[发明专利]一种基于HEVC框架的帧内无损压缩编码方法

说明书

技术领域

本发明属于数字图像无损压缩编码的技术领域，具体地涉及一种基于HEVC（High Efficiency Video Coding,高效视频编码）框架的帧内无损压缩编码方法。

背景技术

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CU（Coding Unit），预测单元PU（Prediction Unit），变换单元TU（Transform Unit）。CU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CU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。

发明内容

本发明的技术解决问题是：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HEVC框架的帧内无损压缩编码方法。

本发明的技术解决方案是：这种基于HEVC框架的帧内无损压缩编码方法，包括以下步骤：

（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；