[发明专利]带宽压缩矩阵量化和反量化方法在审
| 申请号： | 201811261716.1 | 申请日： | 2018-10-26 |
| 公开（公告）号： | CN109600609A | 公开（公告）日： | 2019-04-09 |
| 发明（设计）人： | 张莹;冉文方;罗瑜 | 申请（专利权）人： | 西安科锐盛创新科技有限公司 |
| 主分类号： | H04N19/103 | 分类号： | H04N19/103;H04N19/124;H04N19/176;H04N19/587 |
| 代理公司： | 西安嘉思特知识产权代理事务所(普通合伙) 61230 | 代理人： | 王海栋 |
| 地址： | 710065 陕西省西安市高新区高新路86号*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 带宽压缩 矩阵量化 反量化 量化 残差分布 量化矩阵 预测残差 获取图像 量化参数 图像损失 像素预测 比特数 宏模块 像素级 残差 传输 恢复 | ||
1.一种带宽压缩矩阵量化方法，其特征在于，包括如下步骤：
获取图像宏模块各像素预测残差；
根据所述预测残差获取残差分布类型；
根据所述残差分布类型获取量化矩阵；
根据所述量化矩阵对所述预测残差进行量化。
2.根据权利要求1所述的方法，其特征在于，所述获取图像宏模块各像素预测残差之后，还包括：将所述图像宏模块各像素预测残差转化为一维预测残差矩阵。
3.根据权利要求2所述的方法，其特征在于，所述根据所述预测残差获取残差分布类型包括：根据所述预测残差矩阵中预测残差的分布获取所述残差分布类型。
4.根据权利要求1所述的方法，其特征在于，所述残差分布类型包括：递弱型，递强型，强弱强型，弱强弱型、普通型。
5.根据权利要求4所述的方法，其特征在于，所述残差分布类型还包括：波浪1型和波浪2型。
6.根据权利要求1所述的方法，其特征在于，根据所述残差分布类型获取量化矩阵包括：
获取基准QPB；
根据所述残差分布类型、原始像素比特深度、所述基准QPB获取所述量化矩阵。
7.根据权利要求6所述的方法，其特征在于，所述根据所述残差分布类型、原始像素比特深度、所述基准QPB获取所述量化矩阵包括：
根据所述基准QPB和所述原始像素比特深度分别计算量化参数最大值、量化参数最小值、量化参数差异值；
根据所述残差分布类型、所述量化参数最大值、所述量化参数最小值、所述量化参数差异值计算所述量化矩阵。
8.根据权利要求6所述的方法，其特征在于，所述根据所述量化矩阵对所述预测残差进行量化包括：
根据所述量化矩阵和所述预测残差获得量化残差；
将所述残差分布类型、所述基准QPB、所述量化残差写入码流。
9.一种带宽压缩矩阵反量化方法，其特征在于，包括如下步骤：
获取码流中的残差分布类型、基准QPB、量化残差；
根据所述残差分布类型、所述基准QPB、所述量化残差获得反量化残差。
10.根据权利要求9所述的方法，其特征在于，所述根据所述残差分布类型、所述基准QPB、所述量化残差获得反量化残差包括：
根据所述残差分布类型和所述基准QPB获得量化矩阵；
根据所述量化残差和所述量化矩阵获得所述反量化残差。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西安科锐盛创新科技有限公司，未经西安科锐盛创新科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201811261716.1/1.html，转载请声明来源钻瓜专利网。
