專利名稱：一種區(qū)塊移動估測方法
技術(shù)領(lǐng)域：
本發(fā)明有關(guān)于一種影像處理技術(shù)，更明確地說是有關(guān)于一種利用如區(qū)塊移動估測(Block Motion Estimation，BME)的影像壓縮(compression)技術(shù)，具體來說是關(guān)于一種區(qū)塊移動估測方法。

背景技術(shù)：
移動估測(Motion Estimation，ME)是一種廣泛應(yīng)用于影像處理領(lǐng)域的技術(shù)，用來決定一張影像相對于其鄰近影像的移動向量。許多新穎的視頻編碼電路(例如與H.26X或MPEG協(xié)議兼容的系統(tǒng))通常會采用區(qū)塊移動估測來消除不同畫面間的相依性。與此技術(shù)相關(guān)數(shù)據(jù)可參考美國專利第2006/0280248號公開案，以及Thomas Wiegand等人于IEEE Trans.Circuits and Systems forVideo Technology中所發(fā)表的“H.264/AVC視頻編碼標準概論(Overview of theH.264/AVC video coding standard)”。
請參考圖1。圖1為說明現(xiàn)有技術(shù)中區(qū)塊移動估測的處理的示意圖。如圖1所示，區(qū)塊移動估測用來找出一最適當?shù)囊苿酉蛄?motion vector)，以表示目前影像中的一目前區(qū)塊相對于其它參考影像中的搜尋區(qū)域中的一對應(yīng)的參考區(qū)塊(與目前區(qū)塊較相似的區(qū)塊)的位置。在區(qū)塊移動估測程序中，區(qū)塊的大小通常為16×16、16×8、8×16、8×8、8×4、4×8或4×4。在某些情況下，由于影像被編碼的程序未必等同于影像將被顯示的順序，參考影像可能同時包含先前的已經(jīng)過編碼的影像和后續(xù)的已經(jīng)過編碼的影像。舉例來說，將被呈現(xiàn)于顯示器的影像為I1，P2，B3，P4，B5，P6，B7，B8，P9，B10，P11，B12，P13，I14...；而該等影像被編碼的順序則可能I1，P2，P4，B3，P6，B5，P9，B7，B8，P11，B10，P13，B12，I14。
在判斷和目前區(qū)塊最相似的參考區(qū)塊時，相對應(yīng)的區(qū)塊匹配誤差(block-matching discrepancy)常會成為考慮依據(jù)。目前已存在多種計算此誤差的方法。舉例而言，可利用計算目前區(qū)塊與參考區(qū)塊之間的絕對差異總和(Sum of Absolute Differences，SAD)。設(shè)目前區(qū)塊的大小為N×M，并且參考區(qū)塊相對于該目前區(qū)塊的位移量為(vx，vy)，則目前區(qū)塊所對應(yīng)的絕對差異總和可被定義為 其中的In與In-1分別表示目前影像和參考影像，(x，y)則表示目前區(qū)塊的位置。
由以上說明可知，區(qū)塊匹配模式(block matching mode)通常會將一個目前影像分割為復(fù)數(shù)個特定大小的目前區(qū)塊。區(qū)塊移動估測會為每一個目前區(qū)塊找到一個對應(yīng)的參考區(qū)塊(相似區(qū)塊)。該等參考區(qū)塊在不同影像中的位移可被視為各自對應(yīng)的移動向量。
在區(qū)塊移動估測模式之中，有一種全面搜尋(Full Search，F(xiàn)S)模式是將目前影像中的每一個參考區(qū)塊都拿來和一先前影像中的一預(yù)設(shè)搜尋區(qū)域中的所有可能的區(qū)塊比較。全面搜尋的優(yōu)點在于具有單純的數(shù)據(jù)處理程序以及精確的對比結(jié)果。此外，用以執(zhí)行全面搜尋模式的控制電路亦相當簡單。然而，全面搜尋模式耗費了大量的運算資源；當搜尋區(qū)域變大時，此情況尤為嚴重。
為了減少全面搜尋模式所須的時間及運算量，目前已有許多種較快速的樣式搜尋(pattern seach)方法。樣式搜尋方法是以一搜尋樣式作為對比基礎(chǔ)，而非比較整個影像中的所有區(qū)塊，因此可減少須搜尋/對比的點數(shù)。搜尋樣式的設(shè)計是將移動向量的分布狀況納入考慮，希望藉此提升執(zhí)行區(qū)塊移動估測程序時的速度。
雖然目前已知區(qū)塊移動估測程序可采用各種不同的搜尋樣式，但如何挑選出最適當?shù)乃褜邮饺匀皇莻€難題。因此，改進搜尋樣式、估測某個搜尋樣式的效能，以及為不同的影像序列選擇最適當?shù)乃褜邮降茸h題都是十分重要且值得關(guān)注的。


發(fā)明內(nèi)容
本發(fā)明提供一種區(qū)塊移動估測(Block Motion Estimation)方法。該方法包含(a)根據(jù)一第一搜尋樣式，以針對一第一畫面計算一移動向量相關(guān)參數(shù)、(b)針對該第一畫面，決定該移動向量相關(guān)參數(shù)與一預(yù)定臨界值之間的一關(guān)系式，以及(c)根據(jù)該移動向量相關(guān)參數(shù)與該預(yù)定臨界值之間的該關(guān)系式，選擇一第一搜尋樣式模式或一第二搜尋樣式模式，以于一第二畫面中識別至少一個搜尋區(qū)塊。該預(yù)定臨界值被該第一搜尋樣式模式和該第二搜尋樣式模式的改良權(quán)重函數(shù)(refined weighting functions)所決定。區(qū)塊移動估測會針對該第二畫面以適當?shù)貓?zhí)行。
本發(fā)明另提供一種區(qū)塊移動估測方法，該方法包含(a)根據(jù)前次成功找到的獲勝的子點，以選擇鄰近于一母點的一子點、(b)比較該母點與該子點的區(qū)塊匹配誤差，以及(c)根據(jù)步驟(b)的比較結(jié)果，以判斷該母點或該子點為獲勝點。
本發(fā)明另提供一種區(qū)塊移動估測方法。該方法包含(a)根據(jù)前次成功找到的獲勝的子點，以選擇環(huán)繞于一母點的一菱形區(qū)域內(nèi)的一子點、(b)比較該母點與該子點的區(qū)塊匹配誤差，以及(c)根據(jù)步驟(b)的比較結(jié)果，以判斷該母點或該子點為獲勝點。
本發(fā)明另提供一種區(qū)塊移動估測方法。該方法包含(a)根據(jù)前次成功找到獲勝的子點，以選擇環(huán)繞于一母點的一六角形區(qū)域內(nèi)的一子點、(b)比較該母點與該子點的區(qū)塊匹配誤差，以及(c)根據(jù)步驟(b)的比較結(jié)果，以判斷該母點或該子點為獲勝點。



圖1是為說明現(xiàn)有技術(shù)中區(qū)塊移動估測的處理的示意圖； 圖2是為說明當四個候選子點之中有一具有較母點的區(qū)塊匹配誤差小的候選子點時的所有可能的搜尋順序與其機率的示意圖； 圖3是為說明當四個候選子點之中有兩個具有較母點的區(qū)塊匹配誤差小的候選子點時的所有可能的搜尋順序與其機率的示意圖； 圖4是為基因型菱形樣式搜尋(GPRS)模式的流程圖； 圖5a至圖5b是為說明基因型菱形樣式搜尋(GPRS)的搜尋樣式的示意圖； 圖6是為說明的在搜尋區(qū)域中候選子點的可能數(shù)目的等高線圖； 圖7a至圖7d是為說明兩種起始搜尋點的情況與兩種中介搜尋點的情況的示意圖； 圖8所示為根據(jù)前述說明以計算基因型菱形樣式搜尋(GPRS)的改良權(quán)重函數(shù)的模式； 圖9是為基因型菱形樣式搜尋(GPRS)的改良權(quán)重函數(shù)的等高線圖； 圖10是為說明基因型點指向性六角形樣式搜尋(GPHS)的流程圖； 圖11a至圖11d是為說明基因型點指向性六角形樣式搜尋(GPHS)的搜尋樣式的示意圖； 圖12是為基因型點指向性六角形樣式搜尋(GPHS)的可獲勝的候選子點的數(shù)目的示意圖； 圖13是為基因型點指向性六角形樣式搜尋(GPHS)的改良權(quán)重函數(shù)的等高線圖； 圖14是為說明本發(fā)明的基于動量第基因型菱形樣式搜尋(MD-GPRS)的改良權(quán)重函數(shù)的等高線圖； 圖15是為說明本發(fā)明的基于動量的基因型菱形樣式搜尋(MD-GPRS)模式的流程圖； 圖16是為說明本發(fā)明的基于動量的基因型菱形樣式搜尋(MD-GPRS)于搜尋可獲勝的候選子點時的所有可能的搜尋順序的示意圖； 圖17為基于動量的基因型點指向性六角形樣式搜尋(MD-GPHS)的改良權(quán)重函數(shù)的等高線圖； 圖18是為說明本發(fā)明的基于動量的基因型點指向性六角形樣式搜尋(MD-GPHS)模式的流程圖； 圖19是為說明本發(fā)明的基于動量的基因型點指向性六角形樣式搜尋(MD-GPHS)于搜尋可獲勝的候選子點時的所有可能的搜尋順序的示意圖。
附圖標號 410～470、1010～1080、1510～1570、 步驟 1810～1880 A～D候選子點 a～h被選擇點 ABS 函數(shù) CP 目前的母點 E 最佳的匹配點 E14、E24期望值 Ga、Gb、Gc、Gd、Ge、Gf、Gh 群組 GRPS基因型菱形樣式搜尋 GPHS基因型點指向性六角形樣式搜尋 M1GRPS、M2GRPS 中介搜尋點 MD-GRPS 基于動量的基因型菱形樣式搜尋 基于動量的基因型點指向性六角 MD-GPHS 形樣式搜尋 前次成功找到獲勝的候選子點的 P 方向 前前次成功找到獲勝的候選子點 PP 的方向 RWF、RWFMD-GPRS、RWFMD-GPHS改良權(quán)重函數(shù) S1GRPS、S2GRPS 起始搜尋點 Weight 權(quán)重函數(shù)
具體實施例方式 本發(fā)明提供一種用來評價搜尋樣式的效能的方法，并另提供復(fù)數(shù)個基于動量的基因型搜尋樣式模式(momentum-directed genetic search pattern mode)，因此，使用者可根據(jù)評價結(jié)果來選擇最適合的搜尋樣式，且使用者可利用基于動量的基因型搜尋樣式模式以減少計算移動向量時所須的運算資源。
本發(fā)明的基本假設(shè)為匹配誤差曲面(matching-error surface)為單一波峰(uni-modal)且為一強象限單調(diào)函數(shù)(strong quadrant monotonic function)。
本發(fā)明提供一數(shù)學模型以評價當一搜尋樣式應(yīng)用于一影像序列時所需的運算資源，該數(shù)學模型可以下列方程式表示 PMV＝median(MVL，MVU，MVUR)...(4)； 其中ASP代表一種基于樣式的區(qū)塊移動估測(Pattern-based block motionestimation)所需的平均搜尋點數(shù)、SP1代表一第一搜尋樣式、SP2代表一第二搜尋樣式、SSP1代表搜尋樣式SP1的移動向量機率分布函數(shù)、SSP2代表搜尋樣式SP2的移動向量機率分布函數(shù)、WFSP2(權(quán)重函數(shù))代表當移動向量位于坐標(x，y)時利用搜尋樣式SP2搜尋移動向量的最少搜尋點數(shù)、C1與C2為常數(shù)。MVL代表目前區(qū)塊的左方鄰近區(qū)塊的移動向量，MVU代表目前區(qū)塊的上方鄰近區(qū)塊的移動向量，MVUR代表目前區(qū)塊的右上方鄰近區(qū)塊的移動向量，PMV則為這三個移動向量的中位數(shù)(median)。
在本發(fā)明中，搜尋樣式SP1可以用全面搜尋模式實施，而搜尋樣式SP2可以用任一種搜尋樣式的模式實施。
此數(shù)學模型主要由兩部分組成式(3)的移動向量的統(tǒng)計機率分布函數(shù)SSP1(x，y)，以及當移動向量位于坐標(x，y)時，利用搜尋樣式SP2搜尋移動向量的最少搜尋點數(shù)WFSP2。在式(2)中的(x，y)為以式(4)中的PMV為原點時的相對坐標。參數(shù)C1與C2為利用大量的訓(xùn)練影像序列進行訓(xùn)練法(training method)所得到的經(jīng)驗值，且值得注意的是，由于SSP1(x，y)及WFSP2(x，y)的乘積的和與ASP恒為正相關(guān)，因此參數(shù)C1恒大于零。
式(3)是根據(jù)實驗數(shù)據(jù)所推算。在式(3)中，(x，y)與(x’，y’)為以PMV作為原點時的相對坐標，且A代表搜尋區(qū)域。參數(shù)(ζx，ζy)是利用數(shù)值方法而得，舉例而言，通過SSP1(x，y)的變異數(shù)對比根據(jù)第一搜尋樣式于一特定影像序列上所得到的移動向量。
有兩種方法可得到參數(shù)C1與C2的值，在第一種方法中，參數(shù)C1與C2透過一特定搜尋樣式模式來分析一組訓(xùn)練影像序列而得。在第二種方法中，參數(shù)C1與C2透過一組搜尋樣式模式來分析一特定影像序列而得。如此，一個新的模式的ASP的值即可透過本發(fā)明的數(shù)學模型來預(yù)測。此外，上述的第一種方法適用于預(yù)測當一個已知特定的模式分析一個新的影像序列時的ASP的值，第二種方法適用于預(yù)測當一個新的模式分析一個特定的影像序列時的ASP的值。
因此，若有一搜尋樣式模式具有較其它搜尋樣式模式低的ASP值，則表示相較于其它搜尋樣式模式，該搜尋樣式模式較適用于該影像序列。
然而，若搜尋樣式SP2是一個基因型搜尋樣式，由于基因型搜尋樣式在本質(zhì)上會隨機地選擇一鄰近于母點(parent point)(母點為每次搜尋時的中心點)的候選子點(candidate point)，因此需考慮鄰近于母點的候選子點會成為“獲勝點”(意即具有較低的區(qū)塊匹配誤差)的機率。如此一來，前述的權(quán)重函數(shù)WF不適用于描述基因型搜尋樣式。因此，本發(fā)明提供一改良權(quán)重函數(shù)(Refined Weighting Function，RWF)來更正確地描述基因型搜尋樣式的所需經(jīng)過的搜尋點數(shù)的數(shù)目。因此，改良權(quán)重函數(shù)RWF可取代在式(2)中的權(quán)重函數(shù)WF，如下式所示 其中搜尋樣式SP2可為一基因型搜尋樣式，因此式(5)在本發(fā)明中作為一改良模型以描述基因型搜尋樣式的行為。
在本發(fā)明的一實施例中，基因型搜尋樣式可為一基因型菱形樣式搜尋(Genetic Rhombus Pattern Search，GRPS)或基因型點指向性六角形樣式搜尋(Genetic Point oriented Hexagonal Search，GPHS)。本發(fā)明提供一方法，以判斷針對一影像序列，GRPS與GPHS何者較適用。根據(jù)式(5)，GRPS與GPHS的ASP分別可表示為 根據(jù)式(6)與(7)，若ASPGRPS大于ASPGPHS，則表示針對該影像序列，GPHS具有較佳的效能；反之，若ASPGRPS小于ASPGPHS，則表示針對該影像序列，GRPS具有較佳的效能。因此，根據(jù)式(6)與(7)，上述兩種搜尋模式的運算復(fù)雜度的差異DASP可被定義為 其中RWFGRPS與RWFGPHS分別代表GRPS與GPHS模式的改良權(quán)重函數(shù)。SFS代表全面搜尋模式所對應(yīng)的搜尋點數(shù)。此外，式(8)除以參數(shù)C1所得的值，為上述兩種模式(GRPS與GPHS)的效能差異指標IASP 當效能差異指標IASP＞0，則表示針對該影像序列，GPHS的效能優(yōu)于GRPS；反之；當效能差異指標IASP＞0，則表示針對該影像序列，GRPS的效能優(yōu)于GPHS。因此，根據(jù)效能差異指標IASP，可決定采用的基因型搜尋樣式模式。
式(9)大致上可簡化為以一線性函數(shù)表示 P×VARX+Q×VARY-TH＝0...(10)； 其中P、Q代表常數(shù)；TH代表一預(yù)定臨界值；VARX代表水平移動向量的變異數(shù)；VARY代表垂直移動向量的變異數(shù)。預(yù)定臨界值TH可通過GRPS與GPHS的改良權(quán)重函數(shù)RWF來估計。
以下將更詳細地說明本發(fā)明的改良權(quán)重函數(shù)RWF。假設(shè)匹配誤差曲面為一強象限單調(diào)(Strong Quadrant Monotonic，SQM)函數(shù)。也就是說，設(shè)匹配誤差曲面可以函數(shù)D(X)表示，當O＝(xo，yo)為最佳匹配點；A＝(xA，yA)與X＝(xX，yX)為搜尋范圍中的任意兩點，且(|A-X|＜Rnbd，例如Rnbd＝3)。若|A-O|＞|X-O|成立時，會使D(X)＜D(A)，則表示函數(shù)D(X)為一強象限單調(diào)函數(shù)，此時匹配誤差曲面為一強象限單調(diào)(SQM)單調(diào)函數(shù)。
改良權(quán)重函數(shù)RWF(或RWF(x，y))定義為在強象限單調(diào)(SQM)的匹配誤差曲面上，當最佳匹配點位于(0，0)，而起始搜尋點為(x，y)時，一搜尋樣式模式所需的平均搜尋點數(shù)。
對于基因型搜尋樣式模式，當一母點(parent point)伴隨著N候選子點(mutation point，or candidate point)，且在N候選子點之中有m候選子點具有較小的匹配誤差，從母點移動至一可獲勝的候選子點所需經(jīng)過(意即檢查過區(qū)塊匹配誤差)的搜尋點數(shù)的期望值為EmN，可以下式表示 其中N＞M。
在本發(fā)明中，設(shè)選擇任一候選子點的機率皆相同。在強象限單調(diào)的匹配誤差曲面上，可獲勝的候選子點的數(shù)目m決定于目前母點與最佳匹配點的相對位置，N則被搜尋點數(shù)與母點的型態(tài)(如母點為一起始母點或母點為一中間(intermediate)母點)所決定。
請參考圖2與圖3。圖2是為說明當四個候選子點A、B、C、D之中有一具有較母點的區(qū)塊匹配誤差小的候選子點D時的所有可能的搜尋順序與其機率的示意圖。圖3說為說明當四個候選子點A、B、C、D之中有兩個具有較母點的區(qū)塊匹配誤差小的候選子點C與D時的所有可能的搜尋順序與其機率的示意圖。式(12)與(13)分別可表示在圖2與圖3中從母點移動至可獲勝的候選子點所需經(jīng)過(意即檢查過區(qū)塊匹配誤差)的搜尋點數(shù)的期望值 同理，通過觀察一母點的搜尋順序，可得到如表1所示的從該母點移動至可獲勝的候選子點所需經(jīng)過的搜尋點數(shù)的期望值。
表1.EmN的值
其中N＝3～6，且m＝1～N。
基因型菱形樣式搜尋(Genetic Rhombus Pattern Search，GRPS) 以建構(gòu)針對GRPS的改良權(quán)重函數(shù)RWF為例。請同時參考圖4及圖5a至圖5b。圖4為GRPS的流程圖。圖5a至圖5b為說明GRPS的搜尋樣式的示意圖。
在步驟410中，指定一起始母點；該起始母點周圍的菱形區(qū)域環(huán)繞著四個候選子點。圖5a中所示的空心圓圈代表該起始母點。環(huán)繞該起始母點的這些候選子點(黑心圓圈與灰心圓圈)相對于起始母點的絕對差異總和(SAD)的可根據(jù)式(1)計算，并與先前參考畫面中的一對應(yīng)點比較。
在步驟420中，于圖5a中從四候選子點(黑心圓圈與灰心圓圈)中隨機地挑選或基于先前的移動向量而挑選一候選子點并且作檢查(意即計算絕對差異總和)，圖5a所示的黑心圓圈代表被選出的候選子點，且于步驟430中，該(黑心圓圈的)候選子點與該起始母點各自的區(qū)塊匹配程度(意即區(qū)塊匹配誤差)被加以比較，以挑選出一個“獲勝點”。舉例而言，設(shè)此時以絕對差異總和來代表區(qū)塊匹配誤差，因此，若由該候選子點所計算出的絕對差異總和較由該起始母點所計算出的絕對差異總和小，則代表該候選子點的區(qū)塊匹配程度較高，此時該候選子點為“獲勝點”，該起始母點被淘汰；反之，若由該候選子點所計算出的絕對差異總和較由該起始母點所計算出的絕對差異總和大，則代表該起始母點的區(qū)塊匹配程度較高，此時該起始母點為“獲勝點”，該候選子點被淘汰。
于步驟440中，若判斷該候選子點獲勝而該起始母點被淘汰，該程序?qū)?zhí)行步驟460，指定該候選子點為新的母點。且在步驟460的后，該程序?qū)⒅匦聢?zhí)行步驟420至步驟440。若判斷該起始母點獲勝而該候選子點被淘汰，該程序?qū)?zhí)行步驟450，判斷該母點周圍的菱形區(qū)域是否還有未經(jīng)檢查的候選子點。若尚有未被檢查的候選子點，則針對該未被檢查的候選子點重新執(zhí)行步驟420至440。若位于母點周圍的菱形區(qū)域的候選子點皆已被檢查(如圖5b所示，此時代表母點的區(qū)塊匹配程度比周圍菱形區(qū)域內(nèi)的候選子點高)，則執(zhí)行步驟470，判定該母點(意即最后的獲勝點)將被用來作為判斷此區(qū)塊的移動向量的依據(jù)。
請參考圖6。圖6為說明的在搜尋區(qū)域中候選子點的可能數(shù)目的等高線圖。在強象限單調(diào)(SQM)的匹配誤差曲面上，設(shè)最佳的匹配點為原點(0，0)，且u＝(x1，y1)與v＝(x2，y2)為該搜尋區(qū)域中的兩點。若u、v兩點滿足|x1|＜|x2|且|y1|≤|y2|，或是|x1|≤|x2|且|y1|＜|y2|，則u點的區(qū)塊匹配誤差會小于v點。
請參考圖7a至圖7d。圖7a至圖7d為說明兩種起始搜尋點的情況與兩種中介搜尋點的情況的示意圖。其中A、B、C及D代表候選子點，且E代表最佳的匹配點。如圖7a與圖7b所示，對于GRPS有兩種起始搜尋點的情況(S1GRPS與S2GRPS)。在圖7a中，最佳的匹配點E與起始搜尋點S1GRPS的X坐標或Y坐標相同，因此環(huán)繞起始搜尋點(起始母點)S1GRPS的候選子點中，僅有一候選子點(如候選子點D)的區(qū)塊匹配誤差較起始搜尋點(起始母點)S1GRPS小。在圖7b中，最佳的匹配點E的X坐標以及Y坐標皆與起始搜尋點S1GRPS不相同，因此環(huán)繞起始搜尋點(起始母點)S2GRPS的候選子點中，有兩候選子點(如候選子點C與D)的區(qū)塊匹配誤差較起始搜尋點(起始母點)S2GRPS小。如圖7c與圖7d所示，對于GRPS有兩種中介搜尋點的情況(M1GRPS與M2GRPS)。由于中介搜尋點M1GRPS與M2GRPS鄰近于先前的母點，因此相對于起始搜尋點S1GRPS與S2GRPS而言，僅有三個候選子點環(huán)繞于中介搜尋點M1GRPS與M2GRPS。在圖7c中，最佳的匹配點E與中介搜尋點M1GRPS的X坐標或Y坐標相同，因此環(huán)繞中介搜尋點M1GRPS的三個候選子點中，僅有一候選子點(如候選子點C)的區(qū)塊匹配誤差較中介搜尋點M1GRPS小。在圖7d中，最佳的匹配點E的X坐標以及Y坐標皆與中介搜尋點M2GRPS不相同，因此環(huán)繞中介搜尋點M2GRPS的三個候選子點中，有兩候選子點(如候選子點C與D)的區(qū)塊匹配誤差較中介搜尋點M2GRPS小。此外，根據(jù)表1，可查出從搜尋點S1GRPS、S2GRPS、M1GRPS與M2GRPS移動至可獲勝的候選子點的期望值分別為E14(5/2)、E24(5/3)、E13(4/2)與E23(4/3)。
假設(shè)起始搜尋點的坐標為(x，y)，最佳的匹配點的坐標(0，0)。從(x，y)移動至(0，0)所需的平均搜尋點數(shù)等于RWFGRPS(x，y)。圖8所示為根據(jù)前述說明以計算GRPS的改良權(quán)重函數(shù)RWF的模式。圖9為RWFGRPS(x，y)的等高線圖。
基因型點指向性六角形樣式搜尋(Genetic Point oriented HexagonalSearch，GPHS) 請同時參考圖10及圖11a至圖11d。圖10為說明基因型點指向性六角形樣式搜尋(Genetic Point oriented Hexagonal Search，GPHS)的流程圖。圖11a至圖11d為說明GPHS的搜尋樣式的示意圖。在圖10中，步驟1010～1060與圖4中的步驟410～460相似，然而，GPHS的搜尋樣式與GRPS的搜尋樣式則大不相同。在步驟1070中，圖11b中所有灰色圓圈的搜尋點的正規(guī)化群組失真(Normalized Group Distortion，NGD)以下式定義 其中SADi代表鄰近點i的SAD、di代表到中心點的距離。(xi，yi)與(x，y)分別代表鄰近點i與中心點。N代表在圖11c與圖11d中每個群組的總點數(shù)。
從圖11d的被選擇點a～f之中選擇具有最小NGD的點，且從圖11c中的被選擇點g與h之中選擇一具有較小NGD的點。這兩個被選擇點構(gòu)成最小的搜尋樣式。如圖11c與圖11d圖所示，被選擇點a～h的NGD分別由群組Ga～Gh的絕對差異總合所計算。由于一般的影像序列大部份都是作水平方向的移動，因此最后的步驟為偏向水平方向。圖12為GPHS的可獲勝的候選子點的數(shù)目的示意圖。同理，根據(jù)前述說明可模擬GPHS于SQM匹配誤差平面上的搜尋步驟，且可得到如圖13所示的RWFGPHS(x，y)的等高線圖。
基于動量的基因型樣式搜尋(Momentum-Directed Genetic Pattern Search，MD-GPS) 本發(fā)明提供兩種基于動量的基因型樣式搜尋(MD-GPS)的模式。本發(fā)明的MD-GPS模式分別為基于動量的GRPS與基于動量的GPHS。
假設(shè)一搜尋模式于每次搜尋中，至多只能在水平方向或垂直方向上移動一個單位(如圖5a所示)。則移動至點(x，y)的最少需要被檢查的搜尋點數(shù)可以下式表示 SPM＝abs(x)+abs(y)+1...(15)； 其中SPM代表移動至點(x，y)的最少的平均搜尋點數(shù)；abs(x)代表從起始搜尋點移動至(x，y)的水平距離；abs(y)代表從起始搜尋點移動至(x，y)的垂直距離。在最后一次搜尋要決定最佳的移動向量(意即找到最佳的匹配點)時，需確認鄰近的候選子點的區(qū)塊匹配誤差皆大于母點(最佳的匹配點)，因此，對最佳的匹配點(x，y)的最少搜尋點數(shù)可以下式表示 RWFGRPS(x，y)＝Max(5，4+abs(x)+abs(y))...(16)； 且其等高線圖如圖14所示。
比較圖9與圖14可看出GRPS的RWF與理想的RWF(如圖14所示)不同。然而，通過觀察理想的RWF可知，搜尋模式應(yīng)要以直線的方式往最佳的匹配點前進，且一般統(tǒng)計而言，于前次搜尋時的移動的方向也很有可能是本次搜尋時應(yīng)該要移動的方向。因此，相對于隨機選擇要檢查的候選子點，根據(jù)前次搜尋時的移動方向(意即基于動量)來優(yōu)先選擇要檢查的候選子點將可更有效率地找到具有較母點的區(qū)塊匹配誤差小的候選子點，以達到減少找到最佳的匹配點所需經(jīng)過的搜尋點數(shù)的目的。另外，當匹配誤差平面不滿足SQM的假設(shè)時，上述的方法仍可改變搜尋方向，以維持模式的正常運作。
請參考圖15。圖15為說明本發(fā)明的MD-GPRS模式的流程圖。請參考圖16。圖16為說明本發(fā)明的MD-GRPS于搜尋可獲勝的候選子點時的所有可能的搜尋順序的示意圖。如圖16所示，“P”代表前次成功找到獲勝的候選子點的方向，“CP”代表目前的母點，“PP”代表前前次成功找到獲勝的候選子點的方向。如此，MD-GPRS在搜尋可獲勝的候選子點時的搜尋方向可根據(jù)下列順序 (1)與前次成功找到獲勝的候選子點的方向相同的方向； (2)與前前次成功找到獲勝的候選子點的方向相同的方向； (3)與前前次成功找到獲勝的候選子點的方向相反的方向； (4)與前次成功找到獲勝的候選子點的方向相反的方向。
同理，通過于基因型搜尋樣式模式中采用基于動量的搜尋順序，可將GPHS模式轉(zhuǎn)化為基于動量的GPHS模式。圖17為基于動量的GPHS的RWF的等高線圖。圖18為說明本發(fā)明的基于動量的GPHS(MD-GPHS)模式的流程圖。圖19為說明本發(fā)明的MD-GPHS于搜尋可獲勝的候選子點時的所有可能的搜尋順序的示意圖。
此外，本發(fā)明中所提及的移動向量變異數(shù)僅為方便說明，然而，任何有關(guān)移動向量的參數(shù)皆可用來取代移動向量變異數(shù)，舉例而言，移動向量標準差，或是其它數(shù)學上具有相等或相似意義的參數(shù)。
綜上所述，本發(fā)明提供一用來評價搜尋樣式模式的數(shù)學模型，更明確地說，本發(fā)明提供一改良數(shù)學模型，以評價基因型搜尋樣式模式。在本發(fā)明的改良數(shù)學模型中，改良權(quán)重函數(shù)定義為于SQM匹配誤差曲面的假設(shè)之下的一搜尋樣式模式的平均搜尋點數(shù)，用來取代于現(xiàn)有技術(shù)的權(quán)重函數(shù)。當一基因型搜尋模式的行為被描述地更精確時，就可更深入地了解基因型搜尋模式的運作。因此，根據(jù)基因型搜尋模式的運作的基本精神，本發(fā)明提供一通用的方法來提升基因型搜尋模式的效能，且本發(fā)明也更進一步地提供兩種基于動量的基因型搜尋模式。此外，通過改良權(quán)重函數(shù)，本發(fā)明的改良數(shù)學模型可更正確地預(yù)測一個新的基因型(或非基因型)搜尋樣式模式的效能。
以上所述僅為本發(fā)明的較佳實施例，凡依本發(fā)明權(quán)利要求范圍所做的均等變化與修改，皆應(yīng)屬本發(fā)明的涵蓋范圍。
權(quán)利要求
1.一種區(qū)塊移動估測方法，所述的方法包含
(a)根據(jù)一第一搜尋樣式，以針對一第一畫面計算一移動向量相關(guān)參數(shù)；
(b)針對該第一畫面，決定所述的移動向量相關(guān)參數(shù)與一預(yù)定臨界值之間的一關(guān)系式；以及
(c)根據(jù)所述的移動向量相關(guān)參數(shù)與所述的預(yù)定臨界值之間的所述的關(guān)系式，選擇一第一搜尋樣式模式或一第二搜尋樣式模式，以于一第二畫面中識別至少一個搜尋區(qū)塊；
其中所述的預(yù)定臨界值被所述的第一搜尋樣式模式和所述的第二搜尋樣式模式的改良權(quán)重函數(shù)所決定；
其中區(qū)塊移動估測會針對所述的第二畫面以適當?shù)貓?zhí)行。
2.如權(quán)利要求1所述的方法，其特征在于，所述的移動向量相關(guān)參數(shù)為移動向量變異數(shù)、移動向量標準差，或其它數(shù)學上具有相等或相似意義的參數(shù)；所述的移動向量相關(guān)參數(shù)可通過分析一參考畫面以決定。
3.如權(quán)利要求1所述的方法，其特征在于，所述的第一搜尋樣式模式包含基于動量的基因型搜尋樣式模式，且所述的第二搜尋樣式模式為另一包含基于動量的基因型搜尋樣式模式。
4.如權(quán)利要求3所述的方法，其特征在于，步驟(c)另包含
當所述的移動向量相關(guān)參數(shù)大于所述的預(yù)定臨界值時，選擇所述的第一搜尋樣式模式，以于所述的第二畫面中識別至少一個搜尋區(qū)塊；以及
當所述的移動向量相關(guān)參數(shù)等于或小于所述的預(yù)定臨界值時，選擇所述的第二搜尋樣式模式，以于所述的第二畫面中識別至少一個搜尋區(qū)塊；
其中所述的第一搜尋樣式模式的的基于動量的基因型搜尋樣式模式包含一六角形樣式搜尋模式；
其中所述的第二搜尋樣式模式的的基于動量的基因型搜尋樣式模式包含一菱形樣式搜尋模式。
5.一種區(qū)塊移動估測方法，所述的方法包含
(a)根據(jù)前次成功找到的獲勝的子點，以基于動量的方式選擇鄰近于一母點的一子點；
(b)比較所述的母點與所述的子點的區(qū)塊匹配誤差；以及
(c)根據(jù)步驟(b)的比較結(jié)果，以判斷所述的母點或所述的子點為獲勝點。
6.如權(quán)利要求5所述的方法，其特征在于，所述的方法另包含
(d)重復(fù)執(zhí)行步驟(a)至(c)直到根據(jù)一最后獲勝母點與其鄰近的子點于步驟(b)的比較結(jié)果，皆判斷所述的最后獲勝母點為獲勝點；
(e)根據(jù)所述的母點與所述的最后獲勝母點，以決定一方向，且根據(jù)與所述的方向的相似度，以選擇于步驟(d)中要檢查的子點；以及
(f)根據(jù)所述的最后獲勝母點，以決定所述的畫面的一移動向量。
7.如權(quán)利要求5所述的方法，其特征在于，所述的方法另包含
(j)識別所述的畫面的一起始搜尋點作為所述的母點；
其中所述的子點緊鄰于所述的母點；
其中比較所述的母點與所述的子點的區(qū)塊匹配誤差包含比較所述的母點的一絕對差異總和與所述的子點的一絕對差異總和；
其中從至多四個候選子點之中，以選擇出所述的子點。
8.一種區(qū)塊移動估測方法，所述的方法包含
(a)根據(jù)前次成功找到的獲勝的子點，以基于動量的方式選擇環(huán)繞于一母點的一菱形區(qū)域內(nèi)的一子點；
(b)比較所述的母點與所述的子點的區(qū)塊匹配誤差；以及
(c)根據(jù)步驟(b)的比較結(jié)果，以判斷所述的母點或所述的子點為獲勝點。
9.如權(quán)利要求8所述的方法，其特征在于，所述的方法另包含
(d)重復(fù)執(zhí)行步驟(a)至(c)直到根據(jù)一最后獲勝母點與環(huán)繞于所述的最后獲勝母點的一菱形區(qū)域內(nèi)的子點于步驟(b)的比較結(jié)果，皆判斷所述的最后獲勝母點為獲勝點；以及
(e)根據(jù)所述的最后獲勝母點，以決定所述的畫面的一移動向量。
10.如權(quán)利要求8所述的方法，其特征在于，所述的方法另包含
(f)通過于所述的畫面中執(zhí)行一區(qū)塊匹配程序，以識別所述的畫面的一起始搜尋點作為所述的母點；
其中于步驟(c)中，當所述的子點的區(qū)塊匹配誤差小于所述的母點的區(qū)塊匹配誤差時，略過環(huán)繞于所述的母點的所述的菱形區(qū)域內(nèi)的其它尚未檢查的子點，而直接判斷所述的子點為獲勝點。
11.一種區(qū)塊移動估測方法，所述的方法包含
(a)根據(jù)前次成功找到獲勝的子點，以基于動量的方式選擇環(huán)繞于一母點的一六角形區(qū)域內(nèi)的一子點；
(b)比較所述的母點與所述的子點的區(qū)塊匹配誤差；以及
(c)根據(jù)步驟(b)的比較結(jié)果，以判斷所述的母點或所述的子點為獲勝點。
12.如權(quán)利要求11所述的方法，其特征在于，所述的方法另包含
(d)重復(fù)執(zhí)行步驟(a)至(c)直到根據(jù)一最后獲勝母點與環(huán)繞于所述的最后獲勝母點的一六角形區(qū)域內(nèi)的子點于步驟(b)的比較結(jié)果，皆判斷所述的最后獲勝母點為獲勝點；
(e)針對環(huán)繞于所述的最后獲勝母點的所述的六角形區(qū)域中，從所述的最后獲勝母點與對應(yīng)于所述的最后獲勝母點的子點之間，選擇復(fù)數(shù)個被選擇點以執(zhí)行一精確搜尋程序；
(f)根據(jù)對應(yīng)于所述的復(fù)數(shù)個被選擇點的正規(guī)化群組失真，以對所述的復(fù)數(shù)個被選擇點評等；以及
(g)從所述的復(fù)數(shù)個被選擇點中選擇具有最小正規(guī)化群組失真的一被選擇點以微調(diào)所述的最后獲勝母點的位置；以及
(h)根據(jù)所述的最后獲勝母點，以決定所述的畫面的一移動向量；
其中在步驟(e)被執(zhí)行所述的精確搜尋程序的所述的復(fù)數(shù)個被選擇點是根據(jù)所述的移動向量為水平或垂直所決定。
13.如權(quán)利要求11所述的方法，其特征在于，所述的方法另包含
(i)通過于所述的畫面中執(zhí)行一區(qū)塊匹配程序，以識別所述的畫面的一起始搜尋點作為所述的母點；
其中于步驟(c)中，當所述的子點的區(qū)塊匹配誤差小于所述的母點的區(qū)塊匹配誤差時，略過環(huán)繞于所述的母點的所述的六角形區(qū)域內(nèi)的其它尚未檢查的子點，而直接判斷所述的子點為獲勝點。
全文摘要
本發(fā)明是關(guān)于一種區(qū)塊移動估測方法，所述的方法包含(a)根據(jù)一第一搜尋樣式，以針對一第一畫面計算一移動向量相關(guān)參數(shù)；(b)針對該第一畫面，決定所述的移動向量相關(guān)參數(shù)與一預(yù)定臨界值之間的一關(guān)系式；以及(c)根據(jù)所述的移動向量相關(guān)參數(shù)與所述的預(yù)定臨界值之間的所述的關(guān)系式，選擇一第一搜尋樣式模式(mode)或一第二搜尋樣式模式，以于一第二畫面中識別至少一個搜尋區(qū)塊；其中所述的預(yù)定臨界值被所述的第一搜尋樣式模式和所述的第二搜尋樣式模式的改良權(quán)重函數(shù)所決定；其中區(qū)塊移動估測會針對所述的第二畫面以適當?shù)貓?zhí)行。
文檔編號G06T7/20GK101715131SQ200910180129
公開日2010年5月26日 申請日期2009年9月29日 優(yōu)先權(quán)日2008年9月30日
發(fā)明者杭學鳴, 趙子毅, 蔡彰哲 申請人:原相科技股份有限公司