一种基于H.2 6 4的快速运动估计算法
运动矢量空间域的预测方式有运动矢量中值预测、空间域的上层块模式运动矢量；在时间域的预测方式有前帧对应块运动矢量预测和时间域的邻近参考帧运动矢量预测。本文采用运动矢量中值预测方式。根据与当前E块相邻的左边A块，上边B块和右上边C块的运动矢量，取中值作为当前块的预测运动矢量。如图2所示。本文引用地址：http://www.eepw.com.cn/article/195388.htm
设当前要编码块E的运动矢量为MVp。如果运动矢量的值MVp≥T，则与E块相邻的各块间运动的相关性较高，表明该区域的变化比较平缓；如果运动矢量的值MVpT，则与E块相邻的各块间运动的相关性较低，表明该区域变化比较剧烈。通过对missa、grandmother、carphone、salesman的检测可知，取阈值T=2。
3 自适应运动估计算法
结合上述DCS算法和阈值的确定，可采取先对视频图像的运动块进行阈值的判断，再根据判断结果进行最佳匹配块的搜索。具体搜索步骤描述如下：
Step 1：判断当前块运动矢量MVp和阈值确大小。若MVp≥T，则进入Step 2；若MVpT，则进入Step 5。
Step 2：用LDCSP在搜索区域中心及周围8个点进行匹配运算，然后判断，找出MBD点。若MBD点位于中心点，说明宏块是静止的，DCS算法一步结束，得到最优匹配块；否则进行Step 3。
Step 3：若MBD点为LDCSP模版的小十字处，以该点为中心构建SDCSP进行匹配计算，若MBD点位于中心点，所得MBD点为所求。否则，进入Step 4。
Step 4：若MBD点为LDCSP模版的大十字处，以该点为中心构建LCSP进行匹配计算，进入step 2。
Step 5：用LDCSP在搜索区域中心及周围5个点进行匹配运算，然后判断，找出MBD点。若MBD点位于中心点，所得MBD点为所求；否则继续Step 5。
算法流程图如图3所示
4 实验结果及说明
用搜索时间和PSNR值两个指标来验证DCS的性能。本节实验用到的所有视频文件均为QCIF(Quartet commonintermediate format)格式。实验以主频1．8GHz的PC机上运行的VisualC++6．0为平台。测试对象为：missa、salesman、news、grandmother、foreman、carphone、claire，搜索范围为16×16的矩形框，量化范围为2～12，测试序列中每帧图像的大小为176×144。
评论