專利名稱：：一種運動估計方法、系統(tǒng)及顯示終端的制作方法
技術(shù)領(lǐng)域：
：本發(fā)明屬于圖像處理領(lǐng)域，尤其涉及一種運動估計方法、系統(tǒng)及顯示終端。
背景技術(shù)：
：H.264/AVC為近幾年來-見頻壓縮編碼研究的熱點，它于2003年由ITU-T/ISO正式公布，與以往的標準相比，由于其出色的性能，該標準在國際上受到了廣泛地重^L和歡迎，纟皮人們稱為新一^一見頻編碼標準。具體講，與H.263或MPEG-4相比，在同樣質(zhì)量下，其數(shù)碼率能降低一半左右；或者說在同樣碼率下，其信噪比明顯提高。該標準采用了幀內(nèi)編碼，多參考幀和多宏塊劃分模式及l(fā)/4像素點運動補償?shù)燃夹g(shù)，使其編碼效率得到很大的提高。但是與此同時，H.264編碼器的復(fù)雜度和計算量迅速增長，運動估計消耗大部分的編碼時間。于是很多快速運動估計算法相繼提出，一些較好的快速搜索算法有三步法(TSS)、四步法(FSS)、梯度下降法(BBGDS)、鉆石搜索(DS)、六邊形搜索(HEXS)等等，但這些算法在不同程度上容易陷入局部最優(yōu)。而混合編碼算法即非對稱十字型多層次六邊形才各點搜索算法(UnsymmetricalcrossMulti-Hexagon-gridSearch,UMHexagonS)很好的避免了這個問題，并且由于其在運動估計準確度和率失真性能上與全搜索算法(FS)旗鼓相當(dāng)，但是計算量復(fù)雜度卻只有全搜索算法的1/10。該算法由于其良好的編碼效果和優(yōu)秀的編碼效率而被H.264參考模型JM所采納。UMHexagonS算法是一種整像素運動估計算法其采用了混合分級運動搜索策略，包含4個步驟(l)起始搜索點預(yù)測矢量的搜索；(2)非對稱十字形搜索；(3)非均勻多層次六邊形格點搜索；(4)擴展六邊形搜索。圖l(a)示出了現(xiàn)有技術(shù)提供的非均勻多層次六邊形搜索^t板的示意圖，非均勻多層次六邊形格點搜索包括步驟A、小矩形窗全搜索和B、多層次六邊形格點搜索。小矩形窗全搜索以目前最佳點為中心，在(-2,2)的方形區(qū)域進行小矩形窗搜索，獲得目前最佳點，16點的多層次六邊形格點搜索通過伸縮系數(shù)對步驟B中的六邊形進行擴展，在每一層次都要判斷是否滿足提前截止條件。圖l(b)示出了現(xiàn)有技術(shù)提供的六邊形模板的示意圖，擴展六邊形搜索包括首先以目前最佳點為中心，用六邊形搜索模型進行搜索，直至最佳點在六邊形的中心時為止；然后以六邊形搜索得到的最佳點為中心，用鉆石模型進行搜索，直至最佳點在鉆石模型的中心為止，此點對應(yīng)的運動矢量即為所求值。由上可以看出，一方面，雖然16點的多層次六邊形才各點^^叟索可以更好地處理大范圍和不規(guī)則的運動,避免過早落入局部最優(yōu)。但對于一個搜索范圍為16的窗口來說，每一層都要搜索16個點，最壞情況下，要搜索64個點。這一步的搜索點數(shù)占了整個搜索算法很大的比重。搜索點數(shù)的多少又是評價算法運算復(fù)雜度的一個指標，另夕卜，UMHexagonS算法在搜索最后一步利用了六邊形模板(HEXBS),而六邊形模板存在大部分中空點(IO個)，使得命中率降低；當(dāng)轉(zhuǎn)換為搜索步長僅為1的小鉆石搜索時，其速度變慢。另一方面，HEXBS利用一個較大且快速移動的圖案而使用較少的搜索次數(shù)以提高搜索速度，它比DS算法用更少的搜索點找到相同的運動向量。但是由于搜索模型的缺陷而有更多無法找到的點使得命中的比率降低，大部分情況下DS比HEXBS有更大的準確率。原算法稱此步為擴展六邊形搜索算法，與HEXBS不同僅在于搜索模板由六邊形模板變?yōu)樾°@石模板時，搜索會繼續(xù)直到最佳點落在小鉆石模板的中心?？梢钥闯觯?dāng)用六邊形模板時，模板中存在的大部分中空點使得命中率降低；當(dāng)轉(zhuǎn)換為搜索步長僅為1的小鉆石搜索時，其速度變慢。綜上所述，運用UMHexagonS算法進行運動估計時仍存在一定的改進空間。
發(fā)明內(nèi)容本發(fā)明實施例的目的在于提供一種運動估計方法，旨在解決在進行運動估5計時，容易陷入局部最優(yōu)或者搜索點較多，運算速度較慢的問題。本發(fā)明實施例是這樣實現(xiàn)的，一種運動估計方法，包括以下步驟確定起始搜索點；根據(jù)所述起始搜索點和預(yù)設(shè)的多層次扁平六邊形模板進行搜索，獲取粗搜索點；根據(jù)所述粗搜索點進行搜索，獲取最佳搜索點；根據(jù)所述最佳搜索點獲取運動矢量。本發(fā)明實施例的另一目的在于提供一種運動估計系統(tǒng)，系統(tǒng)包括起始搜索點獲取單元，用于確定起始搜索點；粗搜索單元，用于根據(jù)所述起始搜索點獲取單元確定的起始搜索點進行搜索，獲取粗搜索點；細搜索單元，用于根據(jù)所述粗搜索單元獲取的粗搜索點和預(yù)設(shè)的擴展模板進行搜索，獲取最佳搜索點；運動矢量獲取單元，用于根據(jù)所述細搜索單元獲^f又的最佳搜索點獲取運動矢量。本發(fā)明實施例的另一目的在于提供一種包括上述運動估計系統(tǒng)的顯示終端。本發(fā)明通過在確定起始搜索點后，先根據(jù)預(yù)設(shè)的多層次扁平六邊形模板進行大范圍和不規(guī)則點搜索，再進行進一步搜索，獲取最佳搜索點，根據(jù)最佳搜索點獲取運動矢量，實現(xiàn)了保證準確率的同時降低搜索點數(shù)，有效加快了運動估計速度。圖1(a)是現(xiàn)有技術(shù)提供的非均勻多層次六邊形搜索模板的示意圖1(b)是現(xiàn)有技術(shù)提供的擴展六邊形模板的示意圖2是本發(fā)明實施例提供的多層次扁平六邊形才莫板的示意圖；圖3是本發(fā)明實施例提供的運算估計方法的流程圖4(a)、(b)分別是本發(fā)明實施例提供的水平、垂直扁平六邊形擴展模板的示意圖5是本發(fā)明實施例提供的預(yù)測模板的示意圖6是本發(fā)明實施例提供的獲取最佳搜索點的示意圖7是本發(fā)明實施例提供的非對稱十字形模板的示意圖8是本發(fā)明一個示例提供的運動估計方法的流程圖9(a)(d)是本發(fā)明一個示例提供與UMHexagonS算法比較，mobile—qcif序列和flower—cif序列的效果比較圖10是本發(fā)明實施例提供的運動估計系統(tǒng)的結(jié)構(gòu)圖。具體實施例方式為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對本發(fā)明進行進一步詳細說明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。在本發(fā)明實施例中，確定起始搜索點后，先根據(jù)預(yù)設(shè)的多層次扁平六邊形模板進行搜索獲取粗搜索點，再根據(jù)粗搜索點進行搜索獲取最佳搜索點，根據(jù)最佳搜索點獲取運動矢量，實現(xiàn)了保證準確率的同時搜索點數(shù)的降低，大大加快搜索速度。沖艮據(jù)視頻圖像的運動估計經(jīng)驗，水平方向的移動向量發(fā)生的幾率通常比垂直方向移動向量的幾率要高。同時為了減少搜索點數(shù)，本發(fā)明提出了一種多層次扁平六邊形模板，如圖2所示。其中扁平六邊形模板的水平方向的寬度是垂直方向的兩倍。每層之間的距離為4，search一range為搜索窗口的大小，由圖可以直接看出，扁平六邊形模板每層搜索點數(shù)均為6個點，比非均勻多層次六邊形搜索模板少10個點，若大小為16*16的搜索窗口，多層次扁平六邊形則最多可少搜索40個點，這一改變大大減少了此步的搜索點數(shù)，降低計算復(fù)雜度。圖3示出了本發(fā)明實施例提供的運算估計方法的流程圖。在步驟S301中，確定起始搜索點。具體實現(xiàn)時，可以采用三種預(yù)測模式來確定起始搜索點，包括中值預(yù)測，上層預(yù)測是時間域臨近參考幀預(yù)測，計算這些模式對應(yīng)的運動矢量和(0,0)點對應(yīng)的運動矢量的費用函數(shù)值，選取費用函數(shù)值最小的候選運動矢量作為起始搜索點。在步驟S302中，根據(jù)起始搜索點和預(yù)設(shè)的多層次扁平六邊形模板進行搜索，獲取粗搜索點。獲取粗搜索點的過程即為進行大范圍和不規(guī)則點搜索，獲取下一步搜索中心點的過程。將起始搜索點作為預(yù)設(shè)的多層次扁平六邊形模板的中心進行大范圍搜索，如果步驟S301得到的搜索起始點向量為(Cx,Cy),那么多層次扁平六邊形模板的每個層次對應(yīng)的6個點的向量分別表示為Pl=(Cx+4L，Cy);P2=(Cx+2L，Cy畫2L);P3=(Cx-2L,Cy-2L);P4=(Cx-4L,Cy);P5=(Cx-2L,Cy+2L);P6=(Cx+2L,Cy+2L),其中，L為整凄史，1<L<search—range/4，search—range為4叟索窗口的邊長。搜索窗口的大小可以是16*16，邊長為16，也可以是32、48和"等。具體實現(xiàn)時，先搜索第一層扁平六邊形格點，如果有滿足提前截止的點，則跳出循環(huán)；否則繼續(xù)搜索第二層(外一層)；依此類推，直到搜索到最外一層。在本發(fā)明實施例中，每層扁平六邊形邊長之間的距離為4,例如大小為I6*16的搜索窗口，則有16/4=4層扁平六邊形，而為32*32時層^:則為8,依此類推。提前截止的條件可參考UMHexagonS算法，具體在此不再詳述。在步驟S303中，根據(jù)粗搜索點進行搜索，獲取最佳搜索點。此時可以使用現(xiàn)有技術(shù)搜索時常用的模板，例如六邊形搜索模板和鉆石模板或者其他模板。在本發(fā)明實施例中，獲取最佳搜索點的過程中，引進了預(yù)測模板，根據(jù)該預(yù)測模板預(yù)測當(dāng)前運動向量的方向，來選擇釆用水平方向的水平扁平六邊形擴展模板還是垂直方向的垂直扁平六邊形擴展模板，將粗搜索點作為預(yù)設(shè)的水平扁平六邊形模板或者垂直扁平六邊形擴展模板的中心進行搜索。如圖4(a)、(b)所示，圖4(a)為水平方向的水平扁平六邊形擴展模板，與UMHexagonS算法用到的六邊形模板(HEXBS)相比，雖然一樣有7個需要計算的搜索點，但存在的中空點只有4個，減少了6個，且擴展扁平六邊形模板容許水平方向有較大的搜索范圍使得搜索命中率大大提高，垂直方向的垂直扁平六邊形擴展模板如圖4(b)所示，不再詳述。另外，預(yù)測模板為十字模板，圖5示出了本發(fā)明實施例提供的預(yù)測模板的示意圖，該預(yù)測模板為一個小十字模板(5個點模板)。在步驟S304中，根據(jù)最佳搜索點獲耳設(shè)動矢量。最佳搜索點對應(yīng)的運動矢量即為所求運動矢量。圖6示出了本發(fā)明實施例提供的獲取最佳搜索點的示意圖。根據(jù)預(yù)測模板進行搜索的過程具體包括這里MBD點是指最小塊失真點，它是通過一個計算費用函數(shù)的式子得到值最小的點，在本發(fā)明實施例中，為了便于說明，將每一搜索步驟后得到的最佳搜索點稱為MBD點，將小十字預(yù)測模板稱作SPHSP,水平擴展扁平六邊形模板和垂直擴展扁平六邊形模板分別稱作水平LPHSP，垂直LPHSP，統(tǒng)稱作LPHSP。當(dāng)MBD在SPHSP中心點的上方或下方，則采用垂直方向的LPHSP，如果MBD點在SPHSP的左邊或右邊，則采用水平方向的LPHSP，搜索直到MBD點在LPHSP的中心點時，LPHSP又轉(zhuǎn)換為SPHSP，計算新增的4個點，這時得到的MBD點即為最佳點。具體如下Stepl:首先用SPHSP預(yù)測LPHSP的類型。如果MBD點是SPHSP的中心點，則最佳點就為此時SPHSP的中心點。如果MBD點是SPHSP四周的點，則該MBD點將作為step2的中心點，且9如果MBD點在SPHSP上方或下方時，選4奪垂直LPHSP,如果MBD點在SPHSP左方或右方時，選擇水平LPHSP。Step2:仍然用SPHSP,以上一步計算得到的MBD點為中心，擴展一個新的十字模板，只需要添加3個新的未計算的點，也就是有三個新的候選點被計算,如果MBD點為SPHSP的中心點，則最佳點為SPHSP的中心點，否則到st印3.Step3:將SPHSP轉(zhuǎn)換為LPHSP,增加3個或4個候選點，例如，如果上一步的MBD點是十字模板水平兩點中一點的話，則以這個點為中心，轉(zhuǎn)換成LPHSP時需要添加3個沒有^皮計算的點，同理如果上一步的MBD點是在垂直方向的時就需要添加4個沒有被計算的點。如果MBD點為LPHSP的中心點，則到step5，否則到step4。Step4:以上次MBD點為中心，構(gòu)建一個新的LPHSP，增加了3個候選點。如果MBD點為中心點，則到step5，否則重復(fù)step4。Step5:把LPHSP轉(zhuǎn)換為SPHSP。增加4個候選點，即十字形模板中心點四周的4個點，此時得到的MBD點為最佳點。通過預(yù)測模板預(yù)測運動向量的方向來選用適合的擴展模板進行搜索，不僅提高搜索的準確度，減小了陷入局部最優(yōu)的可能性，而且在搜索速度上提高。在步驟S302之前，運動估計方法還可以包括根據(jù)起始搜索點和非對稱十字形模板進行搜索，以及根據(jù)非對稱十字形模板搜索得到的搜索中心點進行5*5小矩形窗全搜索。由于自然界圖像序列在水平方向的運動比垂直方向的運動更加普遍，因此根據(jù)非對稱十字形模板進行搜索可以比較精確地預(yù)測到最佳的運動矢量。如圖7所示，為本發(fā)明實施例提供的非對稱十字形模板，將起始搜索點作為非對稱十字形模板的中心進行搜索，模板在垂直方向上的搜索范圍是水平方向上的一半，搜索點之間的距離為2，費用函數(shù)值最小的點(最佳起始搜索點)作為下一步即步驟S302的起始搜索點。使用這個筒單但有效的預(yù)測模式能為下一步搜索提供一個較為準確的搜索起始點。圖8為本發(fā)明一個示例提供的運動估計處理的流程。在本發(fā)明該示例中，利用多層次扁平六邊形模板作為粗搜索所用模板，將小十字形預(yù)測模板和扁平六邊形擴展作為獲取最佳搜索點時所用模板。在步驟S801中，計算預(yù)測模式對應(yīng)的運動矢量和點(0，O)對應(yīng)的運動矢量的費用函數(shù)值，選取費用函數(shù)值最小的運動矢量為起始搜索點；在步驟S802中，根據(jù)非對稱十字形模板進行搜索；在步驟S803中，進行5*5矩形窗全搜索，根據(jù)多層次扁平六邊形模板進行大范圍和不規(guī)則點搜索；在步驟S804中，根據(jù)十字模板和水平或垂直扁平六邊形擴展模板進行搜索。為了驗證本發(fā)明的有益效果，以本發(fā)明的圖8所述示例為例，將其與UMHexagonS算法進行比較，在VC6.0平臺上集成到H.264標準參考模型JM12.4中實現(xiàn)，所用PC才幾配置如下Intel(R)Pentium(R)DualCPU1.60GHz，1G內(nèi)存。操作系統(tǒng)為WindowsXP2002+SP2。參考模型編碼器配置選用基本類(baseline)，編碼參數(shù)如表l所示，其它參數(shù)均為缺省設(shè)置。表1<table>tableseeoriginaldocumentpage11</column></row><table>將兩者得到的結(jié)果進行了比較，為了方便進行參照，將本發(fā)明實施例所用方法稱之為多層次扁平六邊形搜索算法(Multi-FlatHexagongridSearch，MFHS)。實驗選用含有不同程度運動和類型的運動序列(QCIF和CIF)來比較原UMHexagonS(UMHS)算法和MFHS算法。表2和表3分別為不同的QCIF和CIF運動序列采用這兩種算法的實驗結(jié)果。其中，"proposed"即表示MFHS算法。表2序列算法.PSNR碼率編碼時運動估Enc.TME.T(QCIF)(dB)(kbit/s)間計時間節(jié)省率節(jié)省率mobileUMHS34.30494.51128.55790.4480.000.00proposed34.29495.54107.53469.61016.3523.04coastguardUMHS34.68279.30118.70085.9520.000.00proposed34.66278.76100.70868.72315.1620,04foremanUMHS36.94142.0193.63864.5400.000.00proposed36.95142.8483.72655.86510.5913.44silentUMHS36,14873775.54147.2780.000.00proposed36.1787.6470.89442.6456.159.80表3序列(CIF)算法PSNR卿碼率(kbit/s)編碼時間運動估計時間Enc.T節(jié)省率ME.T節(jié)省率PlowerUMHS36.271795.45415.949280.4910.000.00proposed36.261795.26355.317222.33914.5820.73busUMHS35,721329.37460.102324,3680.000.00proposed35.731331.16409.625274.24712.4315.45tempeteUMHS35.601271.35398.951267.7160.000.00proposed35.601269.35360.607228.6149.6114.61parisUMHS36.08655.74299.076177.1910.000.00proposed36.10657.13284.187161.3305.008.95從表2可以看出，與UMHexagonS算法相比，采用MFHS算法的qcif序列運動估計時間平均節(jié)省了16.58%,編碼時間平均節(jié)省12.06%;cif序列運動估計時間平均節(jié)省14.94%，編碼時間平均節(jié)省10.41%,MFHS算法對運動程度較大的mobile和coastguard,flower等的效果較好，對背景靜止運動程度較低的序列silent，paris的歲支果,欠之。圖9(a)~(d)依次給出了mobile—qcif序列(圖左)和flower—cif序列(圖右)基于每個編碼幀的碼率、PSNR、運動估計時間和編碼時間的比較?？梢钥闯觯谛旁氡群痛a率基本不變的情況下，改進的算法(如圖9(a)(d)中"proposed"所示)比原算法(如圖9(a)~(d)中"UMHS"所示)的運動估計速度大大提高，,人而有效的降低了編碼時間。以上數(shù)據(jù)表明，MFHS算法相對于UMHexagonS算法，在保證PSNR和碼率變化很小的情況下，在編碼時間和運動估計時間上都不同程度的有所減少，特別是對運動較大序列如mobile，coastguard等效果更加明顯，是一種適合H.264的速度快而性能好的運動估計方法，在一些實時性要求高的場合例如視頻會議等，具有一定的應(yīng)用價值。圖10為本發(fā)明實施例提供的運動估計系統(tǒng)的結(jié)構(gòu)，為了便于說明僅示出了與本發(fā)明實施例相關(guān)的部分，該系統(tǒng)可以是內(nèi)置于圖像處理設(shè)備或者顯示終端或者其他終端設(shè)備的軟件單元、硬件單元或者軟硬件相結(jié)合的單元。在本發(fā)明實施例中，運動估計系統(tǒng)包括起始搜索點獲取單元ll、粗搜索單元12、細搜索單元13和運動矢量獲取單元14。起始搜索點獲取單元11確定起始搜索點，粗搜索單元12根據(jù)起始搜索點獲取單元11確定的起始搜索點和預(yù)設(shè)的多層次扁平六邊形模板進行搜索，獲取粗搜索點，細搜索單元13根據(jù)粗搜索單元12獲取的粗搜索點和進行搜索，獲取最佳搜索點，運動矢量獲取單元14根據(jù)細搜索單元13獲取的最佳搜索點獲取運動矢量。其中，當(dāng)起始搜索點獲取單元確定的起始搜索點為(Cx,Cy)時,多層次扁平六邊形模板中每個層次對應(yīng)的扁平六邊形沖莫板的各點P1P6的向量表示為Pl=(Cx+4L,Cy);P2=(Cx+2L,Cy-2L);P3=(Cx-2L,Cy-2L);P4=(Cx-4L，Cy);P5=(Cx-2L,Cy+2L);P6=(Cx+2L,Cy+2L)，其中，L為整凄丈，取f直范圍為1<L《search—range/4,search—range為搜索窗口的邊長。在本發(fā)明實施例中，細搜索單元13進一步包括預(yù)測模塊，用于根據(jù)粗搜索單元12獲取的粗搜索點和預(yù)設(shè)的預(yù)測模板選擇水平扁平六邊形擴展模板和垂直扁平六邊形擴展模板，預(yù)測模板為十字模板；細搜索模塊，用于根據(jù)預(yù)測模塊選擇的水平扁平六邊形擴展模板或者垂直扁平六邊形擴展模板進行搜索，獲取最佳搜索點。運動估計系統(tǒng)還包4舌非對稱十字形搜索單元，用于根據(jù)起始搜索點獲取單元確定的起始搜索點和非對稱十字形模板進行搜索。其具體實施方式如上，在此不再贅述。在本發(fā)明實施例中，確定起始搜索點后，先根據(jù)預(yù)設(shè)的多層次扁平六邊形模板進行搜索，再根據(jù)得到的粗搜索點進行搜索，并獲取最佳搜索點，根據(jù)最佳搜索點獲取運動矢量，實現(xiàn)了保證準確率的同時搜索點數(shù)的降低，提高了運動估計速度。以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。1權(quán)利要求1、一種運動估計方法，其特征在于，所述方法包括以下步驟確定起始搜索點；根據(jù)所述起始搜索點和預(yù)設(shè)的多層次扁平六邊形模板進行搜索，獲取粗搜索點；根據(jù)所述粗搜索點進行搜索，獲取最佳搜索點；根據(jù)所述最佳搜索點獲取運動矢量。2、如權(quán)利要求1所述的方法，其特征在于，所述起始搜索點向量為(Cx,Cy),所述多層次扁平六邊形模板中每個層次對應(yīng)的扁平六邊形模板的各點P1P6的向量表示為Pl=(Cx+4L,Cy);P2=(Cx+2L,Cy-2L);P3=(Cx-2L，Cy-2L);P4=(Cx-4L，Cy);P5=(Cx-2L,Cy+2L);P6=(Cx+2L，Cy+2L),其中，L為整凄史，取值范圍為1《L<search—range/4，search—range為搜索窗口的邊長。3、如權(quán)利要求l所述的方法，其特征在于，所述才艮據(jù)所述粗搜索點進行搜索的步驟具體為根據(jù)所述粗搜索點和預(yù)設(shè)的預(yù)測模板選擇水平扁平六邊形擴展模板或垂直扁平六邊形擴展模板進行搜索，所述預(yù)測模板為十字模板。4、如權(quán)利要求l所述的方法，其特征在于，所述確定起始搜索點的步驟具體為根據(jù)預(yù)測模式初步確定起始搜索點，所述預(yù)測模式包括中值預(yù)測，上層預(yù)測和時間域臨近參考幀預(yù)測。5、如權(quán)利要求l所述的方法，其特征在于，所述確定起始搜索點的步驟之后，所述根據(jù)所述起始搜索點和預(yù)設(shè)的多層次扁平六邊形模板進行搜索的步驟之前，所述方法還包括根據(jù)所述起始搜索點和非對稱十字形模板進行搜索。6、一種運動估計系統(tǒng)，其特征在于，所述系統(tǒng)包括起始搜索點獲耳又單元，用于確定起始搜索點；粗搜索單元，用于根據(jù)所述起始搜索點獲取單元確定的起始搜索點和預(yù)設(shè)的多層次扁平六邊形-漠板進行搜索，獲取粗搜索點；細搜索單元，用于根據(jù)所述粗搜索單元獲取的粗搜索點進行搜索，獲取最佳搜索點；運動矢量獲取單元，用于根據(jù)所述細搜索單元獲取的最佳搜索點獲取運動矢量。7、如權(quán)利要求6所述的系統(tǒng)，其特征在于，當(dāng)所述起始搜索點獲取單元確定的起始搜索點為(Cx，Cy)時，所述多層次扁平六邊形模板中每個層次對應(yīng)的扁平六邊形才莫^反的各點pip6的向量表示為Pl=(Cx+4L,Cy);P2=(Cx+2L,Cy陽2L);P3=(Cx-2L,Cy陽2L);P4=(Cx-4L,Cy);P5=(Cx-2L，Cy+2L);P6=(Cx+2L,Cy+2L)，其中，L為整數(shù)，取值范圍為1<L<search—range/4,search_range為搜索窗口的邊長。8、如權(quán)利要求6所述的系統(tǒng)，其特征在于，所述細搜索單元進一步包括預(yù)測模塊，用于根據(jù)所述粗搜索單元獲取的粗搜索點和預(yù)設(shè)的預(yù)測模板選擇水平扁平六邊形擴展模板和垂直扁平六邊形擴展模板，所述預(yù)測模板為十字模板；細搜索模塊，用于根據(jù)所述預(yù)測模塊選擇的水平扁平六邊形擴展模板或者垂直扁平六邊形擴展模板進行搜索，獲取最佳搜索點。9、如權(quán)利要求6所述的系統(tǒng)，其特征在于，所述系統(tǒng)還包括非對稱十字形搜索單元，用于根據(jù)所述起始搜索點獲取單元確定的起始搜索點和非對稱十字形模板進行搜索。10、一種包括權(quán)利要求6至9任一項所述的運動估計系統(tǒng)的顯示終端。全文摘要本發(fā)明適用于圖像處理領(lǐng)域，提供了一種運動估計方法、系統(tǒng)及顯示終端，該方法包括以下步驟確定起始搜索點；根據(jù)所述起始搜索點和預(yù)設(shè)的多層次扁平六邊形模板進行搜索，獲取粗搜索點；根據(jù)所述粗搜索點進行搜索，獲取最佳搜索點；根據(jù)所述最佳搜索點獲取運動矢量。本發(fā)明通過在確定起始搜索點后，先根據(jù)預(yù)設(shè)的多層次扁平六邊形模板進行大范圍和不規(guī)則點搜索，再進行進一步搜索，獲取最佳搜索點，根據(jù)最佳搜索點獲取運動矢量，實現(xiàn)了保證準確率的同時降低搜索點數(shù)，有效加快了運動估計速度。文檔編號H04N7/26GK101621694SQ20091010905公開日2010年1月6日申請日期2009年7月29日優(yōu)先權(quán)日2009年7月29日發(fā)明者盧文濤,楊碧玲申請人:深圳市九洲電器有限公司