[发明专利]一种基于块匹配的大范围预测方法

说明书

本发明公开了一种块匹配方法，包括：获取目标图像和模板图像，所述模板图像具有一个或多个特征点；在所述模板图像中确定搜索图像块，并在所述目标图像中确定目标图像块；对所述目标图像和模板图像进行降采样，针对于降采样后的目标图像块和搜索图像块，利用块匹配方法，在降采样后的目标图像块中找出与搜索图像块最相似的一个或多个子块；基于前一次降采样后的块匹配计算选取的最相似的一个或多个子块确定未被降采样的目标图像中的更新目标图像块，从更新目标图像块中找出最相似的块作为匹配块。

技术领域

本发明涉及计算机领域，具体而言，本发明涉及一种基于块匹配的大范围预测方法。

背景技术

在视频编码与压缩中，块匹配算法作为一种十分有用的算法，主要用在运动向量的计算和补偿等方面。块匹配的基本思想是将当前帧(也称目标图像)分割成固定大小的块，然后在参考帧中寻找最匹配的块。

在块匹配过程中，需要将目标块与搜索窗中的每一个像素块(可称为待搜索块)计算残差值，然后选择残差最小的块作为匹配块。根据残差值的计算公式可知，块匹配算法高昂的计算代价主要是来自于频繁的像素叠加计算，进而影响了块匹配的速度。

块匹配算法的改进和优化主要涉及以下3方面：搜索策略、块匹配准则和块尺寸选择，目前，搜索策略和块匹配尺寸方面改进较多，搜索策略由最初的全搜索到后来的三步搜索法(3SS)、四步搜索法(4SS)、新三步搜索法(N3SS)、新四步搜索法(N4SS)、二维对数法、菱形搜索算法(DS)等；块尺寸方面，块尺寸从16×16到8×8，再到4×4，精度单位从整像素到半像素、再到1/4 像素；块匹配准则主要有最小绝对误差和(SAD)、最小平均绝对误差(MAD)或最小均方误差(MSE)算法和最大互相关函数算法等。

目前的块匹配算法不能很好的平衡匹配精度和运算时间。比如：全搜索算法需要对搜索区内的所有点进行检测，虽然其精度高，但其计算量大；三步法、对数法等虽然计算量和运算时间大大减少，但平均误差会增加，随着块大小的减小，每个像素的平均误差减小，但块匹配次数平方倍增；菱形搜索算法，对于运动大的序列，其同等的对待搜索区域的各部分，造成较大的冗余，影响算法搜索速度。

因此本领域需要一种新型的基于块匹配的大范围预测方法，在保证匹配精度的基础上，大大的提高块匹配的速度。

发明内容

针对现有技术中存在的问题，本发明提出了一种块匹配方法，包括：

获取目标图像和模板图像，所述模板图像具有一个或多个特征点；

在所述模板图像中确定搜索图像块，并在所述目标图像中确定目标图像块；

对所述目标图像和模板图像进行降采样，针对于降采样后的目标图像块和搜索图像块，利用块匹配方法，在降采样后的目标图像块中找出与搜索图像块最相似的一个或多个子块；

基于前一次降采样后的块匹配计算选取的最相似的一个或多个子块确定未被降采样的目标图像中的更新目标图像块，从更新目标图像块中找出最相似的块作为匹配块。

在本发明的一个实施例中，所述目标图像是视频中的一帧图像，所述模版图像包含所述视频中的跟踪对象。

在本发明的一个实施例中，该方法还包括获取目标图像的前一帧图像与模板图像的变换关系，根据前一帧图像与模板图像的变换关系，将模板的特征点定位在目标图像中的位置。

在本发明的一个实施例中，所述搜索图像块是以模板图像的特征点为中心的M×N的矩形图像块，目标图像块是以所述特征点在目标图像上的定位位置为中心的(M+2dx)×(N+2dy)矩形图像块，其中，dx为目标图像块水平方向可搜索最大位移，dy为目标图像块垂直方向可搜索最大位移。