从原始图像的低质量版本和摘要构建原始图像的估计的方法和装置

摘要

本发明关于用于从原始图像(Y)的低质量版本(Yl)和根据图像计算的摘要(Eh)构建原始图像的估计的方法和装置。该方法的特征在于其包括：-获得(11)包括至少一个补片对的字典，每一个补片对包括被称为第一补片的摘要的补片和被称为第二补片的原始图像的低质量版本的补片，通过原地匹配来自摘要的补片和来自低质量图像的补片来对于摘要的每一补片提取补片对，-对于原始图像的低质量版本的每一补片，在补片对的字典内选择(12)至少一个补片对，根据涉及原始图像的低质量版本的补片和所选择的补片对的第二补片的准则来选择每一个补片对，-根据至少一个所选择的补片对获得(13)映射函数，以及-使用映射函数将原始图像的低质量版本的补片投影(14)为最终补片

说明书

技术领域

本发明一般地涉及借助于原始图像的低质量版本和摘要(epitome)进行图像的构建。

背景技术

该部分意在向读者介绍可能与以下描述和/或要求的本发明的各个方面有关的现有技术的各个方面。该讨论被认为有助于向读者提供背景信息以促进对本发明的各个方面的更好理解。因此，应当理解，要从这个角度来阅读这些陈述，而不是作为对现有技术的承认。

摘要是包含图像的纹理特性的本质的图像(或视频)信号的浓缩(因式分解)表示。

图像由其摘要和赋值(assignation)映射进行描述。摘要包括来源于该图像的一组图表(chart)。赋值映射对于图像的每个块指示纹理摘要中的哪个补片(patch)用于该块的构建。在编码上下文中，摘要需要与赋值映射一起存储和/或传送(S.Cherigui，C.Guillemot，D.Thoreau，P.Guillotel和P.Perez，“Epitome-basedimagecompressionusingtranslationalsub-pixelmapping”，IEEEMMSP2011)。

已经提出了不同形式的摘要，诸如高“完整性”的图像概要(D.Simakov，Y.Caspi，E.Shechtman，M.Irani，“Summarizingvisualdatausingbidirectionalsimilarity”，计算机视觉与模式识别，CVPR2008)或者从静止图像补片学习的基于补片的概率模型(N.Jojic等，“Epitomicanalysisofappearanceandshape”，IEEE国际计算机视觉大会(ICCV’03)，第34-41页，2003)或者从取自输入视频的时空纹理立方体学习的基于补片的概率模型(V.Cheung,B，J.Frey和N.Jojic，“VideoEpitomes”，国际计算机视觉杂志，第76卷，第2期，2008年2月)。这些概率模型连同适当的推断算法，对于绘画中或者超分辨率内容分析是有用的。

另一族方法是利用计算机视觉技术，诸如KLT跟踪算法，以便恢复图像内和跨图像的自相似性(H.Wang，Y.Wexler，E.Ofek，H.Hoppe，“Factoringrepeatedcontentwithinandamongimages”，美国计算机学会图形学报，SIGGRAPH2008)。

并行地，另一类型的方法已经在(M.Aharon和M.Elad，“SparseandRedundantModelingofImageContentUsinganImage-Signature-Dictionary”，SIAMJ.成像科学，第1卷，第3期，第228-247页，2008年7月)中进行介绍，其目的在于使用稀疏编码和字典学习从图像提取类似摘要的签名。

基于图像摘要的帧内预测方法已经在(A.Efros，T.Leung，“Texturesynthesisbynon-parametricsampling”，国际计算机视觉大会，第1033-1038页，1999)中进行介绍，其中通过模板匹配从图像摘要生成对于每个块的预测。基于视频摘要分析的帧内编码方法也在(Q.Wang，R.Hu，Z.Wang，“IntracodinginH.264/AVCbyimageepitome”，PCM2009)中提出，其中使用由图像摘要的长度和宽度所决定的固定长度码来编码变换映射(匹配矢量)。这两个方法所使用的摘要图像是基于具有金字塔方法的EM(期望最大化)算法。

这种摘要图像保留了原始图像的全局纹理和形状特征，但是引入了不期望的视觉伪像(例如，输入图像中不存在的附加补片)。

发明内容

本发明以一种用于从原始图像的低质量版本和摘要构建原始图像的估计的方法来纠正现有技术的某些缺点，该方法限制原始图像的构建的估计中不期望的伪像。

更确切地，该方法获得包括至少一个补片对的字典，每一个补片对包括被称为第一补片的摘要的补片和被称为第二补片的原始图像的低质量版本的补片。通过原地匹配来自摘要的补片和来自低质量图像的补片来对于摘要的每一补片提取补片对。

接下来，对于原始图像的低质量版本的每一补片，该方法在补片对的字典内选择至少一个补片对，根据涉及原始图像的低质量版本的补片和所选择的补片对的第二补片的准则来选择每一个补片对。

然后，该方法根据所述至少一个所选择的补片对获得映射函数，使用该映射函数将原始图像的低质量版本的补片投影为最终补片。

根据变型，当最终补片在一个像素中彼此重叠时，该方法进一步将一个像素中的最终补片进行平均，以给出原始图像的估计的像素值。

根据实施例，所述至少一个所选择的补片对是原始图像的低质量版本的补片的最近邻。

根据实施例，通过从所述至少一个所选择的补片对进行学习来获得映射函数。

根据实施例，学习映射函数被定义为使得所述至少一个所选择的补片对的第一补片与第二补片之间的最小平方误差最小化。

根据实施例，原始图像的低质量版本是具有原始图像的分辨率的图像。

根据实施例，如下获得原始图像的低质量版本：

-生成原始图像的低分辨率版本，

-编码图像的低分辨率版本，

-解码图像的低分辨率版本，以及

-对已解码的图像的低分辨率版本进行内插，以便得到具有与原始图像的分辨率相同的分辨率的原始图像的低质量版本。

根据实施例，从原始图像获得摘要。

根据实施例，从原始图像的低分辨率版本获得摘要。

根据其各方面之一，本发明涉及一种用于从原始图像的低质量版本和根据图像计算的摘要构建原始图像的估计的装置。该装置的特征在于其包括用于以下的部件：

-获得包括至少一个补片对的字典，每一个补片对包括被称为第一补片的摘要的补片和被称为第二补片的原始图像的低质量版本的补片，通过原地匹配来自摘要的补片和来自低质量图像的补片来对于摘要的每一补片提取补片对，

-对于原始图像的低质量版本的每一补片，在补片对的字典内选择至少一个补片对，根据涉及原始图像的低质量版本的补片和所选择的补片对的第二补片的准则来选择每一个补片对，

-根据至少一个所选择的补片对获得映射函数，

-使用该映射函数将原始图像的低质量版本的补片投影为最终补片。

本发明的特定性质以及本发明的其它目的、优点、特征和使用，将从结合附图做出的优选实施例的以下描述中变得明显。

附图说明

将参考以下附图描述实施例：

-图1示出了用于从原始图像的低质量版本和根据图像计算的摘要构建原始图像的估计的方法的步骤的图；

-图2示出了关于图1所描述的方法的实施例的步骤的图；

-图2-(2)示出了关于图1所描述的方法的实施例的变型的步骤的图；

-图2-(3)示出了关于图1所描述的方法的实施例的另一变型的步骤的图；

-图3图示用于从图像获得摘要的步骤的实施例；

-图4示出了在传输上下文中的编码/解码方案的示例；

-图5示出了实现用于构建原始图像的估计的方法的实施例的编码/解码方案的示例的步骤的图；

-图6示出了图5的编码/解码方案的变型的步骤的图；

-图7示出了设备的架构的示例。

具体实施方式

将在参考其中示出了本发明的实施例的附图之后在此更完全地描述本发明。然而，本发明可以体现在许多替换形式中并且不应当被看作为限于在此提出的实施例。因此，虽然本发明易经历各种修改和替代形式，在图中通过示例的方式示出具体实施例，并且在此将详细描述这些具体实施例。然而应当理解的是，不意图将本发明限于公开的特定形式，而是相反地，本发明意图覆盖落入如权利要求所限定的本发明的精神和保护范围内的所有修改、等效和替换。相同的附图标记涉及贯穿附图说明的相同的元件。

在此使用的术语仅用于描述特定的实施例的目的而不意图限制本发明。如在此使用的，单数形式“一”、“一个”和“该”意图也包括复数形式，除非上下文清楚地指示例外。进一步将理解的是，术语“包括”、“包含”、“含有”和/或“具有”当被用于该说明书中时，指定所述的特征、整体、步骤、操作、元件和/或组件的存在，而不排除一个或多个其它特征、整体、步骤、操作、元件、组件和/或其群组的存在或添加。此外，当元件被称为“响应于”或“连接到”另一元件时，其可以直接响应于或连接到另一元件，或者可以存在介于其间的元件。相反地，当元件被称为“直接响应于”或者“直接连接到”另一元件时，不存在介于其间的元件。如在此使用的，术语“和/或”包括一个或多个关联的列出的项目的任意和全部组合且可以缩写为“/”。

将理解的是，虽然术语第一、第二等在此可以用于描述各种元件，这些元件不应当由这些术语限制。这些术语仅用于区分一个元件与另一元件。例如，在不脱离本公开的教导的情况下，第一元件可以被称为第二元件，且类似地，第二元件可以被称为第一元件。

虽然一些图包括通信路径上的箭头以示出通信的主要方向，将要理解的是，通信可以以与所绘的箭头相反的方向进行。

参考框图和操作流程图描述一些实施例，在框图和操作流程图中，每个方框表示电路元件、模块或者包括用于实现一个或多个指定的逻辑功能的一个或多个可执行指令的代码的部分。还应当注意，在其它实现中，方框中标注的一个或多个功能可以不以标注的次序发生。例如，取决于涉及的功能，连续示出的两个方框可以事实上本质上同时地执行，或者多个方框有时可以以相反次序执行。

在此对“一个实施例”或者“一实施例”的引用指的是关于该实施例描述的特定的特征、结构或者特性可以包括在本发明的至少一个实现中。在说明书的各种位置中短语“在一个实施例中”的出现不必全部引用相同实施例，也不必全部引用必须与其它实施例互斥的单独的或者可选的实施例。

在权利要求中出现的附图标记仅是以说明的方式且不应当对权利要求的范围具有限制效果。

虽然未明确地描述，可以以任意组合或者子组合采用本实施例和变型。

图1示出了用于从原始图像Y的低质量版本Y^l以及根据图像所计算的摘要E^h构建该原始图像Y的估计的方法的步骤的图。该方法具有以下的附图标记10。

摘要E^h包括被表示为Y_i^E(i＝1…N)的N个补片。

在下面，补片是图像的相邻像素的一部分。

在步骤11，如下获得至少一个补片对(Y_i^E,Y_i^l)的字典：对于摘要E^h的每个补片Y_i^E，提取位于低质量图像Y^l中的相同位置的补片Y_i^l，即，通过原地(in-place)匹配来自摘要E^h的补片与来自低质量图像Y^l的补片，来对每个补片Y_i^E提取一个补片对(Y_i^E,Y_i^l)。

在下面，一个补片对(Y_i^E,Y_i^l)的补片Y_i^E被称为第一补片，且另一补片Y_il被称为第二补片。

在步骤12，对于低质量图像Y^l的每个补片在字典内选择K个补片对k＝1…K，根据涉及低质量图像Y^l的补片和所述补片对的第二补片的准则来选择每一个补片对

注意到K是可以等于1的整数值。

根据实施例，K个所选择的第二补片是低质量图像Y^l的补片的K个最近邻(K-NN，Knearestneighbors)。

在步骤13，根据所述K个所选择的补片对获得映射函数。

根据实施例，通过从这K个补片对进行学习来获得映射函数。这种学习例如可以使用线性或内核回归。

应当注意，回归已经被K.Kim等(“Single-imagesuper-resolutionusingsparseregressionandnaturalimageprior”，IEEE模式分析与机器智能学报，第32卷，第6期，第1127–1133页，2010)考虑用于从训练图像的外部集合取得示例对的单一图像超分辨率，这需要大集合的训练示例。Z.L.J.yang等(“Fastimagesuper-resolutionbasedonin-placeexampleregression”,IEEE国际计算机视觉与模式识别会议(CVPR)，2013，第1059–1066页)在低质量图像的低频版本(用高斯内核卷积输入图像)和双三次(bi-cubic)内插版本之间提取示例对。就考虑超分辨率算法而言，这里的主要差异在于以下事实：由摘要给出匹配对。更确切地，利用摘要是原始图像的因式分解(factorized)表示的这一事实，可以仅使用小集合的补片对来执行映射函数的局部学习。

根据实施例，通过最小化K个所选择的补片对的第一补片和第二补片之间的最小平方误差，学习映射函数被定义如下：

使M_l是在其列中包含K个所选择的补片对的第二补片的矩阵。

使M_h是在其列中包括K个所选择的补片对的第一补片的矩阵。

考虑多元线性回归，问题是搜索使下式最小化的映射函数F：

E＝||(M_h)^T-(M_l)^TF^T||²

该等式对应于线性回归模型Y＝XB+E，并且其最小化给出以下最小平方估计器：

F＝M_hM_l^T(M_lM_l^T)^-1

根据变型，低质量图像Y^l中的补片与低质量图像Y^l的至少一个其它补片重叠。例如，重叠因子是可以调谐的参数，并且对于8x8补片设置为7。

在步骤14，如下使用映射函数F将低质量图像Y^l的每个补片投影为补片

即，

在步骤15，当一个像素中的补片一个重叠另一个时，则将一个像素中的重叠补片进行平均，以给出原始图像的估计的像素值。

根据该方法的实施例，如图2所示，原始图像的低质量版本Y^l是具有原始图像的分辨率的图像。

根据该实施例的实施例，如下获得原始图像的低质量版本：

在步骤20，使用低通滤波和下采样来生成原始图像的低分辨率版本。典型地，使用下采样因子2。

在步骤21，编码原始图像的低分辨率版本。

在步骤22，解码已编码的原始图像的低分辨率版本。

本发明不限于任何特定编码器/解码器。例如，可以使用在文档ISO/IEC14496-10中描述的MPEG-4AVC/H.264中定义的H.264，或者在文档(B.Bross，W.J.Han，G.J.Sullivan，J.R.Ohm，T.WiegandJCTVC-K1003，“HighEfficiencyVideoCoding(HEVC)textspecificationdraft9”，2012年10月)中描述的HEVCHEVC(高效率视频编码)编码器/解码器。

在步骤23，例如使用简单的双三次内插来内插已解码的低分辨率Y^d。由此获得的原始图像的低质量版本Y^l具有与原始图像的分辨率相同的分辨率。

图2-(2)示出了关于图1所描述的方法的实施例的变型的步骤的图。

根据该变型，根据步骤10(图1)构建的原始图像Y的估计在低分辨率图像空间中迭代地进行反投影(back-projected)，并且在迭代t处的估计的反投影版本与原始图像的低分辨率版本相比较。

在编码/解码上下文中，原始图像的低分辨率版本是步骤22的输出，即已解码的低分辨率版本Y^d。

该变型保证最终估计与低分辨率版本Y^d之间的一致性。

在迭代t处，考虑原始图像Y的估计。

图2-(2)中示出的开关SW指示在首次迭代处考虑根据步骤10(图1)构建的估计并且在迭代(t+2)处考虑在迭代(t+1)处计算的估计然后在低分辨率图像空间(其中原始图像的低分辨率版本Y^d是根据下采样因子(步骤20)来定义的空间)中将估计进行反投影。

实践中，使用与步骤20相同的下采样因子生成所考虑的估计的反投影版本

接下来，在原始图像的反投影版本和低分辨率版本Y^d之间计算误差Err^t。

然后，将误差Err^t进行上采样(步骤23)，并且将上采样后的误差添加到所考虑的估计上，以得到新估计。

从数学上来说，新估计由以下给出：

其中p是局部传播误差的反投影滤波器，且m是下采样因子(例如，m＝2)。

当核对诸如最大迭代数目的准则时或者当在误差Err^t上计算的平均误差低于给定阈值时，停止迭代。

图2-(3)示出了关于图1所描述的方法的实施例的另一变型的步骤的图。

根据该变型，通过在低分辨率图像空间中将原始图像(Y)的当前估计进行反投影以及通过将在迭代t处的当前估计的反投影版本与原始图像的低分辨率版本Y^d之间所计算的误差添加到当前估计上，由此迭代地更新用于获得字典(步骤11)和映射函数(步骤13)的原始图像的低质量版本。

在迭代t处，考虑原始图像Y的估计。

图2-(3)中示出的开关SW指示在首次迭代处考虑根据图2构建的原始图像Y的低质量版本Y^l，并且在迭代(t+2)处考虑在迭代(t+1)处所计算的原始图像的估计。

实践中，根据原始图像Y的低质量版本Y^l(迭代1)或者根据在前一迭代处所计算的原始图像的估计，从步骤10获得原始图像的估计。

实践中，使用与步骤20相同的下采样因子生成所考虑的估计的反投影版本

接下来，在原始图像的反投影版本和低分辨率版本Y^d之间计算误差Err^t。

在编码/解码上下文中，原始图像的低分辨率版本是步骤22的输出，即，已解码的低分辨率版本Y^d。

然后，将误差Err^t进行上采样(步骤23)，并且将上采样后的误差添加到所考虑的估计上，以得到原始图像的新估计

当核对诸如最大迭代数目的准则时或者当在误差Err^t上计算的平均误差低于给定阈值时，迭代停止。

图3说明用于从图像In获得摘要E^h的步骤30的实施例。在(S.Cherigui，C.Guillemot，D.Thoreau，P.Guillotel和P.Perez，“Epitome-basedimagecompressionusingtranslationalsub-pixelmapping,”IEEEMMSP2011)中描述了该方法。

图像由其摘要E^h和赋值映射Φ进行描述。摘要包括来源于该图像In的一组图表。赋值映射对于图像In的每个块指示纹理摘要中的哪个补片用于该块的构建。

图像In被划分为块B_i的规则格子(grid)，并且经由赋值映射从摘要补片对每个块B_i进行近似。构造方法基本上由三个步骤组成：寻找自相似性，通过进一步搜索最佳匹配以及通过相应地更新赋值映射来创建摘要图表和改进重构的质量。

在步骤31，寻找图像In内的自相似性包括：搜索具有与图像In中的每个块B_i相似的内容的图像In中的补片集合。就是说，对于每个块B_i∈In，匹配的补片M_i,l以给定的误差容限∈来近似块B_i，匹配列表为L_match(B_i)＝{M_i，0，M_i，1，...}。例如，使用平均欧几里得距离以块匹配算法来执行匹配。可以对整个图像In执行穷举搜索。

一旦对于图像块的给定集合已经创建了所有匹配列表，在步骤32，构建指示可以由匹配的补片M_j,l表示的图像块的集合的新列表L'_match(M_j,l)。注意，在穷举搜索期间所找到的所有匹配块M_j,l不需要与图像的块格子对齐并且因而属于“像素格子”。

在步骤33，根据从输入图像选出的所选择的纹理补片来构建摘要图表。每一摘要图表表示图像In的特定区域。

在初始化子步骤330期间，作为当前摘要图表EC_n的索引的整数值n被设置为零。由剩余未重构图像块的最具代表性的纹理补片来初始化当前摘要图表EC_n。

从数学上来说，例如通过均方误差(MSE)准则的最小化来初始化当前摘要图表：

$>\min \left(\frac{{\Sigma }_{i=1}^N{\Sigma }_{j=1}^M\left(Y\right(i,j)-Y^{\prime }(i,j\left)\right)}{NxM}\right)---\left(1\right)$>

其中Y'(i,j)是通过给定纹理补片进行重构的图像。

等式(1)考虑整个图像In上的预测误差。也就是，该准则不仅应用于由给定纹理补片进行近似的图像块，而且还应用于未由该补片进行近似的图像块。作为变型，在计算图像重构误差时，将零值赋值给未由该补片进行重构的图像像素。因此，该准则使得当前摘要图表能够通过纹理图案进行扩展(extend)，所述纹理图案允许最大数目的块的重构以及重构误差的最小化。

在扩展子步骤331期间，通过来自图像In的最优扩展ΔE_opt逐渐地扩展当前摘要图表EC_n，并且每次放大该当前摘要图表，保持跟踪在图像In中可能预测的附加块的数目。

使得k是扩展当前摘要图表的次数。初始摘要图表EC_n(k＝0)对应于在初始化子步骤330留存的纹理补片。扩展步骤331首先进行：确定与当前图表EC_n(k)重叠而且表示其它图像块的匹配的补片M_j,l的集合。因此，存在可以用作当前摘要图表的扩展的若干扩展候选ΔE。使m是在摘要图表的k个扩展之后所找到的扩展候选的数目。对于每个扩展候选ΔE，根据仅与包含像素集合ΔE的匹配的补片M_j,l有关的列表L'_match(M_j,l)来决定可以构建的附加图像块。然后，在所找到的扩展候选的集合当中选择最优扩展ΔE_opt。根据例如可以由拉格朗日准则的最小化给出的比率失真准则，最优扩展导致最佳匹配：

$>\begin{array}{c}\min (D_{E_{cur}+\Delta E}+{\mathrm{\lambda xR}}_{E_{cur}+\Delta E})\\ {\mathrm{\Delta E}}_{opt}^k=\underset{m}{\arg \min }(\frac{{\Sigma }_{i=1}^N{\Sigma }_{j=1}^M\left(Y\right(i,j)-Y^{\prime }(i,j\left)\right)}{NxM}+\lambda (\left(\frac{E_{cur}+{\mathrm{\Delta E}}_m}{NxM}\right)\left)\right)\end{array}---\left(2\right)$>

其中λ是熟知的拉格朗日参数。

准则(2)中的第一项是指当由当前摘要中所包含的纹理信息以及扩展候选ΔE_m来构建图像In的估计时的每像素的平均预测误差。如在初始化子步骤330中所进行的，当图像像素既不受到当前摘要的影响，也不受到扩展候选ΔE_m的影响时，将其赋值为零值。准则(2)的第二项对应于当重构摘要时的每像素的比率，其被粗略地估计为当前摘要E_cur及其扩展优选ΔE_m中的像素数目除以图像In内的像素总数目。

当选择最优扩展时，当前摘要图表变成：

$>{\mathrm{FC}}_n(k+1)={\mathrm{EC}}_n\left(k\right)+{\mathrm{\Delta E}}_{opt}^k$>

然后，持续扩展当前摘要图表，直到不再有与当前摘要图表重叠而且表示其它块的匹配的补片M_j,l为止。因此，当不再能扩展当前图表EC_n时并且当整个图像还未由当前摘要表示完时，索引n递增1，并且在图像中的新位置处初始化另一摘要图表。当整个图像由摘要构建完时，过程结束。

根据步骤30的实施例，图像In是原始图像。因此，从原始图像获得摘要E^h。

根据步骤30的实施例，图像In是原始图像的低分辨率版本Y^d。因此，从原始图像的低分辨率版本获得摘要E^h。

根据该实施例的变型，通过图2的步骤20、21和22获得原始图像的低分辨率版本Y^d。

该实施例及其变型在编码图像的传输上下文中是有益的，因为它们避免了摘要的传输，并且因而减小了传输带宽。

关于图1所描述的构建原始图像Y的估计的方法可以用在编码/解码方案中，以经由如图4所示的通信网络在传送器60和接收器61之间传送编码的原始图像Y。

如图5所示，生成原始图像的低分辨率版本(步骤20)，然后编码(步骤21)和解码(步骤22)。然后通过对原始图像的解码的低分辨率版本进行内插，来获得原始图像的低质量版本Y^l(步骤23)。

最后，从原始图像的低质量版本Y^l以及根据步骤30(图3)的变型的实施例所计算的摘要，根据步骤10(图1)来构建原始图像Y的估计

注意，如图所示，当从原始图像Y计算摘要时(步骤50)，对摘要进行编码(步骤24)和解码(步骤25)。

本发明不限于任何特定编码器/解码器。例如，可以使用H.264或者HEVC编码器/解码器。

图6示出了关于图5所描述的编码/解码方案的变型。

在该变型中，通过计算摘要E_h与原始图像的低质量版本Y^l之间的差值来获得残差数据R_h(步骤23)。然后编码(步骤24)、解码(步骤25)残差数据R_h，并且将解码后的残差数据添加到原始图像的低质量版本上(步骤23)，以获得在解码侧的摘要。然后从原始图像的低质量版本Y^l和摘要获得原始图像Y的估计(步骤10)。

图7表示设备70的示例性架构。

设备70包括由数据和地址总线71链接在一起的以下元件：

-微处理器72(或CPU)，其例如是DSP(或数字信号处理器)；

-ROM(或只读存储器)73；

-RAM(或随机存取存储器)74；

-用于从应用接收要传送的数据的I/O接口75；以及

-电池76。

根据变型，电池76在设备的外部。图7的这些元件中的每一个是本领域技术人员所熟知的，并且不进一步公开。在每一个提到的存储器中，说明书中使用的词语“寄存器”可以对应于小容量的区域(某些比特)或者对应于非常大的区域(例如，整个程序或者大量接收或解码的数据)。ROM73至少包括程序和参数。关于图1至图6所描述的方法的至少一个算法被存储在ROM73中。当开启时，CPU72上载RAM中的程序并且运行对应的指令。

RAM74在寄存器中包括由CPU72运行并且在设备70的开启之后上载的程序，在寄存器中的输入数据，在寄存器中的方法的不同状态下的中间数据，以及寄存器中的用于方法的执行的其它变量。

在此所描述的实现可以例如以方法或过程、装置、软件程序、数据流或信号实现。即使仅在单个形式的实现的上下文中讨论(例如，仅作为方法或设备而讨论)，所讨论的特征的实现也可以采用其它形式来实现(例如，程序)。装置可以例如以适当的硬件、软件和固件实现。方法可以例如在诸如例如处理器的装置中实现，其中处理器一般是指例如包括计算机、微处理器、集成电路或可编程逻辑器件的处理设备。处理器还包括诸如例如计算机、蜂窝电话、便携式/个人数字助理(“PDA”)之类的通信设备以及其它促进终端用户之间信息的通信的设备。

在此描述的各种过程和特征的实现可以体现在各种不同的装备或应用中，特别是例如装备或应用。这种设备的示例包括编码器、解码器、处理来自解码器的输出的后处理器、提供到编码器的输入的预处理器、视频编码器、视频解码器、视频编解码器、web服务器、机顶盒、膝上型计算机、个人计算机、蜂窝电话、PDA及其它通信设备。应当清楚，装备可以是移动的，并且甚至可以被安装在交通工具中。

此外，可以通过由处理器执行的指令来实现所述方法，并且可以在处理器可读介质上存储这样的指令(和/或由实现产生的数据值)，所述处理器可读介质诸如例如集成电路、软件载体或其它存储器件，所述其它存储器件诸如例如硬盘、紧凑盘(“CD”)、光盘(诸如例如，通常被称为数字多功能盘或数字视频盘的DVD)、随机存取存储器(“RAM”)、或只读存储器(“ROM”)。指令可以形成有形地体现在处理器可读介质上的应用程序。指令可以例如采用硬件、固件、软件或其组合的形式。可以在例如操作系统、单独的应用或两者的组合中发现指令。因此，可以将处理器特征化为例如被配置为执行过程的设备以及包含具有用于执行过程的指令的处理器可读介质(诸如存储器件)的设备两者。此外，除了指令之外或者替代指令，处理器可读介质可以存储由实现产生的数据值。

正如对本领域技术人员而言显而易见的，实现可以产生各种被格式化以携带例如可以被存储或传输的信息的信号。信息可例如包括用于执行方法的指令、或者由所描述的实现之一所产生的数据。例如，信号可以被格式化以作为数据携带用于写入或者读取描述的实施例的语法的规则，或者作为数据携带由描述的实施例写入的实际的语法值。例如，这样的信号可例如被格式化为电磁波(例如，使用频谱的射频部分)或基带信号。格式化可例如包括编码数据流以及使用所编码的数据流来调制载波。信号携带的信息可例如是模拟或数字信息。正如已知的，信号可通过各种不同的有线或无线链路来传输。信号可在处理器可读介质上存储。

已经描述了多个实现。然而，将理解的是，可以进行各种修改。例如，可以组合、补充、修改或删除不同实现的元素以产生其它实现。此外，普通技术人员将理解，可以用其它结构和过程来取代这些公开的结构和过程，并且所得到的实现将采用至少基本相同的方式来执行至少基本相同的功能，以便达到与所公开的实现至少基本相同的结果。因此，通过本申请设想这些或其它实现。