[发明专利]帧内预测方法有效
申请号: | 201110306265.0 | 申请日: | 2011-10-11 |
公开(公告)号: | CN102427530A | 公开(公告)日: | 2012-04-25 |
发明(设计)人: | 施云惠;尹宝才;王瑾;丁文鹏;李敬华 | 申请(专利权)人: | 北京工业大学 |
主分类号: | H04N7/26 | 分类号: | H04N7/26;H04N7/32 |
代理公司: | 北京中北知识产权代理有限公司 11253 | 代理人: | 卢业强 |
地址: | 100124 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 预测 方法 | ||
技术领域
本发明属于视频编码领域,涉及一种帧内预测方法。
背景技术
作为最新一代的视频编码国际标准,H.264/AVC引入了诸如多方向帧内预测等有效手段。多方向帧内预测在降低图像或者视频序列中的帧内编码帧中的空间冗余上起到了重要的作用。H.264/AVC对4×4亮度块和8×8亮度块采用9种帧内预测模式,而对16×16亮度块和8×8色度块采用4种帧内预测模式。每个预测模式对应一个特定方向,预测图像块根据它们已经编码的相邻图像块预测得出。对于4×4图像块的9种帧内预测模式中有8种带方向的预测模式,如图1所示。图1中没有表示的预测模式2即不带方向的DC预测模式。DC预测模式中整个4×4图像块的预测值为其相邻像素值的平均值,DC预测模式对平滑图像块更有效。带方向的帧内预测通过将已编码的相邻像素值沿着特定方向外推得到预测值,这对有简单边缘轮廓的图像块更有效。然而,这种基于外推的帧内预测方式没有利用帧内的全局空间相关性,并且离已编码的边界像素较远的像素通常预测不准。
许多相关研究已经展开来改进帧内预测效率。“Intra Prediction by Template Matching”,Thiow Keng Tan,Choong Seng Boon and Yoshinori Suzuki;2006 IEEE International Conference on Image Processing,pp.1693-1696中提出了一种基于模板匹配的帧内预测方法,通过以当前图像块的相邻已编码像素为模板在已编码区域中搜索与其最相似的已编码图像块获得当前图像块的预测值。“Intra Prediction by Averaged Template Matching Predictors”,Thiow Keng Tan,Choong Seng Boon and Yoshinori Suzuki;2007 IEEE Consumer Communications and Networking Conference,pp.405-409中在此基础上通过将由多方向和不同尺寸的模板得到的预测值进行平均的方式做了进一步改进。在“Improved H.264 Intra Coding Based on Bi-directional Intra Prediction,Directional Transform,and Adaptive Coefficient Scanning”,Yan Ye and M.Karczewicz,2008 IEEE International Conference on Image Processing,pp.2116-2119中通过额外的双向帧内预测模式和对某些预测模式的方向变换改进了帧内预测的效果。“Sparse Approximation with Adaptive Dictionary for Image Prediction”,M.Turkan and C.Guillemot,2009 IEEE International Conference on Image Processing,pp.25-28提出了一种基于稀疏表示利用一组冗余字典的方法来解决帧内预测问题,这为静止图像的编码提供了一种新的思路。
矩阵填充问题用于从一个不完整矩阵的少量已知元素的样本中恢复未知元素。这是一个病态问题,因为已知样本远少于矩阵元素,解不唯一。然而,如果待恢复的矩阵是低秩或者近似低秩的,则矩阵可以通过解如下NP难的秩最小优化问题精确重建:
min rank(A),s.t.Aij=Mij,(i,j)∈Ω
其中A为待重建的矩阵,M为观测矩阵并且M∈Rn×n,Ω为包含m个已知观测元素的索引的子集。上述秩最小优化问题可用如下的优化问题代替:
min||A||*,s.t.Aij=Mij,(i,j)∈Ω
其中||A||*为矩阵A的核范数,表示矩阵的奇异值之和。核范数用来作矩阵秩的替代是因为核范数是凸函数,可以通过半正定规划的方式有效求解。Candes等已经证明了矩阵秩最小的优化问题和核范数最小的凸优化问题有相同的唯一解。近来在解决低秩矩阵填充问题上的进展使其在诸如推荐系统、人脸识别和视频去噪等诸多领域得到了应用。与此同时,许多解秩最小优化问题的有效算法如SVT和FPCA也已经提出了。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京工业大学,未经北京工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201110306265.0/2.html,转载请声明来源钻瓜专利网。