(精选)网络多媒体技术(西电版)第2章 多媒体数据压缩编码技术课件.ppt

图2-7 TSS算法示意图 　　 (2)交叉搜索算法。1990年，Ghanbari提出了交叉搜索算法，它是在二维对数搜索算法(TDLS)及三步搜索算法(TSS)基础上为进一步减少计算量而发展起来的快速搜索法。二维对数搜索(TDLS)以跟踪最小均方差所在的方向为基本思想。初始化计算5点，其中1点为原点，其他4点为(±w/2,±w/2)。再以相同的步长，以上一步搜索到的最小点为中心测试3点，然后步长折半重复以上步骤，直到步长大小变为1时为止。基于对数步长搜索策略，交叉搜索算法进一步减少了测试点的个数，降低了计算的复杂度。该算法不同于其他的对数搜索方法的地方是，在每一个循环中，4个新增候选测试点的位置成X形交叉，而不是十字形交叉。 设当前搜索块的左上角的坐标为(i，j)，前一帧相应的参考块的坐标为(0，0)，具体算法如下：　　①与坐标为(0，0)的参考块计算块误差(Block Distortion Measure，BDM)，如果BDM小于预先设定的阈值，则认为该块为静止的；否则，转入②。　　②初始化最小BDM的位置点(m,n)＝(0,0),令搜索步长p为最大运动范围w的一半。　　③移动坐标(i,j)到最小BDM的位置，即(i,j)＝(m,n)。　　④以(i,j)、(i－p,j－p)、(i－p,j＋p)、(i＋p,j－p)四点当中的最小值作为(m,n)。　　⑤如果p＝1,转⑥；否则，p＝p/2,转③。 　　⑥如果最后的最小值坐标(m,n)为(i,j)、(i－1,j－1)、(i＋1,j＋1)之一，则转⑦；否则，转⑧。　　⑦在(m,n)、(m－1,n)、(m,n－1)、(m＋1,n)、(m,n＋1)五点中寻找最小值(十字形交叉搜索)。　　⑧在(m,n)、(m－1,n－1)、(m－1,n＋1)、(m＋1,n＋1)、(m＋1,n－1)五点中寻找最小值(X形交叉搜索)。　　图2-8给出了一个利用交叉搜索算法在w＝8的窗内进行搜索的例子。我们可以看到在每一步只测试4个新点，最后一步再多增加4个测试点，加上最初增加的测试点原点，总共测试了5＋4lbw个点。 　　 图2-8 交叉搜索算法示意图 　　(3)新三步搜索算法(NTSS)。图2-9是NTSS算法的示意图，图中数字表示搜索顺序，用圈圈出的数字表示搜索到的最小块误差(Block Distortion Measure，BDM)点。　　图2-9 NTSS算法示意图NTSS对于三步搜索算法的改进之处在于对外围大模板进行搜索时，同时对内侧的小模板进行搜索。外围大模板由原点周围步长为4的8个点组成，内侧小模板由原点以及原点周围步长为1的9个点组成。NTSS在第1步就同时搜索大小模板，进行块匹配计算并比较，找到最小BDM点。如果最小BDM点是原点，则停止搜索。如果最小BDM点是原点外的小模板上的点，则以最小BDM为中心计算其8个邻域点， 找出最小BDM后停止搜索。如果最小BDM点为大模板中的点，则后面的步骤同TSS一样，即步长减半搜索其8个邻域点，直到步长为1时，找到最小BDM点。　　NTSS算法最多要测试33个点。但是由于它采用了半途终止的策略，因此常常在第1步或是第2步就终止，即对于静止的块只要测试17个点，对于亚静止的块(运动范围在±2个像素内)只要测试20或22个点。所以说NTSS对于估计静止及亚静止的块的运动向量是非常有效的。NTSS相对于TSS的加速因子为18%。　　图2-10给出了一个图像序列使用NTSS进行运动估计的结果。 　　运动估计是为运动补偿作准备的，运动估计精度越高，预测误差信号差值就越小，帧间预测编码效率也越高，所以运动估计精度是评价运动估计性能的一个重要指标。运动估计是搜索最匹配的图像块，而搜索速度决定了编码能否具有实时性，因此搜索速度也是其另一个重要指标。　　以上介绍的快速搜索算法都基于这样一个假设：当匹配点偏离最佳匹配点时，估计误差值将呈单调上升的趋势。因此，在搜索时，总是沿着估计误差下降的方向搜索。然而，在搜索区内的误差值并不是简单的单调，它可能有多个极值点存在，而且这种情况更为普遍。因此，快速算法在减少复杂度的同时，往往容易陷入局部最小点，这将导致匹配精度的下降。 图2-10 NTSS对常用测试序列的估计结果 　　　　对图像数据进行某种形式的正交变换，并对变换后的数据进行编码，从而达到数据压缩的目的，这就是变换编码。无论是单色图像还是彩色图像，静止图像还是运动图像，都可以用变换编码进行处理。变换编码是一种被实践证明了的有效的图像压缩方法，它是所有有损压缩国际标准的基础。 2.6 变换编码 　　变换编码不直接对原图像信号压缩编码，而首先将图像信号映射到另一个域中，产生一组变换系数，然后对这些系数进行量化、编码、传输。在空间上具有强相关性的信