) 运动图像编码装置以及图像编码方法
CN104581163B (zh) 通过使用大型变换单元编码和解码图像的方法和设备
CN102231835B (zh) 图像解码装置及方法
CN103220526B (zh) 对图像边界的编码单元进行编码和解码的方法和设备
TWI519142B (zh) 以對固定點轉換之位元深度控制做視訊編碼之方法與裝置以及以對固定點轉換之位元深度控制做視訊解碼之方法與裝置
CN103583045A (zh) 图像处理装置以及图像处理方法
CN103392341A (zh) 用于对图像预测单元的帧内预测模式进行编码的方法和装置，以及用于对图像预测单元的帧内预测模式进行解码的方法和装置
CN102265611A (zh) 在混合视频编码中具有多个滤波器的本地环路内滤波
CN105847844A (zh) 使用非对称插值滤波器的图像插值的方法及其设备
CN102939753A (zh) 用于通过根据像素组补偿像素值来对视频进行编码的方法和设备以及用于通过根据像素组补偿像素值来对视频进行解码的方法和设备
CN102754440B (zh) 图像编码方法、图像编码装置以及摄像系统
US20240114185A1 (en) Video coding for machines (vcm) encoder and decoder for combined lossless and lossy encoding
CN109413421B (zh) 视频编码方法、设备以及视频解码方法、设备
CN109547780B (zh) 图像编码方法及装置
CN109547781B (zh) 基于图像预测的压缩方法及设备
CN109495739B (zh) 图像编码方法及其设备
CN109379592B (zh) 图像编码方法及其设备
CN109600612B (zh) 图像编码的方法及设备
CN111107349A (zh) 视频编码中自适应纹理预测方法
CN109327701A (zh) 带宽压缩中复杂纹理自适应预测方法
CN109640091A (zh) 带宽压缩中复杂纹理自适应预测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20210105

Address after: 325800 No.264, jiadiyuan village, Qianku Town, Cangnan County, Wenzhou City, Zhejiang Province

Applicant after: Chen Deqian

Address before: 710065 Xi'an new hi tech Zone, Shaanxi, No. 86 Gaoxin Road, No. second, 1 units, 22 stories, 12202 rooms, 51, B block.

Applicant before: XI'AN CREATION KEJI Co.,Ltd.

GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210119