[发明专利]计算机视觉系统中的图像压缩/解压缩有效

专利信息
申请号: 201880055330.7 申请日: 2018-09-05
公开(公告)号: CN111066323B 公开(公告)日: 2023-06-30
发明(设计)人: H·T·加鲁德;A·阿吉玛尼;S·N·纳戈瑞;M·N·莫迪 申请(专利权)人: 德克萨斯仪器股份有限公司
主分类号: H04N19/23 分类号: H04N19/23;H04N19/463;H04N21/40
代理公司: 北京纪凯知识产权代理有限公司 11245 代理人: 魏利娜
地址: 美国德*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 计算机 视觉 系统 中的 图像 压缩 解压缩
【权利要求书】:

1.一种计算机视觉系统,包括:

摄像头捕获部件,其被配置为从摄像头捕获图像;

存储器;以及

图像压缩解压缩引擎即ICDE,其耦合至所述存储器并被配置为:接收所述图像的包括第一像素行在内的每一像素行;将所述第一像素行划分为压缩单元,其中每个压缩单元是所述像素行中的连续像素的相应段;

其中,所述ICDE还被配置为:对多个压缩单元中的每一个执行增量预测以生成相应增量预测压缩单元;使用指数哥伦布编码来压缩每个增量预测压缩单元以生成相应压缩增量预测压缩单元;并将所述压缩增量预测压缩单元添加到压缩比特流。

2.根据权利要求1所述的计算机视觉系统,其中,为了压缩每个增量预测压缩单元,所述ICDE还被配置为确定用于所述指数哥伦布编码的最佳阶数k,其中,评估k的多个值以找到产生所述压缩增量预测压缩单元中的最小位数的值。

3.根据权利要求1所述的计算机视觉系统,其中,所述ICDE还被配置为:

生成用于每一像素行的未压缩比特流;以及

针对每一像素行,将用于所述像素行的所述未压缩比特流和用于所述像素行的所述压缩比特流中的较小者存储在所述存储器中。

4.根据权利要求3所述的计算机视觉系统,其中,所述ICDE还被配置为:针对所述图像的每一像素行,将从所述未压缩比特流和所述压缩比特流中选择的比特流存储在所述存储器中,其中,每个比特流以与先前存储的比特流预定的偏移量进行存储以允许随机访问每个比特流。

5.根据权利要求1所述的计算机视觉系统,其中,所述ICDE还被配置为将所述压缩比特流存储在所述存储器中,其中,能够随机地访问所述压缩比特流中的每个压缩增量预测压缩单元。

6.根据权利要求5所述的计算机视觉系统,其中,所述压缩比特流包括多个偏移量,每个偏移量对应于所述压缩增量预测压缩单元中的一者,其中,每个偏移量指示对应的压缩增量预测压缩单元在所述压缩比特流中相对于先前的压缩增量预测压缩单元的位置。

7.根据权利要求1所述的计算机视觉系统,其中,为了压缩每个压缩单元,所述ICDE还被配置为在执行增量预测之前量化所述压缩单元中的第一压缩单元。

8.根据权利要求7所述的计算机视觉系统,其中,为了压缩每个压缩单元,所述ICDE还被配置为:

将所述压缩增量预测压缩单元的大小与目标比特率进行比较;以及

当所述大小大于所述目标比特率时,重复进行所述量化、执行增量预测以及所述增量预测压缩单元的压缩,其中,增加了用于所述量化的量化参数。

9.根据权利要求8所述的计算机视觉系统,其中,所述ICDE还被配置为:当所述大小小于所述目标比特率时,为下一压缩单元增加所述目标比特率,其中,所述目标比特率增加由所述目标比特率和所述大小之间的差给出的位数。

10.根据权利要求8所述的计算机视觉系统,其中,当用于量化所述压缩单元的所述量化参数的值为1并且所述压缩增量预测压缩单元的大小不大于所述目标比特率时,所述压缩增量预测压缩单元的压缩为无损的,否则所述压缩为有损的。

11.根据权利要求1所述的计算机视觉系统,其中,所述摄像头捕获部件和所述ICDE被包括在片上系统即SOC中,并且所述存储器在所述SOC的外部。

12.一种计算机视觉系统中的图像压缩方法,所述方法包括:

接收图像的像素行;

将所述像素行划分为压缩单元,其中每个压缩单元是所述像素行中的连续像素的相应段;

通过以下方式生成压缩比特流:

对每个压缩单元执行增量预测,以生成相应增量预测压缩单元;使用指数哥伦布编码压缩每个增量预测压缩单元,以生成相应压缩增量预测压缩单元;并且将所述压缩增量预测压缩单元添加到所述压缩比特流。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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德克萨斯仪器股份有限公司,未经德克萨斯仪器股份有限公司许可,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/201880055330.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top