[发明专利]用于确定运动估计中最优运动矢量的方法

说明书

技术领域

本发明涉及信息技术领域，具体而言，涉及一种用于确定运动估计中最优运动矢量的方法。

背景技术

数字视频处理的过程主要包括视频压缩、标准变换、对象提取、运动检测、视频图像增强与恢复等技术。数字视频技术具有数字技术的一系列优点，比如可以中继传输和多次复制，而不会造成噪声和非线性失真的累积；便于进行加密；可以使用超大规模集成电路芯片(VLSI)开发实现，制作方便，成本低，可靠性高；便于与计算机联网，具有强大的交互能力等等。

运动估计作为数字视频处理中必不可少的一个重要部分，越来越多的受到人们的注意。由于视频信号处理对实时性要求很高，而运动估计的算法通常较为复杂，运算量相当大，基于块的运动估计是最实用和先进的运动估计方法，易于大型集成电路的逻辑实现，几乎所有的视频编码标准在实际中都采用了基于块的运动估计方法。

在相关技术中，基于块的运动估计，在预测运动估计搜索起点时，利用（0,0）即参考帧中同一位置的块，和同一帧中相邻的左边、上边、右上边的块，以及参考帧同一位置块的运动矢量为起点，分别与当前块求像素绝对差和（SAD），并选择最小的SAD作为搜索的起点。接着采用自适应的搜索模式小菱形或者大菱形搜索，一旦SAD达到某一阈值或者最优点位于小菱形的中心点时则停止搜索。这种算法是运动估计最常用的算法，在进行空间相关性预测时使用的是与预测块具有相同大小的块（即当前块左边的块、上边的块以及右上边的块），这样预测的运动矢量范围比较大，搜索结果不准确。

另一方面，在现有的复杂度可分级的运动估计算法中，对运动估计的方法主要分为三个步骤：静止块的检测，静止宏块在（0,0）点的SAD值小于一个阈值则被判定为静止块；运动矢量的预测，主要考虑了空间的相关性的利用，通过三个相邻块的运动矢量来预测当前块的运动矢量，3个相邻块分别为当前块的左边、上边及左上边的块，选取和保存SAD最小的运动矢量作为下一步局部精细搜索的搜索中心；局部精细搜索，采用小菱形进行搜索，小菱形搜索算法的方向性递归搜索过程中限制最大递归搜索次数为4。该算法对菱形搜索的次数做了限制，虽然减少了运算次数，但是搜索的精准度有所下降。

因此，如何提高在运动估计中计算运动矢量的速度与精度成为亟待解决的技术问题。

发明内容

考虑到上述背景技术，本发明提出了一种新的运动估计中最优运动矢量的确定方法，可以提高在运动估计中计算运动矢量的速度与精度。

有鉴于此，本发明提出了一种确定运动估计中最优运动矢量的方法，包括：将当前块所在的当前帧分为多个图像块，所述当前块为所述多个图像块中的一个图像块；计算所述当前块的每个指定相邻图像块的一个子图像块的运动矢量，将计算出的至少一个运动矢量作为当前块的预测运动矢量；基于所述预测运动矢量及其对应的目标参考帧，选择所述当前块的最优运动矢量。

将当前帧分为多个图像块，由于视频帧内部存在较强的空间相关性，因此相邻块的运动矢量表现出一致性，通过选择当前帧中当前块的相邻图像块中更小块的运动矢量来预测当前块的运动矢量，由于搜索范围减小，因此可以减少对当前块运动矢量的搜索次数，提高了搜索算法的搜索速度。通过预测运动矢量及其对应的目标参考帧来确定当前块的最优运动矢量，由于不同的运动矢量对应于不同的目标参考帧，使得目标参考帧的选择更加精确，可以提高当前块的最优运动矢量计算精度，从而更加精确地找到当前块的最优运动矢量。

附图说明

图1示出了根据本发明的实施例的用于确定运动估计中最优运动矢量的装置的框图；

图2示出了根据本发明的实施例的确定运动估计中最优运动矢量的方法的流程图；

图3示出了根据本发明实施例的运动估计中当前块从当前帧到参考帧的预测运动矢量的计算示意图；

图4示出了根据本发明实施例的运动估计中参考帧插值示意图；

图5示出了根据本发明实施例的运动估计中参考帧的选择示意图；

图6示出了根据本发明的实施例的确定运动估计中最优运动矢量的方法的具体流程图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。