[发明专利]一种视频编码、解码方法及视频编码帧内预测器

说明书

本发明公开一种视频编码、解码方法及视频编码帧内预测器。本发明的预测器包括一循环神经网络，所述循环神经网络用于生成待编码块的预测值；其中，所述循环神经网络利用待编码块的参考块的像素值均值对该待编码块进行填充，产生一图像；然后将该图像映射到特征空间，并提取该图像的局部特征；然后利用所述局部特征对该待编码块的预测块进行填充，得到该待编码块的预测值。本发明通过块级参考像素的选取和端到端的预测方法提高了编码效率，增强了现有视频编码器的编码性能。

技术领域

本发明主要涉及视频编码压缩技术，具体涉及一种基于空间循环神经网络的视频编码、解码方法及视频编码帧内预测器。

背景技术

人们对于视频质量的需求与日俱增，然而视频的数据量往往较大，存储和传输视频的硬件资源有限，成本较高，对视频进行编码压缩就显得尤为重要。这项技术深刻影响着人们生活的方方面面，包括数字电视、电影、网络视频、移动视频直播等等。

基于变换量化的编码方法，使用时频变换将图像映射到频域，选择性地减少图像中人类难以察觉的高频信息，能够在少量牺牲视觉质量的情况下，大大减小视频传输的码率，也减少了视频传输的体积。进一步地，由于视频两帧之间有着非常大的相关性和信息冗余，在一帧之内，块与块之间也有很大的纹理连续性，因此在现代编码器中，会使用帧间和帧内预测的方法，来进一步减小视频码率。

传统的帧内预测方法，基于自然图像中的纹理往往具有方向性这一假设，使用预定义的几个固定方向模式，在预测时，采用已编码块中与待编码快最邻近的一行像素作为参考像素。枚举地尝试每一个方向，选择编码代价最少的一个模式，编入码流中。该预测方法有效地减少了编码码率。然而，该方法存在缺点。一方面，该方法仅仅使用单行像素作为参考，在低码率高噪声的情形中，单行像素中的噪声会严重影响预测的准确度。另一方面，由于上述方向性假设，该方法无法处理弯曲边缘以及复杂纹理。

发明内容

本发明的目的在于提供一种视频编码、解码方法及视频编码帧内预测器，增强现有视频编码器的编码性能。本发明通过块级参考像素的选取和端到端的预测方法解决上述存在的问题，提高编码效率。

本发明的技术方案为：

一种视频编码方法，其步骤包括：

1)利用待编码块的参考块的像素值均值对该待编码块进行填充，产生一图像；

2)将该图像映射到特征空间，并提取该图像的局部特征；然后利用所述局部特征对该待编码块的预测块进行填充，得到该待编码块的预测值；

3)对该待编码块的预测值和实际值的残差进行编码。

一种视频编码方法，其步骤包括：

1)取得当前待编码块周围已编码的编码块作为该待测编码块的参考块；分别使用HEVC和循环神经网络生成该待编码块的预测值；其中，利用循环神经网络生成该待编码块的预测值的方法为：11)利用待编码块的参考块的像素值均值对该待编码块进行填充，产生一图像；12)将该图像映射到特征空间，并提取该图像的局部特征；然后利用所述局部特征对该待编码块的预测块进行填充，得到该待编码块的预测值；

2)计算使用HEVC生成该待编码块的预测值与实际值的残差和码率代价大小，计算使用循环神经网络生成该待编码块的预测值与实际值的残差和码率代价大小；

3)如果HEVC方式对应的码率代价小于循环神经网络对应的码率代价，则在码流中生成一预测模式标志位0，否则在码流中生成一预测模式标志位1，然后编码残差对应的码字。

进一步的，提取所述局部特征的方法为：对特征空间中产生的特征张量，在空间上分别使用横向和竖向的空间循环网络层提取该图像的局部特征。

进一步的，所述局部特征为刻画了参考块中像素的分布特性的特征。所述局部特征包括图像的边缘方向、像素的统计特征和像素之间纹理的方向。