一种视频压缩中的预测方法

摘要

本发明涉及一种视频压缩中的预测方法，包括：将图像分为相同大小的多个MB，选取其中一个MB作为待预测MB；采用第一预测模式对所述待预测MB进行预测，获得第一残差主观和；采用第二预测模式对所述待预测MB进行预测，获得第二残差主观和；比较所述第一残差主观和与所述第二残差主观和，以选取所述待预测MB的最终预测模式。本实施的通过预测选择算法可以选择出第一预测模式和第二预测模式中最优的一种预测方法，对于复杂纹理图像进一步优化了预测效果。

权利要求

1.一种视频压缩中的预测方法，其特征在于，包括：

S1、将图像分为相同大小的多个MB，选取其中一个MB作为待预测MB；

S2、采用第一预测模式对所述待预测MB进行预测，获得第一残差主观和；S2包括:S211、确定所述待预测MB当前像素的多个分量；S212、获取所述多个分量的纹理方向梯度值；

S213、通过所述纹理方向梯度值确定当前像素分量的参考值；S214、通过所述参考值确定当前像素分量的预测残差；S215、重复步骤S212～S214，获取所述当前像素的所有像素分量的预测残差；S216、根据所述所有像素分量的预测残差确定第一预测残差；以及，根据所述第一预测残差计算待预测MB的第一残差主观和，公式如下：SUBD1＝a1×SAD1+a2×SD1；其中，m*n为待预测MB的大小，SAD1为残差绝对值和，SD1为残差和，Res为预测残差，a1和a2为权重系数，ABS为取绝对值，SUBD1为第一残差主观和；

S3、采用第二预测模式对所述待预测MB进行预测，获得第二残差主观和；S3包括:S311、采用4种标记符号将所述多个MB进行标记；其中，所述4种标记符号包括第一标记符号、第二标记符号、第三标记符号及第四标记符号；S312、按照设定顺序依次预测所述4种标记符号对应的MB以获取第二预测残差；以及，根据所述第二预测残差计算待预测MB的第二残差主观和，公式如下： SUBD2＝a1×SAD2+a2×SD2；其中，m*n为待预测MB的大小，SAD2为残差绝对值和，SD2为残差和，Res为预测残差，a1和a2为权重系数，ABS为取绝对值，SUBD2为第二残差主观和；

S4、比较所述第一残差主观和与所述第二残差主观和，以选取所述待预测MB的最终预测模式。

2.根据权利要求1所述的预测方法，其特征在于，步骤S212包括：S2121、通过所述多个分量的周围分量，分别确定所述多个分量中的每个分量的N个纹理方向梯度值。

3.根据权利要求1所述的预测方法，其特征在于，步骤S213包括：S2131、通过所述纹理方向梯度值获取第一加权梯度值；

S2132、通过所述第一加权梯度值获取第二加权梯度值；

S2133、通过所述第二加权梯度值得到所述当前像素分量的参考方向；

S2134、通过所述当前像素分量的参考方向获取所述当前像素分量的参考值。

4.根据权利要求1所述的预测方法，其特征在于，步骤S215中的所有像素分量的预测残差的获取为并行处理或串行处理。

5.根据权利要求1所述的预测方法，其特征在于，步骤S311包括：S3111、采用所述第一标记符号与第三标记符号依次循环完成奇数行MB的标记；

S3112、采用所述第四标记符号与第二标记符号依次循环完成偶数行MB的标记。

6.根据权利要求1所述的预测方法，其特征在于，步骤S312包括：S3121、按照图像从左到右、从上到下的顺序扫描第N标记符号对应的MB；

S3122、确定待预测MB的参考方向；

S3123、通过所述待预测MB的参考方向计算当前像素的参考像素；

S3124、通过当前像素的所述参考像素确定当前像素的所述第二预测残差。

说明书

一种视频压缩中的预测方法

技术领域

[0001] 本发明涉及一种多媒体技术领域，具体涉及一种视频压缩中的预测方法。

背景技术

[0002] 随着网络通信技术的发展，电脑端和移动端互联网观看视频的需求量不断增加，同时人们对于视频的质量要求也不断提升，这使得视频压缩技术不断得到提升，随着发展，国际标准化组织联合其他组织制定了一系列视频通信标准，包括H.261、H.262、H.263、H.264，MPEG-1、MPEG-2、MPEG-3，MPEG-4，AVS等。现如今最新视频压缩标准是高效视频编码标准HEVC，也就是传统意义上的H.265。在实际生活中，利用芯片内的带宽压缩技术来提高图像的存储空间和传输带宽就显得非常必要。

[0003] 与端口类压缩(如H.265)不同，芯片内带宽压缩是用较小的逻辑面积成本，尽可能的提高压缩倍数，减少DDR占用。带宽压缩主要由四个部分组成，包含：预测模块、量化模块、码控模块和熵编码模块。其中预测模块作为一个重要的模块，是利用图像相邻像素间存在的空间冗余度，根据图像邻近像素信息对当前像素值进行预测，预测差值的标准差要远小于原始图像数据的标准差，因此对预测差值进行编码，更有利于使图像数据的理论熵达到最小，达到提高压缩效率的目的。

[0004] 目前预测模块的算法主要分为2类，包括图像的像素纹理相关预测和像素值相关预测。现有的纹理相关预测方法由于参考方向的数量少，存在如下问题：1)预测像素的分量容易误判，影响预测结果；2)预测方法没有充分利用像素纹理之间的相关性，无法进一步降低理论极限熵以及运算的复杂度。

发明内容

[0005] 为了解决现有技术中存在的上述问题，本发明提供了一种视频压缩中的预测方法。本发明要解决的技术问题通过以下技术方案实现：

[0006] 本发明实施例提供了一种视频压缩中的预测方法，其特征在于，包括：

[0007] S1、将图像分为相同大小的多个MB，选取其中一个MB作为待预测MB；

[0008] S2、采用第一预测模式对所述待预测MB进行预测，获得第一残差主观和；

[0009] S3、采用第二预测模式对所述待预测MB进行预测，获得第二残差主观和；

[0010] S4、比较所述第一残差主观和与所述第二残差主观和，以选取所述待预测MB的最终预测模式。

[0011] 在本发明的一个实施例中，步骤S2包括：

[0012] S21、通过所述第一预测模式对所述待预测MB进行预测，获取第一预测残差；

[0013] S22、根据所述第一预测残差计算所述第一残差主观和。

[0014] 在本发明的一个实施例中，步骤S21包括：

[0015] S211、确定所述待预测MB当前像素的多个分量；

[0016] S212、获取所述多个分量的纹理方向梯度值；

[0017] S213、通过所述纹理方向梯度值确定当前像素分量的参考值；

[0018] S214、通过所述参考值确定当前像素分量的预测残差；

[0019] S215、重复步骤S112～S114，获取所述当前像素的所有像素分量的预测

[0020] 残差；

[0021] S216、根据所述所有分量像素的预测残差确定所述第一预测残差。

[0022] 在本发明的一个实施例中，步骤S212包括：

[0023] S2121、通过所述多个分量的周围分量，分别确定所述多个分量中的每个分量的N个纹理方向梯度值。

[0024] 在本发明的一个实施例中，步骤S213包括：

[0025] S2131、通过所述纹理方向梯度值获取第一加权梯度值；

[0026] S2132、通过所述第一加权梯度值获取第二加权梯度值；

[0027] S2133、通过所述第二加权梯度值得到所述当前像素分量的参考方向；

[0028] S2134、通过所述当前像素分量的参考方向获取所述当前像素分量的参考值。

[0029] 在本发明的一个实施例中，步骤S215中的所有分量像素的预测残差的获取为并行处理或串行处理。

[0030] 在本发明的一个实施例中，步骤S3包括：

[0031] S31、通过所述第二预测模式对所述待预测MB进行预测，获取第二预测残差；

[0032] S32、根据所述第二预测残差所述第二残差主观和。

[0033] 在本发明的一个实施例中，步骤S31包括：

[0034] S311、采用4种标记符号将所述多个MB进行标记；其中，所述4种标记符号包括第一标记符号、第二标记符号、第三标记符号及第四标记符号；

[0035] S312、按照设定顺序依次预测所述4种标记符号对应的MB以获取所述第二预测残差。

[0036] 在本发明的一个实施例中，步骤S311包括：

[0037] S3111、采用所述第一标记符号与第三标记符号依次循环完成奇数行MB的标记；

[0038] S3112、采用所述第四标记符号与第二标记符号依次循环完成偶数行MB的标记。

[0039] 在本发明的一个实施例中，步骤S312包括：

[0040] S3121、按照图像从左到右、从上到下的顺序扫描所述第N标记符号对应的MB；

[0041] S3122、确定所述带预测MB的参考方向；

[0042] S3123、通过所述带预测MB的参考方向计算当前像素的参考像素；

[0043] S3124、通过当前像素的所述参考像素确定当前像素的所述第二预测残差。

[0044] 与现有技术相比，本发明的有益效果：

[0045] (1)第一预测模式通过单分量的多方向梯度加权，可以更加合理的确定当前分量的预测方向，尤其是当纹理复杂时，可以起到更好的预测方向纠偏效果，并最终进一步降低预测的理论极限熵；第二预测模式对于图像中的MB可获得更多的参考方向，导致预测可以获得更小的预测残差，尤其是纹理复杂区域的预测效果更优；

[0046] (2)通过预测选择算法可以选择出最优的一种预测方法，对于复杂纹理图像进一步优化了预测效果。

附图说明

[0047] 图1为本发明实施例提供的一种视频压缩中的预测方法的流程示意图；

[0048] 图2为本发明实施例提供的一种视频压缩中的预测方法的算法原理示意图；

[0049] 图3为本发明实施例提供的一种视频压缩中的预测方法的参考像素位置示意图；

[0050] 图4为本发明实施例提供的一种视频压缩中的预测方法的梯度值计算示意图；

[0051] 图5为本发明实施例提供的一种视频压缩中的预测方法的参考值选取示意图；

[0052] 图6为本发明实施例提供的一种视频压缩中的预测方法的MB划分标记示意图；

[0053] 图7为本发明实施例提供的一种视频压缩中的预测方法的当前MB与距离最近的参考MB的原始位置示意图；

[0054] 图8为本发明实施例提供的一种视频压缩中的预测方法的当前MB与距离最近的参考MB的拉近位置示意图；

[0055] 图9为本发明实施例提供的一种视频压缩中的预测方法的当前MB全参考方向的示意图；

[0056] 图10为本发明实施例提供的一种视频压缩中的预测方法的当前MB无下参考方向的示意图；

[0057] 图11为本发明实施例提供的一种视频压缩中的预测方法的当前像素确定第二参考像素的示意图。

具体实施方式

[0058] 下面结合具体实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。

[0059] 实施例一

[0060] 请参见图1至图11，图1为本发明实施例提供的一种视频压缩中的预测方法的流程示意图；图2为本发明实施例提供的一种视频压缩中的预测方法的算法原理示意图；图3为本发明实施例提供的一种视频压缩中的预测方法的参考像素位置示意图；图4为本发明实施例提供的一种视频压缩中的预测方法的梯度值计算示意图；图5为本发明实施例提供的一种视频压缩中的预测方法的参考值选取示意图。图6为本发明实施例提供的一种视频压缩中的预测方法的MB划分标记示意图；图7为本发明实施例提供的一种视频压缩中的预测方法的当前MB与距离最近的参考MB的原始位置示意图；图8为本发明实施例提供的一种视频压缩中的预测方法的当前MB与距离最近的参考MB的拉近位置示意图；图9为本发明实施例提供的一种视频压缩中的预测方法的当前MB全参考方向的示意图；图10为本发明实施例提供的一种视频压缩中的预测方法的当前MB无下参考方向的示意图；图11为本发明实施例提供的一种视频压缩中的预测方法的当前像素确定第二参考像素的示意图。宏块(Macroblock，简称MB)是视频编码技术中的一个基本概念。通过将画面分成一个个大小不同的块来来不同位置实行不同的压缩策略。一种视频压缩中的预测方法，该方法包括以下步骤：

[0061] S1、将图像分为相同大小的多个MB，选取其中一个MB作为待预测MB；

[0062] 将图像分成相同大小的MB，其中，每个MB的大小为m*n，选取其中一个MB，将其作为待预测MB，因此图像中的MB数量固定。本实施例以MB大小为8*4，图像大小为128*64为例进行说明，则每个MB的行分辨率为8、列分辨率为4。

[0063] S2、采用第一预测模式对所述待预测MB进行预测，获得第一残差主观和；

[0064] 优选地，第一预测模式为像素级分量参考预测模式。

[0065] S21、如图2所示，定义待预测MB有K(K>1)个分量，分别为分量1、分量2……分量K；

[0066] S22、对于当前像素的每个分量，通过该分量的周围分量，确定每个分量的N个纹理方向梯度值G1～GN；

[0067] 优选地，当前像素分量的周围分量，可与当前像素分量相邻，也可不相邻；如图3所示，CUR代表当前像素分量，即周围分量可以为GHIK，也可以为ABCDEFJ。

[0068] 优选地，若定义待预测MB当前像素有三个分量，即K＝3，三个分量分别为分量Y、分量U、分量V，如图4所示，则ABS(K-H)为45度梯度值，ABS(K-G)为90度梯度值，ABS(K-F)为135度梯度值，ABS(K-J)为180度梯度值。其中，ABS为绝对值运算。

[0069] S23、将每个分量的N个纹理方向梯度值G1～GN进行加权得到N个纹理方向梯度值加权后的第一加权梯度值BG，加权公式如下：

[0070] BGi＝w1*G1+w2*G2+…+wN*GN(i＝1…K)

[0071] 其中，w1、w2…wN为加权系数，可以相同也可以不同；BG1为分量1的第一加权梯度值，BG2为分量2的第一加权梯度值，依次类推，BGK为分量K的第一加权梯度值。

[0072] 优选地，第一加权梯度值BG，可用像素值差的绝对值表示，但是不限于此。

[0073] 优选地，取最小值，可以得到每个分量的第一加权梯度值的最优值BGbst。

[0074] S24、将K个分量的第一加权梯度值的最优值BGbst进行加权，可以得到第一加权梯度值的最优值加权后的第二加权梯度值BG"，加权公式如下：

[0075] BG"i＝t1*BGbst1+t2*BGbst2+…+tK*BGbstK(i＝1…K)

[0076] 其中，t1、t2…tK为加权系数，可以相同也可以不同；BGbst1为分量1的第一加权梯度值的最优值，BGbst2为分量2的第一加权梯度值的最优值，依次类推，BGbstK为分量K的第一加权梯度值的最优值，BG"1为分量1的第二加权梯度值，BG"2为分量2的第二加权梯度值，依次类推，BG"K为分量K的第二加权梯度值，确定出第二加权梯度值BG"的最优值BG"bst。

[0077] 优选地，取最小值，可以得到每个分量的第二加权梯度值的最优值BG"bst。

[0078] 第二加权梯度值的最优值BG"bst的方向即为当前分量的参考方向Dir。

[0079] S25、将每个分量的参考方向上所有可用的分量像素值进行加权，得到每个分量的参考值Ref，加权公式如下所示：

[0080] Refi＝r1*cpt1+r2*cpt2+…+rN*cptN(i＝1…K)

[0081] 其中，r1、r2…rN为加权系数，可以相同也可以不同；cpt1～cptN为每个分量的参考方向上N个可用的分量像素值；Ref1为分量1的参考值，Ref2为分量2的参考值，依次类推，RefK为分量K的参考值。

[0082] 优选地，如图5所示，若ABS(E-A)最小，即135度纹理，那么参考值为B；若ABS(E-B)最小，即垂直纹理，那么参考值为C；若ABS(E-C)最小，即45度纹理，那么参考值为D；若ABS(C-B)最小，即水平纹理，那么参考值为E；选用得到的参考值和当前像素分量，进行求差得到该模式的预测残差。其中，ABS为绝对值运算。

[0083] S26、将当前像素分量值减去参考值，可以得到当前像素分量的预测残差Dif；公式如下：

[0084] Difi＝Curcpti-Refi(i＝1…K)

[0085] 其中，Curcpt1为分量1的像素值，Curcpt2为分量2的像素值，依次类推，CurcptK为分量K的像素值；Dif1为分量1的预测残差，Dif2为分量2的预测残差，依次类推，DifK为分量K的预测残差。

[0086] S27、当前像素的其余分量，重复S22～S26，即得到该像素所有分量的预测残差。

[0087] 优选地，多分量可以并行处理，也可以串行处理，具体应用规格场景需要。

[0088] S28、根据当前像素分量预测残差确定所述第一预测残差。

[0089] S29、根据所述第一预测残差计算待预测MB的第一残差主观和，公式如下：

[0090]

[0091]

[0092] SUBD1＝a1×SAD1+a2×SD1

[0093] 其中，m*n为待预测MB的大小，SAD1为残差绝对值和，SD1为残差和，Res为预测残差，a1和a2为权重系数，ABS为取绝对值，SUBD1为第一残差主观和。

[0094] S3、采用第二预测模式对所述待预测MB进行预测，获得第二残差主观和；

[0095] S31、采用4种标记符号将所述多个MB进行标记；其中，所述4种标记符号包括第一标记符号、第二标记符号、第三标记符号及第四标记符号。

[0096] 优选地，在水平方向，采用多个标记符号依次循环完成水平方向MB的标记；在竖直方向，采用多个标记符号依次循环完成竖直方向MB的标记。本实施例中图像的分割以及标记如图6所示，将大小为128*64的图像分为16行16列共256个大小为8*4的MB；以0、1、2、3标记每个MB，具体为将奇数行的MB以符号0、2分别循环标记每个MB，将偶数行的MB以符号3、1分别循环标记每个MB，其中，标记符号“0”作为第一标记符号、标记符号“1”作为第二标记符号、标记符号“2”作为第三标记符号、标记符号“3”作为第四标记符号。

[0097] 优选地，预测时，每次预测第一标记符号至第四标记符号中的一种标记符号的MB，直至所有MB预测结束，达到对MB跳块扫描的效果。其中，第一标记符号至第四标记符号的MB的预测顺序可以设定。对于任意一种标记符号的MB的预测顺序为按照图像从左到右，从上到下的顺序对MB进行预测。

[0098] S32、如图6所示，先对所有标记符号为0的MB进行预测，具体的包括：

[0099] S321、确定参考MB；

[0100] 标记符号为0的MB最多仅能获得间隔一个MB的4个参考方向，其中参考方向为上方向、左方向、左上方向，右上方向，因此可以确定出上方向的参考MB，左方向的参考MB，左上方向的参考MB，右上方向的参考MB。

[0101] S322、纹理方向选取；

[0102] S322A、在当前MB的参考方向中，找到距离最近的参考MB。若存在参考MB与当前MB不紧相邻，那么拉近该参考MB为紧相邻参考MB，若任一方向没有参考MB，则不处理，置空。如图7、图8所示。

[0103] S322B、通过参考MB寻找当前MB的第一参考像素，若某MB的参考方向为空，则无第一参考像素。假设当前MB有8个参考MB，如图9所示，因此当前MB可以在每个参考MB中获取到第一参考像素，即当前MB可以确定出全方向的第一参考像素，假设Cmn(m＝1，2，3，4，5，6，7，8)；n＝1，2，3，4为当前MB的当前像素，Rxy(x＝0，1，2，3，4，5；y＝1，2，3，4，5，6，7，8，9)为当前MB的第一参考像素，如图5所示。假设Cmn(m＝1，2，3，4，5，6，7，8；n＝1，2，3，4)为当前MB的当前像素，Rxy(x＝0，1，2，3，4，5；y＝0，1，2，3，4，5，6，7，8，9)为当前MB的第一参考像素，当前MB下参考方向为空，因此，当前MB无下方向的第一参考像素，如图10所示。

[0104] S322C、根据第一参考像素，计算每个参考方向权重，本实施例以图6为例，采用如下公式计算每个参考方向权重Dir，权重采用离方向箭头最近一面的第一参考像素。

[0105]

[0106]

[0107]

[0108]

[0109]

[0110]

[0111]

[0112]

[0113] 优选地，权重计算公式还可以为：

[0114]

[0115] 其中，m*n为MB的大小，abs为绝对值运算，Dir180为左参考方向权重，Dir0为右参考方向权重，Dir45为右上参考方向权重，Dir270为下参考方向权重，Dir90为上参考方向权重，Dir135为左上参考方向权重，Dir225为左下参考方向权重，Dir315为右下参考方向权重。

[0116] S322D、在S322C计算的参考方向权重中选出Dir最小的1组作为最优纹理方向，MB中所有像素值根据该方向进行预测。

[0117] S323、计算第二参考像素；

[0118] 根据所选的最优纹理方向和对应的反方向，根据当前像素的位置，计算每个当前像素的第二参考像素，如图11所示，计算公式如下，

[0119] refmid＝p1*(dir2/(dir1+dir2))+p2*(dir1/(dir1+dir2))

[0120] 若位置偏向1，ref＝weight*refmid+(1-weight)*p1

[0121] 若位置偏向2，ref＝weight*refmid+(1-weight)*p2

[0122] 其中refmid为两个第一参考像素的中点，p1、p2为按最优纹理方向的第一参考像素，dir1、dir2为参考方向权重，例如dir180，dir0；weight为距离权重。

[0123] 首先考虑权重计算第一参考像素的中点，然后考虑位置计算第二参考像素，即第一参考像素中点靠近哪边，最终采用哪边的第一参考像素作为第二参考像素。

[0124] 优选地，第二参考像素计算公式可变更，可以仅引入权重或位置。具体举例如下：

[0125] 若最优纹理方向为45度参考，对于c14，dir45＝2，dir225＝14，可得到第一参考像素为R05和R50，设R05＝100，R50＝40，Refmid＝100*(14/16)+40*(2/16)＝88+5＝93，由于C14偏向R05，因此Refmid＝C23，Ref＝0.5*93+0.5*100＝96，第二参考像素值为96。

[0126] S324、确定预测残差；

[0127] 采用S323计算得到所有点的第二参考像素，采用原始像素值减去第二参考像素值得到预测残差。

[0128] S33、当所有图像中标记为0的MB预测处理完毕后，对所有标记符号为1的MB进行预测，包括；

[0129] S331、确定参考MB；

[0130] 标记符号为1的MB最多仅能获得间隔一个MB的2个参考方向，其中参考方向为上方向、左方向，因此可以确定出上方向的参考MB，左方向的参考MB；可以获得相邻MB的4个参考方向，其中参考方向为左上方向、右上方向、左下方向、右下方向，可以确定出左上方向的参考MB，右上方向的参考MB，左下方向的参考MB，右下方向的参考MB；

[0131] S332、纹理方向选取；

[0132] 与S322的方法一致，此处不再赘述。

[0133] S333、计算第二参考像素；

[0134] 与S323的方法一致，此处不再赘述。

[0135] S334、确定预测残差；

[0136] 与S324的方法一致，此处不再赘述。

[0137] S34、当所有图像中标记为0和1的MB预测处理完毕后，对所有标记符号为2的MB进行预测，包括：

[0138] S341、确定参考MB；

[0139] 所有标记符号为2的MB最多仅能获得间隔一个MB的2个参考方向，其中参考方向为左上方向、右上方向，可以确定出左上方向的参考MB，右上方向的参考MB；以及获得相邻MB的4个参考方向，其中参考方向为上方向、下方向、左方向、右方向，可以确定出上方向的参考MB，下方向的参考MB，左方向的参考MB，右方向的参考MB；

[0140] S342、纹理方向选取；

[0141] 与S322的方法一致，此处不再赘述。

[0142] S343、计算第二参考像素；

[0143] 与S323的方法一致，此处不再赘述。

[0144] S344、确定预测残差；

[0145] 与S324的方法一致，此处不再赘述。

[0146] S35、当所有图像中标记为0、1、2的MB预测处理完毕后，对所有标记符号为3的MB进行预测，包括：

[0147] S351、确定参考MB；

[0148] 所有标记符号为3的MB最多获得相邻MB的8个参考方向，其中，参考方向为上方向、下方向、左方向、右方向、左上方向、右上方向、左下方向、右下方向，可以确定出上方向的参考MB，下方向的参考MB，左方向的参考MB，右方向的参考MB，左上方向的参考MB，右上方向的参考MB，左下方向的参考MB，右下方向的参考MB。

[0149] S352、纹理方向选取；

[0150] 与S322的方法一致，此处不再赘述。

[0151] S353、计算第二参考像素；

[0152] 与S323的方法一致，此处不再赘述。

[0153] S354、确定预测残差；

[0154] 与S324的方法一致，此处不再赘述。

[0155] S36、获取第二残差主观和，包括：

[0156] S361、确定待预测MB位置，通过S32至S35获取第二预测残差。

[0157] S362、根据所述第二预测残差计算待预测MB的第二残差主观和，公式如下：

[0158]

[0159]

[0160] SUBD2＝a1×SAD2+a2×SD2

[0161] 其中，m*n为待预测MB的大小，SAD2为残差绝对值和，SD2为残差和，Res为预测残差，a1和a2为权重系数，ABS为取绝对值，SUBD2为第二残差主观和。

[0162] S4、比较所述第一残差主观和与所述第二残差主观和，以选取所述待预测MB的最终预测模式；

[0163] 比较第一残差主观和与第二残差主观和；其中，

[0164] 若第一残差主观和小，则选取第一预测模式作为待预测MB的最终预测模式；

[0165] 若第二残差主观和小，则选取第二预测模式作为待预测MB的最终预测模式。

[0166] 同理，根据S2至S4的方法，选取其他MB的最终预测模式。

[0167] 本实施的通过预测选择算法可以选择出第一预测模式和第二预测模式中最优的一种预测方法，对于复杂纹理图像进一步优化了预测效果。其中，第一预测模式通过单分量的多方向梯度加权，可以更加合理的确定当前分量的预测方向，尤其是当纹理复杂时，可以起到更好的预测方向纠偏效果，并最终进一步降低预测的理论极限熵；第二预测模式对图像中的MB可获得更多的参考方向，导致预测可以获得更小的预测残差，尤其是纹理复杂区域的预测效果更优。

[0168] 以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。