[发明专利]一种基于聚类统计的视频运动估计方法

说明书

技术领域

本发明涉及视频技术领域，更具体地讲，涉及一种对视频进行运动估计的方法。

背景技术

在视频图像压缩中，运动估计根据已经编码的参考帧产生当前编码帧的运动补偿预测，去除视频序列中存在的时间冗余。基于块匹配的运动估计的基本思想是将图像序列的每一帧分成宏块，对于当前帧中的每一块根据一定的匹配准则在前一帧或后一帧某一给定搜索范围内搜索与当前块最相似块，即最匹配块，由最匹配块与当前块的相对位置计算出运动位移，即当前块的运动向量。一个宏块的运动向量包括水平和垂直两个方向的位移。

运动估计算法中搜索精度最高的是FS(Full Search，全搜索)算法，FS算法是对搜索范围内的全部候选位置进行匹配运算，搜索宏块的最小块误差点，得到一个最优的运动向量。FS算法虽然搜索精度最高，但由于进行搜索区域内的完全搜索，所以计算复杂度很高。

为了提高宏块搜索匹配速度，快速运动估计算法被提出，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，六边形搜索)算法，以及PLS(Predictive Line Search，预测线搜索)算法和UMHexagonS算法。TSS算法和CS算法第一步搜索步长较大，而进一步的搜索是在第一步确定的方向上进行的，因而很容易陷入局部最优。NTSS算法、FSS算法和DS算法利用视频序列运动矢量在空间分布上的中心偏置特性，减小了搜索步长，加强了对中心区域的搜索，忽略了相邻宏块之间运动向量的相关性，因此，这些算法不适合大运动的视频序列，其搜索精度与FS算法相比有较大的差距。HS算法是搜索速度最快的运动估计算法之一，与DS算法相比，该算法能够用更少的搜索匹配次数找到一个相同的运动向量，但是HS算法并没有利用相邻宏块之间运动向量的相关性，因此，对于大运动的视频序列，HS算法的搜索精度较低。PLS算法是搜索精度与FS算法最接近的快速运动估计算法之一，其平均搜索速度约是FS算法的10倍。UMHexagonS算法是H.264标准中运动估计的参考算法，该算法采用了混合式的搜索模板与移动搜索策略相结合的思想，与FS算法相比，UMHexagonS算法减少了90％的计算量，但是，UMHexagonS算法的搜索精度比FS算法低。

对于视频序列而言，每一帧视频图像通常是由多个前景物体和多个背景物体组成，按照宏块所属的不同物体对宏块进行分类，可以看出，通常属于同一个物体的宏块通常具有相近的运动，属于不同物体的宏块的运动是不同的。运动估计算法可以利用宏块运动的聚类统计信息进行搜索匹配，从而提高运动估计的搜索精度，并减少搜索匹配的次数。

上述的各种快速运动估计算法都没有充分利用宏块运动向量的聚类统计信息，因此，它们的搜索速度和搜索精度均在一定程度上受到了影响。根据宏块运动向量的聚类统计信息，本发明提出了一种基于聚类统计的视频运动估计方法，该方向在对宏块进行运动估计的过程中，同时对宏块的运动向量进行聚类分析，运动向量的聚类分析数据为宏块的搜索匹配提供参考，从而提高了运动估计的搜索精度和搜索速度。

发明内容

本发明的目的是：克服现有运动估计方法没有充分利用视频帧中宏块运动向量的聚类统计信息，提供了一种基于聚类统计的视频运动估计方法，该该方法可以有效地对视频进行运动估计，提高了视频运动估计的速度和精度，以及运动补偿图像的质量。

为了实现上述目的，本发明的原理是：视频中宏块的运动向量并不是二维离散均匀分布，而是二维离散多峰分布，因此某些运动向量及其相邻向量的使用频率较高，其它运动向量的使用频率很低。本发明对宏块的运动向量进行聚类统计分析，每个类使用一个代表向量作为该类的代表运动向量，即该类的运动向量。由于视频中相邻宏块的运动向量通常是相近的，根据宏块运动向量的相关性，相邻宏块的运动向量通常会属于同一个类，因此，已搜索宏块的运动向量的聚类统计结果可以为相邻宏块的搜索匹配提供参考，从而减少相邻块的搜索匹配次数，提高运动估计的速度。