带宽压缩中复杂纹理自适应预测方法与流程

本发明涉及一种压缩技术领域，特别涉及一种带宽压缩中复杂纹理自适应预测方法。

背景技术：

随着公众对视频质量需求的不断提高，视频的图像分辨率作为视频质量的重要特性之一，视频的图像分辨率也随之成倍数的增加，已经从720p和1080p过渡到目前市场主流的4k视频分辨率，对应的视频压缩标准也从h.264过渡到h.265。由此使视频图像的数据量十分巨大，需要占用较多的存储空间和传输带宽，在这种情况下，利用芯片内的带宽压缩技术来提高图像的存储空间和传输带宽就显得尤为必要。

带宽压缩技术的目标是用较小的逻辑面积成本，尽可能的提高压缩倍数，减少双倍速率同步动态随机存储器(doubledatarate,简称ddr)的占用。预测模块作为带宽压缩的一个重要模块，是利用图像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分量值进行预测，预测差值的标准差要远小于原始图像数据的标准差，因此对预测差值进行编码，更有利于使图像数据的理论熵达到最小，从而达到提高压缩效率的目的。

目前预测模块的算法对图像中复杂纹理的区分效果较差，尤其是对于人造纹理和自然纹理的区分没有高效的算法，导致对于人造纹理的理论极限熵得不到最优化的降低，影响预测模块的质量，成为目前亟待解决的问题。

技术实现要素：

因此，为解决现有技术存在的技术缺陷和不足，本发明提出一种带宽压缩中复杂纹理自适应预测方法。

具体地，本发明一个实施例提出的一种带宽压缩中复杂纹理自适应预测方法，包括：

设定当前像素包括n个像素分量，其中n为大于1的自然数；

选取当前像素分量的k个重建像素分量，其中k为大于1的自然数；

根据所述重建像素分量确定第二权重；

根据所述第二权重确定所述当前像素分量的预测残差。

在本发明的一个实施例中，选取当前像素分量的k个重建像素分量之后，还包括：

根据所述当前像素分量与所述重建像素分量的差异度确定差异度权重；

根据所述当前像素分量与所述重建像素分量的位置关系确定位置权重。

在本发明的一个实施例中，根据所述重建像素分量确定第二权重，包括：

根据所述重建像素分量确定第一权重；

根据所述第一权重确定所述第二权重。

在本发明的一个实施例中，根据所述重建像素分量确定第一权重，包括：

根据所述重建像素分量通过第一权重计算公式确定所述第一权重。

在本发明的一个实施例中，所述第一权重计算公式为：

wij＝a*difij+b*posij

其中，a和b为加权值；difij为所述差异度权重；posij为所述位置权重；ij为k个重建像素分量的索引，ij的取值为1～k的自然数。

在本发明的一个实施例中，根据所述第一权重确定所述第二权重，包括：

所述第一权重通过第二权重计算公式确定所述第二权重。

在本发明的一个实施例中，所述第二权重计算公式为：

mijn＝p1*wij1+p2*wij2+p3*wij3+...+pn*wijn

其中，p为分量加权值，n的取值为所述n。

在本发明的一个实施例中，根据所述第二权重确定所述当前像素分量的预测残差，包括：

根据所述第二权重确定参考像素；

通过所述参考像素与所述当前像素分量的差值确定所述预测残差。

在本发明的一个实施例中，根据所述第二权重确定参考像素，包括：

根据预设算法选取所述第二权重的最优值；

将所述最优值对应的所述重建像素分量确定为所述参考像素。

在本发明的一个实施例中，根据所述第二权重确定所述当前像素分量的预测残差之后，还包括：

输出所述参考像素的位置信息以及所述当前像素分量的预测残差。

基于此，本发明具备如下优点：

本发明的有益效果主要表现在：本发明通过计算重建像素的权重获得参考像素的方式，计算当前预测像素的预测残差，与现有方法相比，当待压缩图像的人造纹理较为复杂时，通过定义不同的参考像素获得预测残差，所定义的参考像素为图像中的原始像素，此种方式更容易提高当前预测像素的准确率，能够进一步提高复杂纹理区域预测残差的精度，进一步降低理论极限熵，提高带宽压缩率。

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带宽压缩中复杂纹理自适应预测方法流程图；

图2为本发明实施例提供的一种带宽压缩中复杂纹理自适应预测重建像素分量参考示意图；

图3为本发明实施例提供的另一种带宽压缩中复杂纹理自适应预测重建像素分量参考示意图；

图4为本发明实施例提供的又一种带宽压缩中复杂纹理自适应预测重建像素分量参考示意图。

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一种带宽压缩中复杂纹理自适应预测方法流程图。该方法包括如下步骤：

步骤1、设定当前像素包括n个像素分量，其中n为大于1的自然数；

步骤2、选取当前像素分量的k个重建像素分量，其中k为大于1的自然数；

步骤3、根据所述重建像素分量确定第二权重；

步骤4、根据所述第二权重确定所述当前像素分量的预测残差。

其中，步骤2之后还可以包括如下步骤：

步骤x1、根据所述当前像素分量与所述重建像素分量的差异度确定差异度权重；

步骤x2、根据所述当前像素分量与所述重建像素分量的位置关系确定位置权重。

其中，步骤3可以包括如下步骤：

步骤31、根据所述重建像素分量确定第一权重；

步骤32、根据所述第一权重确定所述第二权重。

其中，步骤31可以包括如下步骤：

步骤311、根据所述重建像素分量通过第一权重计算公式确定所述第一权重。

其中，步骤311中所述第一权重计算公式为：

wij＝a*difij+b*posij

其中，a和b为加权值；difij为所述差异度权重；posij为所述位置权重；ij为k个重建像素分量的索引，ij的取值为1～k的自然数，w为第一权重。

其中，步骤32可以包括如下步骤：

步骤321、根据所述第一权重通过第二权重计算公式确定所述第二权重。

其中，步骤321中所述第二权重计算公式为：

mijn＝p1*wij1+p2*wij2+p3*wij3+...+pn*wijn

其中，p为分量加权值，n的取值为所述n，m为第二权重。

其中，步骤4可以包括如下步骤：

步骤41、根据所述第二权重确定参考像素；

步骤42、通过所述参考像素与所述当前像素分量的差值确定所述预测残差。

其中，步骤41可以包括如下步骤：

步骤411、根据预设算法选取所述第二权重的最优值；

步骤412、将所述最优值对应的所述重建像素分量确定为所述参考像素。

其中，步骤4之后还可以包括如下步骤：

输出所述参考像素的位置信息以及所述当前像素分量的预测残差。

实施例二

请参见图2，图2为本发明实施例提供的一种带宽压缩中复杂纹理自适应预测重建像素分量参考示意图。该自适应预测方法包括如下步骤：

步骤1、定义重建像素分量；

定义当前像素分量为cij，选取当前像素分量周围已编码的k个重建像素分量，将已编码的k个重建像素分量进行编号，编号顺序可指定，其中k≥1。

优选地，设定当前像素分量的序号为cij，当前像素分量cij左侧的重建像素分量的序号，编号i从右至左依次递减进行排序，编号j从下到上依次递减进行排序；当前像素分量cij正上方的重建像素分量的序号，编号j从下到上依次递减进行排序，编号i不变；当前像素分量cij右侧的重建像素分量的序号，编号i从左至右依次递减进行排序，编号j从下到上依次递减进行排序。

步骤2、计算第一权重；

步骤201、分别计算当前像素分量与已编码的k个重建像素分量的差异度，计算得到k个差异度权重difij；

步骤202、已编码的k个重建像素分量位于当前像素分量的周围，根据已编码的k个重建像素分量位置的不同，分别设置不同的权重值，共得到k个位置权重posij；

步骤203、根据第一权重计算公式分别计算每个重建像素分量权重，即第一权重，第一权重计算公式为:

wij＝a*difij+b*posij

其中，a和b为加权值，且满足a+b＝1，标准情况为a＝0.5，b＝0.5，也可灵活调整；dif为所述差异度权重，即当前像素分量和周围重建像素分量的差值；pos为所述位置权重，即当前像素分量和周围重建像素分量的空间距离；ij为k个重建像素分量的索引，ij的取值为1～k的自然数，w为第一权重。

步骤3、计算第二权重；

设定每个像素含有n个分量，可以得到k*n个权重。利用公式计算最终每个重建像素分量的权重，即第二权重，计算公式为：

mijn＝p1*wij1+p2*wij2+p3*wij3+...+pn*wijn

其中，p为分量加权值，n的取值为n，m为第二权重。

进一步地，对于pn的选取，满足p1+p2+…+pn＝1，具体可平均分配，也可根据经验值任意配置，根据经验值可以认定与当前重建像素分量越近的重建像素分量权重越接近，pn的值可以根据重建像素分量与当前重建像素分量的距离远近分配大小，距离越近pn的值越大，反之，pn的越小。

步骤4、计算预测残差；

步骤401、根据计算得到的第二权重mijn，选取mijn的最优值所对应的重建像素分量为当前像素分量的参考像素；

优选地，最优值可以为mijn中的最小值。

步骤402、将当前像素分量的像素值与参考像素的像素值求差，求解预测残差。

其中，重建像素分量指已压缩图像解压重建得到的像素分量，重建像素分量的像素值通常称为重建值。进一步地，根据预测残差可以得到重建像素分量，即将参考像素加上预测残差可以得到重建像素分量。

步骤5、信息编码；

具体地，编码参考像素的位置信息和当前像素分量的预测残差。

优选地，预测残差可以进行选择性编码。

实施例三

请参见图3，图3为本发明实施例提供的另一种带宽压缩中复杂纹理自适应预测重建像素分量参考示意图。在上述实施例的基础上，本发明对带宽压缩中复杂纹理自适应预测方法举例说明，该方法包括如下步骤：

步骤1、定义重建像素分量；

定义当前像素分量为cij，选取当前像素分量cij周围已编码的k个重建像素分量，将已编码的k个重建像素分量进行编号，编号顺序可指定，其中k≥1。

优选地，将已编码的k个重建像素分量进行编号，编号按顺序从上到下，从左到右进行排序，序号从0到k-1进行排列。

本实施例选取当前像素分量cij周围的17个重建像素分量为例说明，其它不同数量的重建像素分量同理，17个重建像素分量，按顺序从上到下，从左到右进行排序，序号从0到16进行排列。

步骤2、计算重建像素分量差异度权重的绝对值；

分别计算当前像素分量与已编码的k个重建像素分量的差异度，计算得到k个差异度权重的绝对值abs(difij)，abs为绝对值运算；

优选地，分别计算当前像素分量与已编码的17个重建像素分量的差异度，计算得到17个差异度权重的绝对值abs(difij)；

步骤3、计算预测残差；

步骤301、根据计算得到的重建像素分量的差异度权重的绝对值abs(difij)，选取差异度权重的绝对值abs(difij)中的最小值，最小值所对应的重建像素分量设定为当前像素分量的参考像素。

优选地，选取17个差异度权重的绝对值abs(difij)中的最小值，最小值所对应的重建像素分量即为当前像素分量的参考像素。

步骤302、将当前像素分量的像素值与参考像素的像素值求差，求解预测残差。

步骤4、信息编码；

编码编号和当前像素分量的预测残差。

实施例四

请参见图4，图4为本发明实施例提供的又一种带宽压缩中复杂纹理自适应预测重建像素分量参考示意图。在上述实施例的基础上，本实施例对带宽压缩中复杂纹理自适应预测方法举例说明，该方法包括如下步骤：

步骤1、定义重建像素分量；

定义当前像素分量为cij，选取当前像素分量cij周围已编码的k个重建像素分量，将已编码的k个重建像素分量进行编号，编号顺序可指定，其中k≥1。

优选地，将已编码的k个重建像素分量进行编号，编号按顺序从上到下，从左到右进行排序，序号从0到k-1进行排列。

本实施例选取当前像素分量cij周围的17个重建像素分量为例说明，其它不同数量的重建像素分量同理，17个重建像素分量，按顺序从上到下，从左到右进行排序，序号从0到16进行排列。

步骤2、计算重建像素分量差异度权重的绝对值；

分别计算当前像素分量与已编码的17个重建像素分量的差异度，计算得到17个差异度权重的绝对值abs(difij)；

优选地，分别求解当前像素分量与已编码的17个重建像素分量的差异度，最终共计算得到17个差异度权重的绝对值abs(difij)；

步骤3、计算重建像素分量的权重；

步骤301、已编码的k个重建像素分量位于当前像素分量的周围，根据已编码的k个重建像素分量位置的不同，分别设置不同的权重值，最终共得到k个位置权重posij；

步骤302、根据权重计算公式分别计算每个重建像素分量的权重，权重计算公式为abs(difij)+posij；

优选地，17个重建像素分量中每个重建像素分量的权重分别为abs(difij)+posij；

步骤4、确定参考像素；

选取k个重建像素分量中权重的最小值，权重最小值所对应的重建像素分量设定为当前像素分量的参考像素。

优选地，选取17个重建像素分量中权重最小值所对应的重建像素分量为当前像素分量的参考像素。

步骤4、信息编码；

具体地，编码编号和当前像素分量的预测残差。

综上所述，本文中应用了具体个例对本发明基于带宽压缩中复杂纹理自适应预测方法进行了阐述，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。