技術(shù)特征：

1.一種視頻編碼中幀內(nèi)編碼的碼率估計方法，通過對預(yù)測塊的殘差信息進行建模，利用建模得到的模型估計出預(yù)測塊的編碼比特數(shù)，使得在率失真優(yōu)化過程中跳過熵編碼過程，有效地減少編碼時間；所述碼率估計方法主要包括：統(tǒng)計預(yù)測塊分布信息并建模的過程、根據(jù)模型估計預(yù)測模式的編碼比特數(shù)的過程和對估計的編碼比特數(shù)做出修正的過程；具體步驟如下：

1)統(tǒng)計預(yù)測塊的分布信息并建模

11)將預(yù)測塊劃分為不同的大小，以一幀為單位，統(tǒng)計不同大小的預(yù)測塊的每個位置的殘差分布；對預(yù)測塊中每個位置的殘差用廣義高斯分布模型和均勻分布模型的混合模型進行擬合，得到的概率密度函數(shù)作為用于預(yù)測塊中每個位置的概率分布情況的混合模型；

12)計算得到預(yù)測塊的每個位置的量化值和量化值為特定值的概率，再根據(jù)概率求出信息熵，以所述信息熵作為預(yù)測塊在相應(yīng)位置的量化值對應(yīng)的估計編碼比特數(shù)；并將所述估計編碼比特數(shù)存放到一個數(shù)據(jù)表中；

2)根據(jù)模型估計率失真優(yōu)化過程的每種預(yù)測模式的編碼比特數(shù)：在率失真優(yōu)化過程中經(jīng)過預(yù)測、變換、量化步驟后，根據(jù)每個位置的量化值，從步驟12)所述數(shù)據(jù)表中查詢得到該位置的估計編碼比特數(shù)，并將該預(yù)測塊的所有位置的編估計碼比特數(shù)結(jié)果相加，即可得到該預(yù)測塊的估計編碼比特數(shù)，從而跳過了熵編碼的過程；

3)對估計的編碼比特數(shù)做修正：對不同大小的預(yù)測塊，針對當前預(yù)測塊的最優(yōu)預(yù)測模式做一個簡易的熵編碼，將所述簡易的熵編碼結(jié)果作為最優(yōu)預(yù)測模式的預(yù)估編碼比特數(shù)，用于在不同的塊大小之間選擇出最優(yōu)的塊劃分方式；

由此完成率失真優(yōu)化過程中的碼率估計。

2.如權(quán)利要求1所述碼率估計方法，其特征是，步驟11)所述統(tǒng)計不同大小的預(yù)測塊，所述不同大小為4x4～64x64。

3.如權(quán)利要求1所述碼率估計方法，其特征是，步驟11)將廣義高斯分布模型與均勻分布模型結(jié)合建模，所述混合模型為：

其中，θ_uv是一個調(diào)整因子，以保證概率密度函數(shù)在整個區(qū)間內(nèi)積分為1；b_uv是廣義高斯分布和均勻分布的邊界；m_uv表征量化后x能夠取的最大值；f_uv(x)為廣義高斯分布函數(shù)，表達式為式1：

其中，

式中，f_uv(x)表示預(yù)測塊中每個位置的概率密度分布；u，v為預(yù)測塊中位置的坐標；σ_uv表示在該位置的標準差；η_uv控制著概率密度函數(shù)的形狀，可用表達式進行估算；Γ(·)表示伽馬函數(shù)。

4.如權(quán)利要求1所述碼率估計方法，其特征是，步驟2)根據(jù)混合模型估計預(yù)測模式的編碼比特數(shù)，具體包括如下步驟：

21)首先根據(jù)概率密度函數(shù)計算量化結(jié)果為某一特定值的概率，具體地，對于模型中的廣義高斯分布的部分，計算表達式如式4：

其中，f表示量化偏移，Q_step表示量化步長；對于的情況，取作為計算的近似結(jié)果，而情況下的概率不必計算，忽略當量化結(jié)果為0時所帶來的編碼比特數(shù)；

對于模型中均勻分布的部分，計算表達式如式5：

22)得到概率之后，通過式6估計得到編碼比特數(shù)r_uv：

23)通過式7得到每個預(yù)測塊的編碼比特數(shù)r_B：

r_B＝∑_u∑_vr_uv (式7)

其中，Q_step表示量化步長；f_u′_v(b_uv)為混合模型；b_uv是廣義高斯分布和均勻分布的邊界。

5.如權(quán)利要求1所述碼率估計方法，其特征是，步驟3)所述簡易的熵編碼具體為將完整的熵編碼過程進行到二值化的步驟，將二值化結(jié)果產(chǎn)生的比特數(shù)作為熵編碼結(jié)果。