[发明专利]编码方法、编码设备及计算机可读存储介质

说明书

本申请公开了一种编码方法、编码设备及计算机可读存储介质，该编码方法包括：获取当前块的依赖块、当前模板以及依赖模板，当前模板包括当前块周围的多个重建像素点，依赖模板包括依赖块周围的多个重建像素点；将依赖块、当前模板以及依赖模板输入预先训练的目标神经网络，得到当前块中待编码像素点的目标预测值；其中，目标神经网络根据当前模板以及依赖模板中像素点的重建像素值，确定依赖模板与当前模板之间的依赖关系，并根据依赖块中像素点的重建像素值以及依赖关系，确定待编码像素点的目标预测值。本申请所提供的编码方法能够提高预测的准确率。

技术领域

本申请属于视频编码技术领域，特别是涉及一种编码方法、编码设备及计算机可读存储介质。

背景技术

视频图像数据量比较大，通常需要对其进行编码压缩后，再进行传输或存储，编码后的数据称之为视频码流，其中视频码流通过有线或者无线网络传输至用户端，再由用户端进行解码观看。

目前在对视频图像数据进行编码时，通常直接采用简单的线性预测方式进行预测，比如跨分量线性预测技术和局部光照补偿技术，容易导致预测不准确，因此目前的预测过程有待进一步提升。

发明内容

本申请提供一种编码方法、编码设备及计算机可读存储介质，能够提高预测的准确率。

本申请实施例第一方面提供编码方法，所述编码方法包括：获取当前块的依赖块、当前模板以及依赖模板，所述当前模板包括所述当前块周围的多个重建像素点，所述依赖模板包括所述依赖块周围的多个重建像素点；将所述依赖块、所述当前模板以及所述依赖模板输入预先训练的目标神经网络，得到所述当前块中待编码像素点的目标预测值；其中，所述目标神经网络根据所述当前模板以及所述依赖模板中像素点的重建像素值，确定所述依赖模板与所述当前模板之间的依赖关系，并根据所述依赖块中像素点的重建像素值以及所述依赖关系，确定所述待编码像素点的所述目标预测值。

本申请实施例第二方面提供一种解码方法，所述解码方法包括：接收编码器发送的编码数据；通过对所述编码数据进行解码，得到当前解码块中当前像素点的预测值；其中，所述当前解码块中所述当前像素点的预测值是采用上述任一项所述编码方法处理得到的。

本申请实施例第三方面提供一种编码设备，所述编码设备包括处理器、存储器以及通信电路，所述处理器分别耦接所述存储器、所述通信电路，所述存储器中存储有程序数据，所述处理器通过执行所述存储器内的所述程序数据以实现上述任一项所述方法中的步骤。

本申请实施例第四方面提供一种解码设备，所述解码设备包括处理器、存储器以及通信电路，所述处理器分别耦接所述存储器、所述通信电路，所述存储器中存储有程序数据，所述处理器通过执行所述存储器内的所述程序数据以实现上述任一项所述方法中的步骤。

本申请实施例第五方面提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序能够被处理器执行以实现上述方法中的步骤。

有益效果：本申请利用预先训练好的目标神经网络来学习当前模板与依赖模板之间的依赖关系，可以建立更加复杂的线性或者非线性关系，使得建立的依赖关系更加符合图像的实际情况，从而可以使得预测结果准确，提高预测结果的准确率，以及提升压缩效率。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图，其中：

图1是本申请编码方法一实施方式的流程示意图；

图2是当前块与依赖块在一应用场景中的示意图；

图3是当前块与依赖块在另一应用场景中的示意图；

图4是当前块与依赖块在又一应用场景中的示意图；