[发明专利]一种复杂度可分级的运动估计方法

摘要

本发明公开了视频编码中一种复杂度可分级的运动估计方法。此方法由三个有效步骤组成：首先检测静止块；其次对非静止块进行运动矢量的预测；最后进行局部的精细搜索，得到最终的运动矢量。通过对预测点数量和精细搜索的空间大小进行合理配置，从而实现计算复杂度的分级，使此方法能够适合于不同计算性能的设备，保证了视频编码的实时性。此方法避免了对静止块的搜索，且利用了空间相关性进行预测，本身具有较低的复杂度。复杂度可分级的策略使得此方法考虑了计算复杂度和运动估计准确性之间的权衡，可满足更低性能设备的应用需求，特别适合于嵌入式、移动设备上的实时视频编码应用。

主权项

1.一种复杂度可分级的运动估计方法，其特征在于：1)对静止块的判定相邻视频帧之间存在较强的时间相关性，在视频帧中总是存在大量的静止或近似静止的区域，目前，通用的块匹配采用的准则是绝对误差和，其定义如下：$\mathrm{SAD}(s,y,t)=\underset{i=0}{\overset{N-1}{\Sigma }}\underset{j=0}{\overset{N-1}{\Sigma }}\mathrm{abs}(f(i,j,n)-f(i-x,j-y,n-t))---\left(1\right)$ 具甲：SAD是绝对误差和；abs表示求绝对值；f(i，j，n)表示第n帧在(i，j)位置的象素值；判定静止区域的方法完全根据统计特性，静止块在(0，0)处的绝对误差和的值总是大于非静止块在(0，0)处的绝对误差和的值，而且通过统计得到，静止块的绝对误差和的平均值范围在450～1000之间，为了降低静止块判定的错误率、保证运动估计的准确性，本方法选择一个阈值550，当一个块在(0，0)处的绝对误差和的值小于该阈值时，确定此块为静止块，其运动矢量为(0，0)；2)利用空间相关性对非静止块的运动矢量进行预测视频帧内部存在较强的空间相关性，即相邻块的运动矢量往往表现出一致性，通过周围已经得到运动矢量来预测当前块的运动矢量可以大大减少搜索点数，此方法采用了相邻的左边块，左上块和上面块的运动矢量作为当前块的预测值，通过预测来选择一个具有最小的绝对误差和值的预测矢量作为新的搜索中心；3)使用限制性精细搜索来得到最终的运动矢量通过预测之后，预测运动矢量与最优的运动矢量已经非常接近，故采用小菱形搜索方法来完成最后的精细搜索，预测运动矢量和最优运动矢量之间的距离绝大部分小于4，故对于精细搜索，此方法限制了精细搜索的最大递归次数为4，从而既保证了搜索的准确性，又避免了大量无谓的搜索；4)对预测点数量和精细搜索的空间大小进行配置来实现计算复杂度的分级可配置的预测点个数：1～31-左块(P1)；2-左块(P1)、上块(P2)；3-左块(P1)、上块(P2)、左上块(P3)；可配置的精细搜索递归次数：0～40-不做递归搜索；1-限制一次递归搜索；2-限制两次递归搜索；3-限制三次递归搜索；4-限制四次递归搜索；通过以上配置的组合使用从而实现了对运动估计整体计算复杂度的配置。