[发明专利]通过边界检测作为运动估计参考的视频前景对象编码方法

权利要求书

1.通过边界检测作为运动估计参考的视频前景对象编码方法，其特征在于实现步骤如下：

(1)将连续采集的视频分成参考帧和预测帧，并将参考帧和预测帧分成若干固定大小的宏块；

(2)对参考帧和预测帧分别进行前景提取，并分为背景宏块(一帧图像中背景宏块集合为Φback)、边界宏块(Φbound)和前景宏块(Φfront)，其中，仅对边界宏块和前景宏块进行编码；

(3)对于参考帧，采用静态图像压缩算法，并编码图像帧的轮廓信息；

(4)对于预测帧，首先通过边界检测确定搜索起点，然后从搜索起点进行预搜索并适时停止搜索，得到相应宏块的运动向量，对图像帧的轮廓信息和运动向量及残差进行编码。

2.根据权利要求1所述的通过边界检测作为运动估计参考的视频前景对象编码方法，其特征在于：所述步骤(4)通过边界检测确定搜索起点的方法为：记宏块半径为R，搜索窗口大小为sw，当前位置为(row，col)，预测帧中当前宏块为MB_pre(row，col)，其初始运动向量为MV(row，col)，对应参考帧宏块为MB_ref(row，col)，根据宏块类型及周围宏块确定搜索起点，具体包含的步骤如下：

(2.1)判断当前宏块MB_pre(row，col)类型，若为背景宏块，则进入(2.6)，若为边界宏块，则进入(2.2)，若为前景宏块，则进入(2.5)；

(2.2)按如下公式计算当前宏块MB_pre(row，col)周围的边界宏块集合B，若(为空集)则进入(2.3)，否则，进入(2.4)；

B＝{MB(x，y)|(x＝row-2R，y＝col-2R)∨(x＝row-2R，y＝col)

∨(x＝row-2R，y＝col+2R)∨(x＝row，y＝col-2R)∨(x＝row，y＝col)

∨(x＝row，y＝col+2R)∨(x＝row+2R，y＝col-2R)∨(x＝row+2R，y＝col)；

∨(x＝row+2R，y＝col+2R)∧MB_ref(x，y)∈Φbound}

(2.3)计算以(row，col)及周围8个点为基准点的宏块集合S中各宏块的SAD值，具有最小SAD值宏块的基准点即为搜索起点，根据搜索起点可得MV(row，col)，进入(2.7)，集合S计算公式如下：

S＝{MB(x，y)|(x＝row-sw/4，y＝col-sw/4)∨(x＝row-sw/4，y＝col)

∨(x＝row-sw/4，y＝col+sw/4)∨(x＝row，y＝col-sw/4)∨(x＝row，y＝col)

∨(x＝row，y＝col+sw/4)∨(x＝row+sw/4，y＝col-sw/4)

∨(x＝row+sw/4，y＝col)∨(x＝row+sw/4，y＝col+sw/4)}

(2.4)计算集合S中与B相对应基准点的宏块的SAD值，具有最小SAD值的宏块的基准点即为搜索起点，根据搜索起点可得MV(row，col)，进入(2.7)；

(2.5)通过对左、上、右上宏块的初始运动向量求取平均值得到MV(row，col)，进入(2.7)；

(2.6)设置MV(row，col)为0，进入(2.7)；

(2.7)返回MV(row，col)，继续下一个宏块。

3.根据权利要求1所述的通过边界检测作为运动估计参考的视频前景对象编码方法，其特征在于：所述步骤(4)预搜索并适时停止搜索的方法为：记初始搜索起点为(m，n)，对应的宏块为MB(m，n)，MBD_k表示第k轮搜索产生的MBD点，PI_k和PO_k表示第k轮搜索产生的两种不同类型的宏块，PI_k表示根据扩散规则成功扩散出的点中，位于图像内的点对应宏块的集合，PO_k表示根据扩散规则成功扩散出的点中，位于图像外的点对应宏块的集合，具体包含以下步骤：

(3.1)初始化当前MBD点MBD₀＝(m，n)，扩散成功且位于图像内的点对应的宏块集合以及扩散成功且位于图像外的点对应的宏块集合设当前为LHSP搜索；

(3.2)令k＝k+1，计算图像内和图像外扩散成功的点所对应的宏块的集合PI_k和PO_k，其中PI_k的计算公式如下：

PI_k＝{MB(p，q)|(p＝j-2，q＝i-1)∨(p＝j-2，q＝i+1)

∨(p＝j，q＝i-2)∨(p＝j，q＝i)∨(p＝j，q＝i+2)

∨(p＝j+2，q＝i-1)∨(p＝j+2，q＝i+1)

∧(p，q)∈dis((p，q)，sw)≤1}

PO_k的计算公式如下：

(3.3)计算MBD_k，如果MBD_k≠MBD_k-1，进入(3.2)，如果MBD_k＝MBD_k-1，转为SHSP搜索，进入(3.4)，MBD_k计算公式如下：

(3.4)令k＝k+1，计算扩散成功且位于图像内的点对应的宏块集合PI_k，并计算MBD_k，其中MBD_k的计算公式如(3.3)所示，PI_k的计算公式如下：

PI_k＝{MB(p，q)|(p＝j-1，q＝i)∨(p＝j，q＝i-1)∨

(p＝j，q＝i+1)∨(p＝j+1，q＝i)∧

(p，q)∈Pic∧dis((p，q)，sw)≤0}

∪{MB(p，q)|(p＝s-1，q＝t)∨(p＝s，q＝t-1)∨；

(p＝s，q＝t+1)∨(p＝s+1，q＝t)∧MB(s，t)∈PO_k-1∧

(p，q)∈Pic∧dis((p，q)，sw)≤0}

(3.5)返回点MBD_k对应的运动向量；

其中，Pic表示整幅图像所有像素点的集合，dis((p，q)，sw)表示计算点(p，q)与搜索窗口边界的位置向量，结果小于1表示(p，q)处于搜索窗口边界外1个像素范围之内，SAD(MB(i，j))表示计算宏块MB(i，j)的SAD值。