动态图象运动矢量多重跟踪搜索算法及实现.docVIP

动态图象运动矢量多重跟踪搜索算法及实现 皇甫正贤 钱昱明 (东南大学自动控制系,南京 210096) 摘 要 针对动态图象运动矢量搜索过程中,使用普通的对数搜索方法有可能无法搜索到真实最优运动矢量的问题,分析了产生该问题的原因,并提出使用运动矢量多重跟踪方法进行运动矢量搜索。在图象匹配的过程中应用亚采样模板有效地降低了该方法的计算量。对大量数据的分析试验证实,该方法具有很好地适应多极点匹配图象的 特点,能准确搜索到真实最优运动矢量点。 关键词 图象压缩,图象匹配,运动矢量,多重跟踪,亚采样模板 1 引 言 在各种动态图象压缩编码中,为达到较高的压缩率,一般都采用帧相关压缩的技术,以使相邻帧之间的数据冗余度最小。不论采用何种压缩方法进行帧相关的压缩,对运动矢量的搜索计算都是必不可少的,而运动矢量的精确获得又对尽可能大地压缩数据量至关重要,因此如何能够即快又准地搜索到运动矢量就关系到整个压缩算法的优劣。目前已经有一些广泛使用的帧搜索算法,如全局搜索[1,2],2-D搜索[2],对数搜索[3,4],以及其他一些滤波匹配算法[5~7],就精度而言,全局搜索的精度显然最高,它在选定的搜索范围内对所有位移情况进行评价,选取最为匹配的位移作为运动矢量,因此可以将其搜索结果作为近似的真实运动矢量,但这种方法的计算量过大而不实用,从而有了改进的2-D搜索策略,但仍过于费时。对数搜索策略的产生使计算量降低到可接受的范围之内,但就搜索精度而言较全局搜索差,很多情况下搜索不到运动矢量的最优点。这种情况的产生主要是由于图象内容具有复杂性,导致匹配的结果具有多极值的特点。本文据此进行了研究,提出一种运动矢量多重跟踪搜索策略,该策略是对数搜索策略的改进算法,使其能够适应多极值的匹配结果,进而搜索到真实的运动矢量。试验结果表明该搜索方法比对数搜索方法的准确度有较大提高,而计算量却没有显著增加。 2 图象匹配的多峰值特性 图1显示了一个典型的图象多峰值匹配结果,该图是使用全局搜索方法在某2幅连续图象间选取40×40点阵进行逐点匹配的结果。 由图中可以看出,匹配的结果具有2个凹点,前方的凹点是真实的最优匹配点,而后方的凹点属于假匹配。在该图中取不同的初始点作对数运动矢量搜索,得到的结果肯定是这2点之 一,但最后的结果属于哪一个凹点则由于初始点取值及所采用搜索策略的不同而不同。如果进行对数搜索,对这一过程可以进行以下分析:由于对数搜索策略搜索方向的选取规则是在8个方向分别取一点进行匹配,取其匹配值最小点所在方向为新的初始点,并缩小网格距离,进行二次匹配,直到网格距离缩小到1/2点距。这正如图2所示,由于匹配结果的不均匀性和多极点性,很可能出现某次匹配时真实最优点附近的匹配值反而比虚假最优点附近的匹配值大,导致搜索方向向虚假最优点前进,从而使搜索范围脱离真实最优点区间而进入虚假最优点的收敛区间,最终的搜索结果收敛于虚假最优点。 2 多重跟踪搜索方法 对数搜索策略存在上述问题的关键原因在于,在每一次网格计算的8点匹配值中仅选取一点最佳匹配值,并以该点作为起始点进行下一步的跟踪。由于开始搜索时范围较大,步长较长,因此匹配值较小的点很可能接近某个局部最优点,但所选取的匹配点可能均离真实的全局最优点较远,由此导致离全局最优点最近的匹配点匹配结果可能反而不及离局部最优点最近的点的匹配结果。由于以后的搜索以上一次搜索的最佳匹配点为基准将步长减半进行,一旦某一次选错了最优匹配点,就不可能再搜索到真实最优点的区间。因此该方法搜索到的点仅能说明是局部最优,但并不能保证全局最优。对此的一个解决办法是同时进行多个方向的矢量跟踪搜索,方法如下: 在每一步的匹配结果得到以后,选取2个最佳匹配值的点作为进一步跟踪的起始点,在每个起始点周围选取8点作进一步匹配,并比较这18个点的匹配值,从中再次选取2个最小值点,重复该过程,直到网格间距达到1点。此时比较出2个最小值点中的一个最小点,并按照对数搜索方法进行半象素点匹配,就基本可以得到准确的最优运动矢量。 对这一过程的分析可以得知,使用该方法,在第 1步就选取了2个最优方向进行2重跟踪,2个最优 方向上找到真实运动矢量的可能性要大大高于仅选 取一个方向时的可能性。在进行第二次及以后更多 次的跟踪步骤时,由于搜索步长减小,因此所选取的 匹配点距离真实最优点较近,所匹配的结果也较接近真实最优点的匹配结果。虚假最优点附近的匹配点由于离真实最优点较远,它能够取得较小匹配结果的可能性就小得多。对匹配结果的比较就导致放弃虚假最优点附近的继续跟踪转而跟踪真实最优点附近的匹配值,最终搜索到真实最优运动矢量。该方法在保持了对数搜索方法计算量较少的基础上改进了匹配点的选取规则,因而得到较高的搜索精度。对于使用并行硬件实现该算法