用于对数字图像的序列进行编码的方法_3

在特定地优选实施例中，参数a的值将被选取为高以便得到不同的整数值。更进一步 地，基数b将被选取为低，例如，2或"e"。
[0051] 以上的尺寸SI1到SI6还给出了所谓的邻近尺寸，其提及以下像素，针对这些像 素，将周围的像素的小块与像素P1周围的像素的小块进行比较。根据邻近尺寸SE1来处理 的像素被包括在区R中。
[0052] 在另一优选实施例中，根据以上的方程（7)计算的权重在那些权重比预定的阈值 低的情况下被丢弃。这减少了用于计算预测器（predictor)的运算的数量。
[0053] 在以下，描述对以上描述方法的进一步的增强。图4示出了其中在处理期间考虑 不规则情况的用于像素的增强的预测的流程图。该预测以像素P1开始于步骤SI。在步骤 S2中，确定像素P1是否是图像的边界处的界限像素BP。如果不是(分支N)，则如以上所描 述的那样在步骤S3中计算权重w[i，j]。在步骤S4中，确定是否所有权重是0。如果情况 就是这样(分支Y)，则在步骤S5中使用用于预测像素值的异常算法。如果并非所有的像素 是〇 (分支N)，则在步骤S6中使用规则的NLM算法。在像素P1是界限像素（出自步骤S2 的分支Y)的情况下，则确定根本是否将使用NLM算法。任何准则都可以被用于该确定。例 如，可以通过编码器中设置的对应标记来预先指示是否将使用NLM。在将使用NLM算法的 情况下(分支Y)，在步骤S8中确定用于界限像素的新的NLM参数。之后，该方法以步骤S3、 S4、S5和S6继续。在根据步骤S7将不使用NLM的情况下(分支N)，在步骤S9中使用用于 界限像素的适当的异常算法 总之，在图4中的要被预测的像素是界限像素(其中并非所有所需要的参考像素都是 可获得的）的情况下，选取另一算法用于该像素的预测，或NLM预测的一些参数被改变以满 足对所需要的参考像素的可获得性的要求。如果确定要使用NLM算法，则如以上所描述的 那样估计用于NLM平均的权重。如果至少一个权重不是0,则规则的NLM平均处理被执行用 于对当前像素的预测。否则，异常算法被用于预测。在该情况下以及在界限像素的情况下， 可实现异常预测算法的不同变形，即： -周围的像素的均值可以被用于预测； -已知的L0C0-I预测器(参见文献[4])被用作对当前像素的预测，或者 -NLM预测器的参数可以被改变以便执行用于预测计算的新测试。
[0054] 在以下，描述在本发明中使用的NLM预测方法的优选实施例。该实施例基于在图2 中示出的小块尺寸和邻近尺寸SI1。为了预测器内的距离计算，使用绝对差之和SAD(参见方 程（7))。代替使用指数基数，基数b=2被用于计算权重，并且通过3比特的右移位（shift) 来实现被hd除(参见方程（5))。即，使用以下等式来计算权重：
其中i_X是要被预测的像素X的位置，并且其中j_a是像素a的位置，其中，a= {a，b，c}是被用于取平均的像素。通过使用以上方程（7)基于围绕像素a的小块的对应像素 来计算dSAD。符号">>3"表示以上提到的3比特的移位。为了计算像素X的预测值，使用 基于以下方程的整数运算：
方程（9)中的项（w[i+...Xfjjaj+wii+JK, }.....b] +wl±.......X,3.......c]>./2表示取 整运算。
[0055] 以上的符号"TableSAD"表示包括用于dSAD的不同值的预定的计算的一维表格。 即，在该方法中计算差dSAD，并且之后，在该表格中做出查找以便计算以上的值Tab1eSAD。 因此，可以通过以下等式来描述的以上的表格运算：
以上的等式明确地表达函数dSAD在该表格的确定期间不被计算但是被用作用于该表 格的一维索引。
[0056] 将该表格缩放100000倍是必要的，因为指数项倾向于快速到小值，如果使用整数 实现，则小值被粗糙地量化。在对于所有权重所有表格值都给出〇的情况下，则使用用于除 以0的逃避（escape)。在该情况下，将另一预测器用于像素X。
[0057] 在以下，描述常规的编码和解码方法中的以上描述的预测方法的实现，其优选地 基于标准草案HEVC/H. 265。
[0058] 图5示出了接收要被解码的图像I的序列的基于块的编码器。编码器在若干位 置处包括开关ls，开关Is处于描述无损编码量的位置中，无损编码量使用本发明的预测方 法。在开关NS被切换在第二位置中的情况下，执行已知的编码，其中由微分器获得的预测 误差PE经受变换T和量化Q。然后，该预测误差经受熵编码EC，从而获得经编码的图像CI 的序列。在该常规的编码中，使用与本发明的方法不同的另一预测方法。为了这么做，量化 之后的预测误差被去量化并且经受逆变换IT。该重构的预测误差与来自预测模块的预测值 组合，从而获得对应块的重构的像素值。这些重构的值被存储在缓冲器BF中并且在预测模 块PR中被用于执行预测。然后，该模块PR中计算出的预测值被馈送到微分器DI以提供预 测误差PE。更进一步地，环路滤波器LF被用于对由加法器AD获得的信号进行滤波。
[0059] 在无损开关Is被放在如图5中所示的位置中的情况下，执行使用本发明的预测方 法的无损编码。为了这么做，绕过用于变换T、量化Q、去量化DQ、逆变换IT和环路滤波器 LF的各块。在该模式中，被馈送到加法器AD的重构的预测误差PE与原始的预测误差PE对 应。更进一步地，被用于取平均的因果区中的像素的值是原始的像素，因为在解码期间原始 的像素值是可获得的，因为编码是无损的。
[0060] 环路滤波器块LF可以提及不同的环路滤波器，S卩，去块滤波器和SA0滤波器（SA0= 样本自适应偏移）等。当使用无损编码时，在预测模块PR中使用基于以上描述的NLM算法 的预测方法。图5中的虚线L图解了经编码的图像的序列中的无损和有损编码模式中的预 测的参数的包括。这些参数也经受熵编码。可以分离地针对每个块、片（slice)、帧或序列， 明确地信令以上的无损开关Is的状态。然而，也可从一些其它参数(例如，通过使用量化参 数QP)，针对每个块、片、帧或序列推断状态。例如，在量化参数具有0的值的情况下，这可是 要使用无损模式的指示。
[0061] 图6示出了由图5的编码器获得的图像CI的经编码的序列的解码器。首先，图像 经受熵解码ED，造成预测误差PE。在无损编码的情况下，开关S处于如图6中所示的第一 位置中。因而，由预测模块PR直接地使用预测误差。为了这么做，原始的像素值由加法器 AD来获得并且被存储在缓冲器BF中。在缓冲器BF中所存储的值被预测模块PR用于进一 步的预测。最终，获得与原始图像I相同的经解码的图像DI的序列。在有损编码的情况 下，更多的开关被放在第二位置中，从而以已知的方式，去量化DQ、逆变换IT和环路滤波器 LF被应用于该信号，以便在预测模块PR中执行另一预测。因而，在其中由于量化和变换而 导致丢失一些信息的情况下，获得图像的经解码的序列。图6中的虚线L表示在由预测模 块PR执行适当的预测所需要的图像的经编码的序列中原始地包括的参数的提供。在有损 编码模式中，可以使用基于帧内预测以及基于帧间预测的已知预测技术。
[0062] 图7图解了在基于块的无损编码方案中的以上描述的逐像素的NLM预测。在图7 中，当前预测图像I的右下边缘中的块B。该块提及所谓的变换单元，其中，在使用有损编码 模式的情况下，那些块中的所有像素经受变换。代替变换单元，该块也可以是编码单元或预 测单元。具有白背景颜色并且排它地包括黑像素的块已经被重构并且被用于当前块B的预 测。
[0063] 图7示出了其中在块B中当前预测像素P1的情景。块B中的黑像素已经被重构， 并且由于无损编码而导致提及原始的像素。以线扫描顺序执行图8中的预测，但是也可以 使用其它扫描顺序。基于像素的NLM预测开始于上左像素和块B。使用所描述的NLM预测 算法来预测该像素。通过原始的像素和预测的像素之间的差来计算上左像素的预测误差。 之后，原始的像素被立即写到重构缓冲器中，以便被用于下一像素的预测等。因此，当预测 图7中示出的像素P1时，该预测器可以仅使用由黑圈表示的已经可获得的像素用于预测。 该过程继续，直到在块B中预测必须被压缩的所有白像素为止。
[0064] 如以上提到的，根据本发明的预测方法要被实现在标准草案HEVC/H. 264中。优选 地，该预测方法被用于如以上描述的无损编码中。如果以无损编码方式对对应的编码单元 进行编码，则如图5中示出的那样，编码器内的变换、量化和环路滤波被禁用。类似地，在解 码器内也禁用逆变换、去量化和环路滤波。可以使用以下的选择，以便将NLM预测方法结合 到HEVC语法中： -除了模式帧内和帧间之外还使用用于NLM预测的某个预测模式； -除了帧内预测中的所限定的预测类型之外还使用用于NLM预测模式的某个预测类 型； -HEVC语法内的某个预测模式或预测类型被本发明的预测模式所替代； _使用现有的预测模式和预测类型与NLM预测模式的组合； _某个值(例如，〇)被用于量化参数。
[0065]NLM预测方法的不同参数可被发送作为边信息： -小块形状和小块尺寸； -邻近的形状和邻近的尺寸； -参数a(缩放因数)、b(指数基数)、d(距离测量）和建模参数hd (指数中的除数)。 [0066] 例如，针对每个图片、片（即，图片中的分区）或编码单元，以上的参数可以被频繁 地发送，以便适配图像信号的统计。也可以将参数针对图像序列只发送一次，或针对若干图 像联合地发送，例如，在参数集合内，如序列参数集合或图片参数集合。作为替换，也可以通 过所限定的算法来估计参数。作为另一替换，这些参数可以被固定在该标准的某个配置文 件（profile)和/或水平中，并且因此根本不需要被传送或估计。
[0067] 更进一步地，相对于NLM预测方法的预测误差的统计属性可以适配预测误差的熵 编码。因此，特殊的二进制方案以及上下文建模可改善压缩结果。
[0068] 使用NLM预测模式的相对于编码顺序的以下适配可以被可选地实现： -用于NLM预测模式的因果邻近可以被链接到编码单元顺序或预测单元顺序。在该情 况下，预测和重构遵照ffiVC标准草案的原始预测和重构顺序； -用于NLM预测模式的因果邻近可以被用于编码单元的尺寸和编码/解码顺序所限 制。在该情况下，取决于已经重构的邻近编码单元或图像中的其它分区，可以对不同的编码 单元并行地编码和解码。
[0069] 用于NLM预测模式的因果邻近可以被预测单元的尺寸和编码/解码顺序所限制。 在该情况下，取决于已经重构的邻近预测单元或其它编码单元，可以对不同的预测单元并 行地编码和解码。
[0070] -般而言，NLM预测方法可以被用在逐块编码方法以及基于像素的编码方法中。因 此，可以使用不同的基于像素的预测方法与NLM预测方法的组合。更进一步地，NLM预测方 法可以被用于