專利名稱：預(yù)測質(zhì)量可控的快速運(yùn)動(dòng)估值方法
技術(shù)領(lǐng)域：
本發(fā)明涉及多媒體通信領(lǐng)域中的數(shù)字視頻壓縮技術(shù)，具體的說涉及視頻壓縮標(biāo)準(zhǔn)中的運(yùn)動(dòng)估值方法。
背景技術(shù)：
視頻數(shù)據(jù)的存儲(chǔ)和傳輸需要對數(shù)據(jù)進(jìn)行壓縮編碼，壓縮就是從時(shí)域、空域兩方面去除冗余信息，編碼方法的選擇不但要考慮壓縮比、信噪比，還要考慮算法的復(fù)雜性，太復(fù)雜的編碼算法可能會(huì)產(chǎn)生較高的壓縮比和信噪比，但也會(huì)帶來較大的CPU開銷，影響視頻通信的實(shí)時(shí)性。
視頻壓縮國際標(biāo)準(zhǔn)中，采用的均是帶有運(yùn)動(dòng)補(bǔ)償?shù)念A(yù)測編碼與DCT變換編碼相結(jié)合的混合壓縮編碼方法，運(yùn)動(dòng)補(bǔ)償中運(yùn)動(dòng)估計(jì)的計(jì)算量是影響編碼速度的關(guān)鍵因素。因此，對于設(shè)計(jì)一個(gè)高效快速的視頻編碼器而言，用較小的計(jì)算量進(jìn)行運(yùn)動(dòng)估計(jì)來獲得準(zhǔn)確的運(yùn)動(dòng)矢量是至關(guān)重要的。
運(yùn)動(dòng)估計(jì)是視頻編碼和計(jì)算機(jī)視覺領(lǐng)域中的一項(xiàng)關(guān)鍵技術(shù)，在計(jì)算機(jī)視覺領(lǐng)域中，研究的重點(diǎn)更多地放在由物體的二維運(yùn)動(dòng)來估計(jì)其三維運(yùn)動(dòng)，而在視頻編碼領(lǐng)域中則更多地關(guān)心物體的二維運(yùn)動(dòng)。二維運(yùn)動(dòng)是由被拍攝物體的運(yùn)動(dòng)和攝像機(jī)的運(yùn)動(dòng)共同造成的，二維運(yùn)動(dòng)估計(jì)方法有光流分析法、像素遞歸法和基于塊的匹配方法等。
光流分析法的優(yōu)點(diǎn)是能夠探測獨(dú)立運(yùn)動(dòng)的對象，不需要預(yù)先知道場景中的任何信息，并且可用于攝像機(jī)運(yùn)動(dòng)的場景，但光流分析法計(jì)算復(fù)雜耗時(shí)，除非有特殊的硬件支持，否則很難實(shí)現(xiàn)實(shí)時(shí)探測。
像素遞歸法的出發(fā)點(diǎn)是通過對灰度的梯度變化進(jìn)行分析來求像素的位移，由于該方法的最小搜索單元是一個(gè)一個(gè)的像素點(diǎn)，因而對物體的運(yùn)動(dòng)有較高的靈敏度，運(yùn)動(dòng)估計(jì)的精度也高，對復(fù)雜運(yùn)動(dòng)畫面具有較強(qiáng)的適應(yīng)性，但它跟蹤的位移范圍很小，另外，由于像素遞歸法對位移的估計(jì)是通過梯度運(yùn)算得到的，所以其運(yùn)算代價(jià)大，硬件實(shí)現(xiàn)的復(fù)雜度高。
基于塊的匹配方法將當(dāng)前幀劃分為若干個(gè)M*N大小的圖像子塊，利用M*N子塊在上一幀中開辟的搜索區(qū)根據(jù)某種匹配準(zhǔn)則尋求最優(yōu)匹配來得到運(yùn)動(dòng)矢量，該方法相對簡單且易于直接用硬件實(shí)現(xiàn)，是目前最常用的運(yùn)動(dòng)估計(jì)算法，視頻編碼國際標(biāo)準(zhǔn)中都采用基于塊的匹配方法進(jìn)行運(yùn)動(dòng)估計(jì)，同時(shí)由硬件實(shí)現(xiàn)的運(yùn)動(dòng)估計(jì)也多采用基于塊的匹配方法來實(shí)現(xiàn)，因此，本發(fā)明研究基于塊匹配方法的運(yùn)動(dòng)估計(jì)算法。
基于塊的匹配方法中，衡量匹配好壞的準(zhǔn)則有互相關(guān)函數(shù)(CCF)、均方誤差(MSE)和絕對差值和(SAD)等，采用三種準(zhǔn)則所得的估值結(jié)果差別不大，因絕對差值和的計(jì)算不需要進(jìn)行復(fù)雜的乘法運(yùn)算，計(jì)算量相對較小，所以用的較多。
在已知匹配準(zhǔn)則的情況下，如何搜索匹配誤差最小的塊就是基于塊匹配的運(yùn)動(dòng)估計(jì)搜索算法所要解決的問題。匹配塊的搜索并不需要在整幀圖像上進(jìn)行，一般來說，一個(gè)塊的運(yùn)動(dòng)分布一般集中在該塊位置附近，因此，塊匹配的搜索只需在一定的范圍內(nèi)進(jìn)行。假設(shè)塊的運(yùn)動(dòng)分布在水平和垂直方向上是各向均勻的(即不在其中某個(gè)方向上占優(yōu))，那么搜索范圍應(yīng)該是以當(dāng)前塊所在位置為中心的正方形，顯然，最佳的塊匹配搜索算法是全搜索塊匹配算法(FS)，它搜索參考窗中的所有參考位置，精度高，硬件易實(shí)現(xiàn)，是目前應(yīng)用最為廣泛的運(yùn)動(dòng)估計(jì)算法，但其運(yùn)算量非常大，將耗費(fèi)編碼器一半以上的計(jì)算資源。基于此，許多學(xué)者提出很多基于減少搜索位置數(shù)的改進(jìn)型塊匹配算法，如三步搜索法(TSS)、二維對數(shù)搜索法(2DLOG)、共扼方向搜索法(CSA)、新三步搜索法(NTSS)、四步搜索法(4SS)、環(huán)狀搜索法(DS)等。
近來，一些快速搜索算法在不減少搜索位置數(shù)的情況下，通過宏塊降采樣，如交替降采樣搜索算法(ASSA)，或按照某種漸進(jìn)累積的失真準(zhǔn)則快速判斷參考宏塊是否為最佳匹配宏塊，如標(biāo)準(zhǔn)化局部失真搜索算法(NPDS)，來減少實(shí)際參與運(yùn)算的像素點(diǎn)數(shù)目，不僅提高了運(yùn)算速度，并能盡可能地找到全局最優(yōu)值，獲得接近于全搜索算法的圖像質(zhì)量。
三步搜索法(TSS)、二維對數(shù)搜索法(2DLOG)、共扼方向搜索法(CSA)、新三步搜索法(NTSS)、四步搜索法(4SS)、環(huán)狀搜索法(DS)等快速塊匹配算法均是利用一定的算術(shù)準(zhǔn)則通過減少搜索位置數(shù)來節(jié)省計(jì)算資源，雖然比起全搜索塊匹配算法大大減少了運(yùn)算量，但往往只能找到搜索窗內(nèi)的局部最優(yōu)值，而不能找到全局最優(yōu)值，使估計(jì)出的運(yùn)動(dòng)矢量信息不夠準(zhǔn)確，影響解碼后的重建圖像質(zhì)量。
交替降采樣搜索算法(ASSA)、標(biāo)準(zhǔn)化局部失真搜索算法(NPDS)均是通過減少塊匹配運(yùn)算中實(shí)際參與運(yùn)算的像素點(diǎn)數(shù)目來提高運(yùn)算速度，能盡可能地找到全局最優(yōu)值，獲得接近于全搜索算法的圖像質(zhì)量。但是，這些算法在預(yù)測質(zhì)量和搜索速度之間缺乏可控性，且其搜索速度與全搜索算法相比提高的理論極限均為16倍，還有待改進(jìn)。

發(fā)明內(nèi)容
針對上述快速運(yùn)動(dòng)估值搜索算法的不足，本發(fā)明提供一種預(yù)測質(zhì)量可控的快速運(yùn)動(dòng)估值方法(PQAS)，該方法通過對搜索窗中所有位置進(jìn)行搜索來盡可能地找到運(yùn)動(dòng)估計(jì)的全局最優(yōu)值，通過有針對性地選擇某些像素點(diǎn)進(jìn)行塊匹配運(yùn)算來減少運(yùn)動(dòng)估計(jì)的計(jì)算量，加快編碼速度，并在預(yù)測質(zhì)量和搜索速度之間增加可控性。
為達(dá)到上述目的，本發(fā)明采用以下技術(shù)方案一種預(yù)測質(zhì)量可控的快速運(yùn)動(dòng)估值方法，包括如下步驟步驟A，當(dāng)前宏塊在參考幀中預(yù)設(shè)一搜索窗口，在所述搜索窗口中預(yù)測當(dāng)前宏塊的初始搜索中心位置；步驟B，判斷當(dāng)前宏塊在參考幀中的最佳匹配點(diǎn)是否就是所述初始搜索中心位置；如果是，則當(dāng)前宏塊相對于參考幀是靜止?fàn)顟B(tài)；步驟C，如果不是，當(dāng)前宏塊相對于參考幀為運(yùn)動(dòng)狀態(tài)時(shí)，調(diào)整所述搜索窗口大?。徊襟ED，對當(dāng)前宏塊按照一定比例采樣后，得到若干像素塊，對所述像素塊進(jìn)行統(tǒng)計(jì)分析；步驟E，根據(jù)步驟D的統(tǒng)計(jì)分析結(jié)果，對方差最大的像素塊進(jìn)行預(yù)測質(zhì)量可控的塊匹配運(yùn)算。
優(yōu)選的在所述的預(yù)測質(zhì)量可控的快速運(yùn)動(dòng)估值方法中，所述步驟A包括如下步驟步驟A1，當(dāng)前宏塊的空間相鄰宏塊為MB1、MB2、MB3，其運(yùn)動(dòng)矢量為V1、V2、V3，參考幀中與當(dāng)前宏塊位置對應(yīng)的參考宏塊為MBref，其運(yùn)動(dòng)矢量為Vref，通過以下公式xmed＝median(x1，x2，x3)(1)ymed＝median(y1，y2，y3)(2)得到中值運(yùn)動(dòng)矢量Vmed，式中x、y分別為對應(yīng)運(yùn)動(dòng)矢量的水平分量和垂直分量；該運(yùn)動(dòng)矢量Vmed確定的塊為MBmed，參考幀中與其位置對應(yīng)的參考宏塊為MBrefmed；步驟A2，當(dāng)前宏塊與運(yùn)動(dòng)矢量Vref、V1、V2、V3、Vmed在參考幀中得到的五個(gè)宏塊分別做絕對差值和運(yùn)算；得到相應(yīng)運(yùn)算結(jié)果SADref、SAD1、SAD2、SAD3、SADmed；步驟A3，比較上述五個(gè)絕對差值和運(yùn)算結(jié)果，絕對差值和值最小的點(diǎn)對應(yīng)的位置確定為當(dāng)前宏塊的初始搜索中心位置。
優(yōu)選的在所述的預(yù)測質(zhì)量可控的快速運(yùn)動(dòng)估值方法中，所述步驟B中的判斷條件為當(dāng)前宏塊與其在參考幀中的參考宏塊MBref的絕對差值和是否小于等于門限值Th0。
優(yōu)選的在所述的預(yù)測質(zhì)量可控的快速運(yùn)動(dòng)估值方法中，所述門限值Th0為，Th0＝min(512，SAD1，SAD2，SAD3，SADref)優(yōu)選的在所述的預(yù)測質(zhì)量可控的快速運(yùn)動(dòng)估值方法中，所述步驟C具體為步驟C1，根據(jù)與當(dāng)前宏塊相鄰的宏塊的運(yùn)動(dòng)矢量V1、V2、V3按照公式
svi＝|xi|+|yi| i＝1，2，3(4)S＝max{svi} i＝1，2，3(5)進(jìn)行分析，得到當(dāng)前宏塊所在的局部區(qū)域的運(yùn)動(dòng)劇烈程度參數(shù)S；步驟C2，根據(jù)公式areasw=(1/4)areadswif(S≤S1)(1/2)areadswif((S1<S≤S2)areadswothers---(6)]]>調(diào)整當(dāng)前宏塊在參考幀中所需參考窗口的大小areasw，areadsw表示步驟A中搜索窗口的大小；步驟C3，利用所述運(yùn)動(dòng)矢量Vmed的水平分量和垂直分量根據(jù)公式W＝Wsw*(xmed/ymed)(7)H＝Hsw*(ymed/xmed)(8)調(diào)整當(dāng)前宏塊參考窗口的水平寬度W和垂直高度H。
優(yōu)選的在所述的預(yù)測質(zhì)量可控的快速運(yùn)動(dòng)估值方法中，所述步驟D具體為步驟D1，對當(dāng)前宏塊進(jìn)行4∶1采樣，可得到四個(gè)8*8的像素塊；步驟D2，根據(jù)公式mi=(Σk∈siIi(x,y,t))/M---(9)]]>σi2=(Σk∈si(Ii(x,y,t)-mi)2)/M---(10)]]>對所述四個(gè)8*8的像素塊進(jìn)行統(tǒng)計(jì)分析；步驟D3，選出方差σi2最大的像素塊。
優(yōu)選的在所述的預(yù)測質(zhì)量可控的快速運(yùn)動(dòng)估值方法中，所述步驟D2的公式8中，Ii(x，y，t)為當(dāng)前幀t中的當(dāng)前宏塊的下采樣像素塊(x，y)位置處的像素灰度值，si為該像素塊所包含像素點(diǎn)的集合，M為該像素塊所包含的像素點(diǎn)數(shù)目，此處M＝64，mi為該像素塊的均值，σi2為該像素塊的方差。
優(yōu)選的在所述的預(yù)測質(zhì)量可控的快速運(yùn)動(dòng)估值方法中，所述步驟E具體為
步驟E1，把當(dāng)前宏塊中方差最大的一個(gè)8*8像素塊分割成四個(gè)4*4大小的小塊，再把其中的一個(gè)小塊分成若干個(gè)子塊；并記錄當(dāng)前宏塊所分的級數(shù)G；步驟E2，對上述子塊進(jìn)行塊匹配運(yùn)算，記錄每個(gè)參考位置的失真值，選出這些參考位置中的一個(gè)最小失真值Dmin，和各級的最小失真值Dg，min；步驟E3，根據(jù)公式(Dg/f(n，k))＞(DMIN/N2)(12)Dg＞Dg，MIN(13)判斷是否終止當(dāng)前匹配運(yùn)算；步驟E4，如果不能終止，則繼續(xù)上述匹配運(yùn)算，直到找到當(dāng)前宏塊的最佳匹配點(diǎn)。
優(yōu)選的在所述的預(yù)測質(zhì)量可控的快速運(yùn)動(dòng)估值方法中，在步驟E3的公式(12)中，f(n，k)是控制預(yù)測質(zhì)量與搜索速度的調(diào)節(jié)函數(shù)，其公式為f(n，k)＝(1-k)n+kN2，0≤k≤1(14)其中n為當(dāng)前宏塊中已參與基本運(yùn)算的像素?cái)?shù)目，當(dāng)n為常量的情況下，f(n，k)是k的單增函數(shù)，其最小值為n，最大值為參與漸進(jìn)式塊匹配運(yùn)算的最多像素?cái)?shù)N2。
本發(fā)明可減少運(yùn)動(dòng)估計(jì)的計(jì)算量，加快編碼速度，并在預(yù)測質(zhì)量和搜索速度之間增加可控性。


圖1是預(yù)測質(zhì)量可控的運(yùn)動(dòng)估計(jì)算法流程圖；圖2是當(dāng)前宏塊的相鄰宏塊；圖3是4∶1像素降采樣；圖4是方差最大的8*8像素塊的分割；圖5是小塊1的分割；圖6是預(yù)測質(zhì)量可控的漸進(jìn)式塊匹配運(yùn)算實(shí)現(xiàn)流程；圖7是Football序列采用不同算法的結(jié)果比較；圖8是Football序列第87幀在各種算法下的部分運(yùn)動(dòng)矢量圖。
具體實(shí)施例方式
下面結(jié)合附圖和具體實(shí)施例對本發(fā)明做進(jìn)一步詳細(xì)說明
參照附圖1，本發(fā)明預(yù)測質(zhì)量可控的快速運(yùn)動(dòng)估值方法，包括如下步驟步驟A，當(dāng)前宏塊在參考幀中預(yù)設(shè)一搜索窗口，在所述搜索窗口中預(yù)測當(dāng)前宏塊的初始搜索中心位置；步驟B，判斷當(dāng)前宏塊在參考幀中的最佳匹配點(diǎn)是否就是所述初始搜索中心位置；如果是，則當(dāng)前宏塊相對于參考幀是靜止?fàn)顟B(tài)；步驟C，如果不是，當(dāng)前宏塊為運(yùn)動(dòng)狀態(tài)時(shí)，調(diào)整所述搜索窗口大小；步驟D，對當(dāng)前宏塊按照一定比例采樣后，得到若干像素塊，對所述像素塊進(jìn)行統(tǒng)計(jì)分析；步驟E，根據(jù)步驟D的統(tǒng)計(jì)分析結(jié)果，對方差最大的像素塊進(jìn)行預(yù)測質(zhì)量可控的塊匹配運(yùn)算。
具體過程如下第一步、初始搜索中心位置的預(yù)測如圖2所示，當(dāng)前宏塊的空間相鄰宏塊為MB1、MB2、MB3，其運(yùn)動(dòng)矢量為V1、V2、V3，參考幀中與當(dāng)前宏塊位置對應(yīng)的參考宏塊為MBref，其運(yùn)動(dòng)矢量為Vref，通過以下公式xmed＝median(x1，x2，x3)(1)ymed＝median(y1，y2，y3)(2)得到中值運(yùn)動(dòng)矢量Vmed，式中x、y分別為對應(yīng)運(yùn)動(dòng)矢量的水平分量和垂直分量；該運(yùn)動(dòng)矢量Vmed確定的塊為MBmed，參考幀中與其位置對應(yīng)的參考宏塊為MBrefmed；當(dāng)前宏塊與運(yùn)動(dòng)矢量Vref、V1、V2、V3、Vmed在參考幀中得到的五個(gè)宏塊分別做絕對差值和運(yùn)算；得到相應(yīng)運(yùn)算結(jié)果SADref、SAD1、SAD2、SAD3、SADmed；比較上述五個(gè)絕對差值和運(yùn)算結(jié)果，絕對差值和值最小的點(diǎn)對應(yīng)的位置確定為當(dāng)前宏塊的初始搜索中心位置。
第二步、靜止宏塊的判定當(dāng)前宏塊與其在參考幀中的參考宏塊MBref的絕對差值和如果小于等于門限值Th0SAD≤Th0Th0＝min(512，SAD1，SAD2，SAD3，SADref)(3)
則其最佳匹配點(diǎn)就是初始搜索中心位置，當(dāng)前宏塊相對于參考幀是靜止?fàn)顟B(tài)；當(dāng)前宏塊與其在參考幀中的參考宏塊MBref的絕對差值和如果大于門限值Th0，當(dāng)前宏塊相對于參考幀是運(yùn)動(dòng)狀態(tài)。
第三步、搜索窗口的調(diào)整通過對與當(dāng)前宏塊相鄰的宏塊的運(yùn)動(dòng)矢量V1、V2、V3按照公式(4)、(5)進(jìn)行分析，可得到當(dāng)前宏塊所在的局部區(qū)域的運(yùn)動(dòng)劇烈程度S，接著按照公式(6)調(diào)整當(dāng)前宏塊在參考幀所需參考窗口的大小areasw，然后利用運(yùn)動(dòng)矢量Vmed的水平分量和垂直分量按照公式(7)、(8)調(diào)整當(dāng)前宏塊參考窗口的水平寬度W和垂直高度H。
svi＝|xi|+|yi| i＝1，2，3(4)S＝max{svi} i＝1，2，3(5)公式(4)中svi代表相鄰宏塊運(yùn)動(dòng)的劇烈程度。
areasw=(1/4)areadswif(S≤S1)(1/2)areadswif((S1<S≤S2)areadswothers---(6)]]>公式(6)中，areadsw表示缺省搜索窗口的大小，例如±7，對應(yīng)窗口15*15，areasw為根據(jù)局部區(qū)域運(yùn)動(dòng)劇烈程度得到的搜索窗口的大小，通常S1＝2，S2＝4，公式(6)中系數(shù)1/4、1/2可根據(jù)實(shí)際情況做調(diào)整。
W＝Wsw*(xmed/ymed)(7)H＝Hsw*(ymed/xmed)(8)公式(7)、(8)中，Wsw、Hsw為搜索窗口的水平寬度和垂直高度。第四步、當(dāng)前宏塊采樣模式的選擇對當(dāng)前宏塊按照圖3所示的像素采樣方式進(jìn)行4∶1下采樣，可得到四個(gè)8*8的像素塊，即對應(yīng)圖中a、b、c、d四個(gè)位置像素構(gòu)成的像素塊，然后利用公式(9)、(10)分別對這四個(gè)像素塊進(jìn)行統(tǒng)計(jì)分析，選擇方差σi2最大的像素塊參與預(yù)測質(zhì)量可控的塊匹配運(yùn)算。
mi=(Σk∈siIi(x,y,t))/M---(9)]]>σi2=(Σk∈si(Ii(x,y,t)-mi)2)/M---(10)]]>公式(9)、(10)中，Ii(x，y，t)為當(dāng)前幀t中的當(dāng)前宏塊的下采樣像素塊(x，y)位置處的像素灰度值，si為該像素塊所包含像素點(diǎn)的集合，M為該像素塊所包含的像素點(diǎn)數(shù)目，此處M＝64，mi為該像素塊的均值，σi2為該像素塊的方差。
第五步、預(yù)測質(zhì)量可控的漸進(jìn)式塊匹配運(yùn)算預(yù)測質(zhì)量可控的漸進(jìn)式塊匹配運(yùn)算把當(dāng)前宏塊中方差最大的8*8像素塊分割成四個(gè)4*4大小的小塊，構(gòu)成各小塊的像素對應(yīng)位置如圖4中標(biāo)號所示。同時(shí)，把小塊1分成若干個(gè)子塊，如圖5所示(也可按照其它方式分割子塊)，也可以按照其它方式分割小塊，圖5中(a)~(f)為對小塊1采用的6種不同的分割方式，其中標(biāo)注相同值的像素點(diǎn)(不需要一定相鄰)構(gòu)成小塊1的一個(gè)子塊，其標(biāo)注值也表示其參與SAD運(yùn)算的先后順序。
預(yù)測質(zhì)量可控的漸進(jìn)式塊匹配運(yùn)算的實(shí)現(xiàn)過程如圖6所示，圖中G是一個(gè)宏塊所分的級數(shù)。假設(shè)經(jīng)過若干參考位置后，得到這些參考位置中的一個(gè)最小失真值DMIN及其各級失真值Dg，MIN，按照公式(12)、(13)判斷是否可終止對當(dāng)前參考位置的匹配運(yùn)算而轉(zhuǎn)入下一參考位置，如果不能終止當(dāng)前匹配運(yùn)算，則g←g+1，繼續(xù)上述匹配過程，以此類推，直到找到當(dāng)前宏塊的最佳匹配點(diǎn)。
Dg＝dg+Dg-1(11)(Dg/f(n，k))＞(DMIN/N2)(12)Dg＞Dg，MIN(13)f(n，k)＝(1-k)n+kN2，0≤k≤1(14)f(n，k)是控制預(yù)測質(zhì)量與搜索速度之間矛盾的一個(gè)關(guān)鍵因素，稱為調(diào)節(jié)函數(shù)，其定義見公式(14)，其中n為當(dāng)前宏塊中已參與基本運(yùn)算的像素?cái)?shù)目，當(dāng)n為常量的情況下，f(n，k)是k的單增函數(shù)，其最小值為n，最大值為參與漸進(jìn)式塊匹配運(yùn)算的最多像素?cái)?shù)N2。
實(shí)驗(yàn)中，對八個(gè)不同運(yùn)動(dòng)復(fù)雜度、不同格式的視頻序列做了測試，每個(gè)序列均編碼100幀，其中CIF格式(352*288)的視頻序列做運(yùn)動(dòng)估計(jì)時(shí)使用的缺省搜索窗口大小為±7，編碼速率為384kbit/s，4SF格式(704*480)的視頻序列做運(yùn)動(dòng)估計(jì)時(shí)使用的缺省搜索窗口大小為±15，編碼速率為576kbit/s。
表1不同序列使用各種算法所得PSNR(單位dB)(相對于FS的PSNR)

表2不同序列使用各種算法的搜索速度比較(與FS搜索速度相比的比值)

表1中比較了DS、ASSA、NPDS、PQAS算法相對于FS算法的PSNR(信號噪聲功率比)變化情況，所有實(shí)驗(yàn)結(jié)果均是在公式(14)中k＝0的條件下獲得的?？梢钥闯?，隨著小塊1分割方式的變化，重建視頻圖像的PSNR也隨著變化，其中PQAS(m3)獲得的重建視頻質(zhì)量最接近于ASSA、FS算法，與NPDS算法相差很小(原因在于PQAS算法中每一搜索位置最多有64個(gè)像素點(diǎn)參與塊匹配運(yùn)算，而NPDS算法中最多會(huì)有256個(gè)像素點(diǎn)參與塊匹配運(yùn)算)，PQAS(m6)次之(略高于DS算法)，然后是PQAS(m5)、PQAS(m2)、PQAS(m4)、PQAS(m1)。分析上述實(shí)驗(yàn)結(jié)果可以發(fā)現(xiàn)，在進(jìn)行漸進(jìn)式塊匹配過程中，開始的三步中參與塊匹配運(yùn)算像素的數(shù)目對最終的重建視頻質(zhì)量影響很大，而且視頻序列運(yùn)動(dòng)越劇烈，這種影響越明顯，也就是說開始的幾步中參與運(yùn)算的像素?cái)?shù)目越多，重建視頻圖像質(zhì)量越好，反之越差，原因在于開始時(shí)參與運(yùn)算的像素?cái)?shù)越多，公式(12)、(13)發(fā)生誤判的可能性越小，因此找到最佳匹配位置的可能性就越大。從表1可以發(fā)現(xiàn)，對于內(nèi)容相同、格式不同的視頻序列Football、Mobile，4SF格式采用PQAS算法所得的PSNR相對于CIF格式的PSNR要好一些，原因在于隨著視頻圖像的放大，其細(xì)節(jié)性的東西相對就會(huì)變少，因此在漸進(jìn)式塊匹配算法中參與運(yùn)動(dòng)的像素點(diǎn)數(shù)目就會(huì)增多，找到最佳匹配位置的可能性增大，所以重建視頻質(zhì)量變好。
表2中反映了DS、ASSA、NPDS、PQAS算法所需的基本運(yùn)算次數(shù)(求和、取絕對值、比較運(yùn)算)與FS算法所需的基本運(yùn)算次數(shù)相比得到的搜索速度變化情況，所有實(shí)驗(yàn)結(jié)果均是在公式(14)中k＝0的條件下獲得的?？梢钥闯?，隨著小塊1分割方式的變化，運(yùn)動(dòng)估計(jì)的搜索速度也隨著變化，其中PQAS(m1)搜索速度最快，PQAS(m4)次之，然后是PQAS(m2)、PQAS(m5)、PQAS(m6)、PQAS(m3)，且所有小塊1分割方式的搜索速度均高于DS、NPDS算法。分析上述實(shí)驗(yàn)結(jié)果可以發(fā)現(xiàn)，在進(jìn)行漸進(jìn)式塊匹配過程中，開始的三步中參與塊匹配運(yùn)算像素的數(shù)目越少，搜索速度越快，而且視頻序列運(yùn)動(dòng)越平緩，如Mother、News，這種情況越明顯，原因在于公式(6)根據(jù)局部區(qū)域的運(yùn)動(dòng)情況對搜索窗口大小做調(diào)整導(dǎo)致搜索點(diǎn)數(shù)的急劇下降，這種調(diào)整對運(yùn)動(dòng)變化劇烈的視頻序列(Football、Mobile)幫助很小，搜索點(diǎn)數(shù)減小很小，即使這樣，它們的搜索速度也會(huì)高于DS算法。從表2可以發(fā)現(xiàn)，對于內(nèi)容相同、格式不同的視頻序列Football、Mobile，CIF格式采用PQAS算法的搜索速度相對于4SF格式的搜索速度要好一些，原因在于隨著視頻圖像的放大，其細(xì)節(jié)性的東西相對就會(huì)變少，因此在漸進(jìn)式塊匹配算法中參與運(yùn)動(dòng)的像素點(diǎn)數(shù)目就會(huì)增多，搜索速度變慢。
表3中比較了DS、ASSA、NPDS算法與取不同k值的PQAS(m6)算法(從搜索速度和重建圖像質(zhì)量兩方面折中考慮選擇該算法進(jìn)行比較)相對于FS算法的PSNR變化情況，可以看出，隨著公式(14)中k值的變化，重建視頻圖像的PSNR也隨著變化，其中PQAS(1.00)(相當(dāng)于要搜索當(dāng)前采樣中的全部像素點(diǎn))獲得的重建視頻質(zhì)量最接近于ASSA、FS算法，并在總體上高于NPDS算法(Mother、News視頻序列由于紋理相對簡單而導(dǎo)致公式(12)、(13)發(fā)生誤判的可能性增加，所以其重建視頻的PSNR低于NPDS算法)。分析上述實(shí)驗(yàn)結(jié)果可以發(fā)現(xiàn)，在進(jìn)行漸進(jìn)式塊匹配過程中，隨著k值的增大，參與塊匹配運(yùn)算的像素?cái)?shù)變多，公式(12)、(13)發(fā)生誤判的可能性越小，因此找到最佳匹配位置的可能性就越大，這種影響對運(yùn)動(dòng)劇烈的視頻序列尤為明顯。需要指出，視頻序列Football在k＝1.00時(shí)所得的PSNR高于FS獲得的PSNR約0.05dB，原因在于該視頻序列水平方向運(yùn)動(dòng)非常劇烈且紋理相對較多，在公式(7)、(8)的作用下，搜索窗口在水平方向上被拉伸，即會(huì)在水平方向上搜索更多的點(diǎn)，這樣找到更符合物體實(shí)際運(yùn)動(dòng)的趨勢的可能性就會(huì)增大，因此重建視頻圖像的PSNR獲得提高。
表3各序列使用PQAS(m6)算法取不同k值所得PSNR(單位dB)(相對于FS)

表4各序列使用PQAS(m6)算法取不同k值的搜索速度比較(相對于FS)


表4中比較了DS、ASSA、NPDS算法與取不同k值的PQAS(m6)算法所需的基本運(yùn)算次數(shù)相比于FS算法所需的基本運(yùn)算次數(shù)而得到的搜索速度變化情況，可以看出，隨著公式(14)中k值的增加，運(yùn)動(dòng)估計(jì)的搜索速度逐漸變慢，原因在于進(jìn)行漸進(jìn)式塊匹配過程中，隨著k值的增大，參與塊匹配運(yùn)算的像素?cái)?shù)變多。同時(shí)，通過對表3、4比較可看出在相同的重建視頻質(zhì)量情況下，PQAS(m6)算法的搜索速度高于其它快速算法。
圖7顯示了視頻序列Football(352*288)采用不同算法所得PSNR、搜索速度的變化情況，其取值均相對于FS算法。從圖7(a)可以看出，PQAS算法所得的PSNR隨著小塊1分割方式的變化而變化，小塊1分割方式中參與漸進(jìn)式塊匹配運(yùn)算前三步中像素?cái)?shù)越多，所得PSNR越接近于FS算法所得的PSNR，這說明由于參與漸進(jìn)式塊匹配運(yùn)算的像素?cái)?shù)逐漸增多，公式(12)、(13)發(fā)生誤判的可能性逐漸減小，所以PSNR獲得提高，但這是以搜索速度的下降為代價(jià)的(見圖7(b))。圖7(c)反映了選用PQAS(m6)算法采用不同k值所得PSNR，可以看出，隨著k值的增加，所得PSNR越接近甚至高于FS算法所得的PSNR，同樣這是以搜索速度的下降為代價(jià)的(見圖7(d))。比較圖7(c)、(d)可以看出，在相同的PSNR情況下(k值不同)，PQAS(m6)算法的搜索速度高于DS、ASSA、NPDS算法。
圖8顯示了視頻序列Football使用不同算法獲得的運(yùn)動(dòng)矢量圖，從圖8(b)可以看出，當(dāng)k＝1.00時(shí)PQAS(m6)算法獲得運(yùn)動(dòng)矢量大部分同F(xiàn)S獲得算法相同，但PQAS(m6)算法獲得一些運(yùn)動(dòng)矢量大于FS算法，這些矢量的存在導(dǎo)致視頻序列Football采用PQAS(m6)獲得的PSNR高于采用FS算法獲得的PSNR，圖8(c)中是k＝0.00時(shí)采用PQAS(m6)算法獲得的運(yùn)動(dòng)矢量圖，由于參與漸進(jìn)式塊匹配運(yùn)算像素?cái)?shù)的影響，序列Football獲得的運(yùn)動(dòng)矢量與FS、PQAS(m6，1.00)算法有一些差別，但其運(yùn)動(dòng)矢量反映的運(yùn)動(dòng)趨勢同F(xiàn)S、PQAS(m6，1.00)相一致，圖8(d)表示了采用ASSA算法獲得運(yùn)動(dòng)矢量圖，其同F(xiàn)S算法獲得的運(yùn)動(dòng)矢量很相似，圖8(e)是采用NPDS算法獲得的運(yùn)動(dòng)矢量圖，它所獲得的運(yùn)動(dòng)矢量與FS算法獲得存在一些差別，但其運(yùn)動(dòng)矢量反映的運(yùn)動(dòng)趨勢同F(xiàn)S算法基本一致，圖8(f)是采用DS算法獲得的運(yùn)動(dòng)矢量圖，由于搜索點(diǎn)數(shù)的影響，容易使該算法獲得的SAD值陷入局部最優(yōu)，導(dǎo)致其獲得的某些運(yùn)動(dòng)矢量會(huì)與FS算法獲得的運(yùn)動(dòng)矢量相差較大。
權(quán)利要求
1.一種預(yù)測質(zhì)量可控的快速運(yùn)動(dòng)估值方法，包括如下步驟步驟A，當(dāng)前宏塊在參考幀中預(yù)設(shè)一搜索窗口，在所述搜索窗口中預(yù)測當(dāng)前宏塊的初始搜索中心位置；步驟B，判斷當(dāng)前宏塊在參考幀中的最佳匹配點(diǎn)是否就是所述初始搜索中心位置；如果是，則當(dāng)前宏塊相對于參考幀是靜止?fàn)顟B(tài)，當(dāng)前宏塊在參考幀中的最佳匹配點(diǎn)是所述初始搜索中心位置，則跳過步驟C-E，對下一待編碼的宏塊進(jìn)行運(yùn)動(dòng)估值，即轉(zhuǎn)到步驟A；步驟C，如果不是，當(dāng)前宏塊為運(yùn)動(dòng)狀態(tài)時(shí)，調(diào)整所述搜索窗口大??；步驟D，對當(dāng)前宏塊按照一定比例采樣后，得到若干像素塊，對所述像素塊進(jìn)行統(tǒng)計(jì)分析；步驟E，根據(jù)步驟D的統(tǒng)計(jì)分析結(jié)果，對方差最大的像素塊進(jìn)行預(yù)測質(zhì)量可控的塊匹配運(yùn)算。
2.根據(jù)權(quán)利要求1所述的預(yù)測質(zhì)量可控的快速運(yùn)動(dòng)估值方法，其特征在于，所述步驟A包括如下步驟步驟A1，當(dāng)前宏塊的空間相鄰宏塊為MB1、MB2、MB3，其運(yùn)動(dòng)矢量為V1、V2、V3，參考幀中與當(dāng)前宏塊位置對應(yīng)的參考宏塊為MBref，其運(yùn)動(dòng)矢量為Vref，通過以下公式xmed＝median(x1，x2，x3)(1)ymed＝median(y1，y2，y3)(2)得到中值運(yùn)動(dòng)矢量Vmed，式中x、y分別為對應(yīng)運(yùn)動(dòng)矢量的水平分量和垂直分量；該運(yùn)動(dòng)矢量Vmed確定的塊為MBmed，參考幀中與其位置對應(yīng)的參考宏塊為MBrefmed；步驟A2，當(dāng)前宏塊與運(yùn)動(dòng)矢量Vref、V1、V2、V3、Vmed在參考幀中得到的五個(gè)宏塊分別做絕對差值和運(yùn)算；得到相應(yīng)運(yùn)算結(jié)果SADref、SAD1、SAD2、SAD3、SADmed；步驟A3，比較上述五個(gè)絕對差值和運(yùn)算結(jié)果，絕對差值和值最小的點(diǎn)對應(yīng)的位置確定為當(dāng)前宏塊的初始搜索中心位置。
3.根據(jù)權(quán)利要求1所述的預(yù)測質(zhì)量可控的快速運(yùn)動(dòng)估值方法，其特征在于，所述步驟B中的判斷條件為當(dāng)前宏塊與其在參考幀中的參考宏塊MBref的絕對差值和SAD是否小于等于門限值Th0，如果小于該門限值，則其最佳匹配點(diǎn)就是初始搜索中心位置，當(dāng)前宏塊相對于參考幀是靜止?fàn)顟B(tài)，則跳過步驟C-E，對待編碼的下一宏塊進(jìn)行運(yùn)動(dòng)估值。
4.根據(jù)權(quán)利要求3所述的預(yù)測質(zhì)量可控的快速運(yùn)動(dòng)估值方法，其特征在于，所述門限值Th0為，Th0＝min(512，SAD1，SAD2，SAD3，SADref)。
5.根據(jù)權(quán)利要求1所述的預(yù)測質(zhì)量可控的快速運(yùn)動(dòng)估值方法，其特征在于，所述步驟C具體為步驟C1，根據(jù)與當(dāng)前宏塊相鄰的宏塊的運(yùn)動(dòng)矢量V1、V2、V3按照公式svi＝|xi|+|yi|i＝1，2，3(4)S＝max{svi}i＝1，2，3(5)進(jìn)行分析，得到當(dāng)前宏塊所在的局部區(qū)域的運(yùn)動(dòng)劇烈程度參數(shù)S；步驟C2，根據(jù)公式areasw=(1/4)areadswif(S≤S1)(1/2)areadswif((S1<S≤S2)areadswothers---(6)]]>調(diào)整當(dāng)前宏塊在參考幀中所需參考窗口的大小areasw，areadsw表示步驟A中搜索窗口的大??；步驟C3，利用所述運(yùn)動(dòng)矢量Vmed的水平分量和垂直分量根據(jù)公式W＝Wsw*(xmed/ymed)(7)H＝Hsw*(ymed/xmed)(8)調(diào)整當(dāng)前宏塊參考窗口的水平寬度W和垂直高度H。
6.根據(jù)權(quán)利要求1所述的預(yù)測質(zhì)量可控的快速運(yùn)動(dòng)估值方法，其特征在于，所述步驟D具體為步驟D1，對當(dāng)前宏塊進(jìn)行4∶1采樣，可得到四個(gè)8*8的像素塊；步驟D2，根據(jù)公式mi=(Σk∈siIi(x,y,t))/M---(9)]]>σi2=(Σk∈si(Ii(x,y,t)-mi)2)/M---(10)]]>對所述四個(gè)8*8的像素塊進(jìn)行統(tǒng)計(jì)分析；步驟D3，選出方差σi2最大的像素塊。
7.根據(jù)權(quán)利要求6所述的預(yù)測質(zhì)量可控的快速運(yùn)動(dòng)估值方法，其特征在于，所述步驟D2的公式9中，Ii(x，y，t)為當(dāng)前幀t中的當(dāng)前宏塊的下采樣像素塊(x，y)位置處的像素灰度值，si為該像素塊所包含像素點(diǎn)的集合，M為該像素塊所包含的像素點(diǎn)數(shù)目，此處M＝64，mi為該像素塊的均值，σi2為該像素塊的方差。
8.根據(jù)權(quán)利要求1所述的預(yù)測質(zhì)量可控的快速運(yùn)動(dòng)估值方法，其特征在于，所述步驟E具體為步驟E1，把當(dāng)前宏塊中方差最大的一個(gè)8*8像素塊分割成四個(gè)4*4大小的小塊，再把其中的一個(gè)或多個(gè)小塊分成若干個(gè)子塊；對上述分割得到的各個(gè)子塊標(biāo)記為1，...，g，...，G，G是當(dāng)前宏塊被分割后的子塊的子塊總塊數(shù)；步驟E2，讓當(dāng)前宏塊中標(biāo)記為g的子塊中的像素點(diǎn)與搜索窗中與該像素點(diǎn)對應(yīng)的像素點(diǎn)進(jìn)行SAD運(yùn)算得到dg，其中g(shù)的初值為1，按照公式(11)獲得該子塊參運(yùn)算后的失真值Dg，Dg＝dg+Dg-1(11)其中D0＝0；假設(shè)經(jīng)過若干參考位置后，得到這些參考位置中的一個(gè)最小失真值DMIN，及其各子塊的最小失真值Dg，MIN步驟E3，根據(jù)公式(12)、(13)(Dg/f(n，k))＞(DMIN/N2)(12)Dg＞Dg，MIN(13)判斷是否終止當(dāng)前匹配運(yùn)算；步驟E4，如果不滿足條件，轉(zhuǎn)入下一參考位置進(jìn)行漸進(jìn)式塊匹配運(yùn)算，即轉(zhuǎn)入步驟E2；步驟E5，如果滿足條件，此時(shí)DMIN對應(yīng)的參考位置即為當(dāng)前宏塊的最佳匹配點(diǎn)；步驟E6，轉(zhuǎn)入下一參考位置進(jìn)行漸進(jìn)式塊匹配運(yùn)算，即轉(zhuǎn)入步驟E2，直到g＝G為止。
9.根據(jù)權(quán)利要求8所述的預(yù)測質(zhì)量可控的快速運(yùn)動(dòng)估值方法，其特征在于，步驟E4具體為步驟E41，如果不滿足條件，即不能終止當(dāng)前匹配運(yùn)算，判斷子塊g是否小于子塊總塊數(shù)G；步驟E42，如果g＜G，則g←g+1，轉(zhuǎn)入下一參考位置進(jìn)行漸進(jìn)式塊匹配運(yùn)算，即轉(zhuǎn)入步驟E2；步驟E43，當(dāng)g＝G將當(dāng)前參考位置獲得的各級Dg賦予Dg，MIN(g＜G)，DG賦予DMIN。
10.根據(jù)權(quán)利要求8所述的預(yù)測質(zhì)量可控的快速運(yùn)動(dòng)估值方法，其特征在于，在步驟E3的公式(12)中，f(n，k)是控制預(yù)測質(zhì)量與搜索速度的調(diào)節(jié)函數(shù)，其公式為f(n，k)＝(1-k)n+kN2，0≤k≤1(14)其中n為當(dāng)前宏塊中已參與基本運(yùn)算的像素?cái)?shù)目，當(dāng)n為常量的情況下，f(n，k)是k的單增函數(shù)，其最小值為n，最大值為參與漸進(jìn)式塊匹配運(yùn)算的最多像素?cái)?shù)N2。
全文摘要
本發(fā)明公開了一預(yù)測質(zhì)量可控的快速運(yùn)動(dòng)估值方法，為解決現(xiàn)有的快速運(yùn)動(dòng)估值搜索算法在預(yù)測質(zhì)量和搜索速度之間缺乏可控性問題而發(fā)明。包括步驟A，當(dāng)前宏塊在參考幀中預(yù)設(shè)一搜索窗口，在所述搜索窗口中預(yù)測當(dāng)前宏塊的初始搜索中心位置；步驟B，判斷當(dāng)前宏塊在參考幀中的最佳匹配點(diǎn)是否就是所述初始搜索中心位置；步驟C，如果不是，當(dāng)前宏塊相對于參考幀為運(yùn)動(dòng)狀態(tài)時(shí)，調(diào)整搜索窗口大?。徊襟ED，對當(dāng)前宏塊按照一定比例采樣后，得到若干像素塊，對所述像素塊進(jìn)行統(tǒng)計(jì)分析；步驟E，根據(jù)統(tǒng)計(jì)分析結(jié)果，對方差最大的像素塊進(jìn)行預(yù)測質(zhì)量可控的塊匹配運(yùn)算。本發(fā)明可減少運(yùn)動(dòng)估計(jì)的計(jì)算量，加快編碼速度，并在預(yù)測質(zhì)量和搜索速度之間增加可控性。
文檔編號H04N7/32GK101090502SQ20061008714
公開日2007年12月19日 申請日期2006年6月13日 優(yōu)先權(quán)日2006年6月13日
發(fā)明者魯照華 申請人:中興通訊股份有限公司