[发明专利]对视频中的运动矢量进行可靠性分类的方法和系统

权利要求书

1.一种对视频中的运动矢量进行可靠性分类的方法，包括：

按块分类步骤，用于对将输入视频的指定视频帧分块得到的各块进行运动矢量可靠性分类；以及

按帧分类步骤，用于根据所述指定视频帧内的各块的运动矢量可靠性分类，在所述指定视频帧内进行运动矢量可靠性分类优化，以便获得所述指定视频帧内各块的运动矢量的最优分类。

2.根据权利要求1所述的方法，其中按帧分类步骤包括：

从包含运动矢量可靠性人工分类结果的大量视频数据，根据概率分布，建立马尔可夫随机场MRF模型；

将所述指定视频帧内的各块的运动矢量可靠性分类作为马尔可夫随机场的观测值，通过马尔可夫随机场MRF与吉布斯随机场GRF的等价性，建立GRF模型的能量函数；以及

通过最小化所述GRF模型的能量函数求解，得到在所述指定视频帧内各块的运动矢量的最优分类。

3.根据权利要求2所述的方法，其中所述能量函数为两个能量的和，其中之一为：

12Σp∈PΣq∈NpVc(fp,fq)]]>

其中V_c(f_p，f_q)表示相邻块p和q的势能，f_p和f_q分别表示块p和q的可靠性分类结果的取值，N_p表示与图像块p相邻的图像块的集合，P表示图像中的图像块的集合。

4.根据权利要求2所述的方法，其中将运动矢量分为可靠、误匹配、多匹配三类，根据相邻块p和q之间的马尔可夫性，V_c(f_p，f_q)的定义如下式所示，

在上式中，u_p，q，v_p，q，w_p，q值均和f_p与f_q取值的概率有关，分别为u_p，q＝-βln(P_A)，v_p，q＝-βln(P_B)和w_p，q＝-βln(P_C)，其中β为一常数，概率值P_A，P_B和P_C分别为情况A、B和C发生的概率，它们与相邻块的运动矢量差别有关，并用统计频率值作为概率取值。

5.根据权利要求1所述的方法，还包括：

分块和搜索步骤，用于将所述输入视频的指定视频帧分块，并且对所述指定视频帧的指定块搜索运动矢量以便对所述指定块生成块匹配误差；

并且其中，按块分类步骤根据所述指定块的所述块匹配误差，对所述指定块进行运动矢量可靠性分类。

6.根据权利要求1所述的方法，还包括：

纹理特征提取步骤，用于提取所述块的纹理特征；

并且其中，按块分类步骤根据所述块的所述纹理特征，对所述块进行运动矢量可靠性分类。

7.根据权利要求1所述的方法，还包括：

分块和搜索步骤，用于将所述输入视频的指定视频帧分块，并且对所述指定视频帧的指定块搜索运动矢量以便对所述指定块生成块匹配误差；以及

纹理特征提取步骤，用于提取所述指定块的纹理特征；

并且其中，所述按块分类步骤根据所述指定块的所述块匹配误差和纹理特征，对所述指定块进行运动矢量可靠性分类。