[发明专利]基于屏幕内容编码的最优块向量匹配方法及装置

说明书

本发明公开了一种基于屏幕内容编码的最优块向量匹配方法及装置，通过根据当前块的DC值和梯度，计算当前块的一级Hash特征值，根据一级Hash特征值和预设的Hash表，从所有候选块中筛选出匹配成功的候选块作为模糊候选块组；并根据CRC算法，计算当前块的二级Hash特征值和模糊候选块组中所有候选块的二级Hash特征值；根据二级Hash特征值，从模糊候选块组中筛选出精确匹配候选组；判断精确匹配候选组是否为空集，若为空集，则采用运动估计方法获取最优块向量；若不为空集，则将精确匹配候选组中长度最小的块向量作为最优块向量。减少Hash冲突，降低Hash搜索复杂度。

技术领域

本发明涉及视频编码领域，尤其涉及一种基于屏幕内容编码的最优块向量匹配方法及装置。

背景技术

目前，针对屏幕内容编码，HEVC-SCC引入了IBC(Intra Block Copy，帧内块拷贝)的预测技术。IBC技术利用屏幕内容在空间上的相关性，采用整像素精度在当前帧的已编码区域中进行全搜索，得到当前待编码块的最优预测块。

IBC技术中的搜索过程与帧间预测中的运动搜索类似，都具有复杂度高的问题。针对该问题，HEVC-SCC中引入了基于Hash的搜索方法来代替复杂度极高的块匹配方法，但是基于Hash的搜索方法中的Hash搜索过程和Hash特征计算复杂度仍然很高，对于视频会议等实时应用场景来说，极高的编码复杂度无法实用。

现有一种IBC模式下的Hash表构建方法，通过判断获取的编码单元的梯度是否符合预先设置的条件，进而仅将梯度信息符合条件的编码单元基于Hash值添加到Hash表中，从而降低Hash表的搜索复杂度。然而，该技术方案仅针对Hash表构建过程进行优化，并且未考虑Hash特征值计算的复杂度，并未从根本上减少Hash冲突，Hash搜索复杂度仍然很高。

发明内容

本发明提供了一种基于屏幕内容编码的最优块向量匹配方法及装置，以解决屏幕内容编码中存在Hash冲突，Hash特征值计算的复杂度高、Hash搜索复杂度高的技术问题。

为了解决上述技术问题，第一方面，本发明实施例提供了一种基于屏幕内容编码的最优块向量匹配方法，包括：

根据当前块的DC值和梯度，采用第一计算模型计算当前块的一级Hash特征值，根据所述一级Hash特征值和预设的Hash表，从所有候选块中筛选出匹配成功的候选块作为模糊候选块组；

根据CRC算法，采用第二计算模型计算当前块的二级Hash特征值和模糊候选块组中所有候选块的二级Hash特征值；

根据当前块的二级Hash特征值和所述模糊候选组中所有候选块的二级Hash特征值，从模糊候选块组中筛选出精确匹配候选组；

判断所述精确匹配候选组是否为空集，若为空集，则采用运动估计方法获取最优块向量；若不为空集，则将精确匹配候选组中长度最小的块向量作为最优块向量。

本发明通过设置二级Hash，采用第一计算模型进行模糊匹配和第二计算模型精确匹配相结合，减少了Hash冲突，降低Hash搜索复杂度；此外，本发明通过DC值和梯度，利用第一计算模型计算当前块的一级Hash特征值和通过CRC算法利用第二计算模型计算二级Hash特征值，优化了Hash特征值计算，降低了Hash特征值计算复杂度。

进一步地，所述根据当前块的DC值和梯度，采用第一计算模型计算当前块的一级Hash特征值，具体为：

计算当前块的梯度图、积分图以及所述梯度图的积分图，采用SIMD汇编技术对所述梯度图和积分图进行优化；

根据积分图方法计算当前块的DC值和梯度值；

基于当前块的DC值和梯度值，通过第一计算模型计算当前块的一级Hash特征值。