[发明专利]一种深度图轮廓预测的并行实现方法

说明书

本发明提供一种深度图轮廓预测的并行实现方法，通过构建基于邻接互连的4×4二维处理元阵列并行结构，完成三维高效视频编码中深度图轮廓预测的并行处理，包括：读取纹理像素值和深度像素值到所述并行结构的所述处理元中，并行地进行深度图编码块和纹理图参考块的4×4、8×8和16×16的纹理均值、二值映射矩阵、恒定分区过程和SAD代价计算。本发明实施例提供的用于深度图轮廓预测的并行实现方法，通过构建并行结构，采用不同的处理器单元对不同大小编码块的轮廓预测并行处理，减少了深度图轮廓预测的时间，有效的提升了深度图轮廓预测编码的效率。

技术领域

本发明涉及视频处理技术领域，尤其涉及三维高效视频编码中深度图轮廓预测算法的并行实现方法。

背景技术

深度图(Depth Map)是将从图像采集器到场景中各点的距离(深度)作为像素值的图像。是视频处理领域构建三维立体图像的重要手段。JCT-3V提出的三维高效视频编码(3DHigh Efficiency Video Coding，简称3D-HEVC)，采用多视点视频加深度格式对多个视点的纹理图像(Texture Map)和深度图像进行编码。由于深度图的特征及成像方式与纹理图非常不同，使用对纹理图的帧内预测方法来压缩深度图将会导致合成的虚拟视点图像严重失真。因此，3D-HEVC标准在深度图帧内预测中增加了楔形预测(Wedgelet Prediction)和轮廓预测(Contour Prediction)两种技术，专门针对深度图特征进行数据压缩。而轮廓预测在复杂场景中效果远远优于楔形预测效果。

轮廓预测基于纹理参考块与深度编码块所处场景一致因而拥有相似对象轮廓信息的原理，因此寻找最佳的轮廓分割方式所采用的参考块是当前深度编码块所对应的纹理参考块。但是，这样会导致该方法的参考点数量远远大于常规的楔形分割等预测方法。例如，对一个N×N大小的深度块进行编码，其它预测模式最多需要4N+1个参考像素点，而轮廓预测却需要N×N的参考点。除了4×4大小的编码块，其他规模的编码块的参考像素数都偏大，而且N越大情况越严重。其次，由于对一个N×N大小的深度块需要进行4×4、8×8直到N×N尺寸的预测深度图失真代价评价后才能得到最优预测模式。传统的串行实现方法无法对复杂的重复迭代计算进行简化，导致编码时间过长。尽管在HTM(3D HEVC Test Model)中考虑了子CU和父CU之间的相关性，采取子CU继承父CU预测模式的方式来减少迭代次数，但是基于软件优化的PC机处理效率依然难以提升。而普通的硬件并行方案无法很好应对非固定块尺寸带来的面积开销。

上述缺陷是本领域技术人员期望克服的。

因此，亟需一种用于三维高效视频编码的深度图轮廓预测并行实现方法。

发明内容

(一)要解决的技术问题

为了解决现有技术的上述问题，本发明提供一种深度图轮廓预测并行实现方法，既要解决现有技术中的相同操作重复迭代导致的深度图帧内预测编码效率低下的问题，又要考虑非固定分块尺寸带来的硬件面积开销。

(二)技术方案

为了达到上述目的，本发明采用的主要技术方案包括：

本发明一实施例提供一种深度图轮廓预测的并行实现方法，通过构建基于邻接互连的4×4二维处理元阵列并行结构，同时完成三维高效视频编码中4×4、8×8和16×16大小编码块的深度图轮廓预测并行处理，包括以下步骤：

步骤1、基于获取的视频图像读取纹理像素值和深度像素值到所述并行结构的所述处理元中；

步骤2、在所述并行结构的所述处理元中并行地进行深度图编码块和纹理图参考块的4×4、8×8和16×16规模划分；

步骤3、在所述并行结构的所述处理元中并行地进行4×4、8×8和16×16大小参考块的纹理均值及二值映射矩阵计算；