專利名稱：一種基于時空域混合信息的運動估計方法
技術領域：
本發(fā)明涉及數字視頻編碼技術，尤其涉及一種基于時空域混合信息的運動 估計方法。
背景技術：
在現有的視頻編碼中，大多數視頻編碼方法都是通過尋找空間和時間上的 冗余來達到壓縮的效果。在時間域中，連續(xù)幾幀的視頻通常有很強的相關性， 特別是當時域采樣率是非常高的時候尤其如此。在空間域中，通常像素采樣點 之間是相互關聯的，比如說，相鄰象素之間很相近。時域冗余主要通過運動估 計和運動補償來消除，運動估計也是整個編碼器最^^時的部分。運動估計就是 在參考幀的搜索窗中找到一個最理想的塊來預測當前塊。目前，塊匹配運動估
計算法中搜索精度最高的是全搜索法FS(Full Search Method),但它計算量大， 不適合實時應用。為了提高搜索速度，又提出了一些快速搜索法，如三步搜索 法(TSS)、 二維對數法(LOGS)、十字型搜索法(CS)、新三步搜索法(NTSS)、 四步搜索法(FSS)、梯度下降法(BBGDS)、鉆石搜索法(DS)和六邊型搜索法 (HEXBS)等。這些方法雖然在搜索速度方面比FS有了很大的提高，但是普遍存 在以下幾個問題(1)搜索時容易陷入局部最優(yōu)；(2)不能同時滿足不同運動情況 的視頻序列。目前已被H.264/AVC所采納的運動估計算法有EPZS算法、 UMHexagonS算法、及其改進算法Simplified UMHexagonS;以及非對稱十字形 多層次六邊形格點搜索算法(UMHexagonS),這些算法具有優(yōu)良的率失真性能 和較高的運動估計速度，圖像質量與全搜索法很相近，但對于D1格式的實時編 碼器而言，它的實現復雜度太高。另外在實際應用中，圖像運動量有大有小， 當運動矢量很小或為零時，視頻圖像的大部分區(qū)域沒有發(fā)生變化或變化甚微， 當使用以上單一的搜索策略時可能會造成極大的搜索冗余，降低搜索效率。

發(fā)明內容
本發(fā)明解決的技術問題是提供一種基于時空域混合信息的運動估計方法， 所述方法利用時空域內容信息判斷當前編碼塊的運動快慢及運動方向，并根據 不同的運動強烈程度，選擇不同的搜索模板，使搜索算法的性能得到進一步提 高。
為了解決上述技術問題，本發(fā)明采用了如下技術手段 一種基于時空域混合 信息的運動估計方法，所述方法是先將當前編碼幀劃分為互不重疊的、固定大 小的塊，然后針對每個要被編碼的當前塊，在參考幀的一搜索區(qū)域內搜索出與 當前塊匹配誤差最小的塊，即最佳匹配塊，最后根據最佳匹配塊所在點，即最 佳匹配點的位置，輸出最佳匹配塊與當前塊的相對位移，即運動矢量，所述的 搜索過程是這樣實現的
步驟l、將當前塊C的相鄰塊中的左塊C1、上塊C2、左上塊C3和右上塊 C4,以及當前塊在參考幀內的對應塊E及其相鄰的右塊E1、下塊E2、左下塊 ￡3及右下塊￡4共9塊組成3*3的塊，即當前塊的時空域信息塊，其中塊C1、 塊C2、塊C3和塊C4代表當前塊的空域信息，塊E、塊E1、塊E2、塊E3和 塊E4代表當前塊的時域信息；計算當前塊C與對應塊E的最小平均絕對差MAD 值；
步驟2、設定閾值T1，比較MAD值與Tl的大小，當MAD〈T1時，判斷當 前塊為近似靜止塊，執(zhí)行步驟3，否則為運動塊，執(zhí)行步驟4;
步驟3、釆用鉆石搜索法進行最佳匹配點搜索，輸出最佳匹配點及其坐標；
步驟4、在時空域信息塊的9個塊中找出當前塊C的最佳匹配塊，當前塊與 最佳匹配塊的運動矢量mv氣mx, my);計算運動矢量mv的模值lmvl;
步驟5、設定闊值T2，比較lmvl與T2的大小，當lmvKT2時，判斷當前塊為 慢速運動塊，執(zhí)行步驟6;否則為快速運動塊，執(zhí)行步驟7;
步驟6、采用三層次近似八邊形搜索法進行最佳匹配點搜索，并且根據搜索 結果判斷，當最佳匹配點在三層次近似八邊形由里向外的第 一個環(huán)內或環(huán)上時， 輸出最佳匹配點及其坐標；否則，當最佳匹配點在三層次近似八邊形的第二個 環(huán)上時，采用小鉆石搜索法進行搜索，輸出最佳匹配點及其坐標；否則，當最 佳匹配點在三層次近似八邊形的第三個環(huán)上時，再采用小鉆石搜索法進行搜索，輸出最佳匹配點及其坐標；
步驟7、先采用非對稱十字型搜索法進行最佳匹配點搜索，然后將所得到的 最佳匹配點作為起點，采用四層次近似八邊形搜索法搜索；并且根據搜索結果 判斷，當最佳匹配點在四層次近似八邊形由里向外的第一個環(huán)內或環(huán)上時，輸 出最佳匹配點及其坐標；否則，當最佳匹配點在四層次近似八邊形的第二個環(huán) 上時，采用小鉆石搜索法進行搜索，輸出最佳匹配點及其坐標；否則，先進行 六邊形搜索法搜索，然后再采用小鉆石搜索法進行搜索，輸出最佳匹配點及其 坐標。
進一步的，所述的Tl取值范圍為[2， 3];所述的T2為整數，取值范圍為[70, 80]。
由于釆用了以上的運動估計方法，與現有技術相比具有以下優(yōu)點(一)在 時空域信息塊中找出與當前塊運動最相似的塊，并據此判斷當前編碼塊的運動 情況，采用不同的搜索方法，可以大大減少運動估計時間；(二)使用了時空域 信息塊的9個塊進行搜索起始點預測，能更準確的找出與當前編碼塊運動最相 似的塊；(三)根據運動向量的中心偏移特性和運動向量向上下和左右運動的概 率遠遠大于其他方向的運動這兩個規(guī)律，設計了新的搜索模型，不僅可以避免 陷入局部最優(yōu)，而且可以用較少的點找到BMP點，減少了搜索點數，特別是在 運動平緩區(qū)域，表現更加突出。


本發(fā)明的運動估計方法由以下的實施例及附圖詳細給出。 圖1為本發(fā)明實施例的搜索過程流程示意圖； 圖2為本發(fā)明實施例的時空域信息塊示意圖； 圖3為本發(fā)明實施例的鉆石搜索法模型示意圖； 圖4為本發(fā)明實施例中多層次近似八邊形示意圖。
具體實施例方式
以下將對本發(fā)明的基于時空域混合信息的運動估計方法作進一步的詳細描述。本實施例一種基于時空域混合信息的運動估計方法，所述方法將當前編碼
幀劃分為互不重疊的、大小為16*8的塊，然后針對每個要被編碼的塊，在參考 幀的一定范圍內(搜索區(qū)域)搜索出與它匹配誤差最小的塊，即最佳匹配塊， 最后根據最佳匹配塊所在點(即最佳匹配點)的位置，輸出最佳匹配塊與當前 編碼幀中的當前塊的相對位移，即運動矢量，所述的搜索過程是這樣實現的， 其實現流程如圖1所示
51、 將當前塊C的相鄰塊中的左塊C1、上塊C2、左上塊C3和右上塊C4，
及其相鄰的右塊E1、下塊E2、左下塊E3及右下塊E4共9塊組成3+3的塊， 即當前塊的時空域信息塊，如圖2所示，其中塊C1、塊C2、塊C3和塊C4代 表當前塊的空域信息，塊E、塊E1、塊E2、塊E3和塊E4代表當前塊的時域信 息；計算當前塊C與對應塊E的最小平均絕對差MAD值；
52、 利用以上MAD值來對每幅圖像的運動劇烈程度進行標識，如果MAD 足夠小就可以認為當前塊近似靜止；通過設定MAD的閾值為Tl，然后比較MAD 值與Tl的大??；在本實例中設定T1為2,即當MAD<2時，則可以認為當前塊 為近似靜止塊，執(zhí)行S3，否則為運動塊，執(zhí)行S4;
53、 采用鉆石搜索法進行最佳匹配點搜索，鉆石搜索法如圖3所示輸出最佳 匹配點及其坐標；
54、 在時空域信息塊的中9個塊中找出當前塊C的最佳匹配塊，當前塊與最 佳匹配快的運動矢量mv-(mx， my);計算運動矢量mv的模值lmvl;
55、 設定閾值T2為70,比較lmvl與T2的大小，當lmv卜T2時，判斷當前塊 為慢速運動塊，執(zhí)行S6;否則為快速運動塊，執(zhí)行S7;
56、 采用三層次近似八邊形搜索法進行最佳匹配點搜索，并且根據搜索結果 判斷，當最佳匹配點在多層次近似八邊形由里向外的第一個環(huán)內或環(huán)上時，輸 出最佳匹配點及其坐標；否則，當最佳匹配點在多層次近似八邊形的第二個環(huán) 上時，采用小鉆石搜索法進行搜索，輸出最佳匹配點及其坐標；否則，當最佳 匹配點在多層次近似八邊形的第三個環(huán)上時，再采用小鉆石搜索法進行搜索， 輸出最佳匹配點及其坐標；
57、 先采用非對稱十字型搜索法進行最佳匹配點搜索，然后將所得到的最佳
7匹配點作為起點，采用四層次近似八邊形搜索法搜索；并且根據搜索結果判斷， 當最佳匹配點在多層次近似八邊形由里向外的第一個環(huán)內或環(huán)上時，輸出最佳 匹配點及其坐標；否則，當最佳匹配點在多層次近似八邊形的第二個環(huán)上時， 采用小鉆石搜索法進行搜索，輸出最佳匹配點及其坐標；否則，先進行六邊形 搜索法搜索，然后再采用小鉆石搜索法進行搜索，輸出最佳匹配點及其坐標。
近似八邊形、六邊形和鉆石形環(huán)及其上的搜索點如圖4所示，其中實心圓表 示近似八邊形搜索的最佳匹配點，實心三角形表示六邊形搜索到的最佳匹配點。
在其他的實施例中，如圖像質量要求稍低的情況下，Tl也可以取大于2小于 3的值；所述的T2為整數，取值范圍為[70， 80]。
權利要求
1、一種基于時空域混合信息的運動估計方法，所述方法是先將當前編碼幀劃分為互不重疊的、固定大小的塊，然后針對每個要被編碼的當前塊，在參考幀的一搜索區(qū)域內搜索出與當前塊匹配誤差最小的塊，即最佳匹配塊，最后根據最佳匹配塊所在點，即最佳匹配點的位置，輸出最佳匹配塊與當前塊的相對位移，即運動矢量，其特征在于，所述的搜索過程是這樣實現的步驟1、將當前塊C的相鄰塊中的左塊C1、上塊C2、左上塊C3和右上塊C4，以及當前塊在參考幀內的對應塊E及其相鄰的右塊E1、下塊E2、左下塊E3及右下塊E4共9塊組成3*3的塊，即當前塊的時空域信息塊，其中塊C1、塊C2、塊C3和塊C4代表當前塊的空域信息，塊E、塊E1、塊E2、塊E3和塊E4代表當前塊的時域信息；計算當前塊C與對應塊E的最小平均絕對差MAD值；步驟2、設定閾值T1，比較MAD值與T1的大小，當MAD＜T1時，判斷當前塊為近似靜止塊，執(zhí)行步驟3，否則為運動塊，執(zhí)行步驟4；步驟3、采用鉆石搜索法進行最佳匹配點搜索，輸出最佳匹配點及其坐標；步驟4、在時空域信息塊的9個塊中找出當前塊C的最佳匹配塊，當前塊與最佳匹配塊的運動矢量mv＝(mx，my)；計算運動矢量mv的模值|mv|；步驟5、設定閾值T2，比較|mv|與T2的大小，當|mv|＜T2時，判斷當前塊為慢速運動塊，執(zhí)行步驟6；否則為快速運動塊，執(zhí)行步驟7；步驟6、采用三層次近似八邊形搜索法進行最佳匹配點搜索，并且根據搜索結果判斷，當最佳匹配點在三層次近似八邊形由里向外的第一個環(huán)內或環(huán)上時，輸出最佳匹配點及其坐標；否則，當最佳匹配點在三層次近似八邊形的第二個環(huán)上時，采用小鉆石搜索法進行搜索，輸出最佳匹配點及其坐標；否則，當最佳匹配點在三層次近似八邊形的第三個環(huán)上時，再采用小鉆石搜索法進行搜索，輸出最佳匹配點及其坐標；步驟7、先采用非對稱十字型搜索法進行最佳匹配點搜索，然后將所得到的最佳匹配點作為起點，采用四層次近似八邊形搜索法搜索；并且根據搜索結果判斷，當最佳匹配點在四層次近似八邊形由里向外的第一個環(huán)內或環(huán)上時，輸出最佳匹配點及其坐標；否則，當最佳匹配點在四層次近似八邊形的第二個環(huán)上時，采用小鉆石搜索法進行搜索，輸出最佳匹配點及其坐標；否則，先進行六邊形搜索法搜索，然后再采用小鉆石搜索法進行搜索，輸出最佳匹配點及其坐標。
2、 如權利要求l所述的基于時空域混合信息的運動估計方法，其特征在于， 所述T1的取值范圍為[2， 3]。
3、 如權利要求1所述的基于時空域混合信息的運動估計方法，其特征在于， 所述的T2為整數，取值范圍為[70, 80]。
全文摘要
本發(fā)明提供了一種基于時空域混合信息的運動估計方法，利用時空域內容信息判斷當前編碼塊的運動快慢及運動方向，并根據不同的運動強烈程度，選擇不同的搜索模板，使搜索算法的性能得到進一步提高，不僅可以避免陷入局部最優(yōu)，而且有效的降低了運算復雜性。
文檔編號H04N5/917GK101494757SQ200910045848
公開日2009年7月29日 申請日期2009年1月23日 優(yōu)先權日2009年1月23日
發(fā)明者張錦輝, 滕國偉, 飛 程, 鳳 郭 申請人:上海廣電(集團)有限公司中央研究院