[发明专利]带宽压缩中复杂纹理的多模式选择预测方法

说明书

本发明涉及一种带宽压缩中复杂纹理的多模式选择预测方法，包括：将待编码视频图像划分成多个宏块，并确定待编码像素分量；计算当前编码宏块的宏块梯度；在梯度‑预测模式查找表中，根据当前编码宏块的宏块梯度确定当前编码宏块的梯度级别，并根据梯度级别确定当前编码宏块的最优预测模式；采用最优预测模式对当前编码宏块进行预测，计算当前编码宏块的一组最优预测残差。本发明采用梯度选择策略，在预测前通过计算宏块的梯度从多个预测模式中快速选择出适用该纹理复杂度的最优待预测模式，对于复杂纹理图像，预测效果更优，进一步降低了理论极限熵。

技术领域

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的多模式选择预测方法。

背景技术

随着公众对视频质量需求的不断提高，视频的图像分辨率也随之成倍数的增加，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(Double Data Rate,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。

然而，当待压缩图像的纹理复杂多变时，根据固定不变的预测模式来预测待压缩图像的复杂纹理区域时，往往会造成所采用预测模式可能只适用某些区域，而对另一些区域并不适用，从而造成这些区域的预测编码得不到精确的参考，导致理论极限熵得不到最大化的降低，影响预测模块的预测质量。采用多种预测模式预测后再去选择最优的预测模式又会增加巨大的运算量，影响预测速度。因此，在待压缩图像的纹理复杂多变时，提供一种更加灵活适用且能进行快速选择预测模式的预测方法以实现所有纹理区域的高质量预测成为亟需解决的问题。

发明内容

因此，为解决现有技术存在的技术缺陷和不足，本发明提出一种带宽压缩中复杂纹理的多模式选择预测方法。

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的多模式选择预测方法，包括：

将待编码视频图像划分成多个宏块，并确定待编码像素分量；

计算当前编码宏块的宏块梯度；

在梯度-预测模式查找表中，根据当前编码宏块的宏块梯度确定当前编码宏块的梯度级别，并根据梯度级别确定当前编码宏块的最优预测模式；

采用最优预测模式对当前编码宏块进行预测，计算当前编码宏块的一组最优预测残差。

在本发明的一个实施例中，计算当前编码宏块的宏块梯度的步骤包括：

计算当前编码宏块中每个像素的待编码像素分量的像素梯度，像素梯度的计算公式为：

其中，表示当前编码宏块中待编码像素分量值，分别为编号m的像素的四个邻近像素的待编码像素分量值，下标ij为编号m的像素在待编码视频图像上的位置索引，ABS为绝对值运算符；

根据当前编码宏块中所有像素的待编码像素分量的像素梯度计算当前编码宏块的宏块梯度，宏块梯度的计算公式为：