[发明专利]基于数学模型预测的运动估计快速半像素级搜索方法

摘要

本发明涉及一种快速半象素级运动估计搜索方法。主要解决现有半象素级运动估计搜索方法性能低、计算复杂的问题。本发明利用最小绝对差和(SAD)准则下的整象素块匹配和半象素级块匹配的联系，对绝对差和(SAD)进行数学曲线拟合，即在水平方向和竖直方向上分别应用线性、抛物线、双曲线三种不同的凹函数预测模型，并由各自的判断准则，得到三种数学模型各自的最佳半像素级匹配位置(ν_xh1，ν_yh1)、(ν_xh2，ν_yh2)、(ν_xh3，ν_yh3)；再对三种数学模型的最佳半像素级匹配位置结果进行投票，得到最终的半像素匹配位置(ν_xh，ν_yh)；最后按照视频编码标准的插值方法，得到半像素匹配位置(ν_xh，ν_yh)的参考块像素值。该方法计算量小，能获得较好的重建图象质量，可用于对低功耗实时视频编码器的实现。

主权项

1.一种基于数学模型预测的运动估计快速半像素级搜索方法，利用最小绝对差和SAD准则下的整象素块匹配和半象素级块匹配的联系，对绝对差和SAD进行数学曲线拟合，通过数学曲线来预测最小绝对差和SAD所在位置，从而得到半象素级最佳匹配矢量，并通过视频编码标准的插值计算得到半象素级最佳匹配矢量对应的参考块像素值，具体过程如下：(1)记最佳整点匹配位置的最小绝对误差和SAD值为m0，若整像素搜索中搜索了最佳整点匹配位置临近的上、下、左、右4个位置，则分别记录SAD为m1、m2、m3、m4；否则通过计算得到m1、m2、m3、m4这四个值，计算公式为：$\mathrm{SAD}(i,j)=\frac{1}{M*N}\underset{m=1}{\overset{M}{\Sigma }}\underset{n=1}{\overset{N}{\Sigma }}|f_k(m,n)-f_{k-1}(m+i,n+j)|$ 式中：M为宏块的竖直方向像素数； N为宏块的竖直方向像素数； fk(m，n)为当前帧的灰度像素值； fk-1(m+i，n+j)为参考帧的灰度像素值； (i，j)为这四个位置的坐标；(2)在水平方向和竖直方向上分别应用线性、抛物线、双曲线三种不同的凹函数预测模型，并由各自的判断准判断，得到三种数学模型各自的最佳半像素级匹配位置(vxh1，vyh1)、(vxh2，vyh2)、(vxh3，vyh3)；(3)对三种数学模型的最佳半像素级匹配位置结果(vxh1，vyh1)、(vxh2，vyh2)、(vxh3，vyh3)进行投票，得到最终的半像素匹配位置(vxh，vyh)；(4)按照视频编码标准的插值方法，得到半像素匹配位置(vxh，vyh)对应的参考块像素值；(5)输出半像素运动矢量即半像素匹配位置(vxh，vyh)和参考块像素值。