[发明专利]一种带宽压缩量化方法有效
申请号: | 201811260570.9 | 申请日: | 2018-10-26 |
公开(公告)号: | CN109561306B | 公开(公告)日: | 2021-08-06 |
发明(设计)人: | 冉文方;李雯 | 申请(专利权)人: | 上海九吾尊易信息科技有限公司 |
主分类号: | H04N19/124 | 分类号: | H04N19/124;H04N19/176;H04N19/147 |
代理公司: | 东莞市神州众达专利商标事务所(普通合伙) 44251 | 代理人: | 周松强 |
地址: | 201100 上海市*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 带宽 压缩 量化 方法 | ||
1.一种带宽压缩量化方法,其特征在于,包括以下步骤:
(a)设置宏块;
(b)通过第一量化方法对所述宏块进行量化并计算SAD1,步骤(b)包括:
(b1)计算所述宏块的预测残差分布系数,将所述残差分布系数记为Gradj,其中,j为1到4的整数,所述残差分布系数Gradj满足:
其中,ri为所述宏块MB中第i位的像素的预测残差的绝对值,i为0到n-1的整数,n为平铺后所述宏块MB中像素数量的大小,且n为4的倍数;
(b2)根据所述预测残差分布系数确定残差分布类型,所述残差分布类型包括:递弱型、递强型、强弱强型、弱弱弱型、普通型,分别判断Gradj是否满足如下条件:
如果Grad1a1,所述残差分布类型属于递弱型;
如果Grad2a2,所述残差分布类型属于递强型;
如果Grad3a3,所述残差分布类型属于弱强弱型;
如果Grad4a4,所述残差分布类型属于强弱强型;
如果以上条件都不满足,则所述残差分布类型属于普通型,其中,aj=1.5,j为1到4的整数,其中,Grad1、Grad2、Grad3、Grad4需同时判断,只需满足一个条件即可得出所述残差分布类型,若同时满足几个条件,则判断所述残差分布类型不属于普通型,判断所述残差分布类型属于max{Gradj,其中满足Gradjaj,j为1到4的整数}对应的类型;
(b3)计算基准量化参数QPB,所述基准量化参数QPB由码率计算得出;
(b4)根据所述基准量化参数QPB计算所述基准量化参数QPB的最大值MAXQP、最小值MINQP、最大值与最小值的差异值DIFQP,所述最大值MAXQP、所述最小值MINQP、所述差异值DIFQP分别满足:
其中,bitdep为原始像素的比特深度,QP为量化参数;
(b5)根据所述残差分布类型、所述最小值MINQP以及所述差异值DIFQP构建量化矩阵,计算所述宏块MB中按从左到右顺序的每个像素点的量化参数QPi,QPi为所述宏块MB中第i位的量化参数,i为0到n-1的整数,其中,
若所述残差分布类型为递弱型,则QPi满足:
若所述残差分布类型为递强型,则QPi满足:
若所述残差分布类型为弱强弱型,则QPi满足:
若所述残差分布类型为强弱强型,则QPi满足:
若所述残差分布类型为普通型,则QPi满足:
QPi=QPB,0≤i≤n-1
最终求得量化矩阵为:QPmatrix=QPi,0≤i≤n-1;
(b6)根据所述量化矩阵对所述宏块中各像素的预测残差进行量化,得到所述各像素的第一量化残差;
(b7)根据所述第一量化残差计算所述各像素的第一反量化残差以完成所述SAD1的计算;
(c)通过第二量化方法对所述宏块进行量化并计算SAD2;
(d)选择所述SAD1和所述SAD2中最小值所对应的量化方法对所述宏块进行量化以完成所述带宽压缩量化。
2.根据权利要求1所述的带宽压缩量化方法,其特征在于,所述量化矩阵的大小和所述宏块MB的大小相同。
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上海九吾尊易信息科技有限公司,未经上海九吾尊易信息科技有限公司许可,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/201811260570.9/1.html,转载请声明来源钻瓜专利网。
- 上一篇:视频压缩量化与反量化补偿方法
- 下一篇:带宽压缩中跳块扫描多方向预测方法