專利名稱：：一種基于殘差下降率的快速UMHexagonS運動估計算法的制作方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及信號處理中的壓縮編碼
技術(shù)領(lǐng)域：
，是針對H.264壓縮編碼標(biāo)準(zhǔn)中的UMHexagonS運動估計算法的簡化和改進，具體涉及一種基于殘差下降率的快速UMHexagonS運動估計算法。
背景技術(shù)：
：快速運動估計算法一直是視頻編碼領(lǐng)域研究的熱點問題，尤其是快速整數(shù)像素精度運動估計受到極大重視。典型快速塊匹配算法如三步搜索法(TSS)、四步搜索法(FSS)和六邊形搜索法(HEXBS)等，在一個相對較小的搜索范圍和圖片尺寸上進行搜索能夠取得較好的性能，但在許多實際應(yīng)用(如SDTV和HDTV)中，圖片尺寸通常比較大，因而搜索范圍應(yīng)該足夠大以便獲得較高的編碼效率，在這種情況下，典型的快速快匹配搜索算法由于匹配模型過于單一，很可能在搜索的開始便陷入局部最優(yōu)，從而導(dǎo)致匹配精度較差?，F(xiàn)在，針對這一缺點，國內(nèi)外許多專家學(xué)者已經(jīng)提出了許多相應(yīng)的應(yīng)對措施，特別是針對H.264編碼標(biāo)準(zhǔn)的要求對一些快速算法所做的改進，已經(jīng)取得卓越的效果。同時由于物體運動類型千變?nèi)f化，很難用一種單一的模型去描述，也很難用一種單一的算法來搜索最佳運動矢量，因此采用多種搜索算法相結(jié)合的辦法，在很大程度上能提高預(yù)測的有效性和健壯性。混合非對稱十字型多層六邊形格點搜索算法(Unsymmetrical-CrossMuti-HexagonSearch,UMHexagonS)，是目前搜索效果最好的基于塊匹配的運動估計算法，已被H.264/AVC官方參考軟件采用。UMHexagonS搜索過程主要包含四個步驟，每個步驟采用不同的搜索模板，包括1)搜索起始點的預(yù)測；2)非對稱十字形搜索；3)非均勻多重六邊形搜索；4)擴展六邊形搜索。然而，對于視頻序列的每一幀，UMHexagonS算法都采用統(tǒng)一的七種模式進行遍歷搜索，沒有抓住視頻序列的運動特征，因此仍然存在著搜索點數(shù)過多的情況。本發(fā)明中，提出殘差下降率的概念，在UMHexagonS算法開始前，先計算中心點的殘差下降率，并對其進行運動分類，對不同運動特征的塊采取不同的搜索模式進行遍歷，節(jié)省搜索點數(shù)，提高搜索效率。
發(fā)明內(nèi)容本發(fā)明實施例提供一種基于殘差下降率的快速UMHexagonS運動估計算法，能保證在原有的UMHexagonS運動估計算法得到的圖像質(zhì)量的前提下，大大提高算法的運行效率，降低編碼的復(fù)雜度。本發(fā)明提供一種基于殘差下降率的快速UMHexagonS運動估計算法，包括原有UMHexagonS運動估計算法四個級別的搜索及在搜索過程中根據(jù)最佳匹配點處殘差下降率的大小劃分運動類型，在非均勻多重六邊形搜索階段根據(jù)不同的運動類型自適應(yīng)的選擇合適的搜索策略的運動估計算法，并且在搜索過程中采用提前終止的搜索控制策略。所述的第一級搜索起始點預(yù)測，采用中值預(yù)測法得到當(dāng)前塊的預(yù)測點作為下一級非對稱十字型搜索的起始搜索點。所述的第二級非對稱十字型搜索以第一級搜索起始點預(yù)測得到的結(jié)果作為起始搜索點，在搜索窗口內(nèi)采用非對稱十字型搜索；搜索模板水平方向的搜索范圍設(shè)置為搜索窗的寬度W，垂直方向的搜索范圍設(shè)為W/2，如在某些特殊的富含大量垂直方向上運動的序列中，垂直搜索范圍可以擴大到W。經(jīng)過非對稱十字型搜索得到的具有最小匹配誤差的匹配點將作為下一級的起始搜索點。所述的第三級非均勻多重六邊形搜索以第二級搜索得到的最佳匹配點作為本級的起始搜索點，并計算該點的殘差下降率，根據(jù)殘差下降率的大小劃分當(dāng)前塊的運動類型，若當(dāng)前塊被劃分為靜止塊，則直接輸出當(dāng)前的運動矢量作為計算結(jié)果，算法提前終止；否則若當(dāng)前塊被劃分為小運動類型，則對范圍為_2到2的方形區(qū)域內(nèi)的所有像素點進行全搜索，并對圖2中指示的最內(nèi)層的兩個六邊形搜索模板進行搜索；若當(dāng)前塊被劃分為中運動類型，則只對圖2中指示中運動的第三個六邊形搜索模板進行搜索，若當(dāng)前塊被劃分為大運動塊，則搜索最外層的大六邊形。將本級已搜索過的點與起始點進行對比，匹配誤差最小者作為本級的最佳匹配點，同時作為下一級的起始搜索點。所述的第四級為擴展六邊形搜索以第三級搜索得到的最佳匹配點作為本級的起始搜索點，先用半徑為2的六邊形模板進行搜索(如圖2st印4-1所示)，直至最佳匹配點為六邊形的中心，然后改用半徑為1的小六邊形模板繼續(xù)搜索(如圖2st印4-2所示)，搜索直到最佳匹配位置點位于小六邊形的中心為止，此時相應(yīng)的運動矢量即為最終運動估計矢量。本發(fā)明的有益效果是本發(fā)明的方法和現(xiàn)有的UMHexagonS算法相比，圖像質(zhì)量損失很小，對視頻重建質(zhì)量的影響基本可以忽略，但運動估計時間卻大大減少，算法的運行效率得到很大的提高，同時降低了編碼的復(fù)雜度。為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其它的附圖。圖1是本發(fā)明一種基于殘差下降率的快速UMHexagonS運動估計算法的流程圖；圖2是非均勻多重六邊形搜索階段運動類型劃分；圖3是中值預(yù)測法的臨近塊選擇；圖4是搜索中心點A和最小殘差鄰接點B；圖5是全局最小值附近的殘差下降率；圖6是全局最小值距離搜索窗口中心的距離對殘差下降率的影響；圖7是akiyo序列下本發(fā)明算法和UMHexagonS的PSNR對比；圖8是akiyo序列下本發(fā)明算法和UMHexagonS的運動估計時間對比；圖9是Foreman序列下本發(fā)明算法和UMHexagonS的PSNR對比；圖10是Foreman序列下本發(fā)明算法和UMHexagonS的運動估計時間對比；圖11是Coastguard序列下本發(fā)明算法和UMHexagonS的PSNR對比；圖12是Coastguard序列下本發(fā)明算法和UMHexagonS的運動估計時間對比。具體實施例方式下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例。基于本發(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其它實施例，都屬于本發(fā)明保護的范圍。本發(fā)明實施例提供一種基于殘差下降率的快速UMHexagonS運動估計算法，能保證在原有的UMHexagonS運動估計算法得到的圖像質(zhì)量的前提下，大大提高算法的運行效率，降低編碼的復(fù)雜度。以下分別進行詳細說明。本發(fā)明提出的基于殘差下降率的快速UMHexagonS運動估計算法包括UMHexagonS運動估計算法四個級別的搜索及在搜索過程中根據(jù)最佳匹配點處殘差下降率的大小劃分運動類型，在非均勻多重六邊形搜索階段根據(jù)不同的運動類型自適應(yīng)的選擇合適的搜索策略的運動估計算法，并且在搜索過程中采用提前終止的搜索控制策略。下面分別介紹運動搜索的目的就是在搜索窗口內(nèi)找到與當(dāng)前塊最匹配的數(shù)據(jù)塊，這樣就存在著如何判斷兩個塊相似程度的問題，即如何定義各個數(shù)據(jù)塊和當(dāng)前塊之間匹配誤差的大小。設(shè)當(dāng)前幀為f2，參考幀為，通常有如下一些常用的計算塊之間匹配誤差的函數(shù)。(1)絕對誤差和SADMNSAD(i,_/)=ΣΣI^O,η)~(m++J)Im=lw=l式中，(i，j)為位移矢量，若在某一個像素點(i，j)=(dx,dy)處，SAD(i，j)達到最小，則該像素點則為最優(yōu)匹配點。(2)最小平均絕對值誤差(MAD)ιMNMAD{i,7)=—ΣΣΙΛO,n)-fx{m+i,n+j)|最小均方誤差(MSE)\MN.^ryMSEQ,7)=-—￡Σ(m,n)'Mm+i,n+j)f(3…同(1)中所述，使得MSE值最小的像素點為最佳匹配點(3)歸一化互相關(guān)函數(shù)NCCFMNΣΣ/2n)f\im+hn+j)NCCFQJ)=MN———jr~N--(3·4)此處使得NCCF最大的像素點為最佳匹配點在運動估計中，匹配準(zhǔn)則對精度的影響不是很大，由于MAD準(zhǔn)則不需要做乘法運算，實現(xiàn)簡單、方便，所以常被采用。而SAD和MAD只是一個因子的差別，通常用SAD代替MAD，這樣易于硬件實現(xiàn)，所以在實際應(yīng)用中使用的最多，另外，在計算SAD的過程中，當(dāng)發(fā)現(xiàn)塊的部分SAD值已經(jīng)大于當(dāng)前得到的最小SAD值時，可以中途退出，從而大大減少計算量。在本發(fā)明實例中，匹配誤差指絕對誤差和SAD。殘差下降率(ErrorDescentRate)，簡稱EDR，是指匹配誤差朝著最優(yōu)匹配點的減小速度，即單位像素點內(nèi)匹配誤差的減少量。其中，殘差指匹配誤差。假設(shè)像素塊在搜索窗口中只有一個全局最小值，并且塊匹配誤差隨著與最優(yōu)匹配點的距離的縮小而單調(diào)減小。實際上，搜索窗口中可能存在若干局部最小值，這時從整個搜索窗口來看上述的假設(shè)可能并不成立，但是對于全局最小值附近的幾個像素點考慮，上述的假設(shè)總是合理的，而且從整個搜索窗口來看也是近似成立的?；谝陨蠁畏鍤埐畋砻娴募僭O(shè)，我們可以進一步得出，全局極小值點對于其周圍距離越近的像素點影響越大，即距離全局最小值點越接近，殘差下降越快，殘差下降率越大，如圖5所示。同理，搜索窗口的中心距離全局最優(yōu)值越遠，則殘差的下降越平緩，而距離全局最優(yōu)值越近則殘差下降越快，如圖6所示當(dāng)全局最小值依次位于位置1，2，3，4時，搜索窗口中心處的殘差下降率依次遞減，分別近似等于(A-B)/d，(B-C)/d，(C-D)/d，(D-E)/d，因此從以上分析可以看出，搜索中心距離全局最優(yōu)值的距離可以通過搜索中心點的殘差下降率的大小進行估計，換句話說，可以根據(jù)搜索中心點的殘差下降率的大小進行運動類型的劃分。下面給出一種更為簡便的計算搜索窗口中心點殘差率的方法。搜索中心點的殘差下降率可以根據(jù)如下方法進行計算，首先標(biāo)記搜索中心點為A，并計算搜索中心點的匹配誤差，記SDa，接著依次計算與A點相鄰的四個點的匹配誤差，如圖5所示，并把最小匹配誤差的點記為B，匹配誤差記為Db，由于四個鄰接點與A的距離都是1個像素點，所以A點的最大殘差下降率為(Db-Da)。然而，(Db-Da)的值過分依賴于不同的圖像特征，很難被利用，例如，對于兩個不同的視頻圖像，一個畫面比較復(fù)雜，另一個畫面比較單一，這時得到的(Db-Da)的值雖然相同，但并不能說明二者與全局最優(yōu)值點的距離相同。為了很大程度上減少對圖像特征的依賴，修改上述公式，并定義中心點殘差下降率為EDR=Db/Da。例如當(dāng)EDR分別為0.8和0.6時表明，B點的殘差相比A點的殘差分別下降了20%和40%根據(jù)對大量不同類型的視頻序列進行統(tǒng)計，表明對于不同運動類型的視頻序列，EDR都有相同的變化趨勢，即用EDR來衡量搜索中心點與全局最優(yōu)點的距離具有普適性。并且對于大部分視頻序列，當(dāng)搜索中心距離全局最優(yōu)點三個像素以內(nèi)時，均有EDR^0.85，即可以認為當(dāng)EDR彡0.85時，搜索中心距離全局最優(yōu)點較近，可以劃分為小運動模塊。同樣對于大部分視頻序列，當(dāng)搜索中心距離全局最優(yōu)點10個像素點以上時，均有0.9<EDR<1，即可以認為當(dāng)0.9<EDR<1時，搜索中心點遠離全局最優(yōu)點，可以劃分為大運動模塊。根據(jù)以上分析，得出一種基于殘差下降率大小劃分當(dāng)前塊運動類型的方案首先設(shè)定T1和T2兩個閾值，取值范圍定義為0.85彡T1<T2彡0.95。若EDR>1，則判定為靜止塊；若EDR彡T1,則判定為小運動塊；若T1<EDR彡T2,則判定為中運動類型，否則若T2<EDR彡1則判定為大運動類型。下面對本發(fā)明提出的基于殘差下降率的快速UMHexagonS運動估計算法按照算法流程分級進行介紹。第一級搜索起始點預(yù)測，采用中值預(yù)測法得到當(dāng)前塊的預(yù)測點作為下一級非對稱十字形搜索的起始搜索點。中值預(yù)測法采用當(dāng)前塊E相鄰的左邊塊A、上邊塊B和右上方塊C的運動矢量取中值來作為當(dāng)前塊的預(yù)測運動矢量。如圖3所示，假設(shè)M、MVb,MVc分別是塊A、B、C的運動矢量，使用中值預(yù)測法得到的當(dāng)前塊的預(yù)測矢量MgwC為<formula>formulaseeoriginaldocumentpage8</formula>第二級非對稱十字型搜索，在現(xiàn)實的視頻序列中，水平方向的運動要比垂直方向的運動更為劇烈，由此，使用一種非對稱的十字型搜索算法。以第一級搜索起始點預(yù)測得到的結(jié)果作為起始搜索點，搜索模板水平方向的搜索范圍設(shè)置為搜索窗的寬度W，垂直方向的搜索范圍設(shè)為W/2，如圖2的stepl所示。在某些特殊的富含大量垂直方向上運動的序列中，垂直搜索范圍可以擴大到W。經(jīng)過非對稱十字型搜索得到的具有最小匹配誤差的匹配點將作為下一級的起始搜索點。第三級非均勻多重六邊形搜索以第二級搜索得到的最佳匹配點作為本級的起始搜索點，并計算該點的殘差下降率，根據(jù)殘差下降率的大小劃分當(dāng)前塊的運動類型，若當(dāng)前塊被劃分為靜止塊，則直接輸出當(dāng)前的運動矢量作為計算結(jié)果，算法終止；否則若當(dāng)前塊被劃分為小運動類型，則對范圍為_2到2的方形區(qū)域內(nèi)的所有像素點進行全搜索，并對圖2中指示的最內(nèi)層的兩個六邊形搜索模板進行搜索；若當(dāng)前塊被劃分為中運動類型，則只對圖2中指示中運動的第三個六邊形搜索模板進行搜索，若當(dāng)前塊被劃分為大運動塊，則搜索最外層的大六邊形。將本級已搜索過的點與起始點進行對比，匹配誤差最小者作為本級的最佳匹配點，同時作為下一級的起始搜索點。第四級為擴展六邊形搜索以第三級搜索得到的最佳匹配點作為本級的起始搜索點，先用半徑為2的六邊形模板進行搜索(如圖2st印4-1所示)，直至最佳匹配點為六邊形的中心，然后改用半徑為1的小六邊形模板繼續(xù)搜索(如圖2st印4-2所示)，搜索直到最佳匹配位置點位于小六邊形的中心為止，此時相應(yīng)的運動矢量即為最終運動估計矢量。為了更進一步說明本發(fā)明算法的有效性，下面給出一個具體的實施例進行詳細說明采用JVT的參考軟件JM15.1作為實驗平臺，修改JM15.1參考軟件中的mvsearch,c文件實現(xiàn)本發(fā)明的算法，選取如下6個具有代表性的視頻序列進行測試，視頻1(Akiyo序列)和視頻2(MissAmerica序列)是小運動視頻序列；視頻3(Mother&Daughter序列)和視頻4(Forman序列)是中運動視頻序列；視頻5(Coastguard序列)是大運動視頻序列，視頻6(Mobile序列)具有較多的細節(jié)和垂直運動幀。為了方便比較UMHexagonS算法和本發(fā)明算法的性能，采用JM15.1參考軟件上實現(xiàn)的UMHexagonS算法作為對比，并在同一平臺上實現(xiàn)本發(fā)明的算法，在搜索起始點的預(yù)測中，二者都只采用中值預(yù)測模式，軟件測試的主要參數(shù)如下表1所示表1實驗仿真參數(shù)設(shè)置<table>tableseeoriginaldocumentpage8</column></row><table><table>tableseeoriginaldocumentpage9</column></row><table>以上述介紹的六個視頻序列作為測試序列，分別采用全搜索算法，UMHexagonS算法和基于殘差下降率的快速UMHexagonS算法進行運動估計，統(tǒng)計各個視頻序列在每一種算法下得到的平均PSNR，運動估計時間和比特率(即經(jīng)過編碼后，每秒鐘用于表示壓縮后的數(shù)據(jù)的比特量)，實驗結(jié)果如下表2，3和4所示表2亮度峰值信噪比PSNR_Y<table>tableseeoriginaldocumentpage9</column></row><table>表3比特率(kbps)<table>tableseeoriginaldocumentpage10</column></row><table>表4總運動估計時間(秒)<table>tableseeoriginaldocumentpage10</column></row><table>從上述仿真實驗結(jié)果中可以看出EDR_UMHeXag0nS算法得到的平均PSNR和比特率與UMHexagonS算法和全搜索算法得到的結(jié)果基本一致，但EDR_UMHeXag0nS算法需要的運動估計時間卻大大減少，和UMHexagonS算法相比，平均減少了20%的運動估計時間，而且這一優(yōu)化滿足于各種不同運動類型的視頻序列。為了更直觀的觀察實驗結(jié)果，下面各選取一個小運動(Akiyo)、中運動(Forman)和大運動(Coastguard)的視頻序列，列出其中每一幀的PSNR_Y*運動估計時間(ms)，把改進的UMHexagonS算法和UMHexagonS算法得到的結(jié)果進行詳細的對比，如下圖7至圖12所示。需要說明的是，上述裝置和系統(tǒng)內(nèi)的各單元之間的信息交互、執(zhí)行過程等內(nèi)容，由于與本發(fā)明方法實施例基于同一構(gòu)思，具體內(nèi)容可參見本發(fā)明方法實施例中的敘述，此處不再贅述。本領(lǐng)域普通技術(shù)人員可以理解上述實施例的各種方法中的全部或部分步驟是可以通過程序來指令相關(guān)的硬件來完成，該程序可以存儲于一計算機可讀存儲介質(zhì)中，存儲介質(zhì)可以包括只讀存儲器(ROM，ReadOnlyMemory)、隨機存取存儲器(RAM，RandomAccessMemory)、磁盤或光盤等。以上對本發(fā)明實施例進行了詳細介紹，本文中應(yīng)用了具體個例對本發(fā)明的原理及實施方式進行了闡述，以上實施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想；同時，對于本領(lǐng)域的一般技術(shù)人員，依據(jù)本發(fā)明的思想，在具體實施方式及應(yīng)用范圍上均會有改變之處，綜上所述，本說明書內(nèi)容不應(yīng)理解為對本發(fā)明的限制。權(quán)利要求一種基于殘差下降率的快速UMHexagonS運動估計算法，其特征在于，包括原有UMHexagonS運動估計算法四個級別的搜索及在搜索過程中根據(jù)最佳匹配點處殘差下降率的大小劃分運動類型，在非均勻多重六邊形搜索階段根據(jù)不同的運動類型自適應(yīng)的選擇合適的搜索策略的運動估計算法，并且在搜索過程中采用提前終止的搜索控制策略；基于殘差下降率的快速UMHexagonS運動估計算法包括四個級別的搜索第一級搜索起始點預(yù)測，采用中值預(yù)測法得到當(dāng)前塊的預(yù)測點作為下一級非對稱十字型搜索的起始搜索點；第二級非對稱十字型搜索以第一級搜索起始點預(yù)測得到的結(jié)果作為起始搜索點，在搜索窗口內(nèi)采用非對稱十字型搜索；搜索模板水平方向的搜索范圍設(shè)置為搜索窗的寬度W，垂直方向的搜索范圍設(shè)為W/2，在某些特殊的富含大量垂直方向上運動的序列中，垂直搜索范圍可以擴大到W，經(jīng)過非對稱十字型搜索得到的具有最小匹配誤差的匹配點將作為下一級的起始搜索點；第三級非均勻多重六邊形搜索以第二級搜索得到的最佳匹配點作為本級的起始搜索點，并計算該點的殘差下降率，根據(jù)殘差下降率的大小劃分當(dāng)前塊的運動類型，若當(dāng)前塊被劃分為靜止塊，則直接輸出當(dāng)前的運動矢量作為計算結(jié)果，算法提前終止；否則若當(dāng)前塊被劃分為小運動類型，則對范圍為-2到2的方形區(qū)域內(nèi)的所有像素點進行全搜索，并對圖2中指示的最內(nèi)層的兩個六邊形搜索模板進行搜索；若當(dāng)前塊被劃分為中運動類型，則只對圖2中指示中運動的第三個六邊形搜索模板進行搜索，若當(dāng)前塊被劃分為大運動塊，則搜索最外層的大六邊形；將本級已搜索過的點與起始點進行對比，匹配誤差最小者作為本級的最佳匹配點，同時作為下一級的起始搜索點；第四級為擴展六邊形搜索以第三級搜索得到的最佳匹配點作為本級的起始搜索點，先用半徑為2的六邊形模板進行搜索，直至最佳匹配點為六邊形的中心，然后改用半徑為1的小六邊形模板繼續(xù)搜索，搜索直到最佳匹配位置點位于小六邊形的中心為止，此時相應(yīng)的運動矢量即為最終運動估計矢量。2.根據(jù)權(quán)利要求1所述的基于殘差下降率的快速UMHexagonS運動估計算法，其特征在于，所述的中值預(yù)測法采用當(dāng)前塊E相鄰的左邊塊A、上邊塊B和右上方塊C的運動矢量取中值來作為當(dāng)前塊的預(yù)測運動矢量。3.根據(jù)權(quán)利要求1所述的基于殘差下降率的快速UMHexagonS運動估計算法，其特征在于，所述的殘差下降率即ErrorDescentRate，簡稱EDR，是指匹配誤差朝著最優(yōu)匹配點的減小速度，即單位像素點內(nèi)匹配誤差的減少量；根據(jù)如下方法進行計算，首先標(biāo)記搜索中心點為A，并計算搜索中心點的匹配誤差，記，接著依次計算與A點相鄰的四個點的匹配誤差，并把最小匹配誤差的點記為B，匹配誤差記為DB，則中心點的殘差下降率計算公式如下EDR=Db/Da。4.根據(jù)權(quán)利要求1所述的基于殘差下降率的快速UMHexagonS運動估計算法，其特征在于，所述的根據(jù)殘差下降率的大小劃分當(dāng)前塊的運動類型，劃分規(guī)則如下若EDR>1，則判定為靜止塊；若EDR<，則判定為小運動塊；若<EDR<T2，則判定為中運動類型，否則若T2<EDR彡1則判定為大運動類型，其中和T2為兩個閾值，取值范圍定義為0.85(<T2^0.95。5.根據(jù)權(quán)利要求1所述的基于殘差下降率的快速UMHexagonS運動估計算法，其特征在于非均勻多重六邊形搜索階段，根據(jù)非對稱十字型搜索階段得到的最佳匹配點計算該點的殘差下降率，設(shè)定運動類型劃分準(zhǔn)則的兩個閾值和T2，若EDR>1，則直接輸出當(dāng)前的運動矢量作為計算結(jié)果，算法終止；若EDR≤T1，則對范圍為_2到2的方形區(qū)域內(nèi)的所有像素點進行全搜索，并對圖2中指示的最內(nèi)層的兩個六邊形搜索模板進行搜索；若<EDR≤T2，則只對圖2中指示中運動的第三個六邊形搜索模板進行搜索，否則，若T2<EDR≤1，則搜索最外層的大六邊形；將本級已搜索過的點與起始點進行對比，匹配誤差最小者作為本級的最佳匹配點，同時作為下一級的起始搜索點。全文摘要本發(fā)明公開了一種基于殘差下降率的快速UMHexagonS運動估計算法。本發(fā)明提出殘差下降率的概念并根據(jù)殘差下降率的大小劃分運動類型的準(zhǔn)則。本發(fā)明的方法是在現(xiàn)有的UMHexagonS算法上的改進，包括UMHexagonS四個級別的搜索及在搜索過程中根據(jù)最佳匹配點處殘差下降率的大小劃分運動類型，在非均勻多重六邊形搜索階段根據(jù)不同的運動類型自適應(yīng)的選擇合適的搜索模板進行搜索，并且在搜索過程中采用提前終止的搜索控制策略。本發(fā)明的方法和現(xiàn)有的UMHexagonS算法相比，在保證圖像質(zhì)量的前提下，大大提高了算法的運行效率，降低了編碼的復(fù)雜度。文檔編號H04N7/50GK101835047SQ20101016654公開日2010年9月15日申請日期2010年4月30日優(yōu)先權(quán)日2010年4月30日發(fā)明者李冠彬,羅笑南申請人:中山大學(xué)