H.264中一种改进基于结构相似性运动估计方法.pdfVIP

H.264 中一种改进的基于结构相似性的 运动估计方法 张士君 北京邮电大学电信工程学院，北京（100876） E-mail ：sjzhang826@ 摘 要：在 H.264 的运动估计中，我们通过Lagrange 代价函数来选择最佳匹配块和最佳预测 模式。而 Lagrange 代价函数中的失真矩阵是绝对误差和（SAD），它与均方误差（MSE ）或 者峰值信噪比（PSNR ）有着类似的含义。人们提出了一种被称为结构相似性（SSIM ）的图 像测量法。实践证明，对于被感知的图像失真，SSIM 可以提供一种比目前广泛使用的 PSNR 或者 MSE 更好的近似。本文介绍了一种改进的基于 SSIM 的运动估计方法，将此方法用于 H.264 的帧间编码中。实验结果显示，在保持相同主观图像质量的情况下，这种改进的基于 结构相似性的运动估计法（MEBSS ）可以平均减少20% 的比特率和2% 的编码时间，其中最 多可以减少超过 50%的比特率。 关键词：H.264 ，帧间预测，结构相似性，运动估计 1． 引言 H.264 是由ITU-T和ISO/IEC共同制定的新的视频编码标准，它具有高效的压缩性能和易 于网络传输的能力。[1] H.264 采用了可变块尺寸和 1/4 象素精度的运动补偿、多参考帧预测 以及其它先进的方法，可以实现比以往的视频编码标准更高的编码效率。 在混合编码中，运动估计是消除连续帧之间时间冗余最重要的部分，但同时也付出了很 高的计算复杂度作为代价。Lagrange 代价函数用来作为 H.264 运动估计中的匹配矩阵。其中 的 SAD 与 MSE 或者 PSNR 值有着类似的含义。虽然 MSE 和 PSNR 由于它们的低复杂度和 清晰的物理意义目前被广泛使用，但由于它们与人眼视觉系统（HVS ）毫无关系，还是作为 缺点被广泛指出。在过去的几十年中，人们努力尝试发展一种新的基于 HVS 误差灵敏度理 论的图像质量评估的方法，但由于 HVS 非常的复杂并且对其没有充分的理解，使得这种发 展具有很大的局限性。 近来人们提出了一种新的图像质量测量的原理，这种原理假设人眼视觉系统非常好的提 取来自所观察区域的结构信息。也就是说，结构信息变化的测量可以提供一个与所感知的图 像失真很好的近似。在这个原理中，引入结构相似性（SSIM ）索引来测量结构信息的变化。 实验结果显示，SSIM 索引的方法很容易被实现，并且比 PSNR 和 MSE 更符合人的感知测 量。基于上述的分析，本文介绍了一种改进的基于结构相似性的运动估计方法（MEBSS ）。 2．H.264的 P 帧编码和 SSIM 2 ．1 H.264 的 P 帧编码 在 H.264 的 P 帧编码中，每幅图像被分割成固定尺寸的宏块（MB ），每个宏块包括视 频帧中的一个 16×16 大小的编码数据（16×16 的亮度样值，8 ×8 的Cb 和 8 ×8 的Cr 样值）。 每个宏块利用先前已编码的数据进行运动补偿预测，预测后的残差数据经过变换、量化和熵 编码，与用于表示预测模式的相关信息一起被传输。每个宏块中的亮度分量（16×16 样值） 可用四种方式进行分裂，并以 1 个 16×16、2 个 16×8、2 个 8 ×16 或 4 个 8 ×8 方式进行运 动补偿。如果选择了 8 ×8 模式，宏块中的 4 个 8 ×8 亚宏块还可分别采用 4 种方式进一步分 裂为 1 个 8 ×8 亚宏块、2 个 4 ×8 亚宏块、2 个 8 ×4 亚宏块或 4 个 4 ×4 亚宏块。另外，采 用 1/4 象素精度运动补偿来提高运动估计的精确性。 块匹配运动估计在一个确定的搜索范围内从参考帧中寻找最佳匹配块。下面的 Lagrange - 1 - 代价函数用来作为匹配矩阵： M COST (s, c) SA(T )D(s, c) +λMOTION Bit(ΔMV )