[发明专利]一种适用于相机移动场景的运动估计方法及装置

权利要求书

1.一种适用于相机移动场景的运动估计方法，其特征是，包括如下步骤；

步骤S10：根据前一视频帧的运动估计信息，计算当前视频帧上每一个图像块的运动估计的初始搜索中心；

步骤S20：以当前视频帧上每一个图像块的运动估计的初始搜索中心为中心，在参考帧中进行第一范围的下采样搜索，得到当前视频帧上每一个图像块的最优粗像素精度运动矢量以及当前视频帧的运动估计信息；

当前视频帧的运动估计信息是指两个列表：一张由当前视频帧内所有图像块的最优粗像素精度运动矢量所组成的列表，简称为粗运动矢量列表；一张由当前视频帧内所有图像块的最小绝对误差和SAD代价所组成的列表，简称为SAD代价列表；当前视频帧的运动估计信息用于下一视频帧的运动估计的初始搜索中心的计算；

步骤S30：以当前视频帧上每一个图像块的最优粗像素精度运动矢量为搜索中心，在参考帧中进行第二范围的局部全搜索，得到当前视频帧上每一个图像块的最优整像素精度运动矢量；所述第一范围＞第二范围。

2.根据权利要求1所述的适用于相机移动场景的运动估计方法，其特征是，所述步骤S10进一步包括如下步骤；其中，前一视频帧的运动估计信息是指前一视频帧的粗运动矢量列表和SAD代价列表；

步骤S11：将视频帧划分为一个或者多个划分区域，每个划分区域内的编码图像块的数量必须大于一个；

步骤S12：统计前一视频帧在各个划分区域的全局运动矢量；

步骤S13：判断前一视频帧的各个划分区域的全局运动矢量是否可信；

对于前一视频帧上的某个划分区域，如果其全局运动矢量被判定为可信，称为可信划分区域，进入步骤S14；

对于前一视频帧上的某个划分区域，如果其全局运动矢量被判定为不可信，称为不可信划分区域，进入步骤S15；

步骤S14：采用运动矢量幅值判定和SAD代价判定相结合的方式，判断前一视频帧上每一个可信划分区域内的各个图像块的最优粗像素精度运动矢量是否属于离群运动矢量；

如果前一视频帧上的某一个可信划分区域内的某一个图像块的最优粗像素精度运动矢量被判定为属于离群运动矢量，则将该图像块所属的可信划分区域的全局运动矢量作为当前视频帧内同位图像块的运动估计的初始搜索中心；

如果前一视频帧上的某一个可信划分区域内的某一个图像块的最优粗像素精度运动矢量被判定为不属于离群运动矢量，进入步骤S15；

步骤S15：对于前一视频帧上的每一个不可信划分区域，判断该划分区域内每一个图像块的最优粗像素精度运动矢量是否超出了以预设点为搜索中心的运动估计的搜索范围；

对于前一视频帧上的每一个可信划分区域内的每一个被判定为不属于离群运动矢量的图像块的最优粗像素精度运动矢量，判断该图像块的最优粗像素精度运动矢量是否超出了以预设点为搜索中心的运动估计的搜索范围；

如果超出，则前一视频帧上该图像块的最优粗像素精度运动矢量作为当前视频帧上的同位图像块的运动估计的初始搜索中心；

如果没有超出，则前一视频帧上该图像块在当前视频帧上的同位图像块使用预设点作为运动估计的初始搜索中心。

3.根据权利要求2所述的适用于相机移动场景的运动估计方法，其特征是，所述步骤S11中，所述划分区域是对整个视频流中的每一个视频帧都按照相同的方式进行划分，无论是已编码的视频帧还是待编码的视频帧。

4.根据权利要求2所述的适用于相机移动场景的运动估计方法，其特征是，所述步骤S12中，采用运动矢量MV直方图来进行统计；设置MV水平分量直方图和MV垂直分量直方图，依据前一视频帧的粗运动矢量列表对前一视频帧的各个划分区域内的图像块的MV分布概率进行统计，得到各个划分区域内出现概率最高的MV水平分量和垂直分量，并据此计算出各个划分区域的全局运动矢量GMV。