[发明专利]帧内预测方法、编解码方法、编解码器、系统、电子设备和存储介质

权利要求书

1.一种帧内预测方法，其特征在于，所述方法包括：

获取当前块在预设范围内的参考像素，所述当前块为当前编码块或当前编码块内部的子块，包括：提取预设数量条参考线的所述参考像素，得到参考像素区域；

将所述参考像素输入帧内预测神经网络进行学习，得到所述当前块的帧内预测值，包括：将填充的所述参考像素区域分割为相同尺寸的多个互不重叠块，以作为一个多通道图输入所述帧内预测神经网络，其中，对位于所述参考像素区域边缘小于预设尺寸的块拷贝块内相邻像素进行填充，以得到所述填充的参考像素区域；或者将所述参考像素区域分割为多个矩形区域块，以作为多个通道图输入所述帧内预测神经网络的多个分支；

其中，所述帧内预测神经网络包括全连接层结构和卷积层结构，所述当前块的尺寸与所述全连接层结构的数量呈负相关，且与所述卷积层结构的数量呈正相关。

2.根据权利要求1所述的方法，其特征在于，还包括：

获取所述当前块的边信息，所述边信息包括传统预测方向、权重向量、量化参数信息以及预测值信息中的至少一个；其中，所述预测值信息是将所述参考像素输入传统帧内预测模式得到的；

所述将所述参考像素输入帧内预测神经网络进行处理，得到所述当前块的帧内预测值的步骤包括：

将所述参考像素和所述边信息输入帧内预测神经网络进行处理，得到所述当前块的帧内预测值。

3.根据权利要求2所述的方法，其特征在于，所述边信息包括所述帧内预测值；

所述将所述参考像素和所述边信息输入帧内预测神经网络进行处理的步骤之前，所述方法还包括：

采用传统帧内预测模式，对所述当前块进行传统帧内预测，得到所述预测值信息。

4.根据权利要求3所述的方法，其特征在于，

所述将所述参考像素和所述边信息输入帧内预测神经网络进行学习的步骤之前，所述方法还包括：

若所述传统帧内预测模式为角度模式，则确定角度预测模式；

根据所述角度预测模式指向的参考像素位置，对预设区域分割后的区域块进行权重分配；

其中，所述区域块分配的权重与所述区域块离所述角度预测模式指向位置的距离呈负相关，以将各个区域块分配的权重作为一个权重向量边信息输入所述帧内预测神经网络。

5.根据权利要求3所述的方法，其特征在于，

所述将所述参考像素和所述边信息输入帧内预测神经网络进行学习的步骤之前，所述方法还包括：

构建传统帧内预测模式过程中的最可能模式列表，所述最可能模式列表至少包括帧内角度模式，平面模式，直流模式中的一个；

利用所述最可能模式列表的一种预测模式进行预测或利用所述最可能模式列表中的第一个预测模式依次选择多个预测模式进行加权预测，以得到所述预测值信息作为新的分支输入所述帧内预测神经网络。

6.根据权利要求5所述的方法，其特征在于，

所述将所述参考像素和所述边信息输入帧内预测神经网络进行学习的步骤之前，所述方法还包括：

从所述最可能模式列表中选择一个帧内预测模式；

若所述帧内预测模式为角度模式，则确定角度预测模式；

根据所述角度预测模式指向的参考像素位置，对预设区域分割后的区域块进行权重分配；

其中，离角度预测模式指向位置近的所述区域块分配更多权重，越远的所述区域块分配权重越低，以将各个区域块分配好的权重作为一个权重向量边信息输入所述帧内预测神经网络。

7.根据权利要求4或6所述的方法，其特征在于，

所述帧内预测神经网络还包括注意力模块，所述注意力模块设置于所述卷积层结构之后或设置于各个分支融合成一个主干之后，用于给提取的特征分配权重。

8.根据权利要求1所述的方法，其特征在于，

基于开关模式，设置帧级标签或块级标签，作为句法元素用于控制所述帧内预测神经网络是否开启。