樣本自適應(yīng)偏移控制的制作方法
【專利說明】樣本自適應(yīng)偏移控制
[0001] 相關(guān)申請(qǐng)的交叉引用
[0002] 本專利申請(qǐng)要求提交于2014年4月17日的美國(guó)專利申請(qǐng)14/255,609的優(yōu)先權(quán)，該 專利申請(qǐng)為提交于2014年2月5日的美國(guó)專利申請(qǐng)14/173,676的延續(xù)，其要求根據(jù)35 U.S.C.§ 119(e)于2013年6月19日提交的美國(guó)臨時(shí)專利申請(qǐng)序列號(hào)61/836,931的權(quán)益，該 文獻(xiàn)全文W引用方式并入本文。
【背景技術(shù)】
[0003] 本發(fā)明設(shè)及針對(duì)視頻編碼和壓縮進(jìn)行重構(gòu)信號(hào)振幅的方法。更具體地，其設(shè)及用 于在視頻編碼和處理系統(tǒng)中諸如高效率視頻編碼化EVC)標(biāo)準(zhǔn)內(nèi)在樣本自適應(yīng)偏移(SAO)過 程中的量化和自適應(yīng)動(dòng)態(tài)范圍信令的方法。
[0004] 肥VC標(biāo)準(zhǔn)，目前公布為IS0/IEC23008-2 MPEG-HPart 2和ITU-T H.265,引入了若 干新的視頻編碼工具，運(yùn)些新的視頻編碼工具被設(shè)計(jì)成改善W前的視頻編碼標(biāo)準(zhǔn)和技術(shù)， 包括但不限于MPEG-2、MPEG-4化的2、M陽G-4 AVC/H.264、VC巧日VP8的視頻編碼效率。運(yùn)些 工具中的一個(gè)工具是SAO，其為通常在去塊濾波之后執(zhí)行的濾波機(jī)制。該處理可在環(huán)路，例 如，影響可使用經(jīng)SAO處理的圖像作為參考的后續(xù)圖像，或不在環(huán)路，例如，僅在編碼器之外 影響顯示或其他后續(xù)處理。SAO將重構(gòu)的像素分組成類別并通過基于預(yù)定義的類別化或分 類過程向像素值施加偏移到來降低失真。
[0005] 如在皿VC規(guī)范中所定義，SAO支持兩種操作模式:邊緣偏移模式和帶偏移模式。在 邊緣偏移模式中，預(yù)先確定的樣本的值可與八個(gè)相鄰樣本中的兩者在水平、垂直或?qū)欠?向上進(jìn)行比較。基于取樣值的簡(jiǎn)單直接的比較，預(yù)先確定的樣本可被分類成若干類別中的 一個(gè)類別。在帶偏移模式中，預(yù)先確定的樣本的振幅可用于將樣本分類成1至32個(gè)帶。如果 樣本被分類成32個(gè)帶的集合中的1至4個(gè)連續(xù)的帶，則可為樣本指定偏移，其中SAO支持針對(duì) 32個(gè)帶的偏移參數(shù)。
[0006] 現(xiàn)有的肥VC標(biāo)準(zhǔn)包括相對(duì)于分類和開銷對(duì)SAO方法的限制。就運(yùn)一點(diǎn)而言，分類過 程受位深度、精度、色彩和用于分類的帶的數(shù)量的限制。為了降低用信號(hào)發(fā)送偏移值所需的 開銷，現(xiàn)有的肥VC標(biāo)準(zhǔn)針對(duì)不同像素類別中的每個(gè)類別限制偏移被提供到的帶的數(shù)量W及 用于指定精確的偏移值的能力兩者。例如，限制位深度超過10位的偏移值的最大值降低了 在較高位深度處SAO的精度，有利于增加被SAO值覆蓋的動(dòng)態(tài)范圍。然而，在一些情況下，SAO 值的較高精度對(duì)于圖像質(zhì)量的目標(biāo)來說比高的動(dòng)態(tài)范圍更加重要，諸如當(dāng)待加入的偏移量 在小范圍內(nèi)。因此對(duì)SAO來說需要一種更加靈活的方法，該方法既能在對(duì)噪聲較不敏感的情 況下對(duì)樣本進(jìn)行分類，也能在最小化對(duì)偏移值的動(dòng)態(tài)范圍的影響和/或最小化發(fā)送運(yùn)些偏 移所需的信號(hào)開銷的同時(shí)擴(kuò)大所施加的偏移的精度。
【附圖說明】
[0007] 圖1為示出了根據(jù)本發(fā)明的一個(gè)實(shí)施例的用于量化的方法的流程圖。
[000引圖2為示出了根據(jù)本發(fā)明的一個(gè)實(shí)施例的用于量化的另一個(gè)方法的流程圖。
[0009] 圖3為示出了根據(jù)本發(fā)明的一個(gè)實(shí)施例的用于量化的另一個(gè)方法的流程圖。
[0010] 圖4A和圖4B為示出了根據(jù)本發(fā)明的實(shí)施例的用于在轉(zhuǎn)換的色彩空間中施加樣本 自適應(yīng)偏移的方法的流程圖。
[0011] 圖5為示出了根據(jù)本發(fā)明的一個(gè)實(shí)施例的用于偏移內(nèi)插的方法的流程圖。
[0012] 圖6為示出了根據(jù)本發(fā)明的一個(gè)實(shí)施例的用于識(shí)別具有非均勻分布范圍的樣本的 偏移的方法的流程圖。
[0013] 圖7為根據(jù)本發(fā)明的一個(gè)實(shí)施例的編碼系統(tǒng)的框圖。
[0014] 圖8為根據(jù)本發(fā)明的一個(gè)實(shí)施例的解碼系統(tǒng)的框圖。
[0015] 圖9為根據(jù)本發(fā)明的一個(gè)實(shí)施例的多終端系統(tǒng)的框圖。
[0016] 圖10為示出了用于確定及用信號(hào)發(fā)送樣本自適應(yīng)偏移的動(dòng)態(tài)范圍和/或精度的方 法的流程圖。
【具體實(shí)施方式】
[0017] 本發(fā)明的實(shí)施例提供用于降低和控制噪聲對(duì)樣本的偏移值的影響和/或調(diào)節(jié)樣本 的偏移值的位深度的技術(shù)。此類技術(shù)可應(yīng)用于樣本自適應(yīng)偏移(SAO)過程及后處理。
[0018] 在一個(gè)實(shí)施例中，在類別化或分類過程期間可執(zhí)行附加的可選的量化步驟。在分 類過程中，樣本值可在進(jìn)行比較W便降低偏移值的噪聲敏感性之前分類成不同的組。在另 一個(gè)實(shí)施例中，還可計(jì)算樣本范圍、偏移模式和偏移精度參數(shù)并將它們和與取樣視頻數(shù)據(jù) 相關(guān)聯(lián)的元數(shù)據(jù)一起發(fā)送W改善偏移在其他實(shí)施例中的應(yīng)用。
[0019] 在另一個(gè)實(shí)施例中，視頻數(shù)據(jù)可被轉(zhuǎn)換成具有更適合用于施加偏移值的分量的第 二色彩空間。一旦偏移值已經(jīng)在第二色彩空間中應(yīng)用，具有所施加的偏移的視頻數(shù)據(jù)可被 轉(zhuǎn)換回第一色彩空間。同樣，在運(yùn)種情況下，如果有關(guān)第二色彩空間的識(shí)別信息要發(fā)送，可 需最小的開銷來發(fā)送該識(shí)別信息。
[0020] 在另一個(gè)實(shí)施例中，由于受限的信號(hào)開銷而針對(duì)某些帶不能夠明確地用信號(hào)發(fā)送 的偏移值可相反從明確地用信號(hào)發(fā)送的偏移值進(jìn)行內(nèi)插?？赏ㄟ^明確地信令不鄰接帶并且 然后內(nèi)插與位于明確地用信號(hào)發(fā)送的非鄰接帶之間的中間帶相關(guān)聯(lián)的偏移值來進(jìn)行該內(nèi) 插。帶也可被非均勻的拆分使得一些帶具有不同的寬度和/或涵蓋比其他帶更寬的范圍。運(yùn) 些實(shí)施例可使偏移值更加精確地施加于最受偏移影響的圖像的特定部分。
[0021] 樣本的量化和分類
[0022] SAO可包括將重構(gòu)的樣本分類成各種類別，獲取用于每個(gè)類別的偏移并將獲取的 偏移添加到類別中的每個(gè)樣本。用于每個(gè)類別的偏移可在編碼器處被計(jì)算并且用信號(hào)發(fā)送 到解碼器。樣本的分類在編碼器和解碼器處均可執(zhí)行。量化可掩蔽內(nèi)容中的噪聲并且對(duì)視 頻內(nèi)容的邊緣提供更好的聚焦。在運(yùn)些情況下當(dāng)有關(guān)所用的特定量化因子的信息將被發(fā)送 時(shí)，僅需發(fā)送特定量化值?？赏ㄟ^針對(duì)多個(gè)樣本使用相同的量化因子來進(jìn)一步降低開銷。也 可計(jì)算附加的樣本范圍、偏移模式和偏移精度參數(shù)并將它們和與取樣視頻數(shù)據(jù)相關(guān)聯(lián)的元 數(shù)據(jù)一起發(fā)送W改善偏移在其他實(shí)施例中的應(yīng)用。通過不僅驗(yàn)證樣本是否是遠(yuǎn)隔的而且驗(yàn) 證樣本遠(yuǎn)隔的程度可引進(jìn)量化參數(shù)W協(xié)助邊緣分類。量化參數(shù)也可用于確定鄰近樣本之間 的絕對(duì)差值是否大于闊值，其中闊值可為精確的或量化的。量化參數(shù)也可對(duì)鄰近樣本之間 的差值進(jìn)行量化并且基于該經(jīng)量化的差值執(zhí)行分類。常規(guī)的邊緣偏移確定基于將當(dāng)前取樣 值與其鄰元素進(jìn)行比較的直接比較，使用大于/小于/等于標(biāo)準(zhǔn)，但是它們易被噪聲影響準(zhǔn) 確性，尤其在較高的位深度處。本文所討論的量化參數(shù)技術(shù)有望降低對(duì)此類噪聲影響的敏 感性。
[0023]在第一實(shí)施例中，所有待處理的樣本可使用量化因子進(jìn)行量化。量化因子可包括 除數(shù)，給定的樣本值和其鄰元素的樣本值除W該除數(shù)。經(jīng)量化的樣本可被四舍五入。四舍五 入的結(jié)果可然后用作分類過程的參數(shù)。在一些情況下，可對(duì)商執(zhí)行其他操作諸如上限計(jì)算 或下限計(jì)算作為四舍五入的補(bǔ)充或替代。例如，如果除數(shù)的值是2的幕，則可代替地使用移 位操作或按位與掩碼來簡(jiǎn)化除法運(yùn)算，移位操作或按位與掩碼可節(jié)省存儲(chǔ)器資源，并且本 文進(jìn)一步地描述。決策過程可然后基于新的經(jīng)量化的樣本對(duì)樣本進(jìn)行分類。表1示出基于所 述實(shí)施例用于對(duì)邊緣偏移模式中不同的邊緣類型進(jìn)行分類的示例性條件。在表1中，T，其可 為浮點(diǎn)數(shù)，對(duì)應(yīng)于除數(shù)。
[0025] 表1:使用量化的樣本的示例性分類標(biāo)準(zhǔn)
[0026] 圖1示出根據(jù)第一實(shí)施例的示例性方法100。在步驟101中，可識(shí)別量化因子(T)、預(yù) 先確定的視頻樣本的值(P)、預(yù)先確定的視頻樣本的第一鄰元素(no)的值和預(yù)先確定的視 頻樣本的第二鄰元素(m)的值。在步驟102中，所識(shí)別的值(p，n〇，m)中的每者可除W量化因 子(T)。在步驟103中，被除過的樣本值(p/T)可與被除過的其鄰元素的值(no/T)和(m/T)進(jìn) 行比較。
[0027] 在一些情況下，在比較發(fā)生之前，可將函數(shù)應(yīng)用于被除過的值(p/T)、（n〇/T)和/或 (m/T)中的一者或多者W將運(yùn)些被除過的值與更一般的類別相關(guān)聯(lián)。例如，在一些情況下， 諸如在框105中，可將四舍五入函數(shù)應(yīng)用于被除過的值使得被除過的值中的每者與對(duì)應(yīng)的 完整的數(shù)相關(guān)聯(lián)。所關(guān)聯(lián)的整個(gè)的數(shù)然后可在步驟103中彼此進(jìn)行比較?？稍谄渌麑?shí)例中應(yīng) 用不同的函數(shù)。例如，在框106中，在于步驟103中將被除過的值彼此進(jìn)行比較之前可對(duì)運(yùn)些 值中的每者應(yīng)用下限或上限計(jì)算函數(shù)。在其他實(shí)施例中還可使用其他函數(shù)。在步驟104中， 基于步驟103中所作的比較，預(yù)先確定的視頻樣本可被分類為W下類別中的一種:最小值、 第一邊緣類型、第二邊緣類型、最大值、和運(yùn)些都不是。上面的表1示出用于基于步驟103中 的比較將視頻樣本分類為運(yùn)些類型中的一者的示例性標(biāo)準(zhǔn)。示例性比較標(biāo)準(zhǔn)在表1中的條 件列中示出。
[0028] 在另一個(gè)實(shí)施例中，邊緣類型的分類可基于取樣值與其鄰元素之間的差值的量 化，其中可根據(jù)常規(guī)的SAO方法評(píng)估取樣值與其鄰元素之間的差值。表2示出基于所述實(shí)施 例用于對(duì)邊緣偏移模式中的不同邊緣類型進(jìn)行分類的示例性條件。
[0030] 表2:使用量化的樣本之間的差值的示例性分類標(biāo)準(zhǔn)
[0031] 圖2示出根據(jù)第二實(shí)施例的示例性方法200。在步驟201中，可識(shí)別量化因子(Q)、預(yù) 先確定的視頻樣本的值(P)、預(yù)先確定的視頻樣本的第一鄰元素的值(no) W及預(yù)先確定的 視頻樣本的第二鄰元素的值(m)。在步驟202中，可確定預(yù)先確定的視頻樣本(P)與其鄰元 素(no,m)中的每者之間的差值(p-no&p-m)。如本文進(jìn)一步所述，在步驟203中，量化因子 (Q)可應(yīng)用于在步驟202中確定的視頻樣本值與其鄰元素之間的差值中的每者。在步驟204 中，方法200可評(píng)估預(yù)先確定的視頻樣本值與其鄰元素之間的差值中的每者的量化的符號(hào)。 在步驟205中，基于在步驟204中的評(píng)估，預(yù)先確定的視頻樣本(P)可被分類為W下類別中的 一種:最小值、第一邊緣類型、第二邊緣類型、最大值、和W上都不是。上面的表2示出用于基 于步驟204中所作的評(píng)估將視頻樣本分為運(yùn)些類型中的一種類型的示例性標(biāo)準(zhǔn)。示例性比 較標(biāo)準(zhǔn)在表2中的條件列中示出。
[0032] 在另一個(gè)實(shí)施例中，可使用相同的量化器Q對(duì)待處理的所有樣本進(jìn)行量化。決策過 程可然后基于新的量化的樣本對(duì)樣本進(jìn)行分類。量化參數(shù)可通過在邊緣分類之前將樣本量 化到較低的精度來減小樣本的動(dòng)態(tài)范圍。通過一旦量化樣本就然后針對(duì)所有的鄰接決策重 新使用量化的值，該實(shí)施例可節(jié)省存儲(chǔ)器資源。下面的表3示出用于基于該實(shí)施例對(duì)邊緣偏 移模式中的不同的邊緣類型進(jìn)行分類的示例性條件。在表3中W及本文的其他表中（除非另 有指示），P對(duì)應(yīng)于給