[发明专利]用于压缩运动矢量场的装置和方法

说明书

本发明一般涉及对视频序列进行编码中利用运动补偿的方法。更具体地说，本发明涉及利用运动补偿预测对视频序列进行编码和解码的装置以及相关方法。从视频帧的相邻段并通过利用正交仿射运动矢量场(orthogonal affine motion vector field)模型来预测段的运动场。通过本发明的一个实施例的操作，运动矢量场可由数量减少了的比特来构成，同时仍保持低预测误差。

发明背景

数字通信技术中的进步已经允许发展新型和改进型通信类。更进一步的进步将允许不断改进利用这种进步的通信和通信系统。

例如，已经建议了用于能够形成视频帧的数字视频数据通信的通信系统。电视会议期间利用的视频图像就是有利地利用了数字视频序列的应用示例。

但是，视频帧一般由大量的象素组成，各个象素可用一组数字比特表示。并且，表示任何视频序列都需要大量的视频帧。由于形成一个典型的视频序列所需的每帧中的大量象素以及大量的帧，因此表示视频序列所需的数据总量很快就变大。例如，一示例性视频帧包括640×480象素的阵列，各象素具有RGB(红、绿、蓝)颜色，其中各颜色分量用8比特表示，每帧总共7372800比特。

视频序列，就象记录在胶片上的普通运动图像一样，包括一系列静止图象，形成运动的错觉是通过相对快速地显示连续图像，比如说以每秒15至30帧的速率进行显示。由于相对快的帧速率，连续帧中的图像趋向于很相似。一般的景物包括一些例如背景景物的静止组成部分和一些采用各种不同形式的运动组成部分，所述运动部分比如为新闻播音员的脸、移动的车辆等。另一方面，记录景物的摄像机本身是运动的，这时图像的所有组成部分具有相同类型的运动。在许多情况下，它表明一个视频帧和下一视频帧之间的总变化相当小。当然。这取决于运动的特性：运动越快，从一帧到下一帧的变化越大。

问题出现发送视频序列中，主要涉及必须从发送设备向接收机发送的信息量。序列的各帧包括矩形矩阵形式的象素阵列。为了得到清晰图像，需要高分辨率，也就是说，帧需要包括大量的象素。目前已有大量标准化图像格式，其中包括352×288象素的CIF(公用中分辨率图象格式)和176×144象素的QCIF(1/4公用中分辨率图象格式)。QCIF格式一般被用于第一代移动视频电话设备，并在可能用于这种设备的小型(3至4cm²)LCD显示器上提供可以接受的清晰图像。当然，较大的显示设备一般需要更高空间分辨率的图像，以便显示时这些图像能以足够的空间清晰度出现。

对图像的每一象素，必须提供颜色信息。如在上面提到的，颜色信息一般是按照基色分量红、绿和蓝(RGB)或利用相关亮度/色度模型进行编码，所述模型称为YUV模型，如下面将要描述的，它提供一些编码好处。尽管有几种可以提供颜色信息的方式，但所有颜色表示法都具有相同的问题，即正确表示出现在自然景色中的颜色范围所需的信息量的问题。为了建立人的视觉系统可接受质量的彩色图像，各个颜色分量一般必须用8比特分辨率表示。因此，图像的各个象素需要24个信息比特，这样QCIF分辨率的彩色图像就需要176×144×(3×8)＝608256比特。此外，如果该QCIF图像构成每秒15帧的帧速率的视频序列的一部分，要编码该序列就需要总共9123840比特/秒。

照此，数据量有时必须通过相对低比特率的通信信道发送，诸如通过以低于64kbps工作的无线通信信道发送。

视频编码方案被用于减少表示这样的视频序列所需的数据量。许多视频编码方案的核心是提供运动补偿预测的方法。运动补偿预测一般提供通过消除帧之间的时间冗余(temporal redundancies)来改进帧补偿的方法。对操作进行预测是基于下述事实：在短系列的相同一般图像(the same general image)中，大多数对象保持在相同位置，而其它对象仅移动短距离。这种运动作为二维运动矢量来描述。