專利名稱：基于對(duì)象邊緣的形狀快速運(yùn)動(dòng)估值的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及的是一種快速運(yùn)動(dòng)估值的方法，更具體地，是涉及一種基于對(duì)象邊緣的形狀快速運(yùn)動(dòng)估值的方法，屬于視頻編碼技術(shù)領(lǐng)域。
背景技術(shù)：
針對(duì)視頻編碼技術(shù)的發(fā)展，運(yùn)動(dòng)圖像專家組(MPEG組織)制定了MPEG-4國(guó)際標(biāo)準(zhǔn)，提供對(duì)任意形狀視頻對(duì)象的編碼功能。在基于對(duì)象編碼的MPEG-4標(biāo)準(zhǔn)中，每個(gè)視頻對(duì)象通常由三類信息描述形狀信息、運(yùn)動(dòng)信息和紋理信息，其中形狀編碼是MPEG-4基于對(duì)象視頻編碼的關(guān)鍵。形狀編碼的核心算法是基于上下文的算術(shù)編碼(CAE)，分為幀內(nèi)CAE和幀間CAE，分別用于形狀信息的幀內(nèi)編碼和幀間編碼。當(dāng)進(jìn)行幀間形狀編碼時(shí)，為了提高CAE的編碼效率，必須對(duì)對(duì)象的形狀信息進(jìn)行運(yùn)動(dòng)估值在參考形狀信息中找到當(dāng)前編碼二值α塊(BAB)的最佳匹配塊，這是決定CAE編碼效率的關(guān)鍵。MPEG-4驗(yàn)證模型中的形狀運(yùn)動(dòng)估值采用全局搜索(FS)，通過匹配搜索區(qū)域內(nèi)的全部候選參考?jí)K，找到最佳匹配塊，實(shí)現(xiàn)了最精確的運(yùn)動(dòng)估值。但該方法要占用形狀編碼器90％以上的計(jì)算量，成為編碼器中計(jì)算復(fù)雜度最高的模塊。
經(jīng)對(duì)現(xiàn)有技術(shù)的文獻(xiàn)檢索發(fā)現(xiàn)，Tsung-Han Tsai等人在IEEE視頻技術(shù)電路與系統(tǒng)匯刊(IEEE Transactions on Circuits and Systems for Video Technology)，Vol.14，NO.6，pp.908-913，Jun.2004上發(fā)表的“一種MPEG-4形狀編碼的快速二值運(yùn)動(dòng)估值算法”(A Fast Binary Motion Estimation Algorithm for MPEG-4Shape Coding)中，提出基于邊界像素的形狀快速運(yùn)動(dòng)估值(BPB)方法，大大提高了形狀運(yùn)動(dòng)估值的速度，該方法的核心思想是利用視頻對(duì)象的邊界像素，有兩方面的改進(jìn)第一是用加權(quán)的差值絕對(duì)值和(WSAD)代替差值的絕對(duì)值和(SAD)來衡量匹配誤差，可以避免形狀運(yùn)動(dòng)向量殘差(MVDs)過大而導(dǎo)致編碼比特?cái)?shù)增加；該方法對(duì)SAD和MVDs同時(shí)進(jìn)行了加權(quán)，用其加權(quán)和WSAD來衡量BAB塊的匹配誤差，為了得到最佳的加權(quán)效果，需要選取合適的加權(quán)系數(shù)W1和W2。但在衡量BAB塊的匹配誤差時(shí)，SAD仍是最主要的決定因素，所以只應(yīng)該適當(dāng)考慮MVDs的大小，并且確定兩個(gè)加權(quán)系數(shù)比確定一個(gè)加權(quán)系數(shù)要困難。
第二，該方法認(rèn)為當(dāng)前BAB塊中的對(duì)象輪廓應(yīng)該和參考BAB塊中的對(duì)象輪廓相互重疊，因此在運(yùn)動(dòng)向量的搜索范圍內(nèi)，可以跳過大量的搜索點(diǎn)，這些跳過搜索點(diǎn)對(duì)應(yīng)的參考BAB塊中的對(duì)象輪廓和當(dāng)前BAB塊中的對(duì)象輪廓不重疊。但當(dāng)視頻對(duì)象平面(VOP)的邊界變化比較大時(shí)，最佳匹配點(diǎn)往往不在VOP的邊界像素處，此時(shí)只在VOP的邊界像素處進(jìn)行BAB塊的匹配就不合適了，這也是該方法的弊端。

發(fā)明內(nèi)容
本發(fā)明針對(duì)現(xiàn)有技術(shù)的不足，提出了一種基于對(duì)象邊緣的形狀快速運(yùn)動(dòng)估值(OBB)的方法，使其可以實(shí)現(xiàn)形狀的實(shí)時(shí)編碼，大大提高了形狀運(yùn)動(dòng)估值的速度，而且形狀的編碼效率并沒有降低。
本發(fā)明是通過以下技術(shù)方案實(shí)現(xiàn)的，具體步驟如下(1)形狀運(yùn)動(dòng)向量預(yù)測(cè)值MVPs選取如果形狀運(yùn)動(dòng)向量預(yù)測(cè)值MVPs選取的越準(zhǔn)確，則MVPs距離最終的形狀運(yùn)動(dòng)向量MVs就越近，即MVDs＝MVs-MVPs越小，因此MVDs的編碼比特?cái)?shù)就越少；而且在后面的運(yùn)動(dòng)估值過程中，可以MVPs為中心，用更小的搜索范圍來搜索MVs，這就可以大大減少搜索點(diǎn)數(shù)，加快形狀運(yùn)動(dòng)估值的速度，而不會(huì)明顯增加VOP形狀的編碼比特?cái)?shù)。對(duì)于BAB塊，因?yàn)閷儆谕粋€(gè)對(duì)象，所以鄰近BAB塊之間的形狀運(yùn)動(dòng)向量MVs有很強(qiáng)的相關(guān)性。在現(xiàn)有的形狀運(yùn)動(dòng)估值方法中，均選取候選運(yùn)動(dòng)向量列表{MVs1，MVs2，MVs3，MV1，MV2，MV3}中第一個(gè)有效的運(yùn)動(dòng)向量作為當(dāng)前BAB塊的形狀運(yùn)動(dòng)向量預(yù)測(cè)值MVPs，但是這種方法并沒有充分利用多個(gè)鄰近BAB塊之間形狀運(yùn)動(dòng)向量的強(qiáng)相關(guān)性，而只是簡(jiǎn)單地利用了其中一個(gè)鄰近BAB塊的形狀運(yùn)動(dòng)向量信息。
因此，本發(fā)明中，用當(dāng)前BAB塊的鄰近BAB塊形狀運(yùn)動(dòng)向量{MVs1，MVs2，MVs3}的中值或者鄰近紋理塊運(yùn)動(dòng)向量{MV1，MV2，MV3}的中值作為當(dāng)前BAB塊的形狀運(yùn)動(dòng)向量預(yù)測(cè)值MVPs，從而使MVDs變得更小，MVDs的編碼比特?cái)?shù)也就相應(yīng)的減少，提高了VOP形狀的編碼性能。
(2)中間跳過方法確定MVPs以后，當(dāng)前BAB塊在參考Alpha平面中的初始運(yùn)動(dòng)補(bǔ)償塊MC-BAB也就確定了。在MPEG-4的驗(yàn)證模型中，如果BAB塊中每一個(gè)4×4子塊對(duì)應(yīng)的匹配誤差都小于等于16×AlphaTH，說明匹配精度滿足了要求，則跳過后面的搜索過程，形狀運(yùn)動(dòng)估值結(jié)束。但是這種方法跳過的BAB塊并不多，整個(gè)形狀運(yùn)動(dòng)估值的速度得不到明顯的提高。如果BAB塊被跳過，MVDs并不需要編碼，節(jié)約了VOP形狀的編碼比特?cái)?shù)。為了提高形狀運(yùn)動(dòng)估值的速度，在確保不明顯增加VOP形狀編碼比特?cái)?shù)的情況下，可以適當(dāng)降低匹配精度，使更多的BAB塊跳過后面的搜索過程。
因此，本發(fā)明方法將BAB塊跳過后面的搜索過程而結(jié)束形狀運(yùn)動(dòng)估值的條件改為如果當(dāng)前BAB塊與MC-BAB塊之間的匹配誤差小于等于閾值TH，則形狀運(yùn)動(dòng)估值過程結(jié)束，最終的MVs＝MVPs。使用這種中間跳過方法，更多的BAB塊跳過了后面的運(yùn)動(dòng)估值過程，節(jié)約了大量的計(jì)算量；而VOP形狀的編碼比特?cái)?shù)并沒有增加，反而下降了。這種VOP形狀編碼比特?cái)?shù)的改善，可以用來彌補(bǔ)后面因快速運(yùn)動(dòng)估值時(shí)匹配精度不足而造成的編碼比特?cái)?shù)上升。
(3)匹配誤差函數(shù)的選取在形狀編碼過程中，需要編碼MVDs，因此MVDs的大小將直接影響VOP形狀的編碼比特?cái)?shù)。在MPEG-4驗(yàn)證模型的形狀運(yùn)動(dòng)估值算法中，用運(yùn)動(dòng)補(bǔ)償差值的絕對(duì)值和SAD作為匹配誤差函數(shù)，即用SAD來衡量BAB塊的匹配誤差。當(dāng)通過SAD來得到最佳匹配時(shí)，如果MVDs比較大，同樣會(huì)增加形狀的編碼比特?cái)?shù)，因此在形狀運(yùn)動(dòng)估值過程中，也應(yīng)該考慮MVDs的大小。為了降低較大的MVDs對(duì)VOP形狀編碼的影響，本發(fā)明方法通過加權(quán)的SADweight來衡量BAB塊的匹配誤差，可以在SAD和MVDs之間保持一個(gè)平衡，在搜索最小SAD的同時(shí)確保MVDs不會(huì)很大，從而使VOP形狀的編碼比特?cái)?shù)盡量減少。
(4)搜索區(qū)域的確定當(dāng)確定了當(dāng)前BAB塊的形狀運(yùn)動(dòng)向量預(yù)測(cè)值MVPs以后，在參考Alpha平面內(nèi)以MVPs確定的位置為中心進(jìn)行搜索，得到最終的形狀運(yùn)動(dòng)向量MVs。為了加快形狀運(yùn)動(dòng)估值的速度，在本發(fā)明的方法中，以MVPs確定的位置為中心，±4范圍內(nèi)搜索MVs。因?yàn)镸VDs絕大部分都在±4的范圍內(nèi)，所以該方法并不會(huì)明顯增加VOP形狀的編碼比特?cái)?shù)。對(duì)于BAB塊的三種類型來說，透明BAB塊不需要編碼，不透明BAB塊一般都匹配參考Alpha平面中的不透明BAB塊，其匹配誤差為0，在中斷方法中屬于跳過的BAB塊，無需繼續(xù)后面的搜索過程。因此，在搜索MVs的過程中，主要是進(jìn)行邊界BAB塊的匹配。
在本發(fā)明方法中，充分利用對(duì)象的邊界特性進(jìn)行邊界BAB塊的形狀運(yùn)動(dòng)估值。對(duì)于當(dāng)前的邊界BAB塊，在參考Alpha平面中對(duì)應(yīng)的參考BAB塊幾乎都是邊界塊?；谶@種考慮，在進(jìn)行邊界BAB塊的形狀運(yùn)動(dòng)估值時(shí)，只需要在參考Alpha平面的VOP邊界附近進(jìn)行BAB塊的匹配，這樣在搜索范圍內(nèi)就可以大大減少匹配BAB塊的數(shù)目。并且對(duì)于非常關(guān)鍵的VOP邊界處搜索區(qū)域的確定，本發(fā)明采用了一種靈活的確定VOP邊界處搜索區(qū)域的寬度的方法，兼顧了運(yùn)動(dòng)估值的速度和編碼效率。
本發(fā)明方法更加充分地利用了鄰近形狀BAB塊之間形狀運(yùn)動(dòng)向量的相關(guān)性，提高了形狀運(yùn)動(dòng)向量預(yù)測(cè)值的精度，即形狀運(yùn)動(dòng)向量的預(yù)測(cè)值距離最終形狀運(yùn)動(dòng)向量更近，因此可以在更小的范圍內(nèi)搜索最終的形狀運(yùn)動(dòng)向量，從而大大提高了形狀運(yùn)動(dòng)估值的速度，而VOP形狀的編碼比特?cái)?shù)并沒有明顯的增加；該方法還充分利用了形狀運(yùn)動(dòng)估值時(shí)的邊界特性——這也是該方法的核心思想，把搜索區(qū)域設(shè)定在VOP的邊界附近，這樣大大提高了形狀運(yùn)動(dòng)估值的速度，而邊界BAB塊的匹配精度并沒有明顯的下降，因此VOP形狀的編碼比特?cái)?shù)也不會(huì)有明顯的增加。仿真結(jié)果表明，本發(fā)明優(yōu)于現(xiàn)有的形狀運(yùn)動(dòng)估值方法形狀運(yùn)動(dòng)估值速度大大超過現(xiàn)有算法的形狀運(yùn)動(dòng)估值速度，其平均搜索點(diǎn)數(shù)只有MPEG-4驗(yàn)證模型中算法搜索點(diǎn)數(shù)的0.82％，而形狀的編碼效率并沒有降低。


圖1本發(fā)明方法流程圖。
具體實(shí)施例方式
以下結(jié)合附圖和方法的內(nèi)容提供具體的實(shí)施例。
如圖所示，本發(fā)明可分為以下幾個(gè)步驟(1)形狀運(yùn)動(dòng)向量預(yù)測(cè)值MVPs的選取用當(dāng)前BAB塊的鄰近BAB塊形狀運(yùn)動(dòng)向量{MVs1，MVs2，MVs3}的中值或者鄰近紋理塊運(yùn)動(dòng)向量{MV1，MV2，MV3}的中值作為當(dāng)前BAB塊的形狀運(yùn)動(dòng)向量預(yù)測(cè)值MVPs。具體方法如下·如果鄰近BAB塊的{MVs1，MVs2，MVs3}中存在有效值，則(1)如果只有一個(gè)有效的MVs，MVPs等于該MVs；(2)如果只有兩個(gè)有效的MVs，則令第三個(gè)無效的MVs等于(0，0)，MVPs＝Median(MVs1，MVs2，MVs3)；[注Median()表示取中值。](3)如果三個(gè)MVs都是有效的，則MVPs＝Median(MVs1，MVs2，MVs3)。
·如果{MVs1，MVs2，MVs3}都是無效的，但鄰近紋理塊的{MV1，MV2，MV3}中存在有效值，則(1)如果只有一個(gè)有效的MV，MVPs等于該MV；(2)如果只有兩個(gè)有效的MV，則令第三個(gè)無效的MV等于(0，0)，MVPs＝Median(MV1，MV2，MV3)；(3)如果三個(gè)MV都是有效的，則MVPs＝Median(MV1，MV2，MV3)；·如果{MVs1，MVs2，MVs3，MV1，MV2，MV3}都是無效的，則MVPs＝(0，0)。
當(dāng)確定了MVPs以后，計(jì)算當(dāng)前BAB塊與MVPs確定的參考BAB塊之間的匹配誤差，如果該匹配誤差不大于預(yù)先設(shè)定的閾值，說明MVPs確定的參考BAB塊已經(jīng)達(dá)到了匹配精度，則跳過后面的運(yùn)動(dòng)估值過程，最終的MVs＝MVPs，MVDs＝0。如果MVPs確定的BAB塊不能達(dá)到要求的匹配精度，則需要繼續(xù)后面的運(yùn)動(dòng)估值過程，搜索最終的MVs，并編碼MVDs。
表1給出了分別采用MPEG-4驗(yàn)證模型中選取MVPs的方法和本發(fā)明改進(jìn)的中值預(yù)測(cè)方法時(shí)，被跳過的BAB塊的數(shù)目。測(cè)試序列為300幀CIF格式的“Akiyo”，“Weather”和“Stefan”序列。從表中可以看出，采用本發(fā)明改進(jìn)的中值預(yù)測(cè)方法后，跳過的BAB塊增加了，說明使用鄰近BAB塊MVs的中值作為MVPs更加精確，從而使許多BAB塊對(duì)應(yīng)的匹配誤差都不大于預(yù)先設(shè)定的閾值。因?yàn)樘^的BAB塊不需要繼續(xù)后面的運(yùn)動(dòng)估值過程，所以跳過的BAB塊越多，形狀運(yùn)動(dòng)估值的速度就越快。表1同時(shí)給出了采用不同MVPs選取方法時(shí)，VOP形狀的平均編碼比特?cái)?shù)，用Bits/VOP表示。從表中可以看出，使用本發(fā)明方法，VOP形狀的編碼比特?cái)?shù)減少了，主要是因?yàn)?1)跳過的BAB塊增多，其對(duì)應(yīng)的MVDs為0，不需要編碼MVDs；(2)沒有跳過的BAB塊對(duì)應(yīng)的MVDs變小，更多的分布在(0，0)附近，因此MVDs的編碼比特?cái)?shù)減少。
表1采用MVPs不同選取方法時(shí)跳過的BAB塊以及形狀編碼比特?cái)?shù)的比較

在形狀運(yùn)動(dòng)向量的編碼過程中，只需要編碼傳輸MVDs，而不是編碼傳輸MVs；在解碼端，當(dāng)選取MVPs以及解碼MVDs以后，可以立即計(jì)算出MVs＝MVPs+MVDs。由于MPEG-4已經(jīng)標(biāo)準(zhǔn)化，MPEG-4的標(biāo)準(zhǔn)解碼器是以鄰近BAB塊的第一個(gè)有效MVs作為MVPs，因此為了使標(biāo)準(zhǔn)解碼器能夠正確解碼，當(dāng)傳送MVDs給解碼器時(shí)，應(yīng)該把鄰近BAB塊MVs的中值與第一個(gè)有效MVs之間的差值計(jì)算在MVDs中。即設(shè)采用本發(fā)明方法選取的MVPs＝MVmedian，采用驗(yàn)證模型中的方法選取的MVPs＝MVfirst，則計(jì)算得到的MVDs＝MVDs+(MVmedian-MVfirst)。此時(shí)MVDs的編碼比特?cái)?shù)可能會(huì)有所增加，但增加的并不明顯，而且由于采用下面描述的算法也可以節(jié)約一些編碼比特?cái)?shù)，所以采用整個(gè)方法后并不會(huì)明顯增加形狀編碼比特?cái)?shù)，對(duì)于大部分測(cè)試序列，編碼比特?cái)?shù)還會(huì)減少。
(2)中間跳過方法確定MVPs以后，當(dāng)前BAB塊在參考Alpha平面中的初始運(yùn)動(dòng)補(bǔ)償塊MC-BAB也就確定了。BAB塊跳過后面的搜索過程而結(jié)束形狀運(yùn)動(dòng)估值的條件為如果當(dāng)前BAB塊與MC-BAB塊之間的匹配誤差小于等于閾值TH，則形狀運(yùn)動(dòng)估值過程結(jié)束，最終的MVs＝MVPs。通過實(shí)驗(yàn)測(cè)試(測(cè)試序列300幀CIF格式的“Akiyo”，“Container”，“Coastguard”，“Weather”，“News”，“Stefan”)，選取TH＝255×10。通過仿真發(fā)現(xiàn)，對(duì)于不同的測(cè)試序列，被跳過的BAB塊占全部BAB塊的比例為19.5～63％，這就可以明顯加快整個(gè)形狀運(yùn)動(dòng)估值的速度。表2給出了分別采用MPEG-4驗(yàn)證模型的中間跳過方法和本發(fā)明改進(jìn)的中間跳過方法時(shí)，被跳過的BAB塊的數(shù)目以及VOP形狀的平均編碼比特?cái)?shù)。從表中可以看出，使用本發(fā)明中間跳過方法，更多的BAB塊跳過了后面的運(yùn)動(dòng)估值過程，節(jié)約了大量的計(jì)算量；而VOP形狀的編碼比特?cái)?shù)并沒有增加，反而下降了。
表2采用不同的中間跳過方法時(shí)跳過的BAB塊以及形狀編碼比特?cái)?shù)的比較

(3)匹配誤差函數(shù)的選取通過加權(quán)的SADweight來衡量BAB塊的匹配誤差，在SAD和MVDs之間保持一個(gè)平衡，在搜索最小SAD的同時(shí)確保MVDs不會(huì)很大，從而使VOP形狀的編碼比特?cái)?shù)盡量減少。采用下式來衡量BAB塊的匹配誤差SADweight＝SAD+0.5×(|MVDs_x|+|MVDs_y|)式中MVDs_x和MVDs_y分別為MVDs的水平和垂直分量。
表3給出了分別采用基于邊界像素算法中的加權(quán)WSAD方法以及本發(fā)明加權(quán)SADweight方法時(shí)，VOP形狀的平均編碼比特?cái)?shù)。本發(fā)明的方法與基于邊界像素算法中的加權(quán)WSAD方法的效果相近，本發(fā)明要好一些。另外本發(fā)明計(jì)算加權(quán)SADweight時(shí)只需要一個(gè)乘法，而基于邊界像素算法計(jì)算加權(quán)WSAD時(shí)卻需要兩個(gè)乘法，這在實(shí)時(shí)編碼中浪費(fèi)了一定的計(jì)算量。
表3選取不同的匹配誤差函數(shù)時(shí)形狀編碼比特?cái)?shù)的比較

(4)搜索區(qū)域的確定當(dāng)確定了當(dāng)前BAB塊的形狀運(yùn)動(dòng)向量預(yù)測(cè)值MVPs后，在參考Alpha平面內(nèi)以MVPs確定的位置為中心，±4范圍內(nèi)搜索MVs。
在本發(fā)明中，VOP邊界處搜索區(qū)域的寬度為8，其確定方法為在參考Alpha平面中，以每一個(gè)像素點(diǎn)為頂點(diǎn)，形成一個(gè)8×8的塊，如果該塊為邊界塊，即塊中既有VOP內(nèi)的像素又有VOP外的像素，則該點(diǎn)在VOP的邊界搜索區(qū)域內(nèi)；如果該塊是透明塊或者不透明塊，則該點(diǎn)不在VOP的邊界搜索區(qū)域內(nèi)。如果期望進(jìn)一步提高形狀運(yùn)動(dòng)估值的精度，可以把8×8塊放大，最大為16×16，但形狀運(yùn)動(dòng)估值的速度將會(huì)降低；如果期望進(jìn)一步提高形狀運(yùn)動(dòng)估值的速度，可以把8×8塊縮小，但形狀運(yùn)動(dòng)估值的精度將會(huì)降低，影響編碼效率。
確定MVPs以后，對(duì)于沒有跳過的BAB塊，需要繼續(xù)搜索最終的MVs，其搜索過程如下·在進(jìn)行BAB塊運(yùn)動(dòng)估值之前，在參考Alpha平面的VOP邊界附近確定邊界BAB塊的搜索區(qū)域；·當(dāng)進(jìn)行BAB塊的運(yùn)動(dòng)估值時(shí)，在參考Alpha平面中，以MVPs確定的位置為中心，±4范圍內(nèi)搜索最終的MVs；·在±4范圍內(nèi)搜索MVs時(shí)，如果搜索點(diǎn)不在預(yù)先確定的VOP邊界搜索區(qū)域內(nèi)，則跳過該搜索點(diǎn)，繼續(xù)下一個(gè)搜索點(diǎn)的匹配。
下面使用300幀不同的測(cè)試序列對(duì)MPEG-4驗(yàn)證模型中形狀運(yùn)動(dòng)估值算法、基于邊界像素的形狀快速運(yùn)動(dòng)估值算法和本發(fā)明方法這三種形狀運(yùn)動(dòng)估值算法進(jìn)行仿真，表4給出了仿真的統(tǒng)計(jì)結(jié)果。
從表4中可以得出本發(fā)明方法對(duì)各種運(yùn)動(dòng)類型的序列效果都很好，其形狀運(yùn)動(dòng)估值的速度大大超過驗(yàn)證模型中的算法和基于邊界像素算法的形狀運(yùn)動(dòng)估值速度，平均搜索點(diǎn)數(shù)只有MPEG-4驗(yàn)證模型中算法搜索點(diǎn)數(shù)的0.82％，而VOP形狀的編碼比特?cái)?shù)并沒有明顯增加，在許多序列中，VOP形狀的編碼比特?cái)?shù)還有所減少，即形狀的編碼效率并沒有降低。
表4各種形狀運(yùn)動(dòng)估值算法的執(zhí)行比較(測(cè)試序列為300幀)

綜上所述，本發(fā)明優(yōu)于其它方法，其優(yōu)點(diǎn)是(1)并不假設(shè)VOP的形狀是不變的，因此對(duì)各種序列的效果都很好；(2)避免了上述現(xiàn)有方法的不足；(3)更加充分地利用了鄰近形狀塊之間形狀運(yùn)動(dòng)向量的相關(guān)性，利用鄰近BAB塊的形狀運(yùn)動(dòng)向量的中值作為當(dāng)前BAB塊的形狀運(yùn)動(dòng)向量預(yù)測(cè)值，提高了預(yù)測(cè)值的精度，預(yù)測(cè)值的準(zhǔn)確性保證了在不明顯增加VOP形狀編碼比特?cái)?shù)的情況下，可以大大縮小搜索范圍；(4)充分利用了形狀運(yùn)動(dòng)估值時(shí)的邊界特性，把搜索區(qū)域設(shè)定在VOP的邊界附近，大大提高了形狀運(yùn)動(dòng)估值的速度，使VOP形狀編碼比特?cái)?shù)和形狀運(yùn)動(dòng)估值速度之間保持了平衡；(5)邊界形狀塊的匹配精度并不會(huì)有明顯的下降，VOP形狀編碼比特?cái)?shù)保持相近，在許多視頻序列中形狀編碼比特?cái)?shù)還會(huì)有所減少，即形狀的編碼效率并沒有降低。這種方法可以在保持形狀編碼效率的基礎(chǔ)上大大提高現(xiàn)有算法的形狀運(yùn)動(dòng)估值速度。
權(quán)利要求
1.一種基于對(duì)象邊緣的形狀快速運(yùn)動(dòng)估值的方法，其特征在于，步驟如下(1)形狀運(yùn)動(dòng)向量預(yù)測(cè)值MVPs選取用當(dāng)前BAB塊的鄰近BAB塊形狀運(yùn)動(dòng)向量{MVs1，MVs2，MVs3}的中值或者鄰近紋理塊運(yùn)動(dòng)向量{MV1，MV2，MV3}的中值作為當(dāng)前BAB塊的形狀運(yùn)動(dòng)向量預(yù)測(cè)值MVPs；(2)中間跳過方法確定MVPs以后，當(dāng)前BAB塊在參考Alpha平面中的初始運(yùn)動(dòng)補(bǔ)償塊MC-BAB也就確定了，BAB塊跳過后面的搜索過程而結(jié)束形狀運(yùn)動(dòng)估值的條件為如果當(dāng)前BAB塊與MC-BAB塊之間的匹配誤差小于等于閾值TH，則形狀運(yùn)動(dòng)估值過程結(jié)束，最終的MVs＝MVPs；(3)匹配誤差函數(shù)的選取通過加權(quán)的SADweight來衡量BAB塊的匹配誤差，在SAD和MVDs之間保持一個(gè)平衡；(4)搜索區(qū)域的確定當(dāng)確定了當(dāng)前BAB塊的形狀運(yùn)動(dòng)向量預(yù)測(cè)值MVPs以后，在參考Alpha平面內(nèi)以MVPs確定的位置為中心，±4范圍內(nèi)進(jìn)行搜索，搜索區(qū)域設(shè)定為VOP邊界處，得到最終的形狀運(yùn)動(dòng)向量MVs。
2.根據(jù)權(quán)利要求1所述的基于對(duì)象邊緣的形狀快速運(yùn)動(dòng)估值的方法，其特征是，所述的步驟(1)，形狀運(yùn)動(dòng)向量預(yù)測(cè)值MVPs選取具體方法如下·如果鄰近BAB塊的{MVs1，MVs2，MVs3}中存在有效值，則(1)如果只有一個(gè)有效的MVs，MVPs等于該MVs，(2)如果只有兩個(gè)有效的MVs，則令第三個(gè)無效的MVs等于(0，0)，MVPs＝Median(MVs1，MVs2，MVs3)，(3)如果三個(gè)MVs都是有效的，則MVPs＝Median(MVs1，MVs2，MVs3)；·如果{MVs1，MVs2，MVs3}都是無效的，但鄰近紋理塊的{MV1，MV2，MV3}中存在有效值，則(1)如果只有一個(gè)有效的MV，MVPs等于該MV，(2)如果只有兩個(gè)有效的MV，則令第三個(gè)無效的MV等于(0，0)，MVPs＝Median(MV1，MV2，MV3)，(3)如果三個(gè)MV都是有效的，則MVPs＝Median(MV1，MV2，MV3)；·如果{MVs1，MVs2，MVs3，MV1，MV2，MV3}都是無效的，則MVPs＝(0，0)；當(dāng)確定了MVPs以后，計(jì)算當(dāng)前BAB塊與MVPs確定的參考BAB塊之間的匹配誤差，如果該匹配誤差小于或者等于預(yù)先設(shè)定的閾值，說明MVPs確定的參考BAB塊已經(jīng)達(dá)到了匹配精度，則跳過后面的運(yùn)動(dòng)估值過程，最終的MVs＝MVPs，MVDs＝0；如果MVPs確定的BAB塊不能達(dá)到要求的匹配精度，則需要繼續(xù)后面的運(yùn)動(dòng)估值過程，搜索最終的MVs，并編碼MVDs。
3.根據(jù)權(quán)利要求1所述的基于對(duì)象邊緣的形狀快速運(yùn)動(dòng)估值的方法，其特征是，所述的步驟(3)中，采用下式來衡量BAB塊的匹配誤差SADweight＝SAD+0.5×(|MVDs_x|+|MVDs_y|)式中MVDs_x和MVDs_y分別為MVDs的水平和垂直分量。
4.根據(jù)權(quán)利要求1所述的基于對(duì)象邊緣的形狀快速運(yùn)動(dòng)估值的方法，其特征是，所述的步驟(4)中，VOP邊界處搜索區(qū)域的寬度為8，搜索區(qū)域的確定方法為在參考Alpha平面中，以每一個(gè)像素點(diǎn)為頂點(diǎn)，形成一個(gè)8×8的塊，如果該塊為邊界塊，即塊中既有VOP內(nèi)的像素又有VOP外的像素，則該點(diǎn)在VOP的邊界搜索區(qū)域內(nèi)；如果該塊是透明塊或者不透明塊，則該點(diǎn)在VOP的邊界搜索區(qū)域外，通過把8×8塊放大進(jìn)一步提高形狀運(yùn)動(dòng)估值的精度，最大為16×16；通過把8×8塊縮小進(jìn)一步提高形狀運(yùn)動(dòng)估值的速度。
5.根據(jù)權(quán)利要求1所述的基于對(duì)象邊緣的形狀快速運(yùn)動(dòng)估值的方法，其特征是，確定MVPs以后，對(duì)于沒有跳過的BAB塊，需要繼續(xù)搜索最終的MVs，其搜索過程如下·在進(jìn)行BAB塊運(yùn)動(dòng)估值之前，在參考Alpha平面的VOP邊界附近確定邊界BAB塊的搜索區(qū)域；·當(dāng)進(jìn)行BAB塊的運(yùn)動(dòng)估值時(shí)，在參考Alpha平面中，以MVPs確定的位置為中心，±4范圍內(nèi)搜索最終的MVs；·在±4范圍內(nèi)搜索MVs時(shí)，如果搜索點(diǎn)在預(yù)先確定的VOP邊界搜索區(qū)域外，則跳過該搜索點(diǎn)，繼續(xù)下一個(gè)搜索點(diǎn)的匹配。
全文摘要
一種視頻編碼技術(shù)領(lǐng)域的基于對(duì)象邊緣的形狀快速運(yùn)動(dòng)估值的方法，步驟如下(1)形狀運(yùn)動(dòng)向量預(yù)測(cè)值MVPs選取用當(dāng)前BAB塊的鄰近BAB塊形狀運(yùn)動(dòng)向量{MVs1，MVs2，MVs3}的中值或者鄰近紋理塊運(yùn)動(dòng)向量{MV1，MV2，MV3}的中值作為當(dāng)前BAB塊的形狀運(yùn)動(dòng)向量預(yù)測(cè)值MVPs；(2)中間跳過方法BAB塊跳過后面的搜索過程而結(jié)束形狀運(yùn)動(dòng)估值的條件為如果當(dāng)前BAB塊與MC－BAB塊之間的匹配誤差小于等于閾值TH，則形狀運(yùn)動(dòng)估值過程結(jié)束，最終的MVs＝MVPs；(3)匹配誤差函數(shù)的選取通過加權(quán)的SADweight來衡量BAB塊的匹配誤差；(4)搜索區(qū)域的確定在參考Alpha平面內(nèi)以MVPs確定的位置為中心進(jìn)行搜索，搜索區(qū)域設(shè)定為VOP邊界附近。本發(fā)明大大超過現(xiàn)有方法的形狀運(yùn)動(dòng)估值速度，且形狀的編碼效率并沒有降低。
文檔編號(hào)H04N7/26GK1688164SQ20051002659
公開日2005年10月26日 申請(qǐng)日期2005年6月9日 優(yōu)先權(quán)日2005年6月9日
發(fā)明者解蓉, 王嘉, 周軍, 余松煜, 支琤 申請(qǐng)人:上海交通大學(xué)