一種基于模擬退火算法的圖像運動估計方法
【專利摘要】本發(fā)明公開一種基于模擬退火算法的圖像運動估計方法。運動估計最簡單的辦法就是遍歷搜索，這種方法的特點是實現(xiàn)簡單，但是運算量大，這是在實際應(yīng)用中絕對不允許的。模擬退火算法是一種適合解決大規(guī)模組合優(yōu)化問題的通用有效的全局優(yōu)化方法，其基本思想是利用隨機(jī)優(yōu)化問題求解過程與統(tǒng)計力學(xué)中熱平衡問題的相似性，它具有突跳性，有助于逃離優(yōu)化問題的局部最優(yōu)解而找到全局最優(yōu)解。通過設(shè)定初溫、初態(tài)以及降溫率控制溫度的不斷下降，結(jié)合概率突跳特性利用解空間的鄰域結(jié)構(gòu)進(jìn)行隨機(jī)搜索。本專利采用模擬退火算法來加快搜索速度，得到的真實而準(zhǔn)確的運動信息的同時，重構(gòu)出能體現(xiàn)真實的下一幀圖像信息的圖像。
【專利說明】一種基于模擬退火算法的圖像運動估計方法【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種圖像運動估計方法，尤其是視頻編碼和視頻處理中基于模擬退火方法的圖像運動估計方法。【背景技術(shù)】
[0002]運動估計是視頻編碼和視頻處理(例如去交織)中廣泛使用的一種技術(shù)。運動估計的基本思想是將圖像序列的每一幀分成許多互不重疊的宏塊，并認(rèn)為宏塊內(nèi)所有象素的位移量都相同，然后對每個宏塊到參考幀某一給定特定搜索范圍內(nèi)根據(jù)一定的匹配準(zhǔn)則找出與當(dāng)前塊最相似的塊，即匹配塊，匹配塊與當(dāng)前塊的相對位移即為運動矢量。視頻壓縮的時候，只需保存運動矢量和殘差數(shù)據(jù)就可以完全恢復(fù)出當(dāng)前塊。在實際應(yīng)用中，對于一個原始的視頻序列，其數(shù)據(jù)量會非常的龐大，舉例來說，對于720P的原始視頻序列，存儲60幀大約需要300MB，如果按每秒播放24幀來計算，這么大的容量還存儲不了 3秒，更何況動輒長達(dá)2小時的電影。因此不經(jīng)過壓縮編碼的原始視頻幾乎是不存在的。常見的編碼標(biāo)準(zhǔn)如MPEG-2，H.264，AVS等，都對視頻序列進(jìn)行了壓縮。在編碼的過程中，基于運動估計/運動補償(ME/MC)的方法是最常用的，該方法的核心思想就是通過前后兩幀的圖像數(shù)據(jù)，可以重構(gòu)出中間的若干幀圖像，那么在編碼端就可以從原始視頻序列中丟棄一些原始幀，僅存儲剩余的幀序列，而在解碼端，僅需根據(jù)運動估計/運動補償(ME/MC)，用重構(gòu)的幀來代替那些丟棄的原始幀，這樣就可以恢復(fù)出原始的視頻序列，同時大大減小實際的存儲容量。運動估計最簡單的辦法就是遍歷搜索，這種方法的特點是實現(xiàn)簡單，但是運算量大，如果采用遍歷匹配算法，讓三個匹配變量從O開始匹配，最理想的情況下到達(dá)下一幀的運動目標(biāo)狀態(tài)的運算次數(shù)也要達(dá)到成千上萬次，這是在實際應(yīng)用中絕對不允許的。

【發(fā)明內(nèi)容】

[0003]本發(fā)明目的是為了保證精度的同時，提高運動估計的運算速度，提出了一種基于模擬退火算法快速準(zhǔn)確進(jìn)行運動估計的方法，減少了遍歷所有數(shù)據(jù)的冗余操作和時間消耗。
[0004]為了實現(xiàn)所述的目的，本發(fā)明的基于模擬退火算法的圖像運動估計方法，其特征是包括如下步驟:
[0005]目標(biāo)函數(shù)的確定S1:根據(jù)匹配原則，定義目標(biāo)函數(shù)為兩幅圖像的SAD值為目標(biāo)函數(shù)。
[0006]初始向量及溫度選取S2:根據(jù)運動估計特性和試驗反復(fù)驗證，選取合適的初始溫度及初始向量。
[0007]概率的確定S3:根據(jù)Metropolis準(zhǔn)則及實驗數(shù)據(jù)選取合適的轉(zhuǎn)移概率。
[0008]具體來講，確定目標(biāo)函數(shù)確定方法包括如下要點:
[0009]Sll:設(shè)當(dāng)前圖像位置上的信息以imagel代表，相應(yīng)被估計位置圖像信息以image2 代表；[0010]S12:定義f = I imagel-1mage2 ,相當(dāng)于每個像素灰度值之差的絕對值求和；
[0011]S13:當(dāng)f取到最小值時，表明利用運動估計獲得的運動信息重構(gòu)出下一幀，所得到的重構(gòu)幀圖像與實際的下一幀圖像達(dá)到最佳匹配(即差別最小)，那么此時搜索到的運動信息即為運動估計的結(jié)果。
[0012]具體來講,初始向量及溫度選取方法包括如下要點:
[0013]S21:初始溫度選取0.5 ;
[0014]S22:終止溫度選取0.01;
[0015]S23:降溫因子選取0.8 ；
[0016]S24:循環(huán)次數(shù)L選取100 ；
[0017]S25:整個運動估計過程主要集中在低溫中進(jìn)行。
[0018]具體來講，概率的確定方法包括如下要點:
[0019]S31:粒子在溫度T時趨于平衡的概率為e_AE/(kT)，其中E為溫度T時的內(nèi)能，Λ E為其改變量，k為Boltzmann常數(shù)；
[0020]S32:用固體退火模擬組合優(yōu)化問題，將內(nèi)能E模擬為目標(biāo)函數(shù)值f，溫度T演化成控制參數(shù)t ；
[0021]S33:由初始解i和控制參數(shù)初值t開始，對當(dāng)前解重復(fù)“產(chǎn)生新解一計算目標(biāo)函數(shù)差一接受或舍棄”的迭代，并逐步衰減t值，算法終止時的當(dāng)前解即為所得近似最優(yōu)解。
[0022]本發(fā)明采用上述技術(shù)方案的有益效果是，通過增加記憶功能，避免了搜索過程中由于執(zhí)行概率接受環(huán)節(jié)而遺失當(dāng)前遇到的最優(yōu)解，可通過增加存儲環(huán)節(jié)，將一些在這之前好的態(tài)記憶下來；增加升溫或重升溫過程，在算法進(jìn)程的適當(dāng)時機(jī)，將溫度適當(dāng)提高，從而可激活各狀態(tài)的接受概率，以調(diào)整搜索進(jìn)程中的當(dāng)前狀態(tài)，避免算法在局部極小解處停滯不前。
【專利附圖】

【附圖說明】
[0023]附圖為本發(fā)明的詳細(xì)流程圖【具體實施方式】
[0024]下面結(jié)合附圖和【具體實施方式】對本發(fā)明作進(jìn)一步詳細(xì)說明。
[0025]將模擬退火算法結(jié)合實際的運動估計問題，不難發(fā)現(xiàn)，待估計的參數(shù)有三個，用向量表示為[Θ，dx，dy]，因此可以將該向量作為退火算法中的變量。要確定該向量首先需要確定如下參數(shù):
[0026](I)目標(biāo)函數(shù)f:目標(biāo)函數(shù)的作用是判斷當(dāng)前解X的質(zhì)量，一般情況下f值越小，代表當(dāng)前解X質(zhì)量越好。模擬退火算法的目標(biāo)是確定最佳運動矢量。f定義為
imagel-1mage2 ,其中imagel代表當(dāng)前圖像位置上的信息，image2代表相應(yīng)被估計位置圖像信息。
[0027]
【權(quán)利要求】
1.一種基于模擬退火算法的圖像運動估計方法，其特征是包括如下步驟: 目標(biāo)函數(shù)的確定S1:根據(jù)匹配原則，定義目標(biāo)函數(shù)為兩幅圖像的SAD值為目標(biāo)函數(shù)。初始向量及溫度選取S2:根據(jù)運動估計特性和試驗反復(fù)驗證，選取合適的初始溫度及初始向量。 概率的確定S3根據(jù)Metropolis準(zhǔn)則及實驗數(shù)據(jù)選取合適的轉(zhuǎn)移概率。
2.根據(jù)權(quán)利要求1所述的目標(biāo)函數(shù)確定方法，包括如下要點: 511:設(shè)當(dāng)前圖像位置上的信息以imagel代表，相應(yīng)被估計位置圖像信息以image2代表; 512:定義f = I imagel-1mage2 ,相當(dāng)于每個像素灰度值之差的絕對值求和； 513:當(dāng)f取到最小值時，表明利用運動估計獲得的運動信息重構(gòu)出下一幀，所得到的重構(gòu)幀圖像與實際的下一幀圖像達(dá)到最佳匹配(即差別最小)，那么此時搜索到的運動信息即為運動估計的結(jié)果。
3.根據(jù)權(quán)利要求1所述的初始向量及溫度選取方法，包括如下要點: 521:初始溫度選取0.5 ； 522:終止溫度選取0.01 ； 523:降溫因子選取0.8 ； 524:循環(huán)次數(shù)L選取100 ； 525:整個運動估計過程主要集中在低溫中進(jìn)行。
4.根據(jù)權(quán)利要求1所述的概率的確定方法，包括如下要點: 531:粒子在溫度T時趨于平衡的概率為e- Δ E/ (kT)，其中E為溫度T時的內(nèi)能，Λ E為其改變量，k為Boltzmann常數(shù)； 532:用固體退火模擬組合優(yōu)化問題，將內(nèi)能E模擬為目標(biāo)函數(shù)值f，溫度T演化成控制參數(shù)t ； 533:由初始解i和控制參數(shù)初值t開始，對當(dāng)前解重復(fù)“產(chǎn)生新解一計算目標(biāo)函數(shù)差—接受或舍棄”的迭代，并逐步衰減t值，算法終止時的當(dāng)前解即為所得近似最優(yōu)解。
【文檔編號】H04N19/51GK103546756SQ201210239195
【公開日】2014年1月29日 申請日期:2012年7月11日 優(yōu)先權(quán)日:2012年7月11日
【發(fā)明者】陳遠(yuǎn)崢, 劉書, 吳杰, 鄭耀 申請人:陳遠(yuǎn)崢