[发明专利]一种多特征哈希值构建哈希表进行搜索的编码方法及装置

说明书

本发明公开了一种多特征哈希值构建哈希表进行搜索的编码方法及装置，属于数据编码技术领域，方法包括：接收图像分块和对应的图像分块像素值；根据图像分块像素值获取第一预设数量的第一内容特征和第二预设数量的第二内容特征；将第一内容特征和第二内容特征的特征值进行归一化操作；将归一化后的第一内容特征和第二内容特征进行拼接操作，得到与图像分块像素值对应的哈希值；将与哈希值相同的图像分块所在图像的坐标连接成一条哈希链，得到包括哈希链的哈希表；计算待编码块的哈希值；从哈希表中查找与待编码块哈希值相同的哈希链；比较哈希链上各个节点对应图像坐标位置作为参考块的图像块；从中选择最优参考块作为匹配块对待编码块进行编码。

技术领域

本发明属于数据编码技术领域，具体涉及一种多特征哈希值构建哈希表进行搜索的编码方法及装置。

背景技术

随着人类社会进入人工智能、大数据、虚拟现实、增强现实、混合现实、云计算、移动计算、云-移动计算、超高清(4K)和特超高清(8K)视频图像分辨率、4G/5G通讯的时代，各种数据集(包括大数据、图像数据、视频数据、以及各种新形态的数据)已经成为互联网带宽的主要消耗者，对其进行超高压缩比和极高质量的数据压缩成为必不可少的技术。

屏幕图像的一个显著特点是同一帧图像内通常会有很多相似甚至完全相同的像素图样。如何在给定的搜索范围内找到更多更好的匹配块或匹配串是提高屏幕内容编码效率的一个难题。基于哈希表的搜索技术是一种有效的解决方案。哈希表通过将具有相同哈希值的参考块或参考像素所在图像的坐标链接在一起，为当前编码块或编码像素提供一个有效的参考块或参考像素所在图像坐标的集合。通过哈希表，可以快速地通过查表的方式找到搜索范围内与当前块或者当前像素匹配的参考块或者像素。

基于分块的哈希表创建的一个重要步骤是如何计算一个分块的哈希值，即将当前MxN大小分块(M、N分别表示分块的宽和高)的像素分量值映射到一个若干位(如32位)的哈希值上。将具有相同哈希值的参考块所在图像坐标链接在一起形成一条hash链。Hash搜索是首先计算当前待编码块的hash值，从具有相同hash值对应的hash链上，逐一比较hash链上每个节点对应图像坐标位置的参考块，根据预设规则从中选择最优参考块即匹配块的过程。一条hash链上的所有节点数目称为hash链节点总数。

不同的hash值计算方式，会对hash链的分布情况产生较大的影响，同一条hash链上节点数目过多，节点集中在少数hash链上等，从而对编码的复杂度和编码效率产生不同的影响。基于分块特征的hash值计算方式考虑了二维图像的空间特征，更能有效判断两个分块的像素是否匹配，但可能导致同一条hash链上节点数目过多，搜索复杂度高。采用CRC32的hash值计算方式具有计算方式简单和hash链的范围更广的优点，从而搜索复杂度大幅降低，但是该方法未考虑到二维图像的特征，可能导致hash链过于分散，部分hash链节点数很少，因此可能导致找到匹配块的概率降低(只要一个块有极少部分的像素不同，也有可能导致参考块和当前块不匹配)，获得的总体编码效率不如基于二维图像特征的hash值。

屏幕内容是由计算机生成内容和光电感应器摄取自然内容组成。从图像生成原理来看，计算机生成内容和光电感应器摄取自然内容具有显著不同的特征，比如计算机生成内容具有分块内颜色数目少和梯度突变等特征。大范围的哈希搜索技术对屏幕内容中的计算机生成内容非常有效，但是对光电感应器摄取自然内容作用非常有限。对于大参考范围的面向8K、16K或以上的超高清屏幕内容，现有的基于分块特征的hash值计算方式未考虑计算机生成内容本身的特征，仅仅考虑了比如平均值和梯度值等屏幕内容的通用特征，造成编码效率不高且搜索代价较高的缺点。

发明内容

为了解决现有技术对于大参考范围的面向8K、16K或以上的超高清屏幕内容，现有的基于分块特征的hash值计算方式未考虑计算机生成内容本身的特征，仅仅考虑了比如平均值和梯度值等屏幕内容的通用特征，造成编码效率不高且搜索代价较高的缺点的技术问题，本发明提供一种多特征哈希值构建哈希表进行搜索的编码方法及装置。

第一方面