CN102045554A - 视频和图像的空域预测方法及装置 - Google Patents

Abstract

本发明公开了一种视频和图像的空域预测方法，该方法使用一种或多种空域预测模式；至少一种空域预测模式通过在特定的图像区域上最大化或最小化优化目标，根据视频和图像内容自适应地计算空域预测滤波器并生成当前待预测区域的预测值。本发明能捕捉视频和图像内容不断动态变化的频域纹理特性，根据某种优化准则自适应地计算用于空域预测的预测滤波器的方法，使得空域预测更加准确，从而提高视频和图像编码性能。

Description

视频和图像的空域预测方法及装置

技术领域

本发明涉及多媒体通信领域，尤其涉及一种视频和图像的空域预测方法及装置。

背景技术

视频和图像编码技术是数字视频和图像这一重要多媒体信息得以被广泛应用的基础和关键。在视频和图像编码中，帧内编码不依赖于已编码帧，因而可以被解码器独立解码具有作为随机访问点和有效防止错误传播等功能。然而采用该方法，帧内编码压缩率很低，编码信息量极大。为了提高编码效率，在进行帧内编码时，可以用当前编码块周围已重建的信息对编码块进行空域预测，利用图像的空域相关性去除冗余。这种空域预测的方法也可应用于帧间编码帧。

在H.264视频编码标准/高级视频编码标准(H.264/Advanced Video Coding，H.264/AVC)中，主要利用了空域预测技术来提高帧内编码的压缩率。H.264/AVC支持4x4、8x8和16x16像素宏块的空域预测帧内编码，在对当前编码块进行空域预测时，利用了编码块左面和上面相邻的已重建像素，按照某种特定的方向进行纹理外推生成当前块预测值，然后对去除一定空域冗余后的残差值进行编码，如图1所示。该方法相对于直接对图像数据编码而言，可以大大减小码率。H.264/AVC对4x4和8x8块提供了1种直流模式和8种单方向纹理外推预测模式，如图1所示。

本质上，H.264/AVC所采用的空域预测技术是将9个特定方向(直流视为一种特殊方向)的预测滤波器组应用于当前编码块左面和上面相邻的已重建参考像素，进行预测滤波来获得编码块的预测值，其所使用的预测滤波器组是固定的。使用预测滤波器组来表达空域预测的通用方法可描述如下：

以4x4块为例，记当前待编码块的像素为a-p，其左面和上面的已重建参考像素为A-X，如图2所示。用一维矢量s表示参考像素组成的矢量(例如图2的A至X组成一个1x13的矢量s)，s_A表示矢量s中参考像素A对应的值，依次类推。用一维矢量p表示空域预测生成的对当前编码块的预测值(例如图2的a至p组成一个1x16的矢量p)，p_a表示矢量p中a位置的预测值，依次类推。进而，对一种空域预测模式m，可以通过定义一个预测滤波器矩阵W^m来表示，通过将预测滤波器矩阵W^m与参考像素矢量s相乘可以生成预测值p。此处，W^m可以表示如下：

于是预测值矢量p可由参考像素矢量s与预测滤波器矩阵W^m按下式得到：

p＝W^m·s    (2)

由(3)式可见，预测滤波器矩阵W^m的每一行对应一个滤波器，通过将该滤波器应用于参考像素矢量可以生成一个特定像素点的预测值。于是，W^m表征了一个由16个滤波器组成的预测滤波器组，每个滤波器对应4x4块的一个待预测像素。

以H.264/AVC的帧内预测模式0即竖直模式(Vertical)为例，如图1所示。该空域预测模式可用预测滤波器的描述方法表述为如下矩阵：

$w_{a,A}^0=w_{e,A}^0=w_{i,A}^0=w_{m,A}^0=1;$

$w_{b,A}^0=w_{f,A}^0=w_{j,A}^0=w_{n,A}^0=1;---\left(4\right)$

$w_{c,A}^0=w_{g,A}^0=w_{k,A}^0=w_{o,A}^0=1;$

$w_{d,A}^0=w_{h,A}^0=w_{l,A}^0=w_{p,A}^0=1;$

所有其他w⁰均为0

即当前编码块的a，e，i，m像素位置均用参考像素A竖直外推拷贝得到，其他像素点依次类推。

对H.264/AVC的其他8种预测模式也可用预测滤波器的方法进行表述。H.264/AVC空域预测技术在图像表现出较强的单一纹理性的区域编码效率较好，但却无法准确预测纹理复杂、细节丰富的区域。随着视频和图像应用分辨率的提高，图像细节增多纹理复杂性更高，单方向纹理预测已无法获得令人满意的预测结果。为此，已有文献(专利)提出了预测滤波器可以不限于单方向纹理外推，而使用更灵活的滤波器形式来生成像素预测值。然而，实际应用中的不同视频序列和图像或同一视频序列的不同内容还具有不断变化且性质迥异的纹理特征和频域特性，在这样的情况下，即使采用形式灵活的预测滤波器，因为其频响固定所限，仍将无法捕捉不同视频和图像内容的动态变化特性，从而难以生成准确的空域预测值。但是目前尚无文献或专利提出如何具体根据视频和图像内容的动态频域纹理特征，按照特定的准则来计算生成最优化的空域预测滤波器的方法。

发明内容

本发明的目的在于针对现有技术的不足，提供一种视频和图像的空域预测方法及装置。

本发明的目的是通过以下技术方案来实现的：

一种视频和图像的空域预测方法，该方法：

使用一种或多种空域预测模式；

至少一种空域预测模式通过在特定的图像区域上最大化或最小化优化目标，根据视频和图像内容自适应地计算空域预测滤波器并生成当前待预测区域的预测值。

进一步地，自适应地计算所述空域预测模式时，对预测滤波器的抽头系数进行自适应计算。

进一步地，所述最大化或最小化优化目标是指以下情形之一：

最小化率失真代价；

最小化预测残差能量；

最小化预测残差的空域或频域加权平方和。

进一步地，当优化目标是预测残差的能量之和或预测残差的空域或频域加权平方和时，通过对优化目标进行微分计算来实现最大化或最小化。

进一步地，该方法还包括：

按照一种分类准则为所述每种通过最大化或最小化优化目标，根据视频和图像内容自适应地计算预测方法并生成当前待预测区域的预测值的空域预测模式分别指定图象子区域；

每种上述空域预测模式在其被指定的图像子区域上通过最大化或最小化所述优化目标，来自适应地计算预测方法。

进一步地，用于指定空域预测模式所对应的图像区域的分类准则是基于图像纹理方向性的准则。

进一步地，所述特定的图像区域是待预测区域对应的原始图像或重建图像上的区域。

一种视频和图像的空域预测装置，它包含：

一个空域预测单元，该单元使用一种或多种空域预测模式对待预测区域进行空域预测；

一个计算调整单元，该单元通过最大化或最小化优化目标，自适应地计算调整空域预测模式所使用的预测方法。

本发明的有益效果是：本发明能捕捉视频和图像内容不断动态变化的频域纹理特性，根据某种优化准则自适应地计算用于空域预测的预测滤波器的方法，使得空域预测更加准确从而提高视频和图像编码性能。

附图说明

图1是现有编码技术中H.264/AVC帧内预测编码方法示意图；

图2是用预测滤波器来表述空域预测模式的4x4块示意图；

图3是本发明第一实施方式的空域预测方法流程图；

图4是本发明所述空域预测模式对应的待预测区域形状示意图；

图5是本发明所述空域预测模式所使用的已重建参考像素示意图；

图6是本发明所述使用线性预测滤波器进行空域预测的示意图；

图7是本发明所述使用非线性预测滤波器进行空域预测的示意图；

图8是本发明第一实施方式使用索贝尔算子计算判断图像纹理特性的示意图；

图9是本发明第二实施方式的空域预测装置结构图。

具体实施方式

本发明提供了一种空域预测方法，该方法为：使用一种或多种空域预测模式；至少一种空域预测模式通过在特定的图像区域上最大化或最小化某种优化准则，根据视频和图像内容自适应地计算预测方法并生成当前待预测区域的预测值。

本发明还提供了一种空域预测装置，它包含：一个空域预测单元，该单元使用一种或多种空域预测模式对待预测区域进行空域预测；一个计算调整单元，该单元通过最大化或最小化优化目标，自适应地计算调整空域预测模式所使用的预测方法。

本发明对一段特定的视频和图像内容通过最大化或最小化某种优化准则，自适应地计算空域预测滤波器以生成当前待预测区域的预测值，为如何针对视频和图像内容特性计算生成在某种准则下最优化的空域预测值提供了一种具体的解决方案，使得空域预测能够更好地捕捉视频和图像内容不断动态变化频域纹理特性，从而提高编码性能。

本发明的技术方案可以应用于空间域的帧或频域的帧，频域包括各种变换所产生的频域，如离散余弦变换(Discrete Cosine Transform，简称“DCT”)、离散傅立叶变换(Discrete Fourier Transformation，简称“DFT”)、小波变换等，所以本发明的应用领域较广。

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述。

本发明的实施方式对一段视频和图像内容通过最大化或最小化某种优化目标，自适应地计算空域预测滤波器以生成当前待预测区域的预测值，为如何针对视频和图像内容特性计算生成在某种准则下最优化的空域预测值提供了一种具体解决方案，使得空域预测能够更好地捕捉视频和图像内容不断动态变化频域纹理特性，获得更优的编码结果性能。

实施例1：

下面对本发明的第一实施方式进行说明，本发明的第一实施方式涉及一种空域预测方法，该实施方式使用一种或多种空域预测模式，其中至少一种空域预测模式通过在特定的图像区域上最大化或最小化某种优化准则，根据视频和图像内容特性用自适应的方法计算空域预测滤波器，以生成当前待预测区域的预测值。应用所述“自适应的方法”使得视频和图像编解码***可以依据特定的优化准则找到针对待预测视频和图像内容的最优预测方案。

对应本实施方式的一种通过最优化某种准则用自适应的方法计算空域预测滤波器以生成预测值的实施实例如图3所示。在图3的实施实例中，以空域预测模式的待预测区域为4x4块，参考像素为待预测块左面和上面共13个已重建像素，采用基于参考像素进行线性预测滤波来生成预测值的方法为例，展示如何对一种空域预测模式用自适应的方法来计算预测滤波器并生成待预测区域的预测值。按照背景技术中用线性滤波器来表述空域预测模式的方法(参见“背景技术”部分)来说，此处相当于给出了一种如何自适应计算生成预测滤波器矩阵W^m的实施实例。

如图3，首先进行步骤1，即对当前帧进行图像区域分类，为当前空域预测模式指定图像子区域，于是当前空域预测模式将针对被指定的子区域的图像内容特性来自适应地计算优化预测滤波器(即空域预测方法)。需要说明的是各空域预测模式被指定的图像子区域可以是连通或不连通的区域。

然后进入步骤2，即对当前空域预测模式被指定的图像区域中的每个4x4待预测块分别生成以各参考像素对应的线性预测滤波器系数为参数的预测值解析表达式。

具体来说，定义：

K＝指定图像区域中4x4待预测块的个数

T^k(i)＝第k个4x4待预测块的第i个待预测像素位置的像素值，i＝1，2，...，16

R^k(j)＝第k个4x4待预测块的第j个参考像素值，j＝1，2，...，13

C(i，j)＝第i个待预测位置对应的滤波器的第j个参考像素对应的滤波器系数

P^k(i)＝第k个4x4待预测块的第i个待预测像素位置的预测值(预测滤波生成)

则第k个4x4待预测块的以各参考像素对应的预测滤波器系数为参数的预测值解析表达式如下：

$P^k\left(i\right)=\underset{j=1}{\overset{13}{\mathrm{\Σ}}}{R}^k\left(j\right)\×C(i,j),i=\mathrm{1,2},...,16;k=\mathrm{1,2},...,K---\left(5\right)$

然后进入步骤3，即基于步骤2得出的解析表达式(5)，计算求解使得某种优化准则最大或最小的参数值，从而自适应地获得当前优化准则下滤波器系数的最优解。这里，所述某种优化准则包括但不限于基于率失真(Rate-Distortion)的衡量准则、基于预测残差能量的衡量准则、基于预测残差的空域或频域加权平方和的衡量准则等。所述优化准则可以随着视频和图像帧的不同而变化(时域可变)，也可以在同一帧内随图像区域不同而变化(空域可变)，以便能够持续自适应地计算生成最优的空域预测方法。

下面以采用基于预测残差能量的衡量准则为例，给出一种实施实例，以具体说明如何通过最小化该优化准则来计算预测滤波器。

根据上面的定义和步骤2中得到的当前空域预测模式被指定的图像区域中各4x4待预测块预测值的解析表达式(5)，可以写出在这些4x4待预测块上的预测残差能量和如下：

$\mathrm{Energy}=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\left\{\underset{i=1}{\overset{16}{\mathrm{\Σ}}}{[T^k\left(i\right)-P^k\left(i\right)]}^2\right\}=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\left\{\underset{i=1}{\overset{16}{\mathrm{\Σ}}}{[T^k\left(i\right)-\underset{j=1}{\overset{13}{\mathrm{\Σ}}}{R}^k\left(j\right)\×C(i,j)]}^2\right\}---\left(6\right)$

式(6)是一个以各参考像素点对应的预测滤波器系数C(i，j)为参数的2次表达式，为了最小化预测残差能量和，从而提高预测精度，将式(6)对每个参数C(I，J)求偏微分，可得到一个以C(I，J)(I＝1，2，...，16；J＝1，2，...，13)为未知数的线性方程组如下：

$\frac{\mathrm{dSSD}}{\mathrm{dC}(I,J)}=0=>$

$\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\{\underset{i=1}{\overset{16}{\mathrm{\Σ}}}2\×[T^k\left(i\right)-\underset{j=1}{\overset{13}{\mathrm{\Σ}}}{R}^k\left(j\right)\×C(i,j)]\×[-C(I,J)\left]\right\}=0---\left(7\right)$

$\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{i=1}{\overset{16}{\mathrm{\Σ}}}\underset{j=1}{\overset{13}{\mathrm{\Σ}}}{R}^k\left(j\right)\×C(i,j)\×C(I,J)=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{i=1}{\overset{16}{\mathrm{\Σ}}}{T}^k\left(i\right)\×C(I,J)$

I＝1，2，...16，J＝1，2，...13

式(7)是一个由208个(16x13＝208)线性方程和208个未知数组成的线性方程组，于是求解该线性方程组即可得到针对当前空域预测模式被指定的图像区域的特性自适应计算生成的在预测残成能量和最小意义上的最优空域预测滤波器组。

注意，此处的优化准则和计算方法只是一种实施方式，作为本发明的其它实施方式，无论优化准则还是求解系数的方法都可以采用其他方式。例如，优化准则可以使用基于率失真的衡量准则、基于预测残差的空域或频域加权平方和的衡量准则等。以基于预测残差空域加权平方和的衡量准则为例，依然使用上面的定义，并定义：

α(i)＝每个4x4预测残差块的第i个像素位置对应的加权值

于是根据式(5)，可以写出在指定图像区域的4x4待预测块上的预测残差空域加权平方和如下：

$\mathrm{Sum}=\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\{\underset{i=1}{\overset{16}{\mathrm{\Σ}}}\mathrm{\α}\left(i\right)\×{[T^k\left(i\right)-P^k\left(i\right)]}^2\}=\underset{i=1}{\overset{K}{\mathrm{\Σ}}}\{\underset{i=1}{\overset{16}{\mathrm{\Σ}}}\mathrm{\α}\left(i\right)\×{[T^k\left(i\right)-\underset{j=1}{\overset{13}{\mathrm{\Σ}}}{R}^k\left(j\right)\×C(i,j)]}^2\}---\left(8\right)$

式(8)也是一个以各参考像素点对应的预测滤波器系数C(i，j)为参数的2次表达式，于是可以按照对式(6)相同的处理方法通过对每个滤波器系数求偏微分得到线性方程组，并求解来计算生成在预测残差加权平方和最小的意义上最优的空域预测滤波器组。

最后进入步骤4，即用步骤3中计算得到的空域预测滤波器对图像进行预测。用所得滤波器系数C(i，j)计算各4x4待预测块的方法同式(5)。虽然该空域预测滤波器组是根据特定的图像区域特性自适应计算生成的，但实际编解码时，对该预测模式的应用不必限定于该特定的图像区域上，因为图像的其它部分也可能存在具有类似纹理或频域特性的区域。

需要说明的是，图3只是本实施方式的一种实施实例，作为其它实施实例，空域预测模式的待预测区域大小和形状、参考像素的位置和数目、生成预测值的方法、预测滤波器的性质和形式都是可变的，可以把上述自适应计算生成空域预测滤波器的方法和原理应用于各种形式的空域预测模式而不限于图3的实例。下面对此进行详述。

首先，本实施方式中，空域预测模式的待预测区域可以使是任意形状的，例如H.264/AVC中所使用的4x4块、8x8块、16x16块，或者NxM矩形(其中N，M为任意正整数)、三角形区域等，如图4所示。

其次，本实施方式中，空域预测模式可以使用任意位置的已重建的像素值作为预测参考像素，参考像素包括但不限于当前编码区域的邻近像素。例如图5所示的两种空域预测模式分别使用了当前编码区域左面和上面3行处的已重建像素以及左面和上面相邻的2行已重建像素作为预测参考像素。

另外，本实施方式中，空域预测模式所使用的空域预测滤波器可以是线性或非线性的滤波器。例如，图6展示了一个用线性预测滤波器来计算待编码区域预测值的实施实例，图中所示的空域预测模式可以用矩阵W来表达，该预测模式使用3个已重建像素点作为参考像素(A，B，C)，对3x2的矩形待编码区域(a-f)进行了空域预测。该预测模式适用于上部为竖直纹理下部为水平纹理的图像区域。作为其他实施方式，各种形式的线性滤波器均可被本实施方式中的空域预测模式所采用。

图7显示了一种使用非线性预测滤波器进行空域预测的实施实例，该预测模式使用2个已重建像素点作为参考像素(A，B)，对2x2的矩形待编码区域(a-d)进行了空域预测。矩阵Q描述了各参考像素的幂次，矩阵W描述了各参考像素取幂次后对各待预测区域像素点的加权值。作为其他实施方式，各种形式的非线性滤波器均可被本实施方式中的空域预测模式所采用。

当有多个空域预测模式用所述自适应的方法计算预测滤波器时，则对每个模式分别应用图3所示流程。此时，在步骤1中需要按照某种分类准则为不同的空域预测模式分别指定对应的图像区域。用于指定图像区域的分类准则包括但不限于基于纹理方向性的准则、用现有编码技术进行预测编码的准则等。下面用两个实施实例来具体说明如何用不同的分类准则为各空域预测模式指定图像子区域。

假设共有3种针对4x4待预测块的空域预测模式采用所述自适应的方法计算预测滤波器。作为一种分类准则的实施实例，可以使用基于H.264帧内预测预编码的准则将图像区域分为3类(3个子区域)。进行分类时，可以对图像区域的每个4x4块用H.264帧内预测的水平预测模式(Mode1)、竖直预测模式(Mode0)和DC预测模式(Mode2)进行空域预测编码并用计算编码RD(率失真)性能，该4x4块被判定为属于获得最佳编码RD性能的模式所对应的类别(子区域)。作为另一种分类准则的实施实例，可以使用基于图像纹理方向性的准则对图像区域进行分类。进行分类时，可以使用索贝尔方向算子计算判断图像区域的每个4x4块的纹理方向，并归入相应的类别(子区域)。具体来说，可以使用图8所示的水平和竖直方向的索贝尔算子模板在该4x4块上分别计算水平纹理强度和竖直纹理强度，并设定一个阈值，当水平纹理强度大于竖直纹理强度且大于阈值时，该4x4块判定为水平纹理方向；当竖直纹理强度大于水平纹理强度且大于阈值时，该4x4块判定为竖直纹理方向；否则若水平纹理强度和竖直纹理强度均小于阈值，则该4x4块判定为无方向纹理。此处的阈值可以根据具体应用需求任意设定。

按照上述纹理方向计算判断方法完成对图像区域的分类，最后将分类后的子区域分别指定给3种空域预测模式，使得各空域预测模式分别根据3类图像子区域的纹理特征和频域特性自适应地计算生成预测滤波器以更好地分别预测相应的图像区域。

此外，作为本实施方式的一个重要特征，本实施方式可以根据待预测区域所对应的原始图像的纹理特征和频域特性来自适应地计算空域预测滤波器，也可以根据待预测区域所对应的重建图像的纹理特征和频域特性来自适应地计算空域预测滤波器。具体来说，当基于待预测区域的原始图像特性应用本实施方式时，上文中所述的待预测区域均理解为原始图像区域。此时，编码端可以按照上文所述的具体说明来应用本实施方式，自适应地将空域预测模式计算为更适合待预测区域原始图像特性的形式。由于解码端无法得到待预测区域的原始图像，从而无法在解码端针对原始图像应用本实施方式，所以编码端在计算获得空域预测滤波器后，需要将预测滤波器的信息写入编码结果并传输告知解码端，以使编解码***能正确编解码视频图像。而当基于待预测区域的重建图像特性应用本实施方式时，上文中所述的待预测区域均理解为重建图像区域。此时，编解码端均可得到待预测区域的重建图像，从而可以分别在编解码端应用本实施方式来自适应地针对待预测区域重建图像特性计算生成空域预测滤波器。只要保证编解码端以相同的方式应用本实施方式，即可在不编码传输预测滤波器信息的情况下，在编解码端同步地自适应更新调整空域预测模式，实现正确编解码视频图像。

实施例2：

本发明的第二实施方式涉及一种空域预测装置，如图9所示。该空域预测装置的特征在于包含了一个空域预测单元，该单元使用一种或多种空域预测模式对待预测区域进行空域预测；一个计算单元，该单元通过最大化或最小化优化目标，自适应地计算空域预测模式所使用的预测方法。作为一种实施实例，上述计算单元可以进一步包含一个图像分组单元，用于为每种需要自适应计算预测方法的空域预测模式分别指定一块图像区域，以及一个优化求解单元，用于在每种空域预测模式被指定的图像区域上计算生成相应的预测方法，以实现对优化目标的最大化或最小化。本实施方式中的空域预测单元可以现有技术类似的方式来实现，例如背景技术中所述的空域预测滤波器方法；计算单元及其可能包含的图像分组单元和优化求解单元可以采用本发明第一实施方式中所述的方法来实现。

此外，本发明的技术方案可以应用于空域的帧或频域的帧，频域包括各种变换所产生的频域，如DCT、DFT、小波变换等，所以本发明的应用领域较广。当本发明的技术方案应用于频域的帧时，只需将上述的图像区域和像素均理解为频域图像区域和像素频域值即可。

虽然通过参照本发明的某些优选实施方式，已经对本发明进行了图示和描述，但本领域的普通技术人员应该明白，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。

Claims (8)

1.一种视频和图像的空域预测方法，其特征在于，该方法：

使用一种或多种空域预测模式。

至少一种空域预测模式通过在特定的图像区域上最大化或最小化优化目标，根据视频和图像内容自适应地计算空域预测滤波器并生成当前待预测区域的预测值。

2.根据权利要求1所述视频和图像的空域预测方法，其特征在于，自适应地计算所述空域预测模式时，对预测滤波器的抽头系数进行自适应计算。

3.根据权利要求1所述视频和图像的空域预测方法，其特征在于，所述最大化或最小化优化目标是指以下情形之一：

最小化率失真代价。

最小化预测残差能量。

最小化预测残差的空域或频域加权平方和。

4.根据权利要求3所述视频和图像的空域预测方法，其特征在于，当优化目标是预测残差的能量之和或预测残差的空域或频域加权平方和时，通过对优化目标进行微分计算来实现最大化或最小化。

5.根据权利要求1所述视频和图像的空域预测方法，其特征在于，还包括：

按照一种分类准则为所述每种通过最大化或最小化优化目标，根据视频和图像内容自适应地计算预测方法并生成当前待预测区域的预测值的空域预测模式分别指定图象子区域。

每种上述空域预测模式在其被指定的图像子区域上通过最大化或最小化所述优化目标，来自适应地计算预测方法。

6.根据权利要求5所述视频和图像的空域预测方法，其特征在于，用于指定空域预测模式所对应的图像区域的分类准则是基于图像纹理方向性的准则。

7.根据权利要求1所述视频和图像的空域预测方法，其特征在于，所述特定的图像区域是待预测区域对应的原始图像或重建图像上的区域。

8.一种视频和图像的空域预测装置，其特征在于，它包含：

一个空域预测单元，该单元使用一种或多种空域预测模式对待预测区域进行空域预测；

一个计算调整单元，该单元通过最大化或最小化优化目标，自适应地计算调整空域预测模式所使用的预测方法。

Images