[發明專利]一種可分級視頻編碼的塊級別層間幀內預測方法

有效

• 申請號: 201110305694.6
• 申請日: 2011-09-29
• 公開（公告）號: CN102355583A
• 公開（公告）日: 2012-02-15
• 發明（設計）人: 覃團發;常侃;劉運毅
• 申請（專利權）人: 廣西大學
• 主分類號: H04N7/26
• 分類號: H04N7/26;H04N7/32
• 代理公司: 北京德琦知識產權代理有限公司 11018
• 代理人: 王一斌;王琦

技術領域

本發明涉及視頻壓縮技術，特別涉及視頻壓縮技術中一種可分級視頻編碼的塊級別層間幀內預測方法。

背景技術

作為H.264/AVC視頻編碼標準的擴展，可分級視頻編碼(Scalable?Video?Coding，SVC)提供了時域、空域以及質量域三種分級方式，以解決視頻通信中傳輸、存儲系統中的異構問題。其中，時域分級方式可以通過層級B幀(Hierarichal?B)技術實現；空域分級和質量域分級則采用分層編碼的結構實現——基本層(Base?Layer，BL)編碼幀采用傳統的H.264/AVC編碼方式，具有最小的空域分辨率和較差的質量；增強層(Enhanced?Layer，EL)編碼幀具有更大的空域分辨率和較高的質量，其既可以采用傳統單層編碼模式，也可以采用層間預測模式進行編碼。為了充分去除層間冗余，從而獲得與傳統單層H.264/AVC編碼方式相近的編碼效率，在SVC中引入了3種層間預測技術，分別為：層間運動預測(Inter-Layer?Motion?Prediction，ILMP)、層間殘差預測(Inter-Layer?Residual?Prediction，ILRP)和層間幀內預測(Inter-Layer?Intra?Prediction，ILIP)。

在空域分級方式中，為了遵循單次解碼限制，若當前編碼宏塊為EL宏塊，采用ILIP技術的前提是BL編碼幀對應位置塊采用幀內編碼模式。在此條件下，BL編碼幀對應位置塊的解碼圖像在經過去塊濾波后進行上采樣操作，以獲取EL當前編碼宏塊圖像的預測圖像。預測結果與實際EL圖像越接近，就有越多的EL宏塊采用INTRA_BL模式進行編碼，編碼效率也就越高。但是，SVC中采用的多相濾波器結構簡單，在處理圖像這一復雜信號時上采樣性能不理想，進而會影響ILIP的精確度以及最終的編碼器編碼效率。

為了提高SVC中ILIP的準確性，采用的優化算法有：

在離散余弦變換(Discrete?Cosine?Transform，DCT)域進行插值，可以獲得比雙線性、雙三次等空域線性上采樣濾波器更高質量的插值結果，從而提升ILIP結果的準確性。但是該方法得到的結果并不是最優的。

可以根據視頻信號的非平穩特性，采用自適應濾波技術(如維納濾波器)獲得統計意義上的最優結果。但是，若以一幀為單位進行維納濾波器系數訓練并做濾波操作，濾波器控制不夠精確，因此SVC中ILIP信號的準確性，還存在進一步提高的空間。

綜上，目前SVC中ILIP結果不夠精確，現有的優化算法性能也有待進一步提升。

發明內容

有鑒于此，本發明的主要目的在于提供一種SVC的塊級別ILIP方法，能夠克服SVC的傳統ILIP方法及其優化方法在性能上的不足，獲得最有效的ILIP結果，從而提高編碼效率。

為達到上述目的，本發明的技術方法具體是這樣實現的：

一種可分級視頻編碼的塊級別層間幀內預測方法，用于精確計算增強層(Enhancement?Layer，EL)當前編碼幀的層間幀內預測(Inter-Layer?Intra?Prediction，ILIP)信號，在編碼端，該方法包括：

A、采用H.264SVC標準中的多相濾波器計算EL當前編碼幀的ILIP信號，并為EL當前編碼幀的每個編碼塊對應設置濾波器控制標志位，用于指示相應的編碼塊的ILIP信號是否進行濾波操作；

B、判斷所述EL當前編碼幀中的每個編碼塊是否參與維納濾波器的系數訓練；對參與維納濾波器的系數訓練的各個編碼塊，計算編碼塊的原始EL信號和ILIP信號間的互相關以及ILIP信號間的自相關；

C、將參與維納濾波器的系數訓練的各個編碼塊的所述互相關和自相關的計算結果代入Wiener-Hopf方程，確定所述EL當前編碼幀的維納濾波器系數；

D、利用所述維納濾波器系數，對參與維納濾波器系數訓練的各個編碼塊的ILIP信號進行濾波，并根據濾波結果判斷是否對相應編碼塊的ILIP信號進行維納濾波操作；將確定進行濾波操作的各個編碼塊對應的濾波器控制標志位進行置位，其他濾波標志位不置位，并根據所述濾波器控制標志位確定相應編碼塊的ILIP結果；

E、對所述EL當前編碼幀的各個編碼塊對應的濾波器控制標志位和所述維納濾波器系數進行編碼并發送。

較佳地，判斷所述EL當前編碼幀中的任一編碼塊是否參與維納濾波器系數訓練的方式包括：