用于带宽压缩的自适应模板预测方法与流程

本发明涉及一种压缩技术领域，特别涉及一种用于带宽压缩的自适应模板预测方法。

背景技术：

视频信号包含巨大的信息量，难以储存和传输；因此需要对视频信号进行压缩，视频经过压缩后，存储时会更方便。例如，在一个60秒的视频作品中每帧图像中都有位于同一位置的同一把椅子，就没有必要在每帧图像中都保存这把椅子的数据。再例如，有数十亿种颜色，但是我们只能辨别大约1024种，因为我们觉察不到一种颜色与其邻近颜色的细微差别，所以也就没必要将每一种颜色都保留下来。由于视频图像数据有极强的相关性，也就是说有大量的冗余信息，视频信号中的冗余信息包括：时间冗余、空间冗余、压缩冗余和视觉冗余等，视频压缩的出发点就在于最大限度地消除各种冗余。

视频压缩技术基本上都是基于预测和熵编码，预测效果的好坏将会直接影响到后续过程以及最后码流量的大小。预测作为视频压缩技术一个重要的模块，是利用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。目前预测模块的算法主要分为两类，纹理相关预测和像素值相关预测。

然而，当待压缩图像的纹理复杂多变时，预测待压缩图像的复杂纹理区域时往往因图像纹理之间的相关性较差，预测编码得不到精确的参考，导致理论极限熵得不到最大化的降低，影响预测模块的质量。因此，在待压缩图像的纹理复杂多变时，提高预测模块的质量成为亟需解决的问题。

技术实现要素：

因此，为解决现有技术存在的技术缺陷和不足，本发明提出一种带宽压缩的自适应模板预测方法。

具体地，本发明一个实施例提出的一种带宽压缩的自适应模板预测方法，包括：

步骤1、建立自适应模板列表；

步骤2、初始化所述自适应模板列表；

步骤3、在所述自适应模板列表中选取一个或多个候选自适应模板；

步骤4、加权处理所述候选自适应模板中的重建值以获取当前mb的预测值；

步骤5、根据所述预测值获取当前mb的预测残差。

在本发明的一个实施例中，所述步骤1包括：定义所述自适应模板列表的自适应模板数量以及自适应模板序号；其中，每个所述自适应模板分别与一个mb的一组重建值对应。

在本发明的一个实施例中，所述步骤2包括：根据所述自适应模板序号的预设优先级依次在每个自适应模板填充mb的重建值；其中，所述预设优先级为根据自适应模板序号从大往小优先级别依次增加。

在本发明的一个实施例中，在所述步骤3之前还包括：

步骤x1、检测所述当前mb的相邻方向的mb重建值；

步骤x2、判断所述相邻方向的mb重建值与所述自适应模板列表中的填充重建值是否一致，以确定所述自适应模板的更新方式。

在本发明的一个实施例中，所述步骤x2包括：

若所述相邻方向mb的重建值与所述自适应模板列表中的填充重建值不一致，则将所述相邻方向的mb重建值更新到所述自适应模板的预设自适应模板中，且将所述自适应模板列表中的填充重建值从所述预设自适应模板顺序向后移位；

若所述相邻方向mb的重建值与所述自适应模板列表中的填充重建值一致，则将一致的所述自适应模板列表中的填充重建值与所述预设自适应模板的重建值更换。

在本发明的一个实施例中，所述相邻方向包括上相邻方向、左相邻方向、左上相邻方向或右上相邻方向；其中，所述上相邻方向、左相邻方向、左上相邻方向及右上相邻方向分别对应的预设自适应模板的优先级别由最高级别依次降低。

在本发明的一个实施例中，所述步骤3包括：将当前mb与所述自适应模板列表中的每个重建值进行匹配，选取一个或多个候选自适应模板；选取候选自适应模板的公式为：

其中，cur为当前mb的像素值，pred为自适应模板中填充的重建值；mbnum为当前mb中像素数量，c1和c2为权重系数，计算出rdo最小值对应的自适应模板为候选自适应模板。

在本发明的一个实施例中，所述加权处理的公式为：

predwi＝(w1*predi-1+w2*predi+w3*predi+1+w4)/4

其中，w1、w2、w3、w4为预测参数，predwi为预测值，pred为所述候选自适应模板的重建值，i为所述候选自适应模板的序号。

在本发明的一个实施例中，所述步骤5包括：所述当前mb中的重建值减去所述候选自适应模板的重建值以获取所述预测残差。

在本发明的一个实施例中，在所述步骤5之后还包括：判断是否获取完成所有的mb预测残差，若是，则预测结束；否则，跳转到步骤3。

本发明的有益效果在于：通过建立自适应模板列表，计算当前mb的预测残差，与现有的方法相比，可以有效提高当前mb中的像素与模板列表中选定的像素匹配的概率，能够提高对复杂纹理区域求预测残差值的精度，进一步降低理论极限熵，增大带宽压缩率。

附图说明

为了更清楚地说明本发明实施例的技术方案，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发明的一些实施例，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他的附图。

图1为本发明实施例提供的一种自适应模板列表预测方法流程图；

图2为本发明实施例提供的一种自适应模板列表的示意图；

图3为本发明实施例提供的另一种自适应模板列表的预测方法流程图；

图4为本发明实施例提供的又一种自适应模板列表的预测方法流程图；

图5为本发明实施例提供的一种自适应纹理预测的相邻参考像素的示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。

实施例一

请参见图1，图1为本发明实施例提供的一种自适应模板列表预测方法流程图，该方法包括如下步骤：

步骤1、建立自适应模板列表；

步骤2、初始化所述自适应模板列表；

步骤3、在所述自适应模板列表中选取一个或多个候选自适应模板；

步骤4、加权处理所述候选自适应模板中的重建值以获取当前mb的预测值；

步骤5、根据所述预测值获取当前mb的预测残差。

本实施例提供的自适应模板预测方法，通过创建自适应模板列表，自适应的从原始图像中提取自适应模板，并根据该模板为当前像素选取参考像素，然后计算预测残差，解决了待压缩图像的纹理复杂多变时，如何提高预测模块的质量问题；采用本实施例提供的自适应模板预测方法对于复杂纹理序列，可以进一步降低理论极限熵。

实施例二

为了便于理解本发明的预测方法，本实施例在上述实施例的基础上对本发明的自适应模板列表进行详细描述。

具体地，请参见图2，图2为本发明实施例提供的一种自适应模板列表的示意图。建立自适应模板列表包括：定义所述自适应模板列表中自适应模板数量以及自适应模板序号；其中，每个所述自适应模板与一个mb的一组重建值对应。

优选地，自适应模板列表的自适应模板数量可以为4个、8个、16个或32个；以自适应模板数量为16个为例，每个自适应模板在自适应模板列表中的序号从0到15依次排列，自适应模板序号越小，其优先级越高，每个自适应模板记录一个mb的一组重建值。其中，mb大小可设定，以每个mb的大小为16*1为例，每个mb的大小为16*1个像素，即每个mb有16个重建值。

具体地，初始化所述自适应模板列表包括：根据所述自适应模板序号优先级别依次在每个自适应模板填充mb的重建值。

进一步地，自适应模板列表的初始状态为空，将n+m个mb的重建值按顺序填充至所述模板列表中；其中，填充顺序为按照所述自适应模板的优先级倒序填充。

具体地，所述n+m个mb可以为图像的前n个mb，n等于所述模板列表中自适应模板的数量，m为大于等于0的整数。

优选地，在自适应模板列表的n个重建值填充完后，每次进行mb的重建值填充前，按序号从小到大，检测当前mb的重建值与自适应模板列表中所有已填充的重建值的一致性；若不具备一致性，那么自适应模板列表中所有已填充的重建值顺序向后移位，优先级别最低的自适应模板的重建值移除列表，列表从序号0到序号n-1，共n个有效位置顺序向后移位，新的待填充mb的重建值放在列表序号为0的自适应模板位置。若具备一致性，列表中自适应模板位置不变，可选择将一致的自适应模板中的已填充重建值更新为待填充mb的重建值或者不更新。判断一致性的公式如下所示：

其中，cur为当前mb的原始像素值，currec为当前mb的重建值，abs为求绝对值，pred为模板列表中任一模板填充的重建值，mbnum为当前mb中像素数量，i为pred在模板列表中对应的自适应模板序号，a1和a2为权重系数，thr0为阈值；其中，当thr0大于的值时，k为1，当thr0小于的值时，k为0；当k为1时则可以判断为具备一致性，反之则判断为不具备一致性。

优选地，a1和a2的取值可以是预先设定的固定值；

进一步地，a1+a2＝1；优选地，a1可以选取为0.5，a2可以选取为0.5，a1和a2也可以灵活调整大小。

优选地，还包括根据当前mb的相邻方向的mb重建值更新所述自适应模板列表。

具体地，根据当前mb的相邻方向的mb重建值更新所述自适应模板列表包括：检测所述当前mb的相邻方向的mb的重建值；判断所述相邻方向的mb的重建值与所述自适应模板列表中的填充重建值是否一致，以确定所述自适应模板的更新方式。

具体地，若当前mb存在正上相邻mb，检测正上参考相邻mb与自适应模板列表中已填充的重建值的一致性，若不具备一致性，先将自适应模板列表中所有自适应模板的重建值按优先级别顺序后移移一位，优先级别最低的自适应模板的重建值移除列表，再将正上相邻mb的重建值更新到自适应模板列表中自适应模板序号为0的位置；若具备一致性，将一致的自适应模板中已填充重建值与自适应模板序号为0的位置的重建值对换，并可以更新模板中所有重建值。

进一步地，若当前mb存在左相邻mb，检测左相邻mb与自适应模板列表中已填充的重建值的一致性，若不具备一致性，先将以自适应模板序号为1开始的自适应模板的重建值按优先级别顺序后移一位，优先级别最小的自适应模板的重建值移除列表，再将左相邻mb的重建值更新到自适应模板序号为1的位置；若具备一致性，将一致的自适应模板中已填充重建值与自适应模板序号为1的位置的重建值对换，并可以更新模板中所有重建值。

进一步地，若当前mb存在左上相邻mb，检测左上相邻mb与自适应模板列表中已填充的重建值的一致性，若不具备一致性，先将以自适应模板序号为2开始的自适应模板的重建值按优先级别顺序后移一位，优先级别最小的自适应模板的重建值移除列表，再将左上相邻mb的重建值更新到自适应模板序号为2的位置；若具备一致性，将一致的模板中已填充重建值与自适应模板序号为2的位置的重建值对换，并可以更新自适应模板中所有重建值。

进一步地，若当前mb存在右上相邻mb，检测右上相邻mb与列表中已填充的重建值的一致性，若不具备一致性，先将以自适应模板序号为3开始的自适应模板的重建值按优先级别顺序后移一位，优先级别最小的自适应模板的重建值移除列表，再将右上相邻mb的重建值更新到模板列表自适应模板序号为3的位置；若具备一致性，将一致的模板中已填充重建值与自适应模板序号为3的位置的重建值对换，并可以更新模板中所有重建值。

实施例三

请参见图3，图3为本发明实施例提供的另一种自适应模板列表的预测方法流程图。本实施例在上述实施例的基础上对本发明提出的一种自适应模板列表的预测方法详细介绍，该预测方法包括如下步骤：

步骤1、自适应模板列表的更新

默认自适应模板列表已进行初始化填充；然后根据当前mb的相邻方向mb更新所述自适应模板列表。

具体地，根据当前mb的相邻方向mb更新所述自适应模板列表包括：检测所述当前mb的相邻方向的mb的重建值；判断所述相邻方向的mb的重建值与所述自适应模板列表中的填充重建值是否一致，以确定所述自适应模板的更新方式。

优选地，若所述相邻方向mb的重建值与所述自适应模板列表中的填充重建值不一致，则将所述相邻方向的mb重建值更新到所述自适应模板的预设自适应模板中，且将所述自适应模板列表中的填充重建值从所述预设自适应模板开始顺序向后移位。

若所述相邻方向mb的重建值与所述自适应模板列表中的填充重建值一致，则将一致的所述自适应模板列表中的填充重建值与所述预设自适应模板的重建值更换。

具体地，所述相邻方向包括正上相邻方向、左相邻方向、左上相邻方向或右上相邻方向；其中，所述正上相邻方向、左相邻方向、左上相邻方向及右上相邻方向分别对应的预设自适应模板的优先级别由最高级别依次降低。

步骤2、在更新后的所述自适应模板列表中选取一个或多个候选自适应模板。

将当前mb与所述自适应模板列表中的每个重建值进行匹配，选取一个或多个候选自适应模板，选取候选自适应模板的公式如下：

其中，cur为当前mb的原始像素，pred为模板中填充的重建值；mbnum为当前mb中像素数量，c1和c2为权重系数，最终rdo越小，则模板重建值越优，选取最优的一个或多个重建值对应的自适应模板为候选自适应模板。

进一步的，c1和c2的取值可以是预先设定的固定值；为了便于计算，可以直接将c1设定为1，将c2设定为0。

步骤3、加权处理所述候选自适应模板以获取当前mb的预测值。

加权处理所述候选自适应模板以确定所述当前mb的预测值。如下公式：

predwi＝(w1*predi-1+w2*predi+w3*predi+1+w4)/4

其中，w1、w2、w3、w4为一组预测参数，predwi为预测值，pred为模板列表中任一模板填充的重建值，i为pred在模板列表中的序号。

预设t种w1、w2、w3、w4的不同组合，针对一个模板可以生成t种预测像素，最终在m*t种可能性中，根据rdo公式，选出最优的自适应模板和对应的w1、w2、w3、w4。根据w1、w2、w3、w4计算对应的最优的自适应模板中的重建值的预测值，作为当前mb的预测值；其中，最优的自适应模板即为rdo中的最小值对应的自适应模板。

具体地，w1、w2、w3、w4的取值可以是预先设定的固定值，w1+w2+w3＝3；

优选地，w1、w2、w3可以分别选取为1；w1、w2、w3也可以分别选取为0.5，2，0.5；w1、w2、w3可以根据实际情况，灵活调整大小。进一步地，w4可以选取为当前表位中所有填充的重建值的平均值，也可以选取为表位中与当前预测像素值排序对应的重建值。

步骤4、根据所述预测值获取当前mb的预测残差

将当前mb中的每个像素值对应减去最优自适应模板中的每个重建值，以获取所述预测残差。

具体地，获取所述预测残差可以将当前mb中的每个像素值减去对应的最优自适应模板的重建值。

进一步地，将最优自适应模板的序号和w1、w2、w3、w4的序号发送到解码端以完成视频压缩。

步骤5、判断mb是否处理完毕

当获取前mb的预测残差后，继续判断图像中的所有mb是否均完成预测操作，若是，则预测结束，否则，跳转到步骤1，继续进行后续mb的预测操作。

实施例四

请参见图4，图4为本发明实施例提供的又一种自适应模板列表的预测方法流程图。该预测方法包括如下步骤：

步骤1、判断当前mb对应自适应模板列表的更新

检测当前mb正上相邻mb的重建值与列表中已填充的重建值的一致性，若不具备一致性，将正上相邻mb的重建值填充到自适应模板列表中自适应模板序号为0的位置；若具备一致性，将一致的模板中已填充重建值与自适应模板序号为0的位置的重建值对换，并可以更新模板中所有重建值。

检测当前mb左相邻mb的重建值与列表中已填充的重建值的一致性，若不具备一致性，将重建值填充到自适应模板列表中自适应模板序号为1的位置；若具备一致性，将一致的模板中已填充重建值与自适应模板序号为1的位置的重建值对换，并可以更新模板中所有重建值。

检测当前mb左上相邻mb的重建值与列表中已填充的重建值的一致性，若不具备一致性，将重建值填充到模板列表中自适应模板序号为2的位置；若具备一致性，将一致的模板中已填充重建值与自适应模板序号为2的位置的重建值对换，并可以更新模板中所有重建值。

检测当前mb右上相邻mb的重建值与列表中已填充的重建值的一致性，若不具备一致性，将重建值填充到模板列表中自适应模板序号为3的位置；若具备一致性，将一致的模板中已填充重建值与自适应模板序号为3的位置的重建值对换，并可以更新模板中所有重建值。

步骤2、自适应纹理预测

自适应模板列表更新完成之后，将当前mb的像素值与模板列表中所有存在的mb重建值进行自适应纹理预测，求解预测残差。

其中，请参见图5，图5为本发明实施例提供的一种自适应纹理预测的相邻参考像素的示意图。对自适应纹理预测中的参考像素进行选择，a、b、c、d、e为当前像素相邻的周围像素，即自适应模板列表任一自适应模板中与当前像素对应的重建值；其中，像素a为左上相邻参考像素、像素b为正上相邻参考像素、像素c为右上相邻参考像素、像素d为左相邻参考像素、像素e为像素a的左相邻参考像素：

a.若abs(d-e)最小，即135度纹理，那么参考像素为像素a；

b.若abs(d-a)最小，即垂直纹理，那么参考像素为像素b；

c.若abs(d-b)最小，即45度纹理，那么参考像素为像素c；

d.若abs(b-a)最小，即水平纹理，那么参考像素为像素d；

根据上述方式，将选取的参考像素中的最小值作为最终的参考像素，将最终的参考像素值与当前mb的像素值求差得到预测残差。

步骤3、判断mb是否处理完毕

当前mb完成自适应预测后，继续判断是否图像中的所有mb均完成预测操作，若是，则预测结束，否则，跳转到步骤1，继续进行后续mb的预测操作。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。