一种基于HEVC框架的帧内无损压缩编码方法技术

公开了一种时间复杂度较低、预测准确度较高、提高压缩比的基于HEVC框架的无损压缩编码方法。利用HEVC框架本身，可以实现依据图像平坦程度来自适应的分割编码单元，并决定最佳的分割方案，选择最优的预测模式。利用DPCM差分编码进行初步预测，对于纹理复杂的区域只用差分编码可能会使预测误差较大，因此，对该区域采用误差补偿的方式对预测值进行修正，通过这两种方法的结合可以获得降低时间复杂度，提高预测准确度的有效的折中。残差的分布特点依赖于预测模式，因此根据预测模式决定残差的扫描顺序，可以使熵编码更加有效。

【技术实现步骤摘要】

本专利技术属于数字图像无损压缩编码的
，具体地涉及一种基于HEVC (HighEfficiency Video Coding,高效视频编码)框架的巾贞内无损压缩编码方法。
技术介绍
在数字图像压缩中，广泛的采用压缩技术来减少其中的数据量。传统的压缩编码是基于信息论的理论，认为一般的信息中存在冗余，比如，时间冗余，空间冗余，结构冗余，心理冗余，统计冗余等，通过去除各种冗余信息来达到压缩的目的。经典压缩编码的方法有预测编码、变换编码、统计编码(熵编码)等。预测编码和变换编码是当前图像编码器最常用的技术，预测和变换的目的是尽最大努力去除图像中的空间冗余，然后再使用统计编码进行压缩。 预测编码用相邻的已知像素或图像块来预测当前像素或图像块，然后将当前像素的原始值和预测值做差，对残差进行变换、量化、熵编码。预测编码的关键在于预测方法的选取，这与图像信号的概率分布有很大关系。预测编码有线性和非线性预测两种。线性预测编码又称为差分脉冲编码调制(Differential Pulse Code Modulation),其优点是算法简单，易于硬件实现，缺点是对信道噪声及误码很敏感，会产生误码扩散，使图像质量大大下降。为了使用更有效的编码预测误差，通常需要建立一个能够去除预测残差中的结构冗余的上下文模型。变换编码将给定的图像变换到频域，使大量的信息用较少的数据来表示。通常利用正交变换将图像从空间域变换到频率域，图像经过变换后不丢失任何信息，而且变换前后能量相等。变换后能量大部分集中在低频部分，高频部分的系数较小，对变换域系数进行量化、熵编码，这样通过去除高频部分达到压缩的目的。统计编码，也被称为熵编码，根据信息码字出现的概率分布，寻找概率与码字长度的最优匹配进行编码。这是一种无损压缩方法，解码后能无失真的恢复原始图像。统计编码把待压缩的数据流看作是简单的数字序列，并不关心这些数据的具体语义。常用的统计编码有游程编码、哈夫曼编码和算术编码。压缩技术一般分为有损压缩和无损压缩。对于类似互联网中的图像采用有损压缩可以获得更好的效率。无损压缩技术也有一些应用领域，比如医学图像，遥感，指纹等。在过去的若干年间，提出了很多图像无损压缩模式，为了达到无损压缩的目的，需要在这种模式中将变换量化模块关闭，对于熵编码，使用类似于有损编码中的相同的模块。即将到来的HEVC标准是H. 264的继续，HEVC框架采用混合编码结构，用来组织输入的图像，其中包括编码单元⑶(Coding Unit),预测单元PU (Prediction Unit),变换单元TU (Transform Unit)。⑶是用于分割图像的基本单元,和H. 264中宏块的概念很类似，不同的是，宏块大小是固定的，而CU是可以自适应改变大小的。它的形状是正方形的，最小为8x8,64x64是最大CU (即LCU，Largest Coding Unit)。CU允许递归分割成四个大小一样的块，这个过程就为基于内容自适应的块分割提供了方便。预测单元PU，是用于预测过程中保存信息的基本单元，每个CU可以有一个或者多个PU。变换单元是用于变换和量化时的基本单元。它也是正方形的，对于亮度块，即Y分量，大小从4x4到32x32，每个⑶有一个或者多个TU。无损压缩技术从简单的线性预测发展到非线性预测，提高了预测的准确度，但是无疑会增加时间复杂度。大多传统的无损压缩方法是逐像素进行的，这样需要为每个像素选择一个预测模式，这种方法不够灵活，也会带来很高的复杂度。
技术实现思路
本专利技术的技术解决问题是克服现有技术的不足，提供一种时间复杂度较低、预测准确度较高、提高压缩比的基于ffivc框架的帧内无损压缩编码方法。 本专利技术的技术解决方案是这种基于HEVC框架的帧内无损压缩编码方法，包括以下步骤(I)基于HEVC框架、根据图像平滑程度来自适应调整编码单元⑶的大小；(2)对当前预测单元I3U进行差分预测编码DPCM ；(3)进行率失真优化RD0，选择最优分割方案以及最优预测模式；(4)统计建模，对每个像素进行模型的计算和统计，得出每个模型的数量以及残差之和；(5)计算当前的当前预测像素所邻近的像素的残差能量值，残差能量值是邻近像素残差的绝对值之和，如果该残差能量值大于预定值则执行步骤(6)，否则执行步骤(7)；(6)进行误差补偿，则建立模型，并求出该模型的平均误差，对预测值进行修正；(7)根据预测模式与扫描模式的映射表，确定扫描顺序；(8)对扫描完成的残差进行熵编码；(9)向解码端输出编码后的码流文件；(10)在解码端，对码流文件进行熵解码，解析出残差信息、预测模式；( 11)利用DPCM进行插值预测；(12)对每个像素建立模型，统计每种模型的数量以及残差的和；(13)计算预测后每个像素所邻近像素的残差的能量和是否大于指定值，如果大于则执行步骤(14)，否则执行步骤(15)；(14)用统计建模的结果求出残差平均值，对预测值进行修正；(15)重建图像，即用预测值和解码出的残差进行求和。由于该方法根据图像的平滑程度进行自适应的分割图像块，S卩，平滑的地方分割较大的块，可以节省码流，复杂的地方进行细分，可以获得较高的预测准确度；在实际的自然图像中很多图像块纹理方向几乎相同，我们以块为单位来选择最优的预测模式，那么对于块中的所有像素只需要编码一个预测模式即可，因此这样就会节省码率，而且由于线性预测本身比较简单，相对于非线性预测来说，时间复杂度也较低。而对于纹理较复杂的区域，我们进行误差补偿，来弥补线性预测带来的误差；这样就取得了时间复杂度和预测准确度的平衡，从而可以进一步提高压缩比。附图说明图1示出了根据本专利技术的基于HEVC框架的帧内无损压缩编码方法的流程图；图2示出了根据本专利技术的步骤(2)的帧内预测角度定义；图3是图2中的帧内预测方向和预测模式的映射图；图4是根据本专利技术的差分预测编码的一个优选实施例；图5示出了当前像素的邻近像素。具体实施方式 如图1所示，这种基于HEVC框架的帧内无损压缩编码方法，包括以下步骤(I)基于HEVC框架、根据图像平滑程度来自适应调整编码单元⑶的大小；(2)对当前预测单元I3U进行差分预测编码DPCM ；(3)进行率失真优化RD0，选择最优分割方案以及最优预测模式；(4)统计建模，对每个像素进行模型的计算和统计，得出每个模型的数量以及残差之和；(5)计算当前的当前预测像素所邻近的像素的残差能量值，残差能量值是邻近像素残差的绝对值之和，如果该残差能量值大于预定值则执行步骤(6)，否则执行步骤(7)；(6)进行误差补偿，建立模型，并求出该模型的平均误差，对预测值进行修正；(7)根据预测模式与扫描模式的映射表，确定扫描顺序；(8)对扫描完成的残差进行熵编码；(9)向解码端输出编码后的码流文件；( 10)在解码端，对码流文件进行熵解码，解析出残差信息、预测模式；( 11)利用DPCM进行插值预测；(12)对每个像素建立模型，统计每种模型的数量以及残差的和；(13)计算预测后每个像素所邻近像素的残差的能量和是否大于指定值，如果大于则执行步骤(14)，否则执行步骤(15)；(14)用统计建模的结果求出残差平均值，对预测值进行修正；(15)重建图像，即用预测值和解码出的残差进行求和。由于该方本文档来自技高网...

【技术保护点】
一种基于HEVC框架的帧内无损压缩编码方法，其特征在于：包括以下步骤：（1）基于HEVC框架、根据图像平滑程度来自适应调整编码单元CU的大小；（2）对当前预测单元PU进行差分预测编码DPCM；（3）进行率失真优化RDO，选择最优分割方案以及最优预测模式；（4）统计建模，对每个像素进行模型的计算和统计，得出每个模型的数量以及残差之和；（5）计算当前PU的当前预测像素所邻近的像素的残差能量值，残差能量值是邻近像素残差的绝对值之和，如果该残差能量值大于预定值则执行步骤（6），否则执行步骤（7）；（6）进行误差补偿，则建立模型，并求出该模型的平均误差，对预测值进行修正；（7）根据预测模式与扫描模式的映射表，确定扫描顺序；（8）对扫描完成的残差进行熵编码；（9）向解码端输出编码后的码流文件；（10）在解码端，对码流文件进行熵解码，解析出残差信息、预测模式；（11）利用DPCM进行插值预测；（12）对每个像素建立模型，统计每种模型的数量以及残差的和；（13）计算预测后每个像素所邻近像素的残差的能量和是否大于指定值，如果大于则执行步骤（14），否则执行步骤（15）；（14）用统计建模的结果求出残差平均值，对预测值进行修正；（15）重建图像，即用预测值和解码出的残差进行求和。...

【技术特征摘要】
1.一种基于HEVC框架的帧内无损压缩编码方法，其特征在于包括以 下步骤 (1)基于HEVC框架、根据图像平滑程度来自适应调整编码单元⑶的大小； (2)对当前预测单元进行差分预测编码DPCM； (3)进行率失真优化RDO，选择最优分割方案以及最优预测模式； (4)统计建模，对每个像素进行模型的计算和统计，得出每个模型的数量以及残差之和； (5)计算当前的当前预测像素所邻近的像素的残差能量值，残差能量值是邻近像素残差的绝对值之和，如果该残差能量值大于预定值则执行步骤(6)，否则执行步骤(7)； (6)进行误差补偿，则建立模型，并求出该模型的平均误差，对预测值进行修正； (7)根据预测模式与扫描模式的映射表,确定扫描顺序； (8)对扫描完成的残差进行熵编码； (9)向解码端输出编码后的码流文件； (10)在解码端，对码流文件进行熵解码，解析出残差信息、预测模式； (11)利用DPCM进行插值预测； (12)对每个像素建立模型，统计每种模型的数量以及残差的和； (13)计算预测后每个像素所邻近像素的残差的能量和是否大于指定值，如果大于则执行步骤(14)，否则执行步骤(15)； (14)用统计建模的结果求出残差平均值，对预测值进行修正； (15)重建图像，即用预测值和解码出的残差进行求和。2.根据权利要求1所述的基于HEVC框架的帧内无损压缩编码方法，其特征在于步骤(2)中的差分预测编码与帧内预测的33个有角度的预测模式融合，角度预测的角度范围在[-135,45], [-45，45]定义为近似垂直方向，[135，-45]定...

【专利技术属性】
技术研发人员：丁文鹏，刘铁华，施云惠，尹宝才，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：