[发明专利]带宽压缩中复杂纹理自适应预测方法

说明书

本发明涉及一种带宽压缩中复杂纹理自适应预测方法，包括：确定多个预测搜索窗口；预测搜索窗口内包括当前编码像素和多个已编码的重建像素；确定当前编码像素的N个像素分量；在多个预测搜索窗口内计算当前编码像素的多个权重；根据多个权重确定当前编码像素的多个参考像素并计算多个预测残差；比较多个预测残差，确定最优预测残差及最优预测残差对应的最优参考像素。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，当待压缩图像的人造纹理较为复杂时，能够提高复杂纹理区域预测残差的精度。另外采用多种形状的预测搜索窗口计算得到多个预测残差，选择出最优预测残差，进一步降低理论极限熵，提高带宽压缩率。

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(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。

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。

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：

确定多个预测搜索窗口；预测搜索窗口内包括当前编码像素和多个已编码的重建像素；

确定当前编码像素的N个像素分量；

在多个预测搜索窗口内计算当前编码像素的多个权重；

根据多个权重确定当前编码像素的多个参考像素并计算多个预测残差；

比较多个预测残差，确定最优预测残差及最优预测残差对应的最优参考像素。

在本发明的一个实施例中，多个预测搜索窗口包括第一预测搜索窗口、第二预测搜索窗口和第三预测搜索窗口；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分别为水平条形预测搜索窗口、垂直条形预测搜索窗口或矩形预测搜索窗口中的任一种；在多个预测搜索窗口内计算当前编码像素的多个权重的步骤包括：在第一预测搜索窗口内计算当前编码像素的第一权重。

在本发明的一个实施例中，在第一预测搜索窗口内计算当前编码像素的第一权重的步骤包括：计算当前编码像素的每个像素分量相对重建像素的像素分量的分量差异度权重；计算当前编码像素相对每个重建像素的子权重，得到多个子权重；多个子权重构成第一权重。

在本发明的一个实施例中，分量差异度权重包括多个分量差异度子权重，子权重为当前编码像素的N个像素分量相对编号为k的重建像素的N个像素分量的N个分量差异度子权重加权求和，计算公式为

其中，分别为分量加权值，且满足为分量差异度子权重，分量差异度子权重的计算公式为