[发明专利]基于马尔科夫链模型的可伸缩性视频编解码系统运动估计方法

摘要

基于马尔科夫链模型的可伸缩性视频编解码系统运动估计方法，属于图像处理领域，本发明是为了解决采用MVFAST、PMVFAST算法进行运动估计，编码器及整个编解码系统的编码效率低，运算速度低的问题。本发明的方法包括：步骤一、将测试序列建立马尔科夫链模型，将输入视频中的每一帧分成多个宏块，所有帧相同位置的宏块构成一个马尔科夫链；步骤二、所述测试序列的马尔科夫链下一个宏块的预测状态S_i为：，步骤三、所述测试序列的马尔科夫链下一个宏块的预测运动矢量为当前宏块状态空间S_M中与S_i对应的矢量。

主权项

基于马尔科夫链模型的可伸缩性视频编解码系统运动估计方法，其特征在于，该方法包括以下步骤：步骤一、将测试序列建立马尔科夫链模型，将输入视频中的每一帧分成多个宏块，所有帧相同位置的宏块构成一个马尔科夫链，一个马尔科夫链当前宏块的状态空间SM表示为：SM＝{S1，S2，S3}＝{(mvx1，mvy1)，(mvx2，mvy2)，(mvx3，mvy3)}，式中，S1＝(mvx1，mvy1)为前一帧相同位置的参考矢量，S2＝(mvx2，mvy2)为零矢量，S3＝(mvx3，mvy3)为空间预测中值矢量，步骤二、所述测试序列的马尔科夫链下一个宏块的预测状态Si为： S i = arg i max { [ P ( S 1 ) , P ( S 2 ) , P ( S 3 ) ] Z 11 Z 12 Z 13 Z 21 Z 22 Z 23 Z 31 Z 32 Z 33 } , 其中， Z 11 Z 12 Z 13 Z 21 Z 22 Z 23 Z 31 Z 32 Z 33 为测试序列的状态转移矩阵，P(S1)为当前帧宏块状态为S1的概率，P(S2)为当前帧宏块状态为S2的概率，P(S3)为当前帧宏块状态为S3的概率，步骤三、所述测试序列的马尔科夫链下一个宏块的预测运动矢量为当前宏块状态空间SM中与Si对应的矢量。