一种快速运动矢量场搜索的块匹配运动估计算法.docVIP

一种快速运动矢量场搜索的块匹配运动估计算法 摘要: 运动估计作为实时视频编解码中最重要最耗时的部分，大量的研究都是通过减少搜索点数来降低计算量。而块匹配算法以其简单、高效，便于硬件实现等优点被使用到运动估计中。针对这一特点，提出一种基于块匹配的快速运动矢量场搜索算法（FMVS）。FMVS算法通过将视频序列时间相关性与空间相关性相结合，提出的一种新算法。该算法包括以下五部分：预测搜索起点、动态阈值进行静止块判断、方向性类型判定、运动类型判定及混合模板运用。对视频标准测试序列的实验结果表明,该算法较MVFAST算法,搜索点数降低30%-50%，对于运动复杂的视频序列峰值信噪比提高0.21dB。 关键词: 运动估计；块匹配算法；运动矢量场；（矢量场自适应搜索）MVFAST；峰值信噪比 中图分类号: TP393 文献标识码: A对于视频序列图像，由于相连帧之间存在很大的时间相关性，通过减少时间冗余，可以提高视频编码的效率。而基于块匹配算法以其简单、高效，便于硬件实现等优点，已经被许多视频编码标准所采纳。运动估计算法占整个编码器的60%~80%的运算量，很大程度决定编码器的效率。 在块匹配运动估计算法中，全搜索算法精度最高，但是运算量也最大大。为了解决运算量大，产生了很多快速搜索算法。一类是快速算法是按照某种搜索策略只对搜索窗口的相关参考点进行计算；如一些经典算法3步法[1]，菱形搜索算法[2]，六边形搜索算法[3]。菱形搜索算法，六边形搜索算法为了避免局部最优，采用大的搜索模板，但带来了搜索点数的大量增加；而小菱形搜索算法采用小菱形减少搜索点数，但是带来局部最优的问题。另一类快速搜索算法是利用运动矢量相关性来预测当前运动矢量。此类算法考虑时域或空域相关预测当前搜索起点，性能优于前一种。这类算法典型的包括矢量场自适应搜索算法[4]（MVFAST）和带预测的矢量场自适应搜索算法[5]（PMVFAST）等。其中MVFAST已经被MPEG-4标准所采用。 本文提出一种快速运动矢量场搜索算法，采用自适应的阈值进行静止块的判断，分析视频序列的运动情况（包括运动类型与运动方向），最后根据不同的运动情况选择不同块匹配模板。本算法即考虑视频序列的时域相关性又考虑空域相关性，获得接近全搜索的编码效果的同时，又获得了比MVFAST更少的搜索点数。 [6]:1)中心偏移特性，即运动矢量绝大多数情况分布在搜索区域原点的附近；2)运动矢量相关性，即运动矢量在时间和空间上具有相关性；3)SAD(sum of absolute difference)方向性，即SAD总是沿着某个梯度下降方向趋向极小点。其中SAD为块匹配算法中常用的匹配准则。 通过充分分析运动矢量的特性，提出一种基于块匹配的快速运动矢量场搜索算法，将获取运动估计过程分成5步。通过相连块的运动矢量来预测当前块的搜索起始点；由于局部相连具有相近的运动矢量，将相连块作为参考矢量，动态调整判断静止 块的阈值；通过判定相连块的运动方向来作为当前块的预测运动方向；通过计算相连块的运动剧烈程度来判断当前块是大运动，还是小运动；通过以上的判断采用混合模板进行运动矢量搜索。 预测起始点 在视频编码中，块匹配算法将视频序列分成N×M的块。相连块往往具有相同或相似的运动矢量，这样就可以用相连块来预测当前块的运动矢量。本文采用H.263的中值法[7]，使用3个相连块 运动矢量MV1、MV2、MV3来预测当前的运动矢量MV。如图1所示。 图1 搜索起始点预测 预测水平分量与垂直分量如公式一与公式二，分别取参考块的水平分量中值与垂直分量的中值。 ——公式一 ——公式二 1.2 自适应阈值判断静止 在许多实时视频和低复杂度运动序列中，有很多块可以认为是静止块。一般采用绝对误差和（SAD）来衡量视频序列的差异性。 研究分析指出，静止块的绝对误差和（SAD）远低于非静止块在（0，0）位置的SAD值；16×16静止块的平均SAD值分别为512~1024。设定动态的阈值判断16×16静止块，可以有效的避免将非静止的块划到静止块中，而有些是静止块却被划到非静止块。 本文采用了文献[]的动态阈值计算方法，如图2。 图2 自适应阈值选择参考列表 MB(i,j)为当前块，i，j为当前块的横、纵坐标。MB(i,j-1)、MB(i-1,j)、MB(i+1,j-1)为当前块的左，上，右上的运动块。由于MB(i,j-1)、MB(i-1,j)、MB(i+1,j-1)较MB(i,j)块先计算，并且都是MB(i,j)的相连块，具有相同或相似的运动特性，选择这三块作为参考列表，记为CL。 若CL中的运动块都为静止块，则取它们中最大的作为预测阈值。 若CL中的运动块存在不为静止块，则取它们中最小的作为预测阈值。 最后运动块的静止块阈值取值