[發明專利]一種基于聚類統計的視頻運動估計方法

有效

• 申請號: 201110300465.5
• 申請日: 2011-09-30
• 公開（公告）號: CN102427528A
• 公開（公告）日: 2012-04-25
• 發明（設計）人: 周忠;陳珂;吳威;趙沁平
• 申請（專利權）人: 北京航空航天大學
• 主分類號: H04N7/26
• 分類號: H04N7/26;H04N7/32
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 成金玉

技術領域

本發明涉及視頻技術領域，更具體地講，涉及一種對視頻進行運動估計的方法。

背景技術

在視頻圖像壓縮中，運動估計根據已經編碼的參考幀產生當前編碼幀的運動補償預測，去除視頻序列中存在的時間冗余?；趬K匹配的運動估計的基本思想是將圖像序列的每一幀分成宏塊，對于當前幀中的每一塊根據一定的匹配準則在前一幀或后一幀某一給定搜索范圍內搜索與當前塊最相似塊，即最匹配塊，由最匹配塊與當前塊的相對位置計算出運動位移，即當前塊的運動向量。一個宏塊的運動向量包括水平和垂直兩個方向的位移。

運動估計算法中搜索精度最高的是FS(Full?Search，全搜索)算法，FS算法是對搜索范圍內的全部候選位置進行匹配運算，搜索宏塊的最小塊誤差點，得到一個最優的運動向量。FS算法雖然搜索精度最高，但由于進行搜索區域內的完全搜索，所以計算復雜度很高。

為了提高宏塊搜索匹配速度，快速運動估計算法被提出，如TSS(Three?Step?Search，三步搜索)算法、CS(Cross?Search，交叉搜索)算法、NTSS(New?Three?Step?Search，新三步搜索)算法、FSS(Four?Step?Search，四步搜索)算法、DS(Diamond?Search，菱形搜索)算法和HS(Hexagon?Search，六邊形搜索)算法，以及PLS(Predictive?Line?Search，預測線搜索)算法和UMHexagonS算法。TSS算法和CS算法第一步搜索步長較大，而進一步的搜索是在第一步確定的方向上進行的，因而很容易陷入局部最優。NTSS算法、FSS算法和DS算法利用視頻序列運動矢量在空間分布上的中心偏置特性，減小了搜索步長，加強了對中心區域的搜索，忽略了相鄰宏塊之間運動向量的相關性，因此，這些算法不適合大運動的視頻序列，其搜索精度與FS算法相比有較大的差距。HS算法是搜索速度最快的運動估計算法之一，與DS算法相比，該算法能夠用更少的搜索匹配次數找到一個相同的運動向量，但是HS算法并沒有利用相鄰宏塊之間運動向量的相關性，因此，對于大運動的視頻序列，HS算法的搜索精度較低。PLS算法是搜索精度與FS算法最接近的快速運動估計算法之一，其平均搜索速度約是FS算法的10倍。UMHexagonS算法是H.264標準中運動估計的參考算法，該算法采用了混合式的搜索模板與移動搜索策略相結合的思想，與FS算法相比，UMHexagonS算法減少了90％的計算量，但是，UMHexagonS算法的搜索精度比FS算法低。

對于視頻序列而言，每一幀視頻圖像通常是由多個前景物體和多個背景物體組成，按照宏塊所屬的不同物體對宏塊進行分類，可以看出，通常屬于同一個物體的宏塊通常具有相近的運動，屬于不同物體的宏塊的運動是不同的。運動估計算法可以利用宏塊運動的聚類統計信息進行搜索匹配，從而提高運動估計的搜索精度，并減少搜索匹配的次數。

上述的各種快速運動估計算法都沒有充分利用宏塊運動向量的聚類統計信息，因此，它們的搜索速度和搜索精度均在一定程度上受到了影響。根據宏塊運動向量的聚類統計信息，本發明提出了一種基于聚類統計的視頻運動估計方法，該方向在對宏塊進行運動估計的過程中，同時對宏塊的運動向量進行聚類分析，運動向量的聚類分析數據為宏塊的搜索匹配提供參考，從而提高了運動估計的搜索精度和搜索速度。

發明內容

本發明的目的是：克服現有運動估計方法沒有充分利用視頻幀中宏塊運動向量的聚類統計信息，提供了一種基于聚類統計的視頻運動估計方法，該該方法可以有效地對視頻進行運動估計，提高了視頻運動估計的速度和精度，以及運動補償圖像的質量。

為了實現上述目的，本發明的原理是：視頻中宏塊的運動向量并不是二維離散均勻分布，而是二維離散多峰分布，因此某些運動向量及其相鄰向量的使用頻率較高，其它運動向量的使用頻率很低。本發明對宏塊的運動向量進行聚類統計分析，每個類使用一個代表向量作為該類的代表運動向量，即該類的運動向量。由于視頻中相鄰宏塊的運動向量通常是相近的，根據宏塊運動向量的相關性，相鄰宏塊的運動向量通常會屬于同一個類，因此，已搜索宏塊的運動向量的聚類統計結果可以為相鄰宏塊的搜索匹配提供參考，從而減少相鄰塊的搜索匹配次數，提高運動估計的速度。