[发明专利]基于图像场景的多预测方法及其系统

说明书

本发明涉及一种基于图像场景的多预测方法，包括：步骤1、将图像划分为若干宏块；步骤2、将当前宏块的每个待预测像素分量按照不同预测方法分别获取预测残差；其中所述不同预测方法包括多像素分量预测方法和宏块分割预测方法；步骤3、按照预设算法根据所述不同预测方法分别获取的预测残差选择所述当前宏块的最终预测方法。本发明提出的基于图像场景的多预测方法，根据不同的图像场景，通过预设算法选择当前宏块的最优预测方法，进一步降低预测的理论极限熵。

技术领域

本发明涉及一种多媒体技术领域，特别涉及一种基于图像场景的多预测方法及其系统。

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，如何提高图像的存储空间和传输带宽就显得尤为必要。

图像压缩主要由四个部分组成，包含预测模块、量化模块、码控模块和熵编码模块。其中预测模块作为一个重要的模块，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，达到提高压缩效率的目的。

现有的预测方法没有针对图像的不同场景选择不同的预测算法，没有充分利用像素纹理之间的相关性，无法进一步降低理论极限熵以及运算的复杂度。

发明内容

因此，为解决现有技术存在的技术缺陷和不足，本发明提出一种像素级多分量参考的自适应方向预测方法。

具体地，本发明一个实施例提出的一种基于图像场景的多预测方法，包括：

步骤1、将图像划分为若干宏块；

步骤2、将当前宏块的每个待预测像素分量按照不同预测方法分别获取预测残差；其中所述不同预测方法包括多像素分量预测方法和宏块分割预测方法；

步骤3、按照预设算法根据所述不同预测方法分别获取的预测残差选择所述当前宏块的最终预测方法。

在本发明的一个实施例中，步骤2中所述多像素分量预测方法包括：

步骤211、根据当前待预测像素的每个像素分量确定所述待预测像素分量的参考值；

步骤212、根据所述参考值确定所述待预测像素分量的预测残差。

在本发明的一个实施例中，步骤211包括：

确定当前待预测像素的每个像素分量对应的多个纹理方向梯度值；

将所述每个像素分量对应的多个纹理方向梯度值进行处理确定所述待预测像素分量的参考值。

在本发明的一个实施例中，步骤2中所述宏块分割预测方法，包括：

步骤221、将所述当前宏块按照不同分割模式划分为M层子宏块；

步骤222、分别计算所述不同分割模式下所述第M层子宏块的比特数；

步骤223、根据所述比特数确定所述第M层子宏块的最终分割模式；

步骤224、计算所述第M层子宏块的每个待预测像素分量的预测残差；

步骤225、根据递归算法将第M-1层子宏块至第一层子宏块执行步骤221～步骤224确定每层子宏块的分割模式以及每个待预测像素分量的预测残差。

在本发明的一个实施例中，步骤221中不同分割模式包括水平分割、垂直分割和不分割。

本发明另一个实施例提出的一种基于图像场景的多预测系统，包括：