一种用于估计象素内预测模式的方法转让专利
申请号 : CN200710127110.4
文献号 : CN100591135C
文献日 : 2010-02-17
发明人 : 孙式军 , L·J·柯罗夫斯基
申请人 : 夏普株式会社
摘要 :
本发明的实施方式，涉及使用在视频编码或者解码过程中，用于估计象素预测模式，在视频编码器和解码器之间传递象素预测模式，以及对象素内预测模式排序的方法和系统。
权利要求 :
1.一种用于估计象素内预测模式的方法，该方法包括： 用于使用邻接块中的一个象素的象素值来预测要被预测的目标块的象素值的内预测步骤；以及 用于估计用于目标块的预测模式的预测模式估计步骤，其中 所述内预测步骤使用至少一个使用等于邻接于目标块并且在目标块之上的第一个块的象素值的预测值的垂直预测模式、使用等于邻接于目标块的左侧的第二个块的象素值的预测值的水平预测模式和使用等于第一个块和第二个块的象素值的平均值的预测值的DC预测模式， 利用逐渐增加的数字按照垂直预测模式、水平预测模式和DC预测模式的顺序对于预测模式进行编号，以及 预测模式估计步骤确定一个具有第一个块的预测模式和第二个块的预测模式中的较低模式编号的预测模式作为用于目标块的预测模式。
2. —种用于估计象素内预测才莫式的方法，该方法包括： 使用一个相同的预测值来预测位于沿着要被预测的目标块的指定方向的象素值的内预测步骤；以及用于估计用于目标块的预测模式的预测模式估计步骤，其中内预测步骤使用等于邻接于目标块的多个象素的加权平均值的预测 值作为目标块的预测值，内预测步骤至少-使用一个^f吏用与水平方向成大约45度角的对角线向 下左或右的指定方向的对角线预测模式和使用与水平方向成大约67. 5度 角沿对角线向下右、 一个与水平方向成大约22. 5度角沿对角线向下右或 者与水平方向成大约67.5度角沿对角线向下左或者与水平方向成大约 67. 5度角沿对角线向下右的指定方向的中间角度预测模式，利用中间角度预测模式的较大值和对角预测模式的较小值对于预测 模式进行编号，以及预测模式估计步骤确定一个具有邻接于目标块并且在目标块之上的 第一个块的预测模式和邻接于目标块的左侧的笫二个块的预测模式中的 较低模式编号的预测模式作为用于目标块的预测模式。
说明书 :
一种用于估计象素内预测^^式的方法
本申请是申请日为2003年5月27日、申请号为Q3812403. 3为并且发明名称为"闺像内预测模式估计、通信和组织的方法和系统，，的申请的分案申请。
相关参考
本项申请要求享受于2002年5月28日提交的序列号为60/319, 272号美国专利申请，以及于2002年7月11日提交的序列号为60/319， 390号美国专利申请。
技术领域
本发明的具体实施方式涉及图像的内部预测。背景技术
数字视频需要大量的数据用以表现非压缩方式下的数字视频序列(例如，帧序列）中的每一帧及全部帧.由于带宽的限制，对于大多数通过计算机网络传输传输非压缩数字視频的应用并不可行。另外，非压缩的数字视频需要大量的存储空间，数字视频通常按照某种方式编码，以降低对存储空间的要求，并且可以降低对带宽的需求.
一种用于对数字视频进行编码的技术是帧间（interframe)编码。帧间编码利用，视频中的不同帧典型地包括大致与作为x乘x个选择出来的象素相同的区域这一亊实。在编码过程中，运动矢量与一帧中的象素块到另一帧中的类似的象素块的运动相互关连。因此，系统就不必对该象素块进行两次编码，而只需要进行一次编码，并且提供一个预测其他象素块的运动矢量。
数字视频编码中的另一项技术是帧内（intraframe)编码.帧内编码对帧或其中的一部分进行编码，不参考其他帧中的象素。典型的帧内编码以块为基础对帧、或者其中一部分进行编码。例如，在MEPG-2中，帧内编码使用象素块的离散余弦变换，然后对转换系数进行编码，还存
3在其他的帧内编码^t术，例如小波（wavelet)编码。
通常，这些技术都使用相当大的数据表用于参考预测模式。这些数 据表所占用的内存，对许多低成本的机器来说负担繁重。此外，在处理 设备中，为存储数据表提供足够的内存也是一项繁重的负担.而且，由 于存在大数据表，最终增加了系统的复杂性。
数字视频需要大量的数据用以表现非压缩方式下的数字视频序列(例如，帧序列）中的每一帧及全部帧.由于带宽的限制，对于大多数通过计算机网络传输传输非压缩数字視频的应用并不可行。另外，非压缩的数字视频需要大量的存储空间，数字视频通常按照某种方式编码，以降低对存储空间的要求，并且可以降低对带宽的需求.
一种用于对数字视频进行编码的技术是帧间（interframe)编码。帧间编码利用，视频中的不同帧典型地包括大致与作为x乘x个选择出来的象素相同的区域这一亊实。在编码过程中，运动矢量与一帧中的象素块到另一帧中的类似的象素块的运动相互关连。因此，系统就不必对该象素块进行两次编码，而只需要进行一次编码，并且提供一个预测其他象素块的运动矢量。
数字视频编码中的另一项技术是帧内（intraframe)编码.帧内编码对帧或其中的一部分进行编码，不参考其他帧中的象素。典型的帧内编码以块为基础对帧、或者其中一部分进行编码。例如，在MEPG-2中，帧内编码使用象素块的离散余弦变换，然后对转换系数进行编码，还存
3在其他的帧内编码^t术，例如小波（wavelet)编码。
通常，这些技术都使用相当大的数据表用于参考预测模式。这些数 据表所占用的内存，对许多低成本的机器来说负担繁重。此外，在处理 设备中，为存储数据表提供足够的内存也是一项繁重的负担.而且，由 于存在大数据表，最终增加了系统的复杂性。
发明内容
根据本发明的第一方面，提供了一种用于估计象素内预测模式的方 法，该方法包括：a.选摔用于预测模式估计的目标块；b.确定已经被用 于第一个邻接块的第一预测模式，该笫一个邻接块邻接于所述目标块； c.确定已经被用于预测笫二个邻接块的笫二预测模式，该第二个邻接块 邻接于所述目标块；d.从所述第一预测模式和所述第二预测模式中确定 用于所述目标块的估计的预测模式，
根据本发明的笫二方面，提供了一种用于估计象素内预测模式的方 法，该方法包括：用于使用邻接块中的一个象素的象素值来预测要被预 测的目标块的象素值的内预测步骤；以及用于估计用于目标块的预测模 式的预测模式估计步骤，其中所述内预测步骤使用至少一个使用等于邻 接于目标块并且在目标块之上的第一个块的象素值的预测值的垂直预测 模式、使用等于邻接于目标块的左侧的第二个块的象素值的预测值的水 平预测模式和使用等于笫一个块和第二个块的象素值的平均值的预测值 的DC预测模式，利用逐渐增加的数字按照垂直预测模式、水平预测模式 和DC预测模式的顺序对于预测模式进行编号，以及预测模式估计步骤确 定一个具有第 一个块的预测模式和第二个块的预测模式中的较低模式编
号的预测模式作为用于目标块的预测模式。
根据本发明的第三方面，提供了一种用于估计象素内预测模式的方 法，该方法包括：使用一个相同的预测值来预测位于沿着要被预测的目 标块的指定方向的象素值的内预测步骤；以及用于估计用于目标块的预 测模式的预测模式估计步骤，其中内预测步骤使用等于邻接于目标块的 多个象素的加权平均值的预测值作为目标块的预测值，内预测步骤至少 使用一个使用与水平方向成大约45度角的对角线向下左或右的指定方向 的对角线预测模式和使用与水平方向成大约67.5度角沿对角线向下右、 一个与水平方向成大约22. 5度角沿对角线向下右或者与水平方向成大约
467. 5度角沿对角线向下左或者与水平方向成大约67. 5度角沿对角线向 下右的指定方向的中间角度预测模式，利用中间角度预测模式的较大值 和对角预测模式的较小值对于预测模式进行编号，以及预测模式估计步 骤确定一个具有邻接于目标块并且在目标块之上的第一个块的预测模式 和邻接于目标块的左侧的第二个块的预测模式中的较低模式编号的预测 模式作为用于目标块的预测模式。
根据本发明的笫二方面，提供了一种用于估计象素内预测模式的方 法，该方法包括：用于使用邻接块中的一个象素的象素值来预测要被预 测的目标块的象素值的内预测步骤；以及用于估计用于目标块的预测模 式的预测模式估计步骤，其中所述内预测步骤使用至少一个使用等于邻 接于目标块并且在目标块之上的第一个块的象素值的预测值的垂直预测 模式、使用等于邻接于目标块的左侧的第二个块的象素值的预测值的水 平预测模式和使用等于笫一个块和第二个块的象素值的平均值的预测值 的DC预测模式，利用逐渐增加的数字按照垂直预测模式、水平预测模式 和DC预测模式的顺序对于预测模式进行编号，以及预测模式估计步骤确 定一个具有第 一个块的预测模式和第二个块的预测模式中的较低模式编
号的预测模式作为用于目标块的预测模式。
根据本发明的第三方面，提供了一种用于估计象素内预测模式的方 法，该方法包括：使用一个相同的预测值来预测位于沿着要被预测的目 标块的指定方向的象素值的内预测步骤；以及用于估计用于目标块的预 测模式的预测模式估计步骤，其中内预测步骤使用等于邻接于目标块的 多个象素的加权平均值的预测值作为目标块的预测值，内预测步骤至少 使用一个使用与水平方向成大约45度角的对角线向下左或右的指定方向 的对角线预测模式和使用与水平方向成大约67.5度角沿对角线向下右、 一个与水平方向成大约22. 5度角沿对角线向下右或者与水平方向成大约
467. 5度角沿对角线向下左或者与水平方向成大约67. 5度角沿对角线向 下右的指定方向的中间角度预测模式，利用中间角度预测模式的较大值 和对角预测模式的较小值对于预测模式进行编号，以及预测模式估计步 骤确定一个具有邻接于目标块并且在目标块之上的第一个块的预测模式 和邻接于目标块的左侧的第二个块的预测模式中的较低模式编号的预测 模式作为用于目标块的预测模式。
附图说明
下列的附图中只描述了本发明的典型实施方式，所以并不能被认为 限制了其范闺，使用附图描述和解释本发明的附加特征和细节，。 图1表示一些邻接块的形式。 图2表示象素块和用于预测的邻接象素。 图3表示大体预测模式方向。
图4表示本发明的实施方式中的预测模式的大体方向。 图5表示本发明的实施方式中的预测模式的大体方向。 图6表示本发明的实施方式中的预测模式的大体方向。 图7表示本发明的实施方式中的预测模式的大体方向-图8表示本发明的实施方式中的预测模式的大体方向。 图9是表示本发明的一些实施方式中的模式估计的框图。 图10是表示在一些实施方式中利用排过序的预测模式集合的模式估 计的框图。
图11是表示利用与数值相关联的排过序的集合的模式估计的框图， 图12是表示当无法获得一些邻接块数据时的模式估计选择的框图。 图13是表示本发明的一些实施方式中的模式顺序修改的框图。 图14是表示估计的模式被用于修改模式顺序用法的本发明的实施方 式的框图；以及
图15是表示估计的模式被用于修改使用了特定指定元的模式顺序的 本发明的实施方式的框图。
图4表示本发明的实施方式中的预测模式的大体方向。 图5表示本发明的实施方式中的预测模式的大体方向。 图6表示本发明的实施方式中的预测模式的大体方向。 图7表示本发明的实施方式中的预测模式的大体方向-图8表示本发明的实施方式中的预测模式的大体方向。 图9是表示本发明的一些实施方式中的模式估计的框图。 图10是表示在一些实施方式中利用排过序的预测模式集合的模式估 计的框图。
图11是表示利用与数值相关联的排过序的集合的模式估计的框图， 图12是表示当无法获得一些邻接块数据时的模式估计选择的框图。 图13是表示本发明的一些实施方式中的模式顺序修改的框图。 图14是表示估计的模式被用于修改模式顺序用法的本发明的实施方 式的框图；以及
图15是表示估计的模式被用于修改使用了特定指定元的模式顺序的 本发明的实施方式的框图。
具体实施方式
本发明的实施方式包括与图像的内部预测相关的方法和系统。由于
5所有的实施方式都与内部预测相关，术语"内部预测"和"预测"，在涉 及内部预测过程时，可以互换使用，
本发明的实施方式使用帧内编码（intraframe coding)或者内编码 (intracoding)，以使用视频图像中的空间冗余。因为邻接块通常具有 类似的属性，通过参考邻接块之间的空间相关性，提高了编码过程的效 率。基于邻接块所使用的预测模式，预测目标块可以使用这种相关性。
为了更有效地处理，或者其他原因，可以将一幅数字图像分成多个 块。如图1所示，目标块"C" 12可能邻接于邻接块"A" 14，块"A" 14直接位于目标块"C" 12的上方。另一个邻接块"B" 16，直接位于目 标块"C" 12的左侧。与目标块"C" 12具有共同边界的块，也被认为是 块"C" 12的邻接块。
在不同的配置中，块可以包括不同数目的象素，例如，块可以包括4 x4的象素序列。块还可以包括16xl6或者8^8的象素序列.其他的 象素配置，包括正方形和矩形序列，都可以构成块.
参考邻接块中象素的相关数据，可以预测目标块中的每个象素。该 邻接象素数据或者邻接块数据包括，用于预测那些邻接块或者邻接象素 的预测模式。特定邻接象素和目标块中的象素，可以如图2所示使用英 文数字索引来参照。图2表示4x4的目标块，例如块"C" 12包括16 个象素，用小写字母字符22表示，直接位于目标块上方的邻接块中的象 素，使用大写字母字符24表示。直接位于目标块左側的邻接块中的象素， 使用大写字母字符26表示。
预测模式包括用于预测目标块中特定象素的指令或算法。这些模式 可以参照一个或多个邻接块象素，如下文模式描述中所述。
预测模式
模式0:垂直预测
a， e, i， m可以由A预测；
b， f， j， n可以由B预测;
c， g, k， o可以由C预测；
d， j， 1， p可以由D预测。
模式l:水平预测
6a， b， c， c可以由I预测； e， f， g， h可以由J预测； i， j， k， 1可以由K预测； 01， n， o, p可以由L预测。
模式2: DC预测
如果全部耒样A、 B、 C、 D、 I、 J、 K、 L可用，可以使用（A + B + C + D + I + J + K + L + 4)》3预测所有采样„如果A、 B、 C、 D不可用，而 I、 J、 K和L可用，可以用（I + J + K + L + 2) >>2预测所有采样'如果 I、 J、 K、和L不可用，而A、 B、 C、 D可用，可以用（A + B + C + D + 2) >>2预测所有采样，如果8个采样都不可用，那么块中的所有亮度采样的 预测值为128。始终使用这种模式，对块进行预测。
模式3:对角线下/左方预测
a可以由（A + 2B + C + I + 2J + K + 4) >>3预测；
b, e可以由（B + 2C + D + J + 2K + L + 4) >>3预测；
c， f， i可以由（C + 2D + E + K + 2L + M+4)》3预测； d， g， j可以由（D + 2E + F + L + 2M + N + 4) >>3预测； h， k， n可以由（E + 2F + G+M + 2N + 0 + 4) >>3预测； 1， o可以由（F + 2G + H + N + 20 + P + 4) >>3预测； p可以由（G + H + 0 + P + 2)》2预测；
模式4:对角线下/右方预测 m可以由（J + 2K + L + 2) >>2预测； i， n可以由（I + 2J" + K + 2) >>2预测； e， j， o可以由（Q + 2I + J + 2) >>2预测； a， f， k， p可以由（A + 2Q + I + 2) >>2预测； b， g， 1可以由（Q + 2A + B + 2) >>2预测；
c, h可以由（A + 2B + C + 2) >>2预测； d可以由（B + 2C + D + 2) >>2预测；
模式5:垂直左方预测a， j可以由（Q + A + l)》l预测； b， k可以由（A + B + l) >>1预测） c， 1可以由（B + C + l) >>1预效4; d可以由（C + D + 1) >>1预澳'J; e， n可以由（I+2Q + A + 2) >>2预测； f， o可以由（Q + 2A + B + 2) >>2预测； g， p可以由（A + 2B + C + 2) >>2预测； h可以由（B + 2C + D + 2) >>2预测； i可以由（Q + 2I + J + 2)》2预测j 迈可以由（I+2J + K + 2)》2预测；
模式6:水平下方预测
a， g可以由（Q + I + l) >>1预测；
b， h可以由（I + 2Q + A + 2 ) >>2预测；
c可以由（Q + 2A + B + 2)》2预测；
d可以由（A+2B+C + 2 )》2预测j
e， k可以由（I+J + l)》l预测j
f， 1可以由（Q + 2I +J + 2) >>2预测；
i， o可以由（J+K + l)》l预测^
j， p可以由（I + 2J + K + 2) >>2预'测；
m可以由（K + L + 1) >>1预效'】；
n可以由（J + 2K + L + 2) >>2预测；
模式7:垂直右方预测
a可以由（2A + 2B +J + 2K + L + 4) >>3预测；
b， i可以由（B + C +1) >>1预测；
c, j可以由（C + D + l) >>1预测；
d， k可以由（D + E + 1) >>1预测；
1可以由（E + F + l) >>1预测；
e可以由（A + 2B + C + K + 2L + M + 4)》3预测;
f， m可以由（B + 2C + D + 2) >>2预测；
g， n可以由（C + 2D + E + 2) >>2预测；h， o可以由（D + 2E + F + 2 ) >>2预测j p可以由（E + 2F + G + 2) >>2预测；
模式8:水平上方预测
a可以由（B + 2C + D + 2I + 2J + 4)》3预测；
b可以由（C + 2D + E + I+2J + K + 4)》3预测;
c， e可以由（J + K + l) >>1预测；
d， f可以由（J + 2K+L + 2 )》2预测.，
g， i可以由（K + L + l) >>1预测；
h， j可以由（K + 2L + M+2)》2预测；
1， n可以由（L + 2M + N + 2)》2预测；
k， m可以由（L+M + l) >>1预测；
o可以由（M + N + l) >>1预测；
p可以由（M + 2N + 0 + 2) >>2预测，
排序过程，是以对每种模式产生较少预测错误的可能性为基础的， 这提高了编码效率，降低了对内存的需求，并且至少可以部分被数学定 义，
每个预测模式可以用上述名称（即，水平上方，垂直和对角线左下 方）的各模式中的大体预测方向用文字描述各预测模式.预测模式可以 使用角度方向以图形方式描述。这种角度方向，可以通过从中心点向外 放射的箭头图表描述，如图3所示。在这种图表中，每个箭头，以及中 心点都表示预测模式。预测模式对应的角度，与方向具有一种常规关系， 这一方向由从用于预测目标象素的经过加权的邻接象素平均位置到实际 目标象素的位置的方向决定。然而，在上文的定义和JVT标准中，对模 式的描述有更精确的定义。在图3中，中心点32表示没有方向，所以这 个点可以与DC预测模式相关连，水平箭头34可以表示水平预测模式，垂 直箭头36可以表示垂直预测模式。从中心点斜着向右下方延伸，与水平 线约成45度的箭头38，表示对角线下/右方（DDR)预测模式。从中心 点斜着向左下方延伸，与水平线约成45度的箭头40，表示对角线下/左 (DDL)预测模式。DDR和DDL预测模式，都被称为对角线预测模式。
丛中心点斜着向右上方向延伸，与水平线成约22. 5度的箭头42，表示一个水平上方（HU)预测模式。从中心点斜着向右下方向延伸，与水 平线成约22.5度的箭头44，表示一个水平下方（HD)预测模式。从中 心点斜着向右下方向延伸，与水平线成约67.5度的箭头46，表示一个 垂直右方（VR)预测模式.从中心点斜着向左下方向延伸，与水平线成 约67.5度的箭头48，表示垂直左方（VL)预测模式。HU、 HD、 VR和VL 几种预测模式，被共同称作中间角度预测模式。
还可以做成许多其他的预测模式，并使用这种角度描述模式进行描述。
预测模式顺序
本发明确定，预测模式应该按照一种方式排序，该方式通常与产生 减少了预测错误的可能性一致。利用根据通常产生较少预测错误可能性 的顺序排序的预测模式，结果数据本身具有更一致的排序的趋向性.进 一步，模式的通信可以利用降低所需的内存和带宽的编码技术.例如， 本发明人确定水平预测模式和垂直预测模式，相对于对角线模式通常更 具有似然性；而对角线模式比中间角预测模式更具有似然性。另外，DC 预测模式（例如当邻接块采用内模式编码时）似然性通常低于水平和竖 直预测模式，但是通常比对角线模式具有似然性。
对于不连续边界的块，例如图像边缘或者切割状（swipe/swath)边 界，在本发明的一些实施方式中所建立的顺序，使用常规术语可以描述 如下：垂直和水平预测模式，与DC预测模式相比，具有产生减少的预测 错误的更高似然性；DC预测模式与对角线预测模式相比，具有产生减少 的预测错误的更高似然性；而对角线预测模式与中间角预测模式相比， 具有产生减少的预测错误的更高似然性。
对于邻近边缘或是边界，或者邻接块或象素预测模式数据不可用的 块，本发明的一些实施方式中所建立的顺序，使用常规术语可以描述如 下：DC预测模式与垂直和水平预测模式相比，具有产生减少的预测错误 的更高似然性；垂直和水平预测模式与对角线预测模式相比，具有产生 减少的预测错误的更高似然性；对角线预测模式与中间角预测模式相 比，具有产生减少的预测错误的更高似然性，
在如图4中所示的实施方式的第一集合中，可以按照下列方式定义 模式顺序：
10模式0:垂直预测 模式l:水平预测
模式2: DC预测 模式3:对角线下/左方预测 模式4:对角线下/右方预测 模式5:水平下方预测 模式6:垂直右方预测 模式7:垂直左方预测 模式8:水平上方预测
在如图5中所示的实施方式的笫二个集合中，可以按照下列方式定 义模式顺序：
模式0:水平预测 模式l:垂直预测
模式2: DC预测 模式3:对角线下/左方预测 模式4:对角线下/右方预测 模式5:水平下方预测 模式6:垂直右方预测 模式7:垂直左方预测 模式8:水平上方预测
在如图6中所示的实施方式的第三个集合中，可以按照下列方式定 义模式顺序：
模式0:垂直预测 模式l:水平预测
模式2: DC预测 模式3:对角线下/左方预测 模式4:对角线下/右方预测 模式5:垂直右方预测 模式6:水平下方预测 模式7:垂直左方预测模式8:水平上方预测在如图7中所示的实施方式的笫四个集合中，可以按照下列方式定 义模式顺序：模式O:水平预测 模式l:垂直预测模式2: DC预测 模式3:对角线下/左方预测 模式4:对角线下/右方预测 模式5:垂直右方预测 模式6:水平下方预测 模式7:垂直左方预测 模式8:水平上方预测在如图8中所示的实施方式的笫五个集合中，可以按照下列方式定义模式顺序：模式0: DC预测 模式l:垂直预测 模式2:水平预测 模式3:对角线下/左方预測 模式4:对角线下/右方预测 模式5:垂直右方预测 模式6:水平下方预测 模式7:垂直左方预测 模式8:水平上方预测需要注意的是，在本发明的其他实施方式中，模式顺序会与示例中 的顺序有所不同。在本发明的一些实施方式中，水平预测（模式0)和垂直预测（模式 l)如果需要可能会颠倒，还要了解，如果希望，对角线下/左方预测模 式和水平下方预测模式可以颠倒。另外，还要了解，如果希望，对角线下/右方预测模式（模式5)、垂直右方预测模式（模式6)、垂直左方预测模式（模式7 )和水平上方预测模式（模式8 )可以重新排序。进一步， DC预测放置在模式0/模式1集合以及模式3/模式4集合之间是合意的； 但是如果希望，也可以放置在模式3/模式4集合，以及模式5/模式6/ 模式7/模式8集合之间，或者放置在其他的位置，此外，如果希望，角 模式3-8可以重新编号，对编码的效率不会产生显著影响。在本发明的实施方式中，对于所有块（例如，那些使用所述预测方 案的块），可以以预测为基础，分别对预测模式进行重新排序。另外，并例如如果希望，多于50%、 75%或者90%。另外，不同块的预测模式的 顺序可以相同，也可以不同.进一步，这样以预测为基础的模式的每一 个的重排序（例如，按照一种预定的一致性方法），至少对预测模式5、 模式6和模式7实施，可以采用任何其他方式对剩余模式排序.另外， 预测模式的顺序最佳是，0、 1、 2、 3、 4、 5、 6、 7、 8.同样可以使用预 测模式的其他预定义顺序。在本发明的一些实施方式中，可以包含一张或者多张数据表，用于 组织模式数据。这些模式通常按照一种排序方式组织，在数据表的每个 单元中可以一起使用，以提供更多排序的集合。例如，在数据表中的每 一个条目，可以包括数字0、 1、 2、 3、 4、 5、 6、 7、 8、 9的有序集合。另 一种选择是，在数据表的每一个条目中，数据表中数字的有序集合包括5、 6、 7、 8或者9的有序数字集合。例如，数据表的条目包括下列条目 的数据集合U， 2， 3， 5， 7}; {0， 1， 2， 3， 4， 5， 6}; {0， 1， 3， 5，6, 7， 8}，其中集合中的每个数字，都是增加的数字值.例如，另一种 选择，数据表的条目中包括下列条目的数据集合（l， 2， 3， 5， 7}; {0， 1， 2， 3， 4， 5， 6}; {0， 1， 3， 5， 6， 7， 8}，其中每个集合至少被单 元的25%，或35%，或50%,或75%，或90%或者更高比例所包括'这 样，相对于已知的数据表方法，所述表的预知能力更强，并且所需内存 得以降低。对数据条目集合的排序的预定义方式，应该独立于象素（例如宏块） 邻接集合的预测模式。需要理解，数据表实际上可以是"静态"的，或 者在数据中需要基础模式时，可以整体或部分地有效地动态生成。因此， 可以使用一个数学方程或者运算法则，确定条目，其中可以采用这样的 技术创建"表"。因此，其中使用的一个"数据表"不仅仅局限于静态表，而是进一步包括这样确定数值的被用于预测的数值集合。不幸的是，使用新的模式数字对以前模式的数字进行替换（例如在 已知数据表的单元中，对数字进行替换)，虽然可能是一种改进，但结果 依然是通常未经排序的数据集合。以邻接块数据为基础，估计象素预测模式与上述通常未经排序的数据集合相反，即使4吏用替换，本发明进一 步得出认识，应该首先将似然性最高的预测模式排为第一，其次将似然 性第二高的预测模式排为第二，如果希望，接着按照预定义方式，处理 其余模式。这种预定义的方式应该独立于邻接宏块的预测模式。对剩余 模式的首选排序，应该以出现剩余模式的可能性降低的顺序（似然性最 高的预测模式，或者，如果希望，似然性笫二高的预测模式）。基于块A和块B的内预测模式，如图1所示，块C的内预测模式顺 序可以被按照以下方式确定：(1) 如果块A和块B都是"外部的，，（例如不可用），只有DC预测 (模式2)是允许的，因此块C的内预测模式顺序是(2)。(2) 如果块A是"外部的"（例如不可用），并且块B不是"外部的"， 对于块C，只有DC预测（模式2)和水平预测（模式0)是允许的，因此；(i) 如果块B是2，块C的预测模式顺序是（2， 0);(ii) 否則，块C的内预测模式顺序是（O， 2};(3) 如果块A不是"外部的"，但是块B是"外部的"，对于块C， 只有DC预测（模式2 )和垂直预测（模式1)是允许的，因此；(i) 如果块A是2，块C的内预测模式顺序是(2， 1};(ii) 否则，块C的内预测模式顺序是U， 2};(4) 如果块A和块B都不是"外部的"，(i)如果块A的预测模式少于块B的预测模式，那么块C的内预 测模式顺序是（内预测块模式A，内预测块模式B，其他模式按升序排 序};(i i)如果块A的预测模式多于块B的预测模式，那么块C的内预 测模式顺序是（内预测块模式B，内预测块模式A，其他模式按升序排序};(iii) 如果块A的预测模式等于块B的预测模式，那么块C的内14预测模式顺序是（内预测块模式A，其他模式按升序排序）。例如，如果块A的预测模式是3，并且块B的预测模式是1，那么块 C的内预测模式顺序是U， 3， 0， 2， 4， 5， 6， 7， 8}。按照全体出现似 然性降低（或者增加）排列的模式，这样剩余模式的出现的自动排列将 依然被常规排列在适当序列中。按照从高可能性到低可能性的序列排 序，可以向前增加恰当预测的似然性。使用熵编码，可以降低结果编码 的比特流。还可以同样使用其他的排列方式。上述选择计划，在概念上是基于以下规则，如果块A的预测是X，且 块B的预测是Y，那么块C的预测可能是X或者Y。 X和/或Y的预测， 位于表的起始位置，并且剩余模式在其后顺序排列。声明另一种情况，当A和B的预测模式巳知（包括这种情况，A或者 B或者两者都是所述切片以外的），给出C的最可能模式时，即块A和B 使用的模式的最小值，如果块A或者块B中的一个是"外部的"，最可能 模式等于预测模式2。因此，指定给块C的预测模式的排序，因此就是最可能的模式，后面跟随按升序排列的剩余模式。参考图9描述了本发明的实施方式。在这些实施方式中，选择一个 目标块用于预测50。为预测笫一个邻接块使用的预测模式被确定52，该 块与所述目标块直接邻接。为预测第二个邻接块所使用的预测模式被确 定54，该块也与所述目标块邻接。然后，这些邻接块预测模式被检测56， 以确定哪个产生的预测错误最少的似然性较高。在本发明的其他实施方式中，如图10所示，按照产生更少预测错误 的模式的似然性，对预测模式集合排序58。选择目标块60。确定用于第 一个邻接块的预测模式62，并且确定用于第二个邻接块的预测模式64,这 两个预测模式之后被检测66，以确定在排序的模式集合中哪个先发生， 这样就确定出对应于产生较少预测错误的似然性高的模式。在本发明的其他实施方式中，如图11所示，按照产生较少预测错误 的似然性，对预测模式集合进行排序68。之后，这些排序集合中的模式 与数值进行关联70，这样产生较少预测错误的似然性较高的模式，就与 较小的数值关联，之后，用于预测第一个邻接块的模式被确定72，用于 预测第二个邻接块的模式也被确定74。之后检测这些邻接块模式，以确定哪个模式与较低数值关联。这个模式被指定为目标块预测的评估模 式。在其他的实施方式中，如图12所示，按照产生较少预测错误的似然 性，对预测模式集合排序。这些在排序集合中的模式与数值联合80，这 样产生较少预测错误似然性较大的模式，与一个较小数值联合。进行一 次尝试82，用以确定预测第一个邻接块所使用的模式，进行一次尝试84， 以确定预测第二个邻接块所使用的模式。如果预测第一个邻接块所使用 的预测模式不可用86，就指定一个默认预测模式（例如DC预测模式）作 为所述目标块的评估预测模式90。同样，如果用于预测第二个邻接块的 预测模式不可用88，就指定一个默认预测模式（例如DC预测模式）作为 所述目标块的评估预测模式90。当邻接块预测模式可用时，可以检测这 些邻接块模式，并确定哪个模式与一个较低数值关联。这个模式之后被 指定为预测所述目标块的评估模式92。基于邻接块数据，修改预测模式顺序在本发明的一些实施方式中，如上所述的独立于邻接块数据确定预 测模式排序，可以使用邻接块数据修改，参照邻接块数据确定的预测模 式估计可以被插入预测模式顺序，用以对该顺序进行修改，以反映从邻 接块数据所获得的附加信息。在一些实施方式中，预测模式估计以邻接块数据为基础，可以被直 接插入到预测模式顺序集合中.代表性地，预测模式估计将在预测模式 顺序前面被插入或被预先考虑，插入的位置在最有可能产生减少预测错 误的模式的位置。然而，在一些实施方式中，所述估计可能被插入到模 式顺序中的不同位置。在本发明的一些实施方式中，如图13所示， 一个预测模式顺序被选 择102，其中预测模式顺序元素可以按照它们产生较少预测错误的似然性 的顺序排列。换句话说，顺序中的第一个元素，表示该预测模式最有可 能产生较少预测错误，顺序中的下一个元素，表示该预测模式产生较少 预测错误的可能性次之，等等，直到顺序中的最后一个预测模式，这表 示顺序中的所述预测模式产生较低预测错误的似然性最小。如上所述， 一个预测模式估计被确定104。使用邻接块数据，确定该估计。通常，所述估计是在一个或多个邻接块中使用的预测模式，该邻 接块是最有可能产生较低预测错误。然而，还可以采用其他方式确定预 测。当足够的邻接块预测模式数据不可用时，例如在图像的边缘或片断16的边界，可以在缺乏一个或多个邻接块或者它们的预测模式数据的情况 下，估计目标块的预测模式。在很多情况下，当邻接块数据受限或者不
可用的时候，估计DC预测模式。
在一些这样的实施方式中， 一旦估计了估计预测模式，估计预测模 式就被作为最有可能产生较低预测错误的模式，放置到模式顺序中 106。在一些实施方式中，这是顺序中的第一个模式，或者是与最低数值 相关联的模式。
在其他实施方式中，估计预测模式可以优先于预选择的模式顺序。在 一些这样的实施方式中，如图14所示，在编码器和解码器中，预选择的 模式顺序被指定110。这个顺序包括预测模式的集合，该集合按照产生较 低预测错误的似然性，或者其他顺序排列。基于邻接块数据， 一个估计 预测模式也被确定112.在编码器和解码器中，按照同样的算法或方法， 确定该估计预测模式。编码器还确定实际上最佳的预测模式U4，用于基 于运动矢量或者其他已知技术，预测象素。然后，编码器比较116所述 实际上最佳的预测模式和估计预测模式，以确定它们是否相同。如果估 计预测模式与实际上最佳的预测模式是同样的模式，编码器向解码器发 送信号，以使用估计预测模式U8。在一些实施方式中，估计预测模式信 号可以使用1位指定元来执行，以标识是否使用估计模式。
如果估计预测模式不是实际上最佳的预测模式，编码器向解码器发 送信号，以使用其他的模式120。可以通过参考预建立的模式顺序来执 行。编码器确定模式顺序中哪个模式是与实际上最佳的预测模式最相等 的，并向解码器发送^f吏用该模式的信号。
当使用了经过排序的预测模式集合， 一旦获得进一步的数据，集合 的顺序就要重新排序。例如当确定了估计预测模式，或者确定了最佳实 际预测模式的时候，经过排序的预测模式集合要重新排序。这样，修改 模式要被突然插入到经过排序的集合，放置在经过排序集合的前面，或 者在某些情况下，被从经过排序的集合中删除。
在本发明的一些实施方式中，模式顺序中的每个模式，按照顺序与 数值相关联。在这些实施方式中，与将被使用的模式相关联的数值，向 解码器发送信号，以使用该预测模式。在一些这样的实施方式中，如图 15所示，选择包括9种预测模式的模式顺序130。以邻接块数据为基础 的，是该顺序中的9种模式之一的估计预测模式被确定132。通过运动矢量方法或者其他方法，确定最佳预测模式134。然后，最佳预测模式与估 计预测模式进行比较136。如果估计预测模式与最佳预测模式基本相同， 解码器就发送1位指定元信号，以使用所述估计预测模式，这l位指定 元信号已经在解码器种被标识。如果估计预测模式与最佳预测模式不相 等，估计预测模式本质上被从顺序中排除140。该排除是通过对集合重新 排序，跳过顺序中的该估计模式或者使用其他方法来实现的.剩余的顺 序有效地包括8个模式，可以使用一个3位指定元表现.这个3位的指 定元可以被发送到解码器，以指定预测时使用哪种模式.
使用在前述详细说明中的术语和表达式是作为描述性而非限制性使 用的，这里并没有使用这样的术语和描述就排除图示说明的特征的等价 术语和描述或者其中的一部分的意思，可以确认本发明的范围只被定义 和限定在以下权利要求的范围内。
5所有的实施方式都与内部预测相关，术语"内部预测"和"预测"，在涉 及内部预测过程时，可以互换使用，
本发明的实施方式使用帧内编码（intraframe coding)或者内编码 (intracoding)，以使用视频图像中的空间冗余。因为邻接块通常具有 类似的属性，通过参考邻接块之间的空间相关性，提高了编码过程的效 率。基于邻接块所使用的预测模式，预测目标块可以使用这种相关性。
为了更有效地处理，或者其他原因，可以将一幅数字图像分成多个 块。如图1所示，目标块"C" 12可能邻接于邻接块"A" 14，块"A" 14直接位于目标块"C" 12的上方。另一个邻接块"B" 16，直接位于目 标块"C" 12的左侧。与目标块"C" 12具有共同边界的块，也被认为是 块"C" 12的邻接块。
在不同的配置中，块可以包括不同数目的象素，例如，块可以包括4 x4的象素序列。块还可以包括16xl6或者8^8的象素序列.其他的 象素配置，包括正方形和矩形序列，都可以构成块.
参考邻接块中象素的相关数据，可以预测目标块中的每个象素。该 邻接象素数据或者邻接块数据包括，用于预测那些邻接块或者邻接象素 的预测模式。特定邻接象素和目标块中的象素，可以如图2所示使用英 文数字索引来参照。图2表示4x4的目标块，例如块"C" 12包括16 个象素，用小写字母字符22表示，直接位于目标块上方的邻接块中的象 素，使用大写字母字符24表示。直接位于目标块左側的邻接块中的象素， 使用大写字母字符26表示。
预测模式包括用于预测目标块中特定象素的指令或算法。这些模式 可以参照一个或多个邻接块象素，如下文模式描述中所述。
预测模式
模式0:垂直预测
a， e, i， m可以由A预测；
b， f， j， n可以由B预测;
c， g, k， o可以由C预测；
d， j， 1， p可以由D预测。
模式l:水平预测
6a， b， c， c可以由I预测； e， f， g， h可以由J预测； i， j， k， 1可以由K预测； 01， n， o, p可以由L预测。
模式2: DC预测
如果全部耒样A、 B、 C、 D、 I、 J、 K、 L可用，可以使用（A + B + C + D + I + J + K + L + 4)》3预测所有采样„如果A、 B、 C、 D不可用，而 I、 J、 K和L可用，可以用（I + J + K + L + 2) >>2预测所有采样'如果 I、 J、 K、和L不可用，而A、 B、 C、 D可用，可以用（A + B + C + D + 2) >>2预测所有采样，如果8个采样都不可用，那么块中的所有亮度采样的 预测值为128。始终使用这种模式，对块进行预测。
模式3:对角线下/左方预测
a可以由（A + 2B + C + I + 2J + K + 4) >>3预测；
b, e可以由（B + 2C + D + J + 2K + L + 4) >>3预测；
c， f， i可以由（C + 2D + E + K + 2L + M+4)》3预测； d， g， j可以由（D + 2E + F + L + 2M + N + 4) >>3预测； h， k， n可以由（E + 2F + G+M + 2N + 0 + 4) >>3预测； 1， o可以由（F + 2G + H + N + 20 + P + 4) >>3预测； p可以由（G + H + 0 + P + 2)》2预测；
模式4:对角线下/右方预测 m可以由（J + 2K + L + 2) >>2预测； i， n可以由（I + 2J" + K + 2) >>2预测； e， j， o可以由（Q + 2I + J + 2) >>2预测； a， f， k， p可以由（A + 2Q + I + 2) >>2预测； b， g， 1可以由（Q + 2A + B + 2) >>2预测；
c, h可以由（A + 2B + C + 2) >>2预测； d可以由（B + 2C + D + 2) >>2预测；
模式5:垂直左方预测a， j可以由（Q + A + l)》l预测； b， k可以由（A + B + l) >>1预测） c， 1可以由（B + C + l) >>1预效4; d可以由（C + D + 1) >>1预澳'J; e， n可以由（I+2Q + A + 2) >>2预测； f， o可以由（Q + 2A + B + 2) >>2预测； g， p可以由（A + 2B + C + 2) >>2预测； h可以由（B + 2C + D + 2) >>2预测； i可以由（Q + 2I + J + 2)》2预测j 迈可以由（I+2J + K + 2)》2预测；
模式6:水平下方预测
a， g可以由（Q + I + l) >>1预测；
b， h可以由（I + 2Q + A + 2 ) >>2预测；
c可以由（Q + 2A + B + 2)》2预测；
d可以由（A+2B+C + 2 )》2预测j
e， k可以由（I+J + l)》l预测j
f， 1可以由（Q + 2I +J + 2) >>2预测；
i， o可以由（J+K + l)》l预测^
j， p可以由（I + 2J + K + 2) >>2预'测；
m可以由（K + L + 1) >>1预效'】；
n可以由（J + 2K + L + 2) >>2预测；
模式7:垂直右方预测
a可以由（2A + 2B +J + 2K + L + 4) >>3预测；
b， i可以由（B + C +1) >>1预测；
c, j可以由（C + D + l) >>1预测；
d， k可以由（D + E + 1) >>1预测；
1可以由（E + F + l) >>1预测；
e可以由（A + 2B + C + K + 2L + M + 4)》3预测;
f， m可以由（B + 2C + D + 2) >>2预测；
g， n可以由（C + 2D + E + 2) >>2预测；h， o可以由（D + 2E + F + 2 ) >>2预测j p可以由（E + 2F + G + 2) >>2预测；
模式8:水平上方预测
a可以由（B + 2C + D + 2I + 2J + 4)》3预测；
b可以由（C + 2D + E + I+2J + K + 4)》3预测;
c， e可以由（J + K + l) >>1预测；
d， f可以由（J + 2K+L + 2 )》2预测.，
g， i可以由（K + L + l) >>1预测；
h， j可以由（K + 2L + M+2)》2预测；
1， n可以由（L + 2M + N + 2)》2预测；
k， m可以由（L+M + l) >>1预测；
o可以由（M + N + l) >>1预测；
p可以由（M + 2N + 0 + 2) >>2预测，
排序过程，是以对每种模式产生较少预测错误的可能性为基础的， 这提高了编码效率，降低了对内存的需求，并且至少可以部分被数学定 义，
每个预测模式可以用上述名称（即，水平上方，垂直和对角线左下 方）的各模式中的大体预测方向用文字描述各预测模式.预测模式可以 使用角度方向以图形方式描述。这种角度方向，可以通过从中心点向外 放射的箭头图表描述，如图3所示。在这种图表中，每个箭头，以及中 心点都表示预测模式。预测模式对应的角度，与方向具有一种常规关系， 这一方向由从用于预测目标象素的经过加权的邻接象素平均位置到实际 目标象素的位置的方向决定。然而，在上文的定义和JVT标准中，对模 式的描述有更精确的定义。在图3中，中心点32表示没有方向，所以这 个点可以与DC预测模式相关连，水平箭头34可以表示水平预测模式，垂 直箭头36可以表示垂直预测模式。从中心点斜着向右下方延伸，与水平 线约成45度的箭头38，表示对角线下/右方（DDR)预测模式。从中心 点斜着向左下方延伸，与水平线约成45度的箭头40，表示对角线下/左 (DDL)预测模式。DDR和DDL预测模式，都被称为对角线预测模式。
丛中心点斜着向右上方向延伸，与水平线成约22. 5度的箭头42，表示一个水平上方（HU)预测模式。从中心点斜着向右下方向延伸，与水 平线成约22.5度的箭头44，表示一个水平下方（HD)预测模式。从中 心点斜着向右下方向延伸，与水平线成约67.5度的箭头46，表示一个 垂直右方（VR)预测模式.从中心点斜着向左下方向延伸，与水平线成 约67.5度的箭头48，表示垂直左方（VL)预测模式。HU、 HD、 VR和VL 几种预测模式，被共同称作中间角度预测模式。
还可以做成许多其他的预测模式，并使用这种角度描述模式进行描述。
预测模式顺序
本发明确定，预测模式应该按照一种方式排序，该方式通常与产生 减少了预测错误的可能性一致。利用根据通常产生较少预测错误可能性 的顺序排序的预测模式，结果数据本身具有更一致的排序的趋向性.进 一步，模式的通信可以利用降低所需的内存和带宽的编码技术.例如， 本发明人确定水平预测模式和垂直预测模式，相对于对角线模式通常更 具有似然性；而对角线模式比中间角预测模式更具有似然性。另外，DC 预测模式（例如当邻接块采用内模式编码时）似然性通常低于水平和竖 直预测模式，但是通常比对角线模式具有似然性。
对于不连续边界的块，例如图像边缘或者切割状（swipe/swath)边 界，在本发明的一些实施方式中所建立的顺序，使用常规术语可以描述 如下：垂直和水平预测模式，与DC预测模式相比，具有产生减少的预测 错误的更高似然性；DC预测模式与对角线预测模式相比，具有产生减少 的预测错误的更高似然性；而对角线预测模式与中间角预测模式相比， 具有产生减少的预测错误的更高似然性。
对于邻近边缘或是边界，或者邻接块或象素预测模式数据不可用的 块，本发明的一些实施方式中所建立的顺序，使用常规术语可以描述如 下：DC预测模式与垂直和水平预测模式相比，具有产生减少的预测错误 的更高似然性；垂直和水平预测模式与对角线预测模式相比，具有产生 减少的预测错误的更高似然性；对角线预测模式与中间角预测模式相 比，具有产生减少的预测错误的更高似然性，
在如图4中所示的实施方式的第一集合中，可以按照下列方式定义 模式顺序：
10模式0:垂直预测 模式l:水平预测
模式2: DC预测 模式3:对角线下/左方预测 模式4:对角线下/右方预测 模式5:水平下方预测 模式6:垂直右方预测 模式7:垂直左方预测 模式8:水平上方预测
在如图5中所示的实施方式的笫二个集合中，可以按照下列方式定 义模式顺序：
模式0:水平预测 模式l:垂直预测
模式2: DC预测 模式3:对角线下/左方预测 模式4:对角线下/右方预测 模式5:水平下方预测 模式6:垂直右方预测 模式7:垂直左方预测 模式8:水平上方预测
在如图6中所示的实施方式的第三个集合中，可以按照下列方式定 义模式顺序：
模式0:垂直预测 模式l:水平预测
模式2: DC预测 模式3:对角线下/左方预测 模式4:对角线下/右方预测 模式5:垂直右方预测 模式6:水平下方预测 模式7:垂直左方预测模式8:水平上方预测在如图7中所示的实施方式的笫四个集合中，可以按照下列方式定 义模式顺序：模式O:水平预测 模式l:垂直预测模式2: DC预测 模式3:对角线下/左方预测 模式4:对角线下/右方预测 模式5:垂直右方预测 模式6:水平下方预测 模式7:垂直左方预测 模式8:水平上方预测在如图8中所示的实施方式的笫五个集合中，可以按照下列方式定义模式顺序：模式0: DC预测 模式l:垂直预测 模式2:水平预测 模式3:对角线下/左方预測 模式4:对角线下/右方预测 模式5:垂直右方预测 模式6:水平下方预测 模式7:垂直左方预测 模式8:水平上方预测需要注意的是，在本发明的其他实施方式中，模式顺序会与示例中 的顺序有所不同。在本发明的一些实施方式中，水平预测（模式0)和垂直预测（模式 l)如果需要可能会颠倒，还要了解，如果希望，对角线下/左方预测模 式和水平下方预测模式可以颠倒。另外，还要了解，如果希望，对角线下/右方预测模式（模式5)、垂直右方预测模式（模式6)、垂直左方预测模式（模式7 )和水平上方预测模式（模式8 )可以重新排序。进一步， DC预测放置在模式0/模式1集合以及模式3/模式4集合之间是合意的； 但是如果希望，也可以放置在模式3/模式4集合，以及模式5/模式6/ 模式7/模式8集合之间，或者放置在其他的位置，此外，如果希望，角 模式3-8可以重新编号，对编码的效率不会产生显著影响。在本发明的实施方式中，对于所有块（例如，那些使用所述预测方 案的块），可以以预测为基础，分别对预测模式进行重新排序。另外，并例如如果希望，多于50%、 75%或者90%。另外，不同块的预测模式的 顺序可以相同，也可以不同.进一步，这样以预测为基础的模式的每一 个的重排序（例如，按照一种预定的一致性方法），至少对预测模式5、 模式6和模式7实施，可以采用任何其他方式对剩余模式排序.另外， 预测模式的顺序最佳是，0、 1、 2、 3、 4、 5、 6、 7、 8.同样可以使用预 测模式的其他预定义顺序。在本发明的一些实施方式中，可以包含一张或者多张数据表，用于 组织模式数据。这些模式通常按照一种排序方式组织，在数据表的每个 单元中可以一起使用，以提供更多排序的集合。例如，在数据表中的每 一个条目，可以包括数字0、 1、 2、 3、 4、 5、 6、 7、 8、 9的有序集合。另 一种选择是，在数据表的每一个条目中，数据表中数字的有序集合包括5、 6、 7、 8或者9的有序数字集合。例如，数据表的条目包括下列条目 的数据集合U， 2， 3， 5， 7}; {0， 1， 2， 3， 4， 5， 6}; {0， 1， 3， 5，6, 7， 8}，其中集合中的每个数字，都是增加的数字值.例如，另一种 选择，数据表的条目中包括下列条目的数据集合（l， 2， 3， 5， 7}; {0， 1， 2， 3， 4， 5， 6}; {0， 1， 3， 5， 6， 7， 8}，其中每个集合至少被单 元的25%，或35%，或50%,或75%，或90%或者更高比例所包括'这 样，相对于已知的数据表方法，所述表的预知能力更强，并且所需内存 得以降低。对数据条目集合的排序的预定义方式，应该独立于象素（例如宏块） 邻接集合的预测模式。需要理解，数据表实际上可以是"静态"的，或 者在数据中需要基础模式时，可以整体或部分地有效地动态生成。因此， 可以使用一个数学方程或者运算法则，确定条目，其中可以采用这样的 技术创建"表"。因此，其中使用的一个"数据表"不仅仅局限于静态表，而是进一步包括这样确定数值的被用于预测的数值集合。不幸的是，使用新的模式数字对以前模式的数字进行替换（例如在 已知数据表的单元中，对数字进行替换)，虽然可能是一种改进，但结果 依然是通常未经排序的数据集合。以邻接块数据为基础，估计象素预测模式与上述通常未经排序的数据集合相反，即使4吏用替换，本发明进一 步得出认识，应该首先将似然性最高的预测模式排为第一，其次将似然 性第二高的预测模式排为第二，如果希望，接着按照预定义方式，处理 其余模式。这种预定义的方式应该独立于邻接宏块的预测模式。对剩余 模式的首选排序，应该以出现剩余模式的可能性降低的顺序（似然性最 高的预测模式，或者，如果希望，似然性笫二高的预测模式）。基于块A和块B的内预测模式，如图1所示，块C的内预测模式顺 序可以被按照以下方式确定：(1) 如果块A和块B都是"外部的，，（例如不可用），只有DC预测 (模式2)是允许的，因此块C的内预测模式顺序是(2)。(2) 如果块A是"外部的"（例如不可用），并且块B不是"外部的"， 对于块C，只有DC预测（模式2)和水平预测（模式0)是允许的，因此；(i) 如果块B是2，块C的预测模式顺序是（2， 0);(ii) 否則，块C的内预测模式顺序是（O， 2};(3) 如果块A不是"外部的"，但是块B是"外部的"，对于块C， 只有DC预测（模式2 )和垂直预测（模式1)是允许的，因此；(i) 如果块A是2，块C的内预测模式顺序是(2， 1};(ii) 否则，块C的内预测模式顺序是U， 2};(4) 如果块A和块B都不是"外部的"，(i)如果块A的预测模式少于块B的预测模式，那么块C的内预 测模式顺序是（内预测块模式A，内预测块模式B，其他模式按升序排 序};(i i)如果块A的预测模式多于块B的预测模式，那么块C的内预 测模式顺序是（内预测块模式B，内预测块模式A，其他模式按升序排序};(iii) 如果块A的预测模式等于块B的预测模式，那么块C的内14预测模式顺序是（内预测块模式A，其他模式按升序排序）。例如，如果块A的预测模式是3，并且块B的预测模式是1，那么块 C的内预测模式顺序是U， 3， 0， 2， 4， 5， 6， 7， 8}。按照全体出现似 然性降低（或者增加）排列的模式，这样剩余模式的出现的自动排列将 依然被常规排列在适当序列中。按照从高可能性到低可能性的序列排 序，可以向前增加恰当预测的似然性。使用熵编码，可以降低结果编码 的比特流。还可以同样使用其他的排列方式。上述选择计划，在概念上是基于以下规则，如果块A的预测是X，且 块B的预测是Y，那么块C的预测可能是X或者Y。 X和/或Y的预测， 位于表的起始位置，并且剩余模式在其后顺序排列。声明另一种情况，当A和B的预测模式巳知（包括这种情况，A或者 B或者两者都是所述切片以外的），给出C的最可能模式时，即块A和B 使用的模式的最小值，如果块A或者块B中的一个是"外部的"，最可能 模式等于预测模式2。因此，指定给块C的预测模式的排序，因此就是最可能的模式，后面跟随按升序排列的剩余模式。参考图9描述了本发明的实施方式。在这些实施方式中，选择一个 目标块用于预测50。为预测笫一个邻接块使用的预测模式被确定52，该 块与所述目标块直接邻接。为预测第二个邻接块所使用的预测模式被确 定54，该块也与所述目标块邻接。然后，这些邻接块预测模式被检测56， 以确定哪个产生的预测错误最少的似然性较高。在本发明的其他实施方式中，如图10所示，按照产生更少预测错误 的模式的似然性，对预测模式集合排序58。选择目标块60。确定用于第 一个邻接块的预测模式62，并且确定用于第二个邻接块的预测模式64,这 两个预测模式之后被检测66，以确定在排序的模式集合中哪个先发生， 这样就确定出对应于产生较少预测错误的似然性高的模式。在本发明的其他实施方式中，如图11所示，按照产生较少预测错误 的似然性，对预测模式集合进行排序68。之后，这些排序集合中的模式 与数值进行关联70，这样产生较少预测错误的似然性较高的模式，就与 较小的数值关联，之后，用于预测第一个邻接块的模式被确定72，用于 预测第二个邻接块的模式也被确定74。之后检测这些邻接块模式，以确定哪个模式与较低数值关联。这个模式被指定为目标块预测的评估模 式。在其他的实施方式中，如图12所示，按照产生较少预测错误的似然 性，对预测模式集合排序。这些在排序集合中的模式与数值联合80，这 样产生较少预测错误似然性较大的模式，与一个较小数值联合。进行一 次尝试82，用以确定预测第一个邻接块所使用的模式，进行一次尝试84， 以确定预测第二个邻接块所使用的模式。如果预测第一个邻接块所使用 的预测模式不可用86，就指定一个默认预测模式（例如DC预测模式）作 为所述目标块的评估预测模式90。同样，如果用于预测第二个邻接块的 预测模式不可用88，就指定一个默认预测模式（例如DC预测模式）作为 所述目标块的评估预测模式90。当邻接块预测模式可用时，可以检测这 些邻接块模式，并确定哪个模式与一个较低数值关联。这个模式之后被 指定为预测所述目标块的评估模式92。基于邻接块数据，修改预测模式顺序在本发明的一些实施方式中，如上所述的独立于邻接块数据确定预 测模式排序，可以使用邻接块数据修改，参照邻接块数据确定的预测模 式估计可以被插入预测模式顺序，用以对该顺序进行修改，以反映从邻 接块数据所获得的附加信息。在一些实施方式中，预测模式估计以邻接块数据为基础，可以被直 接插入到预测模式顺序集合中.代表性地，预测模式估计将在预测模式 顺序前面被插入或被预先考虑，插入的位置在最有可能产生减少预测错 误的模式的位置。然而，在一些实施方式中，所述估计可能被插入到模 式顺序中的不同位置。在本发明的一些实施方式中，如图13所示， 一个预测模式顺序被选 择102，其中预测模式顺序元素可以按照它们产生较少预测错误的似然性 的顺序排列。换句话说，顺序中的第一个元素，表示该预测模式最有可 能产生较少预测错误，顺序中的下一个元素，表示该预测模式产生较少 预测错误的可能性次之，等等，直到顺序中的最后一个预测模式，这表 示顺序中的所述预测模式产生较低预测错误的似然性最小。如上所述， 一个预测模式估计被确定104。使用邻接块数据，确定该估计。通常，所述估计是在一个或多个邻接块中使用的预测模式，该邻 接块是最有可能产生较低预测错误。然而，还可以采用其他方式确定预 测。当足够的邻接块预测模式数据不可用时，例如在图像的边缘或片断16的边界，可以在缺乏一个或多个邻接块或者它们的预测模式数据的情况 下，估计目标块的预测模式。在很多情况下，当邻接块数据受限或者不
可用的时候，估计DC预测模式。
在一些这样的实施方式中， 一旦估计了估计预测模式，估计预测模 式就被作为最有可能产生较低预测错误的模式，放置到模式顺序中 106。在一些实施方式中，这是顺序中的第一个模式，或者是与最低数值 相关联的模式。
在其他实施方式中，估计预测模式可以优先于预选择的模式顺序。在 一些这样的实施方式中，如图14所示，在编码器和解码器中，预选择的 模式顺序被指定110。这个顺序包括预测模式的集合，该集合按照产生较 低预测错误的似然性，或者其他顺序排列。基于邻接块数据， 一个估计 预测模式也被确定112.在编码器和解码器中，按照同样的算法或方法， 确定该估计预测模式。编码器还确定实际上最佳的预测模式U4，用于基 于运动矢量或者其他已知技术，预测象素。然后，编码器比较116所述 实际上最佳的预测模式和估计预测模式，以确定它们是否相同。如果估 计预测模式与实际上最佳的预测模式是同样的模式，编码器向解码器发 送信号，以使用估计预测模式U8。在一些实施方式中，估计预测模式信 号可以使用1位指定元来执行，以标识是否使用估计模式。
如果估计预测模式不是实际上最佳的预测模式，编码器向解码器发 送信号，以使用其他的模式120。可以通过参考预建立的模式顺序来执 行。编码器确定模式顺序中哪个模式是与实际上最佳的预测模式最相等 的，并向解码器发送^f吏用该模式的信号。
当使用了经过排序的预测模式集合， 一旦获得进一步的数据，集合 的顺序就要重新排序。例如当确定了估计预测模式，或者确定了最佳实 际预测模式的时候，经过排序的预测模式集合要重新排序。这样，修改 模式要被突然插入到经过排序的集合，放置在经过排序集合的前面，或 者在某些情况下，被从经过排序的集合中删除。
在本发明的一些实施方式中，模式顺序中的每个模式，按照顺序与 数值相关联。在这些实施方式中，与将被使用的模式相关联的数值，向 解码器发送信号，以使用该预测模式。在一些这样的实施方式中，如图 15所示，选择包括9种预测模式的模式顺序130。以邻接块数据为基础 的，是该顺序中的9种模式之一的估计预测模式被确定132。通过运动矢量方法或者其他方法，确定最佳预测模式134。然后，最佳预测模式与估 计预测模式进行比较136。如果估计预测模式与最佳预测模式基本相同， 解码器就发送1位指定元信号，以使用所述估计预测模式，这l位指定 元信号已经在解码器种被标识。如果估计预测模式与最佳预测模式不相 等，估计预测模式本质上被从顺序中排除140。该排除是通过对集合重新 排序，跳过顺序中的该估计模式或者使用其他方法来实现的.剩余的顺 序有效地包括8个模式，可以使用一个3位指定元表现.这个3位的指 定元可以被发送到解码器，以指定预测时使用哪种模式.
使用在前述详细说明中的术语和表达式是作为描述性而非限制性使 用的，这里并没有使用这样的术语和描述就排除图示说明的特征的等价 术语和描述或者其中的一部分的意思，可以确认本发明的范围只被定义 和限定在以下权利要求的范围内。