我们定义了一个能测量原始信号与处理后信号之间的差别和.docVIP

在衡量视频质量的测量中，为了指导视频处理，我们定义了一个能测量原始信号与处理后信号之间的差别和客观标准。这个标准是很重要的，它可以测量由压缩引起的失真。理想情况下，这种测量应该与两个视频序列之间感觉上的差异相关联。但实际是不可能的，为了计算方便，目前大多数视频处理系统的设计是使两个视频序列和之间的均方差（MSE）最小化，它定义为： MSE== 这里N是每个序列中的总像素数。 代替MSE以分贝（dB）为单位的峰值信噪比（PSNR）更 经常用于视频质量测量当中。它是这样定义的： PSNR=10 这里是视频信号的峰（最大）强度值。 实际过程中，为了减少计算量，常常用来代替MSE的一种测量是平均绝对误差（MAD），它定义为： MAD=| 虽然MSE和MAD与图象间的感觉失真的相关性不是很好，但是它们在视频编码和处理、运动补偿预测以及图象恢复过程中都发挥着不可或缺的作用。本实验中主要是应用于二维运动估计当中。 在基于像素的二维运动估计中，必须估计每一个像素的MV，然而实际存在的问题是，我们必须施加平滑约束以使问题正则化。在已估计的运动场上施加平滑约束的一种方法是把图象域分割成互相不重叠的称为块的小区域，并且假定每一块内的运动都可以用一个简单的参数模型特征化。如果足够小，那么这种模型是相当精确的。在最简单的情况下，每一个块的运动被假定是恒定的，即整个块进行平移。这称为块平移模型。这时候运动估计问题是为每一个块寻找一个MV。这种类型的算法被共同地称为块匹配算法（BMA）。 实验原理： 在锚定帧中给定一个图象块，此时的运动估计问题是在目标帧中确定一个匹配的，使得这两个块之间的误差为最小。这两个块的空间位置之间的位移矢量是这个块的MV。在块平移模型下，w(x;a)=x+,x，所以这时候基于位移帧差准则的目标函数可以写为： E()== 因为对于一个块所估计的MV只影响这个块的预测误差，所以我们可以通过使每个块的累积预测误差最小化来个别地估计每个块的MV，即： 确定使这个误差为最小的的一种方法是使用穷尽搜索，这种方法被称为穷尽匹配算法（EBMA）。即给定锚定帧的一个块确定最优，把它与目标帧中所有的候选块进行比较，并且寻找具有最小误差的一个。这两个块之间的位移就是所估计的MV。 1 、整像素算法 （1）、实验程序——运用Matlab语言编写 %f1: anchor frame; f2: target frame, fp: predicted image; %mvx,mvy: store the MV image %widthxheight: image size; N: block size, R: search range f2=imread(car\car1.bmp); f1=imread(car\car2.bmp); fp=0; figure,imshow(f2),title(target); figure,imshow(f1),title(anchor) N=16;R=16; height=256; width=256; for i=1:N:height-N+1 for j=1:N:width-N+1 %for every block in the anchor frame % for every block (i,j), culculate the best matching block (i+k,j+l) in the rectangle scope % [(i-R,j-k),(i+R,j+k)] MAD_min=256*N*N; dy=0;dx=0; for k= -R:1:R, for l= -R:1:R %for every search candidate if i+k1 MAD=256*N*N; elseif i+kheight-N MAD=256*N*N; elseif j+l1 MAD=256*N*N; elseif j+lwidth-N MAD=256*N*N; else % calculate MAD for this candidate MAD=sum(sum(abs(double(f1(i:i+N-1,j:j+N-1))-double(f2(i+k:i+k+N-1,j+l:j+l+N-1))))); end if MADMAD_min MAD_min=MAD; dy=k;dx=l; end;end;end; %put the best matching block in the predicted image fp(i:i+N-1,j:j+N-1)= f2(i+dy:i+dy+N-1