[发明专利]一种基于自适应机制的图像快速运动估计方法

摘要

本发明公开了一种基于自适应机制的图像快速运动估计方法，该方法具体按照以下步骤实施：步骤1、运动矢量的分类；步骤2、计算公式中的系数a和常数b；步骤3、选择搜索方式，采用小钻石搜索方式SDSP和方形搜索方式SSP，这两种搜索方式是并列选择关系；步骤4、进行快速运动的估计。本发明的图像快速运动估计方法，利用了运动矢量局部变化程度来进行自适应搜索选择，基于LMSD和MVVD的关系，最终采用LMSD对运动矢量进行分类，根据在MPEG-4校验平台上的实验结果，本发明方法中的算法比其它算法相比明显提高了运动估计的速度，并且具有与其它运动估计算法近似或更好的性能，具有很好的有效性和实用性。

主权项

1.一种基于自适应机制的图像快速运动估计方法，其特点在于：该方法具体按照以下步骤实施：步骤1、运动矢量的分类定义图像中的运动矢量的变化程度L_k，i，j如下：式中的和分别代表在k+1帧和k帧中坐标位置为(i，j)的运动矢量，首先，假定MB_k，i，j是k帧中坐标为(i，j)的宏块，i和j分别表示宏块的横纵坐标；R_k，i，j表示包含宏块MB_k，i，j及其相邻宏块的集合；S_k，i，j表示集合R_k，i，j中所有宏块所对应的运动矢量形成的集合，定义集和S_k，i，j的均值见式(2)和方差见式(3)，分别如下：是S_k，i，j的均值是S_k，i，j的方差，S_k，i，j表示集合R_k，i，j中所有宏块所对应的运动矢量形成的集合，其次，对不同的视频序列采样和L_k，i，j，将局部运动相似程度和运动矢量的变化程度近似的看作是线性关系，采用线性表达式描述LMSD和MVVD之间的关系，定义如下公式：δ²＝a·L+b，(a＞0，b＞0)，(4)然后，通过选取的L值与阈值进行比较对运动矢量进行分类，设定运动矢量的分类阈值为L＝3，运动矢量根据情况分为三类：无变化的运动矢量L＝0；小变化运动矢量0＜L≤3；大变化运动矢量L＞3，分类过程定义如公式(5)：V→k,i,j∈UMVifLk,i,j=0,SCMVif0<Lk,i,j≤3,GCMVifLk,i,j>3---(5)]]>考虑到LMSD和MVVD之间的线性关系，采用LMSD代替MVVD对运动矢量进行分类，根据公式(4)和公式(5)转换成下式(6)：V→k,i,j∈UMVifδk,i,j2≤b,SCMVifb<δk,i,j2≤3·a+b,GCMVifδk,i,j2>3·a+b---(6)]]>式中的a是LMSD和MVVD之间的线性表达式的系数，b是LMSD和MVVD之间的线性表达式的常数；步骤2、计算公式(6)中的系数a和常数b系数a和常数b对于不同的视频有不同的值，在运动估计的初始阶段，公式(6)中的系数a和b首先被初始化，采用钻石法估计两帧运动矢量场，再通过最小二乘法计算系数a和常数b，其过程如下：假定运动矢量场中有N个运动矢量；通过公式(1)和公式(3)计算{L_i|1≤i≤N}和{δ_i|1≤i≤N}，预测误差为：E_i＝δ_i-(a L_i+b)，(7)则平方误差如下：∂∂bΣi=1NEi2=0,---(8)]]>∂∂aΣi=1NEi2=0,---(9)]]>i.e.∂∂bΣi=1N[δi-(aLi+b)]2=0,---(10)]]>∂∂aΣi=1N[δi-(aLi+b)]2=0,---(11)]]>最终得到系数a和常数b的计算式(8)：NΣi=1NLiΣi=1NLiΣi=1NLi2ba=Σi=1NδiΣi=1NLiδi;---(12)]]>步骤3、选择搜索方式根据上述的运动矢量分类，采用小钻石搜索方式SDSP和方形搜索方式SSP，这两种搜索方式是并列选择关系；步骤4、进行快速运动的估计运动估计方法分为三个步骤，假定运动估计的次序是从左到右、从上到下并且k帧的运动矢量是已知的，对k+1帧运动矢量场进行估计，估计过程是：4.1)、先根据步骤2提供的计算式进行系数a和b的初始化计算；4.2)、再通过公式(6)对进行分类；4.3)、根据不同的分类结果，采用不同的搜索方式对进行估计，当属于UMV，被直接代替；当属于SCMV，用作为搜索初始点，采用小钻石搜索方式对进行估计；当属于GCMV，用作为搜索初始点，采用方形搜索方式对进行估计，即成。