专利详情
【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Lk,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MBk,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;Rk,i,j表示包含宏块MBk,i,j及其相邻宏块的集合;Sk,i,j表示集合Rk,i,j中所有宏块所对应的运动矢量形成的集合,定义集和Sk,i,j的均值见式(2)和方差见式(3),分别如下:是Sk,i,j的均值是Sk,i,j的方差,Sk,i,j表示集合Rk,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Lk,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{Li|1≤i≤N}和{δi|1≤i≤N},预测误差为:Ei=δi-(a Li+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。
本文链接:http://www.vipzhuanli.com/tech/sell/s_124724.html,转载请声明来源钻瓜专利网。