CN101366279A - 自适应的运动搜索范围 - Google Patents

Abstract

一种通过使用自适应的运动搜索范围来执行运动估计的技术，包括计算目标图像中的像素块的运动矢量，通过使用计算得到的运动矢量来生成与目标图像中的目标像素块相关联的搜索范围，并且通过使用生成的搜索范围来估计目标像素块的运动。

Description

自适应的运动搜索范围

技术领域

本发明涉及视频压缩领域。

背景技术

通过去除图像(帧)之间的时间冗余可以实现视频序列的高压缩增益。例如，为了对图像进行编码，基于先前已编码的图像生成将被编码图像的时间预测。将该时间预测与实际图像进行比较以确定预测误差，并且对预测误差进行编码。可以通过使用被广泛应用的基于块的运动估计和压缩方法(例如，MPEG标准)来完成预测。

运动补偿和估计方法被用于在一个或多个参考图像中找到参考块以预测在目标图像中相应目标块的位置，从而使得仅需要对目标块的预测残差进行编码，通常该预测残差是预测误差和运动矢量。这些方法执行块匹配从而识别与目标图像中的相应目标块最相似的参考图像中的参考像素块。

参考块与相应目标块之间的像素距离是目标块的运动矢量。例如，令mx_i，j，my_i，j分别表示块B_i,j在x轴(水平的)和y轴(垂直的)处的运动矢量。运动矢量的值与参考块一起被用于视频压缩，以针对目标块生成预测值。

图1是说明性运动矢量的简图。将要利用来自参考图像110的信息对目标图像120进行编码。参考块115被识别为与目标图像120中的目标块125最接近地匹配的参考图像110中的块。在识别了参考块之后，运动矢量130(仅出于说明性目的将其示出为箭头)被生成用于识别相对于参考块115的位置的目标块125的位置。运动矢量130具有表示参考块115与目标块125之间关系的两个项：水平位移和垂直位移。例如，参考块115(其是说明性的3×3的像素组)位于(i′，j′)，并且目标块125位于(i，j)。两个块之间的距离是运动矢量(i′-i，j′-j)。

为了识别参考图像中的参考块，将参考图像中的侯选块与目标块进行比较。每个侯选块与目标块大小相同并且位于参考图像中的指定搜索范围内。与目标块最接近地匹配的侯选块被识别为参考块。搜索参考块是运动估计很重要的一部分，并且通常需要大量的算术计算。

针对一个目标块执行运动估计的复杂度与搜索范围内的可能参考块的数目成比例，该可能参考块的数目与运动搜索范围或者距离d的平方成比例，例如，复杂度＝a×d²，其中a是常数。运动搜索范围定义被用于找到参考块的参考图像中的区域。换言之，搜索范围指定在运动估计期间将被检查的参考图像中的块数目。

运动搜索范围应该与图像中的物体移动速度相关。例如，对于快速移动的物体，较大的搜索范围适于找到良好的相对块(counter-block)以预测目标块。然而，如果在执行运动估计方法之前预测图像(或者帧)的哪一部分具有较小的运动量以及哪一部分具有较大的运动量是困难的。因此，典型的视频压缩方法将固定的运动搜索范围用于相同目标图像中的所有块。

固定的运动搜索范围的缺点是：如果该搜索范围足够大以至于可以捕获图像中移动最快的物体，那么这不必要地增大了用于具有较小移动的区域的搜索计算。相反，如果该搜索范围太小，那么因为参考块可能在搜索范围之外，所以运动估计方法可能不能够找到具有较大移动量的参考块。

发明内容

一种通过使用自适应的运动搜索范围来执行运动估计的技术，包括计算目标图像中的像素块的运动矢量，通过使用计算得到的运动矢量来生成与目标图像中的目标像素块相关联的搜索范围，并且通过使用生成的搜索范围来估计目标像素块的运动。

附图说明

作为示例示出本发明，并且通过结合附图参考以下描述可以更好地理解本发明，其中：

图1示出基于参考块而生成的目标块的运动矢量的示例。

图2示出用于执行视频序列中的运动估计的可自适应的运动搜索范围的示例。

图3示出用于使运动搜索范围适合与在执行运动估计时所使用的块的方法的示例。

图4和图5示出在图3所示的方法中使用的块扫描顺序的示例。

图6示出使用自适应的运动搜索范围方法的***的示例。

具体实施方式

在以下的描述中，参考构成本发明的一部分的附图，在附图中作为示例示出其中可以实践本发明的具体实施例。应理解，可以使用其他的实施例并且可以做出结构改变而不背离本发明的范围。例如，熟悉此项技术的技术人员将理解，当关于视频数据使用描述各个实施例所用的术语场、帧、图像或者图片时，它们通常是可互换的。

在运动估计中，一种用于使运动搜索范围适应的方法被用于基于关于目标图像中的运动的现有信息来自动地调整目标块的运动搜索范围。该方法既可以针对较慢运动的物体减小搜索范围，又可以通过针对较快移动的物体自动地增大运动搜索范围来保持对较快运动物体的预测质量。例如，该方法根据先前针对相邻块计算的运动估计结果，针对目标块自适应地调整运动搜索范围。因此，该方法的实施例通过使运动搜索范围适合周围区域中的运动量，降低了找到每个目标块的运动矢量的复杂度。可以将该自适应的方法与其他技术结合以执行视频压缩方法中的时间预测。还可以在需要运动估计的其他视频应用中使用该自适应的方法。

图2示出通过使用自适应方法而确定的运动搜索范围的示例。令B_i，j表示在像素位置i，j处的目标图像220中的目标块225。在此，dx_i，j和dy_i，j分别是水平和垂直运动搜索范围。在该示例中，参考图像210中的侯选参考块在[2dx_i，j+1]×[2dy_i，j+1]的矩形区域230内，该矩形区域230包含多个将与目标块进行比较以找到参考块215的侯选块。该搜索范围直接影响执行运动估计的计算复杂度。通过基于相邻块中的已预测运动量来自适应地调整目标块的值dx_i，j和dy_i，j，如果相邻块被预测具有较低的运动量那么搜索范围的大小可以被减小。作为结果得到的较小搜索范围减小了在目标块中执行运动估计的复杂度。类似地，在一些实施例中，如果相邻块被预测具有较大的运动量，那么搜索范围可以被调整为相对更大。

通常，N_x，N_y是目标块的最大水平和垂直搜索范围。搜索范围dx_i，j和dy_i，j是用于给定目标块B_i，j的可调整的搜索范围，它们是通过使用先前计算的相邻块的运动矢量被计算出来的。将先前已经计算了其运动估计的相邻块称作前导(preceding)相邻块，因为它们的运动估计在目标块的运动估计之前被确定。该处理通过使用先前计算的相邻块的运动估计，而非通过使用搜索范围的固定值(例如，N_x，N_y)，来自动地使搜索范围大小适合特定目标块。

通过使用在图3中示出的说明性方法，自动地使如在图2中说明性示出的定义运动搜索范围的值dx_i，j和dy_i，j适合目标图像中的每个块。在310，将目标图像划分为块。在315，定义顺序地执行对块的运动估计的扫描顺序。在320，选择用于运动估计处理的目标块。在325，该处理判断目标块是否具有足够用于使搜索范围适应的前导相邻块(即已确定了的运动矢量的相邻块)。如果不具有，那么在330，该处理使用默认搜索范围对目标块执行运动估计。例如，在图2中的目标图像的左上角处的扫描顺序序列中的初始块(例如块B_0，0)在编码过程中不具有前导相邻块。在此情况下，可以将运动估计方法的搜索范围参数设定为如下的默认值：用于序列中的该初始块的dx_i，j＝N_x和dy_i，j＝N_y。然后在340，对目标块执行运动估计。

在一些实施例中，单个已确定了运动矢量的前导目标块(例如，左上方的块)足够用于开始自适应的搜索范围方法。在其他实施例中，需要多个已确定了运动矢量的前导目标块(例如，如果使用光栅扫描顺序则需要多个左上方的相邻块)。在335，对于具有足够的前导相邻块的目标块，该处理根据前导相邻块计算调整因数。通过使用调整因数，使用于目标块的搜索范围自动地适应前导相邻块中的运动量，并且在340，通过使用经适应的范围针对目标块执行运动估计。在345，该处理判断是否将对其他块执行运动估计。如果是，方法返回320。否则，在350处理结束。

以下是对与图3相关联的说明性实施例的描述。在一个实例中，基于根据前导相邻块而计算的因数，在图3所示的运动估计方法的335中调整用于目标块的搜索范围。这些因数是：

$\begin{array}{cc}{\mathrm{dx}}_{i,j}={\widehat{\mathrm{mx}}}_{i,j}+{\mathrm{\δ}}_x;& {\mathrm{dy}}_{i,j}={\widehat{\mathrm{my}}}_{i,j}+{\mathrm{\δ}}_y\end{array}.---\left(1\right)$

其中

是估计的目标块B_i，j的水平和垂直运动范围，并且δ_x和δ_y表示前导相邻块中的运动量与目标块中的运动量之间的相关性的估计量。等式(1)所表达的概念是目标块中的像素运动很可能与相邻块中的像素运动类似。因此，根据特定目标块的相邻块中的已经找到的运动量(如相邻运动矢量所指示的)，自动地确定用于该特定目标块的运动搜索范围。

估计用于目标块的运动范围

根据目标块的前导相邻块的运动矢量来计算该目标块的运动搜索范围的值

和

如果将集合P_i，j定义为目标块B_i，j的前导相邻块的集合，那么

和

被表示为集合P_i，j中的前导相邻块的运动矢量的函数。在一个实施例中，该函数是集合P_i，j所包含的块的运动矢量的平均值，即：

$\begin{array}{cc}{\widehat{\mathrm{mx}}}_{i,j}=\frac{1}{n}\underset{B_{k,l}\∈P_{i,j}}{\mathrm{\Σ}}{\mathrm{mx}}_{k,l},& {\widehat{\mathrm{my}}}_{i,j}=\frac{1}{n}\underset{B_{k,l}\∈P_{i,j}}{\mathrm{\Σ}}{\mathrm{my}}_{k,l}\end{array}---\left(2\right)$

其中B_k，l∈P_i，j表示集合P_i，j中的块，并且n是P_i，j中的块的总数目。在该示例中，如果诸如上方的块和左侧的块之类的两个块是前导相邻块，那么

和

被表示为两个运动矢量的平均：

${\widehat{\mathrm{mx}}}_{i,j}=({\mathrm{mx}}_{i-1,j}+{\mathrm{mx}}_{i,j-1})/2,{\widehat{\mathrm{my}}}_{i,j}=\left({\mathrm{my}}_{i-1,j}\right)/2---\left(3\right)$

因此根据集合P_i，j中的块的运动矢量来确定用于生成和的函数。通过该函数，自适应的运动搜索范围方法针对目标图像中的每个块动态地确定运动搜索范围。在一个实施例中，该方法使用等式(3)从而通过利用关于其相邻块的运动量的信息估计目标块中的物体运动量，使搜索范围适合目标块。

例如，如果目标块具有有较小运动矢量的前导相邻块，那么通常目标块具有较小的运动量。在一个实施例中自适应的运动搜索范围方法使用等式(3)来生成用于目标块的较小搜索范围，这是减小运动搜索复杂度的行为。

另一方面，如果目标块具有有较大运动矢量的前导相邻块，那么目标块很可能具有较大的运动量。因此，在一个实施例中，自适应的运动搜索范围方法使用等式(3)来自动地增大用于目标块的搜索范围。然后，用足够大以至于能够识别用于快速移动物体的参考块的增大的搜索范围，针对目标块来执行运动估计。

等式(2)和(3)是可以用于计算集合P_i，j中的运动矢量的平均值的函数的示例。可以通过将滤波器应用于前导相邻块的集合P_i，j生成估计运动范围

和

来获得更广义的函数。不失一般性地，示出用于得到项的示例，并且项可以根据相同程序得到。令L表示包含n个抽头(tap)的滤波器，L＝[l₁，l₂，...，l_n]，其中l_i是L中的第i个元素，并且l_i也是抽头i的滤波系数。令M_x表示包含前导相邻块(P_i，j)中的块的所有运动矢量(仅x轴的值)的矢量，M_x＝[x₁，x₂，...x_n]。那么：

$\begin{array}{cc}{\widehat{\mathrm{mx}}}_{i,j}=L\×{\left(M_x\right)}^T,& {\widehat{\mathrm{my}}}_{i,j}=L\×{\left(M_y\right)}^T,\end{array}---\left(4\right)$

其中(M_x)^T是矢量M_x的转置。

在等式(2)和(3)中示出的平均方法是等式(4)的滤波方法的特殊情况。例如，如果L＝[0.5，0.5]，M_x＝[mx_i-1，j，mx_i，j-1]，并且M＝[my_i-1，j，my_i，j-1]，那么等式(4)被简化为等式(3)。

通常，因为集合P_i，j中块的数目等于滤波器L中的抽头数目，所以可以通过增大P_i，j中块的数目来增大L中的抽头数目。

通常，L可以是低通滤波器(平滑滤波器)，用于获得前导相邻块运动矢量的统计平均值。可以使用多种方法来设计这样的滤波器(例如，选择滤波器L中的每个滤波系数(l_i)的值)。自适应的运动搜索范围方法然后可以使用低通滤波器来获得估计搜索范围和

估计经调整的搜索范围的安全边际

等式(1)中调整项的值δ_x和δ_y可以用作用于调整运动搜索范围的安全边际，从而说明前导相邻块的运动矢量未能预见目标块中的运动矢量的可能性。例如，如果前导相邻块运动矢量分布导致较大的标准差，那么调整值δ_x和δ_y使得用于目标块的运动搜索范围能够与其前导相邻块的运动搜索范围明显不同。

对δ_x和δ_y进行选择使得运动搜索范围能够适合目标块的运动特性。较大的δ_x和δ_y值使得在运动搜索范围中的较快移动的物体能够被检测到。然而，较大的值因为增大了搜索范围所以可能增大运动搜索复杂度。较小的δ_x和δ_y虽然减小了运动搜索的复杂度然而限制了自适应的速度。项δ_x和δ_y具有或者固定或者可调整的值。使用固定值简单。使用δ_x和δ_y的自适应值可以改善运动估计的准确性。

存在各种能够使δ_x和δ_y适合目标块的运动特性的方法。通常，如果目标块很可能具有与其前导相邻块的那些运动矢量不同的运动矢量，那么δ_x和δ_y的值应该较大。不失一般性地，示出用于得到项δ_x的示例(项δ_y可以根据相同程序得到)。

第一示例使用前导相邻块的运动矢量的标准差来得到δ_x。例如，对于目标块B_i，j而言，

${\mathrm{\δ}}_x=k{\left[\frac{1}{n}\underset{B_{k,l}\∈P_{i,j}}{\mathrm{\Σ}}{({\mathrm{mx}}_{k,l}-{\widehat{\mathrm{mx}}}_{i,j})}^2\right]}^{\frac{1}{2}},$

${\mathrm{\δ}}_y=k{\left[\frac{1}{n}\underset{B_{k,l}\∈P_{i,j}}{\mathrm{\Σ}}{({\mathrm{my}}_{k,l}-{\widehat{\mathrm{my}}}_{i,j})}^2\right]}^{\frac{1}{2}},---\left(5\right)$

其中B_k，l∈P_i，j表示集合P_i，j中的所有块，n是P_i，j中的块的总数目，

是目标块B_i，j的估计运动范围(其可以根据等式(4)得到)，并且k是常数标量。

第二示例对前导相邻块的运动矢量进行滤波来确定δ_x。类似于利用等式(4)计算运动搜索范围的方法，用于获得δ_x和δ_y的广义方法对目标块B_i，j的前导运动矢量应用滤波器。该滤波器通常是高通滤波器，用H表示。

令H表示包含n个抽头的滤波器，H＝[h₁，h₂，...，h_n]。那么：

δ_x＝|H×(M_x)^T|，δ_y＝|H×(M_y)^T|，(6)

其中|a|表示a的绝对值。矢量M_x和M_y的定义与在等式(4)中给出的定义相同。高通滤波器H与M_x(前导相邻块的运动矢量值)的方差有关。因此，当δ_x较大时，前导运动矢量具有较大的方差，反之亦然。

例如，如果前导相邻块的集合具有两个块(例如，上方的和左侧的)，高通滤波器为H＝[0.5，-0.5]，并且M_y＝[my_i-1，j，my_i，j-1]，那么

δ_x＝|mx_i-1，j，mx_i，j-1|/2，δ_y＝|my_i-1，j，my_i，j-1|/2。(7)

在一些实施例中，可以通过增大前导相邻块的数目来使用更多抽头。扩展到多个参考图像

上述的说明性示例是基于单个参考图像的。在一些实施例中，处理被扩展到将多个参考图像用于运动估计的情况，例如，可以根据不同的图像来预测目标块。在这些情况下，运动矢量具有三项，例如[mx_i，j，my_i，j，mt_i，j]，其中mt_i，j是特定参考图像的时间索引。

在单个参考图像的情况下，前导相邻块存在于相同参考图像中，例如它们在二维表面中。至于多个参考图像，前导相邻块的范围扩展到三维，例如，在不同的图像中，只要在对目标块进行运动估计之前确定了它们的运动估计。然后只要根据前导相邻块的分布构造了滤波器(L和H)，就可以将用于获得

和δ_x，δ_y的滤波方法直接应用于三维、多参考的情况。

选择块扫描顺序

块扫描顺序(其建立对每个块执行运动估计的序列)，确定可以是特定目标块的前导块的块集合，即比目标块更早地计算出了其运动估计的块可以是目标块的前导块。因此，自适应的运动搜索范围所使用的块扫描顺序的类型影响用于特定目标块的估计运动搜索范围。

块扫描顺序的一个示例是如图4所示的光栅扫描顺序。在该示例中，从左到右并且从上到下地扫描块。首先针对在左上角的块执行运动估计并且针对在第一行中的每个块从左到右地继续执行运动估计。然后，针对在第二行中的块，从左侧的第一块开始执行运动估计。以该从左到右、从上到下的步骤继续估计，直到已经处理了目标图像中的所有的块。该步骤被称作从左到右、从上到下的扫描顺序(或者光栅扫描顺序)。

在图4所示的示例中，加阴影的块已经被运动估计方法处理过，因此具有运动矢量。还要针对未加阴影的块执行运动估计。因此，对于作为将要被运动估计方法处理的下一个块的特定块B_i，j＝X而言，其前导相邻块的集合包含所有加阴影的块。然而，可以将前导相邻块的集合定义为所有前导块的子集。例如，块a到e可以被选择作为B_i，j＝X的前导相邻块的集合，即P_i，j＝[a，b，c，d，e]，该P_i，j用于调整目标块X中的运动搜索范围。

虽然在该示例中使用从左到右的扫描顺序，但是对块的扫描顺序可以是任意的。所使用的扫描顺序的类型决定了哪些相邻块在目标块之前接收到运动估计结果。自适应的方法使用这些块来调整用于目标块的的运动搜索范围，这些块的至少一些用作前导相邻块。

块扫描顺序的另一示例是如图5所示的子采样扫描顺序。如在说明性目标图像510中由加阴影的块所示出的，在第一轮中从左到右从上到下地隔块扫描。在该轮中扫描的块是从目标图像的所有块中子采样得到的。那么，如在说明性目标图像520中示出的，在第二轮扫描期间扫描剩余的块。

该子采样方案的一个优点是在第二轮中扫描的块可以具有所有方向上的前导相邻块，而非如图4所示的仅在上方和左侧方向上具有。例如，520中的块X可以具有作为前导相邻块的块f，g，h，i，j和k。因此，虽然当使用子采样扫描顺序时块f和k是目标块X的前导相邻块，然而当使用光栅扫描顺序时块f和k将不再是前导相邻块。该子采样扫描顺序可以导致在获得估计运动范围

值和调整值(δ_x，δ_y)方面的改进。

图6示出使用自适应的运动搜索范围方法的***的示例。数字视频相机610捕获电子形式的图像，并且通过压缩设备620来处理图像，该压缩设备620在压缩和编码处理期间实现自适应的运动搜索范围方法。经由电子传输介质630将经编码的图像发送到数字回放设备640。图像被解码设备650解码，该解码设备在解码处理期间使用该方法。相机610是包括本发明的实施例的各种图像处理装置(例如，其他的图像捕获设备、图像编辑器、图像处理器、个人和商务计算平台等)的说明性装置。类似地，解码设备650是解码图像数据的各种设备的说明性设备。

虽然根据具体***环境中的说明性实施例描述了本发明，但是本领域中的技术人员应认识到，可以在随附权利要求的精神和范围内在其他的并且不同的硬件和软件环境中以各种方式来实践本发明。

通过使用多个参考图像来计算所述运动矢量。

Claims (24)

1.一种由电子数据处理器执行的方法，包括：

计算目标图像中的像素块的运动矢量；

通过使用所述计算得到的运动矢量来生成与所述目标图像中的目标像素块相关联的搜索范围；并且

通过使用所述生成的搜索范围来估计所述目标像素块的运动。

2.如权利要求1所述的方法，其中生成所述搜索范围包括：

通过使用所述计算得到的运动矢量来确定估计运动范围。

3.如权利要求2所述的方法，其中确定所述估计运动范围包括：

将低通滤波器应用于所述计算得到的运动矢量。

4.如权利要求3所述的方法，其中将所述滤波器应用于所述计算得到的运动矢量包括：

${\widehat{\mathrm{mx}}}_{i,j}=L\×{\left(M_x\right)}^T,$ ${\widehat{\mathrm{my}}}_{i,j}=L\×{\left(M_y\right)}^T,$

其中L是具有n个抽头的滤波器，从而L＝[l₁，l₂，...，l_n]，并且l_i是抽头i的滤波系数；

是所述目标块的所述估计运动范围的x轴的值；M_x是包含所述计算得到的运动矢量的x轴的值的矢量；(M_x)^T是矢量M_x的转置；是所述目标块的所述估计运动范围的y轴的值；M_y是包含所述计算得到的运动矢量的y轴的值的矢量；并且(M_y)^T是矢量M_y的转置。

5.如权利要求1所述的方法，其中生成所述运动搜索范围包括：

确定所述计算得到的运动矢量的方差。

6.如权利要求5所述的方法，其中确定所述方差包括：

将高通滤波器应用于所述计算得到的运动矢量。

7.如权利要求1所述的方法，还包括：

确定对于所述目标图像中的块的块扫描顺序，所述块扫描顺序是从如下组中选出的：光栅扫描顺序和子采样顺序。

8.如权利要求1所述的方法，其中计算所述目标图像中的像素块的运动矢量包括：

通过使用多个参考图像来计算所述运动矢量。

9.一种装置，包括：

运动矢量计算器，其计算目标图像中的像素块的运动矢量；

搜索范围计算器，其使用所述计算得到的运动矢量来生成与所述目标图像中的目标像素块相关联的搜索范围；并且

运动估计器，其使用所述生成的搜索范围来估计所述目标像素块的运动。

10.如权利要求9所述的装置，其中所述搜索范围计算器使用所述计算得到的运动矢量来确定估计运动范围。

11.如权利要求10所述的装置，其中所述搜索范围计算器将低通滤波器应用于所述计算得到的运动矢量。

12.如权利要求11所述的装置，其中所述搜索范围计算器应用：

${\widehat{\mathrm{mx}}}_{i,j}=L\×{\left(M_x\right)}^T,$ ${\widehat{\mathrm{my}}}_{i,j}=L\×{\left(M_y\right)}^T,$

其中L是具有n个抽头的滤波器，从而L＝[l₁，l₂，...，l_n]，并且l_i是抽头i的滤波系数；

是所述目标块的所述估计运动范围的x轴的值；M_x是包含所述计算得到的运动矢量的x轴的值的矢量；(M_x)^T是矢量M_x的转置；

是所述目标块的所述估计运动范围的y轴的值；M_y是包含所述计算得到的运动矢量的y轴的值的矢量；并且(M_y)^T是矢量M_y的转置。

13.如权利要求9所述的装置，其中所述搜索范围计算器确定所述计算得到的运动矢量的方差。

14.如权利要求9所述的装置，其中所述搜索范围计算器通过将高通滤波器应用于所述计算得到的运动矢量来确定所述方差。

15.如权利要求9所述的装置，其中以光栅扫描顺序或者子采样顺序扫描所述目标图像中的块。

16.如权利要求9所述的装置，其中所述运动矢量计算器通过使用多个参考图像来计算所述运动矢量。

17.一种存储指令程序的计算机可读介质，当处理***执行所述指令程序时致使所述***执行包括如下步骤的方法：

计算目标图像中的像素块的运动矢量；

通过使用所述计算得到的运动矢量来生成与所述目标图像中的目标像素块相关联的搜索范围；并且

通过使用所述生成的搜索范围来估计所述目标像素块的运动。

18.如权利要求17所述的计算机可读介质，其中生成所述搜索范围包括：

通过使用所述计算得到的运动矢量来确定估计运动范围。

19.如权利要求18所述的计算机可读介质，其中确定所述估计运动范围包括：

将低通滤波器应用于所述计算得到的运动矢量。

20.如权利要求19所述的计算机可读介质，其中将所述滤波器应用于所述计算得到的运动矢量包括：

${\widehat{\mathrm{mx}}}_{i,j}=L\×{\left(M_x\right)}^T,$ ${\widehat{\mathrm{my}}}_{i,j}=L\×{\left(M_y\right)}^T,$

其中L是具有n个抽头的滤波器，从而L＝[l₁，l₂，...，l_n]，并且l_i是抽头i的滤波系数；

是所述目标块的所述估计运动范围的x轴的值；M_x是包含所述计算得到的运动矢量的x轴的值的矢量；(M_x)^T是矢量M_x的转置；

是所述目标块的所述估计运动范围的y轴的值；M_y是包含所述计算得到的运动矢量的y轴的值的矢量；并且(M_y)^T是矢量M_y的转置。

21.如权利要求17所述的计算机可读介质，其中生成所述运动搜索范围包括：

确定所述计算得到的运动矢量的方差。

22.如权利要求21所述的计算机可读介质，其中确定所述方差包括：

将高通滤波器应用于所述计算得到的运动矢量。

23.如权利要求17所述的计算机可读介质，还包括：

确定对于所述目标图像中的块的块扫描顺序，所述块扫描顺序是从如下组中选出的：光栅扫描顺序和子采样顺序。

24.如权利要求17所述的计算机可读介质，其中计算所述目标图像中的像素块的运动矢量包括：

通过使用多个参考图像来计算所述运动矢量。

Images