一種基于模擬退火算法的圖像運(yùn)動(dòng)估計(jì)方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)一種基于模擬退火算法的圖像運(yùn)動(dòng)估計(jì)方法。運(yùn)動(dòng)估計(jì)最簡(jiǎn)單的辦法就是遍歷搜索,這種方法的特點(diǎn)是實(shí)現(xiàn)簡(jiǎn)單,但是運(yùn)算量大,這是在實(shí)際應(yīng)用中絕對(duì)不允許的。模擬退火算法是一種適合解決大規(guī)模組合優(yōu)化問(wèn)題的通用有效的全局優(yōu)化方法,其基本思想是利用隨機(jī)優(yōu)化問(wèn)題求解過(guò)程與統(tǒng)計(jì)力學(xué)中熱平衡問(wèn)題的相似性,它具有突跳性,有助于逃離優(yōu)化問(wèn)題的局部最優(yōu)解而找到全局最優(yōu)解。通過(guò)設(shè)定初溫、初態(tài)以及降溫率控制溫度的不斷下降,結(jié)合概率突跳特性利用解空間的鄰域結(jié)構(gòu)進(jìn)行隨機(jī)搜索。本專(zhuān)利采用模擬退火算法來(lái)加快搜索速度,得到的真實(shí)而準(zhǔn)確的運(yùn)動(dòng)信息的同時(shí),重構(gòu)出能體現(xiàn)真實(shí)的下一幀圖像信息的圖像。
【專(zhuān)利說(shuō)明】一種基于模擬退火算法的圖像運(yùn)動(dòng)估計(jì)方法【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種圖像運(yùn)動(dòng)估計(jì)方法,尤其是視頻編碼和視頻處理中基于模擬退火方法的圖像運(yùn)動(dòng)估計(jì)方法?!颈尘凹夹g(shù)】
[0002]運(yùn)動(dòng)估計(jì)是視頻編碼和視頻處理(例如去交織)中廣泛使用的一種技術(shù)。運(yùn)動(dòng)估計(jì)的基本思想是將圖像序列的每一幀分成許多互不重疊的宏塊,并認(rèn)為宏塊內(nèi)所有象素的位移量都相同,然后對(duì)每個(gè)宏塊到參考幀某一給定特定搜索范圍內(nèi)根據(jù)一定的匹配準(zhǔn)則找出與當(dāng)前塊最相似的塊,即匹配塊,匹配塊與當(dāng)前塊的相對(duì)位移即為運(yùn)動(dòng)矢量。視頻壓縮的時(shí)候,只需保存運(yùn)動(dòng)矢量和殘差數(shù)據(jù)就可以完全恢復(fù)出當(dāng)前塊。在實(shí)際應(yīng)用中,對(duì)于一個(gè)原始的視頻序列,其數(shù)據(jù)量會(huì)非常的龐大,舉例來(lái)說(shuō),對(duì)于720P的原始視頻序列,存儲(chǔ)60幀大約需要300MB,如果按每秒播放24幀來(lái)計(jì)算,這么大的容量還存儲(chǔ)不了 3秒,更何況動(dòng)輒長(zhǎng)達(dá)2小時(shí)的電影。因此不經(jīng)過(guò)壓縮編碼的原始視頻幾乎是不存在的。常見(jiàn)的編碼標(biāo)準(zhǔn)如MPEG-2,H.264,AVS等,都對(duì)視頻序列進(jìn)行了壓縮。在編碼的過(guò)程中,基于運(yùn)動(dòng)估計(jì)/運(yùn)動(dòng)補(bǔ)償(ME/MC)的方法是最常用的,該方法的核心思想就是通過(guò)前后兩幀的圖像數(shù)據(jù),可以重構(gòu)出中間的若干幀圖像,那么在編碼端就可以從原始視頻序列中丟棄一些原始幀,僅存儲(chǔ)剩余的幀序列,而在解碼端,僅需根據(jù)運(yùn)動(dòng)估計(jì)/運(yùn)動(dòng)補(bǔ)償(ME/MC),用重構(gòu)的幀來(lái)代替那些丟棄的原始幀,這樣就可以恢復(fù)出原始的視頻序列,同時(shí)大大減小實(shí)際的存儲(chǔ)容量。運(yùn)動(dòng)估計(jì)最簡(jiǎn)單的辦法就是遍歷搜索,這種方法的特點(diǎn)是實(shí)現(xiàn)簡(jiǎn)單,但是運(yùn)算量大,如果采用遍歷匹配算法,讓三個(gè)匹配變量從O開(kāi)始匹配,最理想的情況下到達(dá)下一幀的運(yùn)動(dòng)目標(biāo)狀態(tài)的運(yùn)算次數(shù)也要達(dá)到成千上萬(wàn)次,這是在實(shí)際應(yīng)用中絕對(duì)不允許的。
【發(fā)明內(nèi)容】
[0003]本發(fā)明目的是為了保證精度的同時(shí),提高運(yùn)動(dòng)估計(jì)的運(yùn)算速度,提出了一種基于模擬退火算法快速準(zhǔn)確進(jìn)行運(yùn)動(dòng)估計(jì)的方法,減少了遍歷所有數(shù)據(jù)的冗余操作和時(shí)間消耗。
[0004]為了實(shí)現(xiàn)所述的目的,本發(fā)明的基于模擬退火算法的圖像運(yùn)動(dòng)估計(jì)方法,其特征是包括如下步驟:
[0005]目標(biāo)函數(shù)的確定S1:根據(jù)匹配原則,定義目標(biāo)函數(shù)為兩幅圖像的SAD值為目標(biāo)函數(shù)。
[0006]初始向量及溫度選取S2:根據(jù)運(yùn)動(dòng)估計(jì)特性和試驗(yàn)反復(fù)驗(yàn)證,選取合適的初始溫度及初始向量。
[0007]概率的確定S3:根據(jù)Metropolis準(zhǔn)則及實(shí)驗(yàn)數(shù)據(jù)選取合適的轉(zhuǎn)移概率。
[0008]具體來(lái)講,確定目標(biāo)函數(shù)確定方法包括如下要點(diǎn):
[0009]Sll:設(shè)當(dāng)前圖像位置上的信息以imagel代表,相應(yīng)被估計(jì)位置圖像信息以image2 代表;[0010]S12:定義f = I imagel-1mage2 ,相當(dāng)于每個(gè)像素灰度值之差的絕對(duì)值求和;
[0011]S13:當(dāng)f取到最小值時(shí),表明利用運(yùn)動(dòng)估計(jì)獲得的運(yùn)動(dòng)信息重構(gòu)出下一幀,所得到的重構(gòu)幀圖像與實(shí)際的下一幀圖像達(dá)到最佳匹配(即差別最小),那么此時(shí)搜索到的運(yùn)動(dòng)信息即為運(yùn)動(dòng)估計(jì)的結(jié)果。
[0012]具體來(lái)講,初始向量及溫度選取方法包括如下要點(diǎn):
[0013]S21:初始溫度選取0.5 ;
[0014]S22:終止溫度選取0.01;
[0015]S23:降溫因子選取0.8 ;
[0016]S24:循環(huán)次數(shù)L選取100 ;
[0017]S25:整個(gè)運(yùn)動(dòng)估計(jì)過(guò)程主要集中在低溫中進(jìn)行。
[0018]具體來(lái)講,概率的確定方法包括如下要點(diǎn):
[0019]S31:粒子在溫度T時(shí)趨于平衡的概率為e_AE/(kT),其中E為溫度T時(shí)的內(nèi)能,Λ E為其改變量,k為Boltzmann常數(shù);
[0020]S32:用固體退火模擬組合優(yōu)化問(wèn)題,將內(nèi)能E模擬為目標(biāo)函數(shù)值f,溫度T演化成控制參數(shù)t ;
[0021]S33:由初始解i和控制參數(shù)初值t開(kāi)始,對(duì)當(dāng)前解重復(fù)“產(chǎn)生新解一計(jì)算目標(biāo)函數(shù)差一接受或舍棄”的迭代,并逐步衰減t值,算法終止時(shí)的當(dāng)前解即為所得近似最優(yōu)解。
[0022]本發(fā)明采用上述技術(shù)方案的有益效果是,通過(guò)增加記憶功能,避免了搜索過(guò)程中由于執(zhí)行概率接受環(huán)節(jié)而遺失當(dāng)前遇到的最優(yōu)解,可通過(guò)增加存儲(chǔ)環(huán)節(jié),將一些在這之前好的態(tài)記憶下來(lái);增加升溫或重升溫過(guò)程,在算法進(jìn)程的適當(dāng)時(shí)機(jī),將溫度適當(dāng)提高,從而可激活各狀態(tài)的接受概率,以調(diào)整搜索進(jìn)程中的當(dāng)前狀態(tài),避免算法在局部極小解處停滯不前。
【專(zhuān)利附圖】
【附圖說(shuō)明】
[0023]附圖為本發(fā)明的詳細(xì)流程圖【具體實(shí)施方式】
[0024]下面結(jié)合附圖和【具體實(shí)施方式】對(duì)本發(fā)明作進(jìn)一步詳細(xì)說(shuō)明。
[0025]將模擬退火算法結(jié)合實(shí)際的運(yùn)動(dòng)估計(jì)問(wèn)題,不難發(fā)現(xiàn),待估計(jì)的參數(shù)有三個(gè),用向量表示為[Θ,dx,dy],因此可以將該向量作為退火算法中的變量。要確定該向量首先需要確定如下參數(shù):
[0026](I)目標(biāo)函數(shù)f:目標(biāo)函數(shù)的作用是判斷當(dāng)前解X的質(zhì)量,一般情況下f值越小,代表當(dāng)前解X質(zhì)量越好。模擬退火算法的目標(biāo)是確定最佳運(yùn)動(dòng)矢量。f定義為
imagel-1mage2 ,其中imagel代表當(dāng)前圖像位置上的信息,image2代表相應(yīng)被估計(jì)位置圖像信息。
[0027]
【權(quán)利要求】
1.一種基于模擬退火算法的圖像運(yùn)動(dòng)估計(jì)方法,其特征是包括如下步驟: 目標(biāo)函數(shù)的確定S1:根據(jù)匹配原則,定義目標(biāo)函數(shù)為兩幅圖像的SAD值為目標(biāo)函數(shù)。初始向量及溫度選取S2:根據(jù)運(yùn)動(dòng)估計(jì)特性和試驗(yàn)反復(fù)驗(yàn)證,選取合適的初始溫度及初始向量。 概率的確定S3根據(jù)Metropolis準(zhǔn)則及實(shí)驗(yàn)數(shù)據(jù)選取合適的轉(zhuǎn)移概率。
2.根據(jù)權(quán)利要求1所述的目標(biāo)函數(shù)確定方法,包括如下要點(diǎn): 511:設(shè)當(dāng)前圖像位置上的信息以imagel代表,相應(yīng)被估計(jì)位置圖像信息以image2代表; 512:定義f = I imagel-1mage2 ,相當(dāng)于每個(gè)像素灰度值之差的絕對(duì)值求和; 513:當(dāng)f取到最小值時(shí),表明利用運(yùn)動(dòng)估計(jì)獲得的運(yùn)動(dòng)信息重構(gòu)出下一幀,所得到的重構(gòu)幀圖像與實(shí)際的下一幀圖像達(dá)到最佳匹配(即差別最小),那么此時(shí)搜索到的運(yùn)動(dòng)信息即為運(yùn)動(dòng)估計(jì)的結(jié)果。
3.根據(jù)權(quán)利要求1所述的初始向量及溫度選取方法,包括如下要點(diǎn): 521:初始溫度選取0.5 ; 522:終止溫度選取0.01 ; 523:降溫因子選取0.8 ; 524:循環(huán)次數(shù)L選取100 ; 525:整個(gè)運(yùn)動(dòng)估計(jì)過(guò)程主要集中在低溫中進(jìn)行。
4.根據(jù)權(quán)利要求1所述的概率的確定方法,包括如下要點(diǎn): 531:粒子在溫度T時(shí)趨于平衡的概率為e- Δ E/ (kT),其中E為溫度T時(shí)的內(nèi)能,Λ E為其改變量,k為Boltzmann常數(shù); 532:用固體退火模擬組合優(yōu)化問(wèn)題,將內(nèi)能E模擬為目標(biāo)函數(shù)值f,溫度T演化成控制參數(shù)t ; 533:由初始解i和控制參數(shù)初值t開(kāi)始,對(duì)當(dāng)前解重復(fù)“產(chǎn)生新解一計(jì)算目標(biāo)函數(shù)差—接受或舍棄”的迭代,并逐步衰減t值,算法終止時(shí)的當(dāng)前解即為所得近似最優(yōu)解。
【文檔編號(hào)】H04N19/51GK103546756SQ201210239195
【公開(kāi)日】2014年1月29日 申請(qǐng)日期:2012年7月11日 優(yōu)先權(quán)日:2012年7月11日
【發(fā)明者】陳遠(yuǎn)崢, 劉書(shū), 吳杰, 鄭耀 申請(qǐng)人:陳遠(yuǎn)崢