[发明专利]一种基于宏像素的光场视频帧间预测方法

摘要

基于宏像素的光场视频帧间预测方法：输入当前预测单元的最佳预测向量并校正；以校正的预测运动向量指向的参考块左上角像素点为中心设定搜索范围，以宏像素宽度和高度作为横向间隔和纵向间隔计算得到(2p+1)×(2q+1)个待搜索点位置，p和q为正整数；从搜索范围内的以这些待搜索点为左上角像素位置的预测单元中找出最小代价预测单元，其运动向量为最佳运动向量；计算最佳预测向量与最佳运动向量之间的变化量并进行量化；对量化得到的运动向量变化量进行反量化并结合最佳预测向量重新计算最佳运动向量；根据更新的最佳运动向量来重新计算预测单元残差，以更新的最佳运动向量和预测单元残差，采用代价模型选择帧间预测模式完成帧间预测。

主权项

1.一种基于宏像素的光场视频帧间预测方法，其特征在于：包括以下步骤S1至S8：S1、筛选出当前预测单元的最佳预测向量MV_pred(x,y)；S2、基于宏像素特征对所述最佳预测向量MV_pred(x,y)进行校正，得到校正的预测运动向量MV'_pred(x,y)；所述校正包括边界校正和位置校正，通过当前预测块的位置信息对所述最佳预测向量MV_pred(x,y)进行边界校正，以使指向的参考块满足图像的边界条件，得到边界校正的预测运动向量(x_pred,y_pred)；对所述边界校正的预测运动向量(x_pred,y_pred)进行位置校正，得到所述校正的预测运动向量：MV'_pred(x,y)＝(x_pred‑(x_predmodm),y_pred‑(y_predmodn))；其中，m和n分别为宏像素的宽度和高度；S3、以所述校正的预测运动向量MV'_pred(x,y)所指向的参考块左上角的像素点为中心设定搜索范围，以宏像素的宽度和高度分别作为横向间隔和纵向间隔计算得到(2p+1)×(2q+1)个待搜索点的位置，其中，p和q为正整数；各所述待搜索点的位置通过如下方法得到：先计算搜索块运动向量的横、纵坐标x、y，x＝x_pred+i·my＝y_pred+j·n其中，i和j为整数，且i∈[‑p,p]，j∈[‑q,q]，x_pred和y_pred分别为最佳预测向量MV_pred(x,y)的横、纵坐标；再根据当前预测块的位置信息去掉搜索块中不满足边界条件的搜索点，得到所述待搜索点的位置，其中，所述边界条件为：0≤x+x_cur≤W‑w0≤y+y_cur≤H‑h其中，x_cur和y_cur分别为当前预测块左上角像素点的横、纵坐标，W、H分别为图像的宽度和高度；w、h分别为当前预测块的宽度和高度；S4、从所述搜索范围内的(2p+1)×(2q+1)个以所述待搜索点为左上角像素位置的预测单元中，筛选出最小代价预测单元，并设定该最小代价预测单元的运动向量为最佳运动向量MV(x,y)；S5、计算所述最佳预测向量MV_pred(x,y)与所述最佳运动向量MV(x,y)之间的变化量δmv，并对所述变化量δmv进行量化，得到对应于所述最小代价预测单元的量化的运动向量变化量δmv_scaled；S6、对对应于最小代价预测单元的量化的运动向量变化量δmv_scaled进行反量化，用反量化的结果和所述最佳预测向量MV_pred(x,y)重新计算并更新所述最佳运动向量；S7、采用步骤S6更新的最佳运动向量作为预测单元的运动向量来重新计算并更新预测单元残差；S8、根据更新的最佳运动向量和预测单元残差，采用代价模型进行最优帧间预测模式选择，完成帧间预测。