菱形算法(赵杰).ppt

改进 81.81% 十字法 正方形—菱形 谢谢观看 赵杰 * 一般将图像帧分割为许多互不重叠的宏块,并假定宏块中的所有像素做相同的平动。 平移、旋转和缩放等不同的运动变化。 1、把图像分成若干矩形块,假定块做平移运动,对块的运动进行匹配估计； 2、是对每个像素的位移进行递归估计。 通常像素递归估计的精度高,对多运动画面的适应性强,但它的计算量大,跟踪范围小,实现复杂。 * 论文中使用的是MSE。此处，使用SAD。MSE匹配函数判决的精度最高,但由于其含有乘方运算,实现代价较大。 块匹配准则是判断块相似程度的依据,因此匹配准则的好坏直接影响了运动估计的精度;另一方面,匹配运算复杂度、数据读取复杂度在很大程度上取决于 搜索采用的块匹配准则。 因此,提高运动估计算法的速度可以有两种途径:一种是减少搜索匹配的点数,另外一种是降低块匹配准则来减少复杂度。 * BBGDS搜索窗口太小3X3，造成局部最优；搜索窗口太大,又容易产生错误的搜索路径,例如TSS的第一步 * BBGDS搜索窗口太小3X3，造成局部最优；搜索窗口太大,又容易产生错误的搜索路径,例如TSS的第一步 * PSNR值高表示图像具有比较高的质量,PSNR值低则表示图像具有比较低的质量 * 为了保证算法的效率和收敛性,搜索模板和搜索步长只能由大到小,先 进行粗定位,然后再准确定位 * A New Diamond Search Algorithm for Fast Block-Matching Motion Estimation 赵杰 201421190236 * 目录 菱形算法及改进 基于块匹配运动估计技术 1 2 基于块匹配运动估计 Part 1 块匹配运动估计 运动估计（ Motion Estimation， ME）：在参考图像帧（ reference frame）中找到最佳的参考图像块位置，即运动矢量（ Motion Vector， MV），使得经过帧间预测之后，残差（ prediction residual）的能量最小，以期达到最高的压缩效率； 块的选择:MxN 假设：同一块内的像素的运动是一致 …… 块越小-残差小-运动矢量多-效率低 16x16,16x8,8xl6,8x8,8x4,4x4 块匹配准则 绝对平均误差函数(MAD) 绝对差值和(SAD) 归一化互相关函数(NCFF) 均方误差函数(MSE) 最大误差最小函数(MME) 最大匹配像素数(MPC） 匹配准则的运算复杂度： 算法评判指标 1、视觉 2、PSNR（(Peak Signal to Noise Ratio） 3、搜索点数 菱形算法及改进 Part 2 全搜索法(Full search Methed,FS) STEP1:从(0,0)点出发,按某种搜索路径由近及远,逐个像素点计算SAD值,直到遍历搜索窗内所有的点。 STEP2:在所有的SAD中找到最小块误差(Minimum Block Distortion ,MBD)点,该点即最佳匹配点。 1、简单，最好的匹配方法； 2、计算量大 三步搜索算法(TSS,Three-Step Search) 第一步:以窗口中心点(O,0)为中心搜索点,步长为4,包括周围的8个像素点,计算各点SAD,根据最小SAD值得到一个MBD点,共搜索9个点。 第二步:以上一步的最佳匹配点为中心,步长为2,继续搜索周围8个像素点,计算各点SAD,根据最小SAD值得到MBD点,共搜索8个点。 第三步:同上一步,只是步长减小1,最后得到的MBD点就是需要的运动估计的点,从而得到运动矢量。 1、简单，易于硬件实现； 2、搜索点数为9+8+8； 3、第一步搜索范围大，局部最优； 新三步搜索算法(NTSS,New Three-Step Search) 第一步:对搜索窗口中心9x9的矩形框和3x3的矩形框的17个点进行匹配运算； 1、视频运动矢量的中心偏置分布，加强搜索中心区域； 2、全局极值点中心偏移； 3、半路中止； 新三步搜索算法(NTSS,New Three-Step Search) 第二步:根据第一步得到的最小SAD值的位置决定第二步匹配的位置: (1)如果在搜索窗口的中心位置得到最小的SAD值,则停止搜索; (2)如果最小的SAD值在3x3的矩形框上得到,则搜索以此点为中心位置的3x3的窗口,并结束搜索; (3)如果最小的SAD值在9x9的矩形框上得到,则搜索的步骤与TSS算法 相同 ； 新三步搜索算法(NTSS,New Three-Step Search) 第三步:以第二步得到的最佳匹配位置为中心,做最后的3x3窗口中九个点的匹配,得到最小SAD值的位置,就是最佳的匹配位置 1、新增8个搜索点用来保证缓慢运动的要求,第一步大的步长又可以满