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：$L_{k,i,j}=\left|\mathrm{\Delta V}\right|=|{\overrightarrow{V}}_{k+1,i,j}-{\overrightarrow{V}}_{k,i,j}|---\left(1\right)$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：${\overrightarrow{u}}_{k,i,j}=\frac{\underset{\{i,j|{\overrightarrow{V}}_{k,i,j}\in S_{k,i,j}^k\}}{\Sigma }{\overrightarrow{V}}_{k,i,j}}{N},---\left(2\right)$${\delta }_{k,i,j}^2=\frac{\underset{\{i,j|{\overrightarrow{V}}_{k,i,j}\in S_{k,i,j}^k\}}{\Sigma }({\overrightarrow{V}}_{k,i,j}-\overrightarrow{u})·({\overrightarrow{V}}_{k,i,j}-\overrightarrow{u})}{N},---\left(3\right)$是S_k,i,j的均值是S_k,i,j的方差，S_k,i,j表示集合R_k,i,j中所有宏块所对应的运动矢量形成的集合，其次，对不同的视频序列采样和L_k,i,j，将局部运动相似程度和运动矢量的变化程度近似的看作是线性关系，采用线性表达式描述LMSD和MVVD之间的关系，定义如下公式：δ²=a·L+b，a＞0，b＞0，        (4)然后，通过选取的L值与阈值进行比较对运动矢量进行分类，设定运动矢量的分类阈值为L＝3，运动矢量根据情况分为三类：无变化的运动矢量L＝0；小变化运动矢量0＜L≤3；大变化运动矢量L＞3，分类过程定义如公式(5)：${\overrightarrow{V}}_{k,i,j}\in \left\{\begin{array}{ccc}\mathrm{UMV}& \mathrm{if}& L_{k,i,j}=0,\\ \mathrm{SCMV}& \mathrm{if}& 0<L_{k,i,j}\le 3,\\ \mathrm{GCMV}& \mathrm{if}& L_{k,i,j}>3\end{array}\right.---\left(5\right)$考虑到LMSD和MVVD之间的线性关系，采用LMSD代替MVVD对运动矢量进行分类，根据公式(4)和公式(5)转换成下式(6)：${\overrightarrow{V}}_{k,i,j}\in \left\{\begin{array}{ccc}\mathrm{UMV}& \mathrm{if}& {\delta }_{k,i,j}^2\le b,\\ \mathrm{SCMV}& \mathrm{if}& b<{\delta }_{k,i,j}^2\le 3·a+b,\\ \mathrm{GCMV}& \mathrm{if}& {\delta }_{k,i,j}^2>3·a+b\end{array}\right.---\left(6\right)$式中的a是LMSD和MVVD之间的线性表达式的系数，b是LMSD和MVVD之间的线性表达式的常数；步骤2、计算公式(6)中的系数a和常数b系数a和常数b对于不同的视频有不同的值，在运动估计的初始阶段，公式(6)中的系数a和b首先被初始化，采用钻石法估计两帧运动矢量场，再通过最小二乘法计算系数a和常数b，其过程如下：假定运动矢量场中有N个运动矢量；通过公式(1)和公式(3)计算{L_i|1≤i≤N}和{δ_i|1≤i≤N}，预测误差为：E_i＝δ_i-(aL_i+b)，     (7)则平方误差如下：$\frac{\partial }{\partial b}\underset{i=1}{\overset{N}{\Sigma }}{E}_i^2=0,---\left(8\right)$$\frac{\partial }{\partial a}\underset{i=1}{\overset{N}{\Sigma }}{E}_i^2=0,---\left(9\right)$$i.e.\frac{\partial }{\partial b}\underset{i=1}{\overset{N}{\Sigma }}{[{\delta }_i-(a{L}_i+b)]}^2=0,---\left(10\right)$$\frac{\partial }{\partial a}\underset{i=1}{\overset{N}{\Sigma }}{[{\delta }_i-(a{L}_i+b)]}^2=0,---\left(11\right)$最终得到系数a和常数b的计算式（12）：$\left[\begin{array}{cc}N& \underset{i=1}{\overset{N}{\Sigma }}{L}_i\\ \underset{i=1}{\overset{N}{\Sigma }}{L}_i& \underset{i=1}{\overset{N}{\Sigma }}{L}_i^2\end{array}\right]\left[\begin{array}{c}b\\ a\end{array}\right]=\left[\begin{array}{c}\underset{i=1}{\overset{N}{\Sigma }}{\delta }_i\\ \underset{i=1}{\overset{N}{\Sigma }}{L}_i{\delta }_i\end{array}\right];---\left(12\right)$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。