CN101379835B - 使用组合参考双向预测进行运动估计的方法和设备 - Google Patents

使用组合参考双向预测进行运动估计的方法和设备 Download PDF

Info

Publication number
CN101379835B
CN101379835B CN2007800043575A CN200780004357A CN101379835B CN 101379835 B CN101379835 B CN 101379835B CN 2007800043575 A CN2007800043575 A CN 2007800043575A CN 200780004357 A CN200780004357 A CN 200780004357A CN 101379835 B CN101379835 B CN 101379835B
Authority
CN
China
Prior art keywords
motion vector
reference pictures
pictures
reference picture
encoder
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN2007800043575A
Other languages
English (en)
Other versions
CN101379835A (zh
Inventor
亚历山德罗斯·吐拉彼斯
吉尔·麦克唐纳·布瓦斯
尹鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Thomson Licensing SAS
International Digital Madison Patent Holding SAS
Original Assignee
Thomson Licensing SAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Thomson Licensing SAS filed Critical Thomson Licensing SAS
Publication of CN101379835A publication Critical patent/CN101379835A/zh
Application granted granted Critical
Publication of CN101379835B publication Critical patent/CN101379835B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/577—Motion compensation with bidirectional frame interpolation, i.e. using B-pictures
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/46—Colour picture communication systems
    • H04N1/56—Processing of colour picture signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/56—Motion estimation with initialisation of the vector search, e.g. estimating a good candidate to initiate a search
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/573—Motion compensation with multiple frame prediction using two or more reference frames in a given prediction direction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/58—Motion compensation with long-term prediction, i.e. the reference frame for a current frame not being the temporally closest one
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/513—Processing of motion vectors
    • H04N19/517—Processing of motion vectors by encoding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/533—Motion estimation using multistep search, e.g. 2D-log search or one-at-a-time search [OTS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明提供了一种使用组合参考双向预测进行运动估计的方法和设备。该设备包括用于从至少两个参考图像的组合中编码多预测图像的编码器(200)，该编码器在运动估计过程中分别为该至少两个参考图像中的一个参考图像预测运动矢量，其中，该编码器在为一个参考图像预测运动矢量的时候，把该至少两个参考图像的其它参考图像的运动矢量预置为预设值以便被运动估计过程使用。

Description

使用组合参考双向预测进行运动估计的方法和设备
相关申请的交叉参考
本申请要求于2006年2月2日申请的申请号为60/764,452的美国临时专利申请的优先权。该申请的内容全部并入此处作为参考。 
技术领域
本发明的基本原理一般涉及视频编码，更具体地，涉及一种使用组合参考双向预测进行运动估计的方法和设备。
背景技术
众所周知，现有技术中的多假定运动补偿(multi-hypothesismotion compensation)能够为使用运动补偿的视频编码器和视频解码器提供很多好处，如在第一种现有技术方法中所描述的。更具体地，考虑两个假定的双向预测(B)条带(bi-predictive slice，B slice)或者以前标准和建议中的双向预测图像，一般被认为是用于国际标准化组织/国际电工委员会(International Organization forStandardization/International Electrotechnical Commission，ISO/IEC)的运动图像专家组(Moving Picture Experts Group-4，MPEG-4)部分10高级视频编码(Advanced Video Coding，AVC)标准或国际电信联盟，电信标准化部门(InternationalTelecommunication Union，Telecommunication Sector，缩写为ITU-T)H.264的建议(此后使用“MPEG-4 AVC标准”来表示)的编解码 器的最高效的编码条带。这是因为，这些条带通过线性结合两个或者多个假定能够有效地利用序列中存在的时间相关性，从而减少它们的关联误差。更具体地，在B条带中，使用一种方式编码宏块或者块，使得通过一个预测(List0或List1)或者线性结合两个预测(List0和List1)能够预测该宏块或者块，同时，每一个list的关联加权能够在淡化(fade)或者交叉淡化(cross-fade)的存在的情况下提供额外的好处。为执行该预测，解码器仅需要与预测类型相对应的1个或者2个运动矢量(motion vector，MV)，以及在比特流中传递它们的关联参考(每一个关联列表有一个关联参考)，或者在直接模式的情况下，推测出这些关联参考。
显然地，在大部分编码器中，例如，目前的JM参考软件，联合视频工作组(Joint Video Team，JVT)参考软件版本JM7.4，用于B条带(一般用于多假定编码)的运动估计在运动估计过程中分别考虑有效预测列表中的每一个候选参考，并且不分别为双向预测或者多假定预测设定任何具体假定。对于每一个预测列表，编码器计算最佳的单向预测的运动矢量，然后编码器使用这些候选的运动矢量生成额外的双向预测候选集合，该双向预测候选集合在用于确定何种模式(单向预测，多预测或者帧内预测)被使用的最终模式确定中被使用。
如图1所示，通常使用参考符号100表示使用双向预测的视频编码器。视频编码器的输入包括组合器105的同相输入，模式确定和运动补偿(mode decision & motion compensation，MD&MC)175的第一输入，运动估计器(motion estimator，ME)165的第一输入，和运动估计器170的第一输入。组合器105的输出以信号通信方式连接到变换器110的输入。变换器110的输出以信号通信方式连接到量化器115的输入。量化器115的输出以信号通信方式连接到变长编码器 (variable length coder，VLC)120的输入。VLC120的输出为视频编码器100的输出。
量化器115的输出也以信号通信方式连接到反量化器125的输入。反量化器125的输出以信号通信方式连接到反变换器130的输入。反变换器130的输出以信号通信方式连接到组合器180的第一同相输入。组合器180的输出以信号通信方式连接到环路滤波器135的输入。环路滤波器135的输出以信号通信方式连接到图像参考存储器140的输入。图像参考存储器140的输出以信号通信方式连接到List0参考缓冲器145的输入和List1参考缓冲器150的输入。List0参考缓冲器145的第一输出以信号通信方式连接到乘法器155的第一输入。List1参考缓冲器150的第一输出以信号通信方式连接到乘法器160的第一输入。List0参考缓冲器145的第二输出和List1参考缓冲器150的第二输出以信号通信方式连接到MD&MC175的第二输入。乘法器155的输出以信号通信方式连接到运动估计器165的第二输入。乘法器160的输出以信号通信方式连接到运动估计器170的第二输入。MD&MC175的第一输出以信号通信方式连接到组合器105的反相输入。MD&MC175的第二输出以信号通信方式连接到组合器180的第二同相输入。
如上的方法是基于在双向预测中有好的运动矢量可供使用的假定。不幸的是，这个假定不是总是成立的，因此有可能导致效率上严重的损失。对于存在交叉淡化(融入)的情况尤其是这样，并且，在这种情况中分别考虑每一个列表可能会导致性能相对较差。其中，在交叉淡化中，这些图像中的层叠的物体可能有差异较大的亮度特征和可能存在的运动特性。因此，需要在运动估计阶段能够综合考虑有效候选参考，从而能够使编码效率高。另一方面，这不意味着不应该分别考虑每一个参考。原因为，在低比特速率的情况下，当仅需要传输 一组运动矢量(分别使用mv0和mv1对应参考x和y)的时候，单向预测仍然能够为我们提供良好的效果。
众所周知，单个候选的运动估计的计算量相当大。如果使用搜索窗口为(±N，±M)的完全搜索方法，那么需要测试(2N+1)×(2M+1)个检查点。显然地，穷尽方法(brute force)以及某种意义上的用于双向预测的最佳方法需要(2N+1)2×(2M+1)2个检查点，这对于任何一个体系结构都是难以接受的。在更普通的多假定(k-预测，k-prediction)情况下，需要测试(2N+1)K×(2M+1)K个检查点。上述第一个现有技术方法提到了一个相对简单的可供选择的体系结构，在该体系结构中，使用迭代方法替代穷尽方法。该迭代方法通过考虑前面估计的假定依次检查和细化每一个假定。
对双向预测情况，该方法概括如下：假定当前图像为z，正在考虑的两个参考是图像x和图像y。对于这两个图像，分别选择加权a和b用于加权预测(即对于一般双向预测，a＝b＝1/2)。mv0和mv1是分别对应x和y参考(或者它们的加权对应物)的用于运动补偿的运动矢量。虽然能够应用类似的考虑，但是为简单起见，在处理方法中不考虑加权偏移。在下面的过程中，使用绝对误差的和(sum ofabsolute difference，SAD)做为畸变度量。
Step 1.设置mv0＝mv′0＝mv1＝mv′1＝0.
Step 2.形成参考图像ax.
Step 3.使用畸变SAD＝|z-ax(mv0)-by(mv′1)|在ax中执行运动估计来细化运动矢量mv0
Step 4.设置mv′0＝mv0
Step 5.形成参考图像by.
Step 6.使用畸变SAD＝|z-by(mv1)-ax(mv′0)|在by中执行运动估计来细化运动矢量mv1
Step 7.如果(mv1＝＝mv′1)，则退出
Step 8.设置mv′1＝mv1
Step 9.使用畸变SAD＝|z-ax(mv0)-by(mv′1)|在ax中细化运动矢量mv0
Step 10.如果(mv0＝＝mv′0)，则退出
Step 11.设置mv′0＝mv0
Step 12.转向Step 6.
这个方法可以广泛用于多假定的情况。但该方法存在仍然需要大量的迭代的问题。此外，虽然性能很可能被提高，但是最终的预测也可能不是最佳的选择。尤其是在该方法在局部最小被限制的时候，不是最佳选择的可能性很大。当考虑为该算法的每一次迭代使用运动补偿重构一个新的假定的时候，该体系结构的实现会非常的复杂。上述第一种现有技术方法提出了一种类似的可选择的方法。在该方法中，step 1中被初始化为0的所有运动矢量被替换为通过独立地考虑每一个列表而生成的运动矢量。
视频压缩编码器和解码器通过形成需要进行编码的当前图像(或条带)Pcurrent的预测和通过额外地编码该预测和当前图像间的差异来获得高效的压缩效率。预测和当前图像越密切相关，用于压缩该图像的比特就越少。因此，需要形成最佳可能的图像预测。这个预测能够通过空间预测方法(帧内编码)或者时间预测方法(帧间编码)生成。
时间预测方法一般使用运动补偿技术生成预测参考。通常先把源图像分割为大小为N×M的不重叠的块，然后使用运动估计技术在参考图像Preference中查找最佳匹配。最佳匹配与同样被编码到比特流中的一个运动参数的集合相关联。例如MPEG-4 AVC这样最新的标准通过用信号通知与运动参数一起使用的参考的索引也允许为最佳预测的估计和选择考虑多参考图像。多参考编码器和解码器使用参考缓冲器，其中，在编码和解码过程中，在该参考缓冲器中存取每一个可能的候选参考。
一个可供选择的能提高性能的方法是一次不仅考虑一个参考，而且考虑使用双向预测(bi-predictive，B)图像/条带编码中应用的多假定的组合的可能性。这里，可以使用从一个多参考集合中选择一个参考，或者通过线性组合(即执行加权平均)两个有效的参考来生成该预测。如果必要，还需要估计和传递对应着参考的两个不同的运动参数集合。这个概念能够应用于上述第一种现有技术方法所描述的考虑2个以上假定的编码器中。也能够提高性能的其它的参数包括考虑如第二种现有技术方法中建议的加权预测，其中，对每一个假定应用不同的加权因子，以及使用如全局运动补偿技术这样比较复杂的运动模型。
虽然考虑多假定运动补偿能够相当程度上提高视频编解码器的性能，但是很难适当地估计用于这种情况的运动参数。尤其地，最佳的解决方案能够通过使用有效的参考检查所有可能的预测组合来找到，也就是，对于一个参考中的每一个可能的运动矢量，检查剩余参考中所有的其它运动矢量及其组合。但是，这种办法的计算代价显然是难以接受的。
发明内容
本发明提出一种使用组合参考双向预测进行运动估计的方法和设备，解决现有技术中的这些和其它的不足和缺点。
本发明原理的一个方面提供了一种设备。该设备包括用于从至少两个参考图像的组合中编码多预测图像的编码器，该编码器在运动估计过程中为该至少两个参考图像中的一个参考图像预测运动矢量，其中，该编码器在为一个参考图像预测运动矢量的时候，把该至少两个参考图像的其它参考图像的运动矢量预置为预设值以便被运动估计过程使用。
本发明原理的另外一个方面提供了一种方法。该方法包括通过在运动估计过程中为至少两个参考图像中的一个参考图像预测运动矢量，从所述至少两个参考图像的组合中编码多预测图像，其中，在为一个参考图像预测运动矢量的时候，把所述至少两个参考图像的其它参考图像的运动矢量预置为预设值以便被运动估计过程使用。
结合着附图阅读下面示例性实施例的具体描述，能够了解本发明原理的这些和其它的方面、特征和优点。
附图说明
结合如下示例性附图可以更好地理解本发明的原理，其中：
图1示出现有技术中使用双向预测的视频编码器的示意图；
图2示出根据本发明原理的一个实施例的采用带有减影考虑的双向预测的示例性视频编码器示意图；
图3示出根据本发明原理的一个实施例的使用双向预测用于编码宏块的示例性方法；
图4示出根据本发明原理的一个实施例的使用组合参考双向预测 用于运动估计的示例性方法，其中，执行并行迭代来优化剩余假定；
图5示出根据本发明原理的一个实施例的使用组合参考双向预测用于运动估计的示例性方法，其中，基于最佳参考，迭代细化运动矢量；
图6示出根据本发明原理的一个实施例的考虑所有假定都具有相同运动矢量的用于运动估计的示例性方法；
图7示出根据本发明原理的一个实施例的使用组合参考双向预测用于执行运动估计的示例性方法，其中，每一个参考(x或者y)相比源图像z都是固定的；
图8示出根据本发明原理的一个实施例的使用组合参考双向预测用于执行运动估计的示例性方法，其中，只有一个参考相对于源图像是固定的；以及
图9示出根据本发明原理的一个实施例的使用组合参考双向预测用于执行运动估计的示例性方法，其中，在参考之间为零运动的假定前提下组合两个参考。
具体实施方式
本发明的原理提出一种使用组合参考双向预测进行运动估计的方法和设备。
本发明的说明书阐述了本发明的原理。并且，本领域的技术人员能够设计出包含本发明原理的各式各样的装置，虽然这些装置在这里没有显式地说明或者示出，但是这些装置属于本发明的发明精神和保护范围之中。
这里叙述的所有的例子和条件语言用于教学目的，以便辅助读者了解发明者对现有技术发展作出贡献的本发明的原理和概念，应当理解，本发明不局限于这些具体叙述的例子和条件。
此外，这里叙述本发明原理的原理，各个方面和具体实施例和具体的例子的所有陈述包含对应其结构和功能的等同物。另外，这些等同物既包括目前已知的等同物，也包括以后研发出的等同物，即，开发出来的，无论什么样的结构，只要执行相同的功能的任何元件。
因此，例如，本领域技术人员应该意识到，本发明的方块图示出了包含本发明原理的示意性电路的概念图。同样地，应该意识到，所有的流程图，作业图，状态转移图和伪码等描述了各种处理过程，在这里，不管计算机或者处理器是否被显式地示出，这些处理过程可能实质上记录在计算机可读介质上，并且被计算机或处理器执行。
在图中示出的不同元件的功能可以通过使用专用硬件提供，也可以使用能够执行相关软件的硬件来提供。当通过处理器来提供的时候，这些功能可以通过一个专用处理器，或一个共享处理器，或有着部分共享的一组处理器来提供。此外，术语“处理器”或者“控制器”的显式使用不应该仅仅解释为能够执行软件的硬件，还能隐式地包括且不限于，数字信号处理器(digital signal processor，DSP)硬件，用于存储软件的只读存储器(read only memory，ROM)，随机存取存储器(random access memory，RAM)和非易失性存储器。
其它的传统的和/或自定义的硬件也可能被包括。同样地，图中示出的任何开关仅仅是概念性的。可以通过程序电路、通过专用电路、通过程序控制和专用电路的交互、或者手动控制来实现这些开关的功能，技术人员在具体实现的时候可根据对实际情况上下文的具体理解来选择具体的技术。
在权利要求中，任何表述为用于执行某特定功能的手段应涵盖能执行该功能的所有方式，包括，例如，a)执行该功能的电路元件的组合；或b)结合适当的电路用于执行该功能的包括固件和微码等等 的任何形式的软件，该软件在电路上执行。权利要求中定义的本发明的基本原理包含着如下事实，本发明叙述的不同的手段提供的功能被组合形成了权利要求主张的事物。因此认为，任何能够提供相应功能的手段是这里示出的手段的等同物。
说明书中本发明原理的一个实施例或实施例是指，结合实施例描述的特定的特征，结构和特性等被包括在至少一个本发明原理的实施例中。因此，在具体实施方式的不同地方出现的“在一个实施例中”或“在实施例中”不一定是指的同一个实施例。
这里提供的伪码仅仅用于描述的目的。因此，基于这里给出的本发明的原理的教导，本领域或者相关领域的普通技术人员能在本发明原理的范围内构思出如下的伪码序列及其变种。
如图2所示，通常使用参考符号200表示使用带有减影(subtraction)考虑的双向预测的视频编码器。
视频编码器的输入包括组合器205的同相输入，模式确定和运动补偿(mode decision & motion compensation，MD&MC)275的第一输入，运动估计器(motion estimator，ME)265的第一输入，运动估计器270的第一输入，组合器286的同相输入和组合器288的同相输入。组合器205的输出以信号通信方式连接到转换器210的输入。转换器210的输出以信号通信方式连接到量化器215的输入。量化器215的输出以信号通信方式连接到变长编码器(variable length coder，VLC)220的输入。VLC220的输出是视频编码器200的输出。
量化器215的输出也以信号通信方式连接到反量化器225的输入。反量化器225的输出以信号通信方式连接到反转换器230的输入。反转换器230的输出以信号通信方式连接到组合器280的第一同相输入。组合器280的输出以信号通信方式连接到环路滤波器235的输入。环路滤波器235的输出以信号通信方式连接到图像参考存储器 240的输入。图像参考存储器240的输出以信号通信方式连接到List0参考缓冲器245的输入和List1参考缓冲器250的输入。List0参考缓冲器245的第一输出以信号通信方式连接到乘法器255的第一输入。List1参考缓冲器250的第一输出以信号通信方式连接到乘法器260的第一输入。List0参考缓冲器245的第二输出和List1参考缓冲器250的第二输出以信号通信方式连接到MD&MC275的第二输入。乘法器255的输出以信号通信方式连接到运动估计器265的第二输入。乘法器260的输出以信号通信方式连接到运动估计器270的第二输入。MD&MC275的第一输出以信号通信方式连接到组合器205的反相输入。MD&MC275的第二输出以信号通信方式连接到组合器280的第二同相输入。
乘法器255的输出也以信号通信方式连接到运动估计器284的第一输入和组合器286的反相输入。乘法器260的输出也以信号通信方式连接到组合器288的反相输入和运动估计器282的第一输入。组合器288的输出以信号通信方式连接到运动估计器284的第二输入。组合器286的输出以信号通信方式连接到运动估计器282的第二输入。运动估计器284的输出以信号通信方式连接到MD&MC275的第三输入。运动估计器282的输出以信号通信方式连接到MD&MC275的第四输入。
本发明的原理描述了一种在视频编码体系结构中能显著提升双向预测图像或条带的编码性能的方法和设备。虽然被本发明的原理主要围绕MPEG-4 AVC标准描述，但是本发明原理的不仅仅局限在该标准。本发明的原理还可以应用在其它视频编码标准和建议中，而仍在本发明原理的范围内。
在本发明原理的一个实施例中，我们考虑运动估计过程中的辅助参考图像。该辅助参考图像主要是两个其它参考的线性组合。由于更 精确地考虑了双向预测，我们能使用这个新的参考进一步细化双向预测(B)图像中的预测参考。这样做能够提供更高效的编码效率。在本发明原理的一个实施例中，该方法可以扩展应用到多假设预测中。有益地，该实施例能在不严重影响质量的前提下降低多假设运动估计的复杂度。
在上述第一种现有技术方法中，使用迭代方法执行用于多假定运动补偿的运动估计。其中，在每一次迭代中，在考虑所有其它参考列表或者假定的先前估计的运动矢量的基础上，细化一个特定的参考或者假定的运动矢量。并且，建议在最初的估计中使用单向预测运动矢量(motion vector，MV)。
根据本发明原理的一个实施例，我们提出使用一种不同的方法来估计特定参考的运动矢量。该方法虽然仍然基于迭代方法，但是其能够更好地估计用于每一个参考的运动矢量。并且，在一些条件下或者体系结构中，实现该方法也比较容易。
一个实施例基于如下的假设：即使在淡入(fade)和交叉淡入(cross-fade)过程中，相邻的图像也常常包含大百分比的固定区域(stationary region)。第一种现有技术方法基于所有其它已估计参考的先前计算的运动矢量执行一系列迭代来估计某一个参考的运动矢量。与第一种现有技术方法不同，我们在实施例中首先通过假设所有其它参考都是固定的来预测每一个参考的运动矢量(见图2)。这样做允许我们更好地把固定区域从不固定区域中分开，从而能够提高运动估计的准确性或者加快第一种现有技术方法中的迭代方法的收敛。更具体地，该解决方案有多种可供选择的方法。
在本发明的实施例中，根据本发明原理的使用组合参考双向预测来执行运动估计的第一种方法执行并行迭代(parallel iteration)来优化剩余的假定。在假定用于其它参考索引的运动矢量为0的前提下， 通过使用不同的参考索引执行运动估计来实现并行计算。通过阅读如下伪码就能够了解这个概念，其中，该概念应用于每一个块，并且假设我们有N个假定。在下面的伪码中，我们使用如下的命名：xi表示索引为i的参考图像；wi表示它的用于加权预测的相关加权(associated weight)；mvj，k，i表示从参考索引i开始执行ME，用于索引为j的参考的运动矢量；以及，使用k＝{0，1}验证在迭代过程中运动矢量是否发生变化和是否需要终止运算。特别地，当N＝2时候，伪码如下：
for(i＝0；i＜2；i++)
{
mv0，0，i＝mv0，1，i＝mv1，0，i＝mv1，1，i＝(0，0)；
//！从参考索引i开始执行ME
reference＝wi＊xi；
if(i＝＝0)j＝1；
else j＝0；
source＝z-wj＊xj；
//！使用参考来执行ME，从而细化运动矢量
mvi，0
//！使用畸变SAD＝|source-reference(mvm，0，i)|.
Motion_Estimation(source，reference，mvi，0，i，minSADi)
do
{
for(m＝0；m＜2；m++)
{
reference＝wm＊xm；
source＝z；
if(m＝＝0)j＝1；
else j＝0；
source＝z-wj＊xj(mvj，0，i)；
//！使用参考来执行ME，从而细化mvm，0，i
//！使用畸变SAD＝|source-
reference(mvm，0，i)|.
Motion_Estimation(source，reference，mvm，0，i，
minSADi)；
}
for(j＝0；j＜2；j++)
{
if(mvj，0，i！＝mvj，1，i)
{
iterate＝1；
mvj，1，i＝mvj，0，i；
break；
}
else iterate＝0；
}；
}
while(iterate＝＝1)
}
上述伪码为每一个不同的假定生成2个运动矢量组合。然后我们选择对应最小畸变的那个最佳组合。即：
if(minSAD0＜minSAD1)
{
best_mv＝{mv0，0，0，mv1，0，0}
minSAD＝minSAD0；
}
else
{
best_mv＝{mv0，0，1，mv1，0，1}
minSAD＝minSAD1；
}
如下为用于N个假定的通用的算法：
for(i＝0；i＜N；i++)
{
reference＝wi＊xi；
source＝z；
for(j＝0；j＜N；j++)
{
mvj，0，i＝mvj，1，i＝(0，0)；
if(j！＝i)source＝source-wj＊xj(mvj，0，i)；
}；
//！使用参考来执行ME，从而细化运动矢量mvi，0，i
//！使用畸变SAD＝|source-reference(mvm，0，i)|.
Motion_Estimation(source，reference，mvi，0，i，minSADi)
do
{
for(m＝0；m＜N；m++)
{
reference＝wm＊xm；
source＝z；
for(j＝0；j＜N；j++)
{
if(j！＝m)source＝source-wj＊xj(mvj，0，i)；
}；
//！使用参考来执行ME，从而细化mvm，0
//！使用畸变SAD＝|source-
reference(mvm，0，i)|.
Motion_Estimation(source，reference，mvm，0，i，
minSADi)
}
for(j＝0；j＜N；j++)
{
if(mvj，0，i！＝mvj，1，i)
{
iterate＝1；
mvj，1，i＝mvj，0，i；
break；
}
else iterate＝0；
}；
}
while(iterate＝＝1)
}
在这种情况中，对于每一个不同的假定，我们最多可能有N个运动矢量组合。然后，我们使用如下的方法能够选择最佳的组合：
minSAD＝minSAD0；
best_mv＝{mv0，0，0，mv1，0，0，...，mvm，0，0，...，mvN-1，0，0}
for(i＝1；i＜N-1；i++)
{
if(minSADi＜minSAD)
{
minSAD＝minSADi；
best_mv＝{mv0，0，i，mv1，0，i，...，mvm，0，i，...，mvN-1，0，i}
}
}
这个决定也能够在模式确定过程中做出(使用平方误差和(sumof square error，SSE)做为畸变度量(distortion metric)，结合着使用给出的拉格朗日参数编码运动矢量的实际比特)。我们也允许来自每一个集合，其它预测子(predictor)，例如空间/时间直接运动矢量(spatial/temporal direct motion vector)这样先前估计的运动矢量，单向运动矢量(single direction motion vector)，零运动矢量和暂时同位(temporarily collocated)运动矢量等运动矢量的组合。这样做能够导致模式确定中的额外的假定。基于这样的实现，最大迭代次数或者执行并行细化的次数能够被预定义，因此能够降低该***的复杂度。
一个实施例描述了根据本发明原理的使用组合参考双向预测的用于执行运动估计的第二方法。根据本发明原理的第一方法中的执行所有可能的迭代仍然相当复杂。根据本发明原理的第二方法包括：仅为每一个假定执行第一步，然后仅基于最好的一个(基于最小畸变条件)执行迭代细化。这个方法能够在保证性能的前提下相当程度地减少复杂度。用于第二方法的伪码如下：
for(i＝0；i＜N；i++)
{
reference＝wi＊xi；
source＝z；
for(j＝0；j＜N；j++)
{
mvj，0，i＝mvj，1，i＝(0，0)；
if(j！＝i)source＝source-wj＊xj(mvj，0，i)；
}；
//！使用参考来执行ME，从而细化运动矢量mvi，0
//！使用畸变SAD＝|source-reference(mvm，0，i)|.
Motion_Estimation(source，reference，mvi，0，i，minSADi)
}
minSAD＝minSADi；
best_mv＝{mv0，0，0，0，0，...}；
best_reg＝0；
for(i＝1；i＜N-1；i++)
{
if(minSADi＜minSAD)
{
minSAD＝minSADi；
best_mv＝{0，0，...，mvi，0，i，...，0，0}；
best_ref＝i；
}
}
do
{
for(m＝0；m＜N；m++)
{
reference＝wm＊xm；
source＝z；
for(j＝0；j＜N；j++)
{
if(j！＝m)source＝source-wj＊xj(mvj，0，best_ref)；
}；
//！使用参考来执行ME，从而细化运动矢量mvi，0
//！使用畸变SAD＝|source-reference(mvm，0，i)|.
Motion_Estimation(source，reference，mvm，0，best_ref，
minSADbest_ref)
}
for(j＝0；j＜N；j++)
{
if(mvj，0，best_ref！＝mvj，1，best_ref)
{
iterate＝1；
mvj，1，best_ref＝mvj，0，best_ref；
break；
}
else iterate＝0；
}；
}
while(iterate＝＝1)
minSAD＝minSADbest_ref；
best_mv＝{mv0，0，best_ref，mv1，0，best_ref，...，mvm，0，best_ref，...，mvN-1，0，best_ref}
最初的参考选择也能够基于参考相对于源图像的相似度(或者不相似度)。例如，我们可以细化相对于源图像有着最大畸变的参考，并认为所有其它参考最初都是固定的，以及按照根据本发明原理的第一方法中描述的那样执行迭代步骤。
一个实施例描述了根据本发明原理的使用组合参考双向预测的用于执行运动估计的第三种方法。在根据本发明原理的上述两个方法中，我们在示例性算法的开始的步骤中考虑了零运动矢量。先前生成的运动矢量(例如，单向假定或者M个假定)也可能做为替代的解决方案，并且选择最好的一个运动矢量用于细化过程。通过对例如时间/空间直接运动矢量，单向运动矢量，零运动矢量和暂时同位运动矢量等预测器检查哪一个预测器能够在不需要执行额外的运动估计/补偿步骤的情况下生成相比最初参考有着最小畸变的源图像，这个预测器能够被选择出来。然后，在前面所有的步骤中，这个选择出来的预测器替代零预测器用于所有其它运动矢量的细化。
一个实施例描述了根据本发明原理的使用组合参考双向预测用于执行运动估计的第四种方法。第四种方法是一种比较简单的方法，但是相比前面的方法会导致一些效率的损失。该方法包括认为所有的假定都有相同的运动(即，所有的参考与相同的运动矢量关联)，以及相对于源图像一起细化它们的预测。能够通过如下步骤完成：
reference＝[]；
source＝z；
for(j＝0；j＜N；j++)
{
mvj，0，i＝mvj，1，i＝(0，0)；
reference＝reference+wj＊xj(mvj，0，i)；
}；
//！使用参考来执行ME，从而细化运动矢量mvi，0
//！使用畸变SAD＝|source-reference(mv)|.
Motion_Estimation(source，reference，mv，minSAD)
best_mv＝{mv，mv，...，mv}；
应该指出的是，当使用N参考时，上述示例性算法可以估计出潜在的最佳运动矢量组合。编码器也能够选择用于一个宏块(macroblock)的参考的数量。由于带来了更好的预测或者减少了开销，从而能够提高性能。显然地，对于所有可能的参考组合能够重复这一个过程，并且最终使用一个给定的条件选择能够带来最佳性能的参考组合。特别地，基于上述描述，当可能的参考/假定数量是2个的时候，我们可以考虑如下3种情况。
关于与根据本发明原理的第四种方法相关的第一种情况，我们考虑每一个参考(x或者y)相对于源图像z是固定的(情况1没有任何迭代)。在考虑加权估计中的适当的加权(分别为a和b)的同时，使用如下的畸变度量计算其它参考的运动。
SAD＝|(z-by)-ax(mv2)|，
SAD＝|(z-ax)-by(mv3)|.
在模式确定过程中，我们能够考虑如下模式/运动矢量：单向预测；使用单向预测ME计算出来的mv0和mv1的双向预测模式；直接模式；使用mv2和(0，0)的双向预测模式；使用(0，0)和mv3的双向预 测模式；使用mv2和mv3的双向预测模式；以及其它可选的模式，如使用mv2和mv1的双向预测模式，使用mv0和mv3的双向预测模式或者使用与直接运动矢量的组合的双向预测模式。
关于与根据本发明原理的第四种方法相关的第二种情况，我们考虑只有一个参考相对于源图像是固定的。在考虑加权估计过程中的适当的加权的同时，使用如下的畸变度量计算其它参考的运动(没有任何迭代的限定的情况1)：
SAD＝|(z-by)-ax(mv2)|
在模式确定过程中，我们能够考虑如下的情况：单向预测；使用单向预测ME计算出来的mv0和mv1的双向预测模式；直接模式；使用mv2和(0，0)的双向预测模式；以及其它可选的(建议的)模式，如使用mv2和mv1的双向预测模式或者使用与直接运动矢量的组合的双向预测模式。
这种方法需要选择出两个参考中的哪个参考是固定的。这里存在着一些选择项，例如：(a)选择List0参考或者List1参考；(b)选择时间上最靠近的；以及(c)选择与源图像最相似的。当该方法在图像级别/条带级别上完成(使用相同的方法估计条带内的所有块)或者在宏块级别/块级别上完成(对每一个块做参考确定)的时候，也能够考虑使用组合的度量。
关于与根据本发明原理的第四方法相关的第三种情况，我们在两个图像间有零运动的前提下组合两个图像。然后，我们使用这个图像做为新的参考来执行运动估计，如下所示：
SAD＝|z-ax(mv)-by(mv)|.
在模式确定的过程中，我们能够考虑如下的情况：单向预测；使用单向预测ME计算出来的mv0和mv1的双向预测模式；直接模式；使用mv用于两个参考的双向预测模式；以及其它可选的(建议的)模式，如使用mv和mv1的双向预测模式，使用mv0和mv的双向预测模式或者使用与直接运动矢量的组合的双向预测模式。
如图3所示，通常使用参考符号300表示使用双向预测用于编码宏块的示例性方法。该方法300包括初始化块305。初始化块305把控制权传递给功能块350和循环限制块310。
功能块350执行帧内模式确定(intra mode decision)，记录畸变测量，并把控制权传递给功能块330。
循环限制块310开始所有帧间模式的循环，并把控制权传递给功能块315。功能块315通过综合考虑所有假定来执行运动估计，并把控制权传递给功能块320。功能块320执行模式确定，记录畸变测量，并把控制权传递给循环限定块325。循环限定块325结束循环，并把控制权传递给功能块330。
功能块330把编码模式设定为具有最小畸变测量的那个模式，并把控制权传递给功能块335。功能块335编码当前的宏块，并把控制权传递给结束块399。
图4示出使用组合参考双向预测的用于运动估计的示例性方法，其中，执行并行迭代来优化剩余的假定。该方法一般使用参考符号400表示。
该方法400包括开始块405。开始块405把控制权传递给功能块410，功能块415和功能块420。
假设用于其它参考索引的运动矢量是0或者其它预设值，功能块410开始执行参考索引为0的运动估计，并把控制权传递给功能块425。功能块425迭代地细化用于所有参考的运动矢量，保存运动矢 量为{mv0，0，0，mv1，0，0，...，mvm，0，0，...，mvN-1，0，0}，保存畸变为minSAD0，并把控制权传递给功能块445。
假设用于其它参考索引的运动矢量是0或者其它预设值，功能块415开始执行参考索引为m的运动估计，并把控制权传递给功能块430。功能块430迭代地细化用于所有参考的运动矢量，保存运动矢量为{mv0，0，m，mv1，0，m，...，mvm，0，m，...，mvN-1，0，m}，保存畸变为minSADm，并把控制权传递给功能块445。
假设用于其它参考索引的运动矢量是0或者其它预设值，功能块420开始执行参考索引为N-1的运动估计，并把控制权传递给功能块440。功能块440迭代地细化用于所有参考的运动矢量，保存运动矢量为{mv0，0，N-1，mv1，0，N-1，...，mvm，0，N-1，...，mvN-1，0，N-1}，保存畸变为minSADN-1，并把控制权传递给功能块445。
功能块445选择带有最小minSAD值的最佳运动矢量组合，并把控制权传递给结束块499。
图5示出使用组合参考双向预测用于运动估计的示例性方法。其中，该方法基于最佳参考迭代地细化运动矢量。该方法通常使用参考符号500表示。
该方法500包括开始块505。开始块505把控制权传递给功能块510，功能块515和功能块520。
假设用于其它参考索引的运动矢量是0或者其它预设值，功能块510开始执行参考索引为0的运动估计，并把控制权传递给功能块525。
假设用于其它参考索引的运动矢量是0或者其它预设值，功能块515开始执行参考索引为m的运动估计，并把控制权传递给功能块525。
假设用于其它参考索引的运动矢量是0或者其它预设值，功能块 520开始执行参考索引为N-1的运动估计，并把控制权传递给功能块525。
功能块525选择带有最小minSAD值的最佳参考(best_ref)，并把控制权传递给功能块530。功能块530迭代地细化用于所有参考的运动矢量，保存运动矢量为{mv0，0，best_ref，mv1，0，best_ref，...，mvm，0，best_ref，...，mvN-1，0，best_ref}，并把控制权传递给结束块599。
图6示出用于所有假定都有相同的运动矢量的运动估计的示例性方法。该方法通常使用参考符号600表示。
该方法600包括开始块605。开始块605把控制权传递给功能块610。功能块610把所有参考图像加到一起形成一个参考图像，并把控制权传递给功能块615。功能块615在新形成的参考图像上执行运动估计，并把控制权传递给功能块620。功能块620把新形成的参考图像对应的生成的运动矢量设置为所有参考图像的运动矢量，并把控制权传递给结束块699。
图7示出使用组合参考双向预测用于执行运动估计的示例性方法，其中，每一个参考(x或者y)相对于源图像z被认为是固定的。该方法一般使用参考符号700表示。
该方法700包括开始块705。开始块705把控制权传递给功能块710。功能块710为参考x执行运动估计(生成运动矢量mv0)，并把控制权传递给功能块715。功能块715为参考y执行运动估计(生成运动矢量mv1)，并把控制权传递给功能块720。功能块720使用SAD＝|(z-by)-ax(mv2)|执行运动估计(生成运动矢量mv2)，并把控制权传递给功能块725。功能块725使用SAD＝|(z-ax)-by(mv3)|执行运动估计(生成运动矢量mv3)，并把控制权传递给功能块730。功能块730执行模式确定，并把控制权传递给功能块735。关于功能块730执行的模式确定，可以通过考虑如下情况来执行该模式确定，例如：单 向预测；使用mv0和mv1的双向预测模式；直接模式；使用mv2和(0，0)的双向预测模式；使用(0，0)和mv3的双向预测模式；使用mv2 和mv3的双向预测模式；以及其它可选的模式，如使用mv2和mv1的双向预测模式，使用mv0和mv3的双向预测模式或者使用与直接运动矢量的组合的双向预测模式。先前的考虑是示例性的。因此，给出这里提供的本发明原理的教导，在保持本发明原理的范围内，功能块730执行的模式确定可以采用这些和其他的考虑。
功能块735选择带有最小畸变测量的模式，并把控制权传递给结束块799。
图8示出使用组合参考双向预测用于执行运动估计的示例性方法。其中，仅有一个参考相对于源图像是固定的。该方法通常使用参考符号800表示。该方法800包括开始块805。开始块805把控制权传递给功能块810。功能块810为参考x执行运动估计(生成运动矢量mv0)，并把控制权传递给功能块815。功能块815为参考y执行运动估计(生成运动矢量mv1)，并把控制权传递给功能块820。功能块820使用SAD＝|(z-by)-ax(mv2)|执行运动估计(生成运动矢量mv2)，并把控制权传递给功能块825。功能块825执行模式确定，并把控制权传递给功能块830。关于功能块825执行的模式确定，可以通过考虑如下情况来执行该模式确定，例如：单向预测；使用mv0 和mv1的双向预测模式；直接模式；使用mv2和(0，0)的双向预测模式以及其它可选的模式，如使用mv2和mv1的双向预测模式或者使用与直接运动矢量的组合的双向预测模式。先前的考虑是示例性的。因此，给出这里提供的本发明原理的教导，在保持本发明原理的范围内，功能块825执行的模式确定可以采用这些和其他的考虑。
功能块830选择带有最小畸变测量的模式，并把控制权传递给结束块899。
图9示出使用组合参考双向预测用于执行运动估计的示例性方法。其中，假设两个参考之间是零运动，组合这两个参考。该方法通常使用参考符号900表示。该方法900包括开始块905。开始块905把控制权传递给功能块910。功能块910为参考x执行运动估计(生成运动矢量mv0)，并把控制权传递给功能块915。功能块915为参考y执行运动估计(生成运动矢量mv1)，并把控制权传递给功能块920。功能块920使用SAD＝|(z-by(mv)-ax(mv)|执行运动估计(生成运动矢量mv)，并把控制权传递给功能块925。功能块925执行模式确定，并把控制权传递给功能块930。关于功能块925执行的模式确定，可以通过考虑如下情况来执行该模式确定，例如：单向预测；使用mv0 和mv1的双向预测模式；直接模式；对两个参考使用mv的双向预测模式以及其它可选的模式，如使用mv和mv1的双向预测模式，使用mv0和mv的双向预测模式或者使用与直接运动矢量的组合的双向预测模式。先前的考虑是示例性的。因此，给出这里提供的本发明原理的教导，在保持本发明原理的范围内，功能块925执行的模式确定可以采用这些和其他的考虑。
功能块930选择带有最小畸变测量的模式，并把控制权传递给结束块999。
下面的描述给出了本发明原理的一些优点/特征，其中有的优点/特征在前面已经被提及过。例如一个优点/特征是一种设备，该设备包括用于从至少两个参考图像的组合中编码多预测图像的编码器，该编码器在运动估计过程中为该至少两个参考图像中的一个参考图像预测运动矢量，其中，该编码器在为一个参考图像预测运动矢量的时候，把该至少两个参考图像的其它参考图像的运动矢量预置为预设值以便被运动估计过程使用。
另一个优点/特征是包括上述编码器的设备，其中该编码器通过 把该至少两个参考图像的其它的参考图像视为固定的来预测该至少两个参考图像中的一个参考图像的运动矢量。
另一个优点/特征是包括上述编码器的设备，其中该编码器在多迭代过程的第一步中分别并行地估计该至少两个参考图像中每一个参考图像的运动矢量，并在该多迭代过程的后续步骤中细化运动矢量。另一个优点/特征是包括上述在多迭代过程的第一步中分别并行地估计该至少两个参考图像中每一个参考图像的运动矢量，并在该多迭代过程的后续步骤中细化运动矢量的编码器的设备，其中，该编码器基于畸变测量从由该多迭代过程产生的结果中选择最佳的运动矢量。
此外，另一个优点/特征是包括上述编码器的设备，其中，基于该至少两个参考图像的至少一个其它参考图像的先前计算的运动矢量，把该至少两个参考图像的该至少一个其它参考图像的运动矢量预置为预设值。进一步地，另一个优点/特征是包括上述的编码器的设备，该编码器基于该至少两个参考图像的至少一个其它参考图像的先前计算的运动矢量，把该至少两个参考图像的该至少一个其它参考图像的运动矢量预置为预设值，其中，该先前计算的运动矢量包括至少一个直接运动矢量和一个从比该至少两个参考图像数量少的参考图像的组合中先前计算得到的运动矢量，并且该至少一个直接运动矢量为至少一个时间直接运动矢量和至少一个空间直接运动矢量中的至少一个直接运动矢量。并且，另一个优点/特征是包括上述的编码器的设备，该编码器基于该至少两个参考图像的至少一个其它参考图像的先前计算的运动矢量，把该至少两个参考图像的该至少一个其它参考图像的运动矢量预置为预设值，其中，该编码器使用迭代过程预测该至少两个参考图像的运动矢量，并且，基于相关性度量从至少一个预置为预设值的运动矢量和该先前计算的运动矢量之中确定该迭代过程最初使用的运动矢量。
此外，另一个优点/特征是包括上述的编码器的设备，其中，该编码器使用迭代过程预测该至少两个参考图像的运动矢量。此外，另一个优点/特征是包括上述的编码器的设备，该编码器使用迭代过程预测该至少两个参考图像的运动矢量，其中，该编码器限制该迭代过程执行的最大迭代次数。进一步地，另一个优点/特征是包括上述的编码器的设备，该编码器使用迭代过程预测该至少两个参考图像的运动矢量，其中，该编码器限制该迭代过程并行测试的该至少两个参考图像的最大个数。
此外，另一个优点/特征是包括上述的编码器的设备，其中，该编码器基于先前的加权估计过程估计的用于该至少两个参考图像的加权来估计该至少两个参考图像的运动矢量。
此外，另一个优点/特征是包括上述的编码器的设备，其中，该编码器使用多迭代过程并行估计至少两个参考图像的运动矢量，该多迭代过程分别对应着该至少两个参考图像的不同参考图像有不同的预置值。此外，另一个优点/特征是包括上述的执行多迭代过程的编码器的设备，其中，该编码器执行该多迭代过程的第一步为该至少两个参考图像的每一个参考图像的运动矢量提供一个预置值，基于最低畸变测量选择该至少两个参考图像中的最佳预置值，以及基于该最佳预置值执行该多迭代过程的后续步骤来细化该每一个参考图像的预置值。
进一步地，另一个优点/特征是包括上述的编码器的设备，其中，该编码器基于该至少两个参考图像的运动矢量都相同的前提预测多预测图像的运动信息，以及细化该多预测图像的运动矢量。
此外，另一个优点/特征是包括上述的编码器的设备，其中，该编码器通过把该至少两个参考图像组合为一个组合参考图像和在该至少两个参考图像间使用零运动来估计该多预测图像的运动矢量信息。
此外，另一个优点/特征是包括上述的编码器的设备，其中，在预测该至少两个参考图像的一个参考图像的运动矢量的时候，通过把该至少两个参考图像的剩余的运动矢量相对于多预测图像视为固定的，该编码器分别预测该至少两个参考图像的每一个参考图像的运动矢量。此外，另一个优点/特征是包括上述的编码器的设备，在预测该至少两个参考图像的一个参考图像的运动矢量的时候，通过把该至少两个参考图像的剩余的运动矢量相对于多预测图像视为固定的，该编码器分别预测该至少两个参考图像的每一个参考图像的运动矢量，其中，该编码器通过分别为每一个参考图像选择一个加权来预测该至少两个参考图像的每一个参考图像的运动矢量。
此外，另一个优点/特征是包括上述的编码器的设备，其中，该编码器为该多预测图像执行模式确定从而从单向预测模式，直接预测模式，使用分别由单向预测计算出来的该至少两个参考图像的运动矢量的双向预测模式，使用该至少两个参考图像的细化的运动矢量和固定的运动矢量的至少一个的双向预测模式和为该至少两个参考图像的每一个参考图像使用一个细化的运动矢量的双向预测模式之中选择出带有最小畸变测量的模式，其中，在预测该至少两个参考图像的一个参考图像的运动矢量的时候，通过把该至少两个参考图像的剩余的运动矢量视为固定的，该编码步骤分别计算该至少两个参考图像的每一个参考图像的运动矢量。进一步地，另一个优点/特征是包括上述的执行模式确定的编码器的设备，其中，该编码器进一步从使用该至少两个参考图像的一个参考图像的运动矢量的双向预测模式，使用该至少两个参考图像的一个参考图像的细化的运动矢量的双向预测模式和使用包含至少一个直接运动矢量的至少一个组合的双向预测模式之中选择带有最小畸变测量的模式。
此外，另一个优点/特征是包括上述的编码器的设备，其中，该 编码器通过把该至少两个参考图像的一个参考图像的运动矢量相对于多预测图像视为固定的来分别预测该至少两个参考图像的每一个参考图像的运动矢量。此外，另一个优点/特征是包括上述的编码器的设备，该编码器通过把该至少两个参考图像的一个参考图像的运动矢量相对于多预测图像视为固定的来分别预测该至少两个参考图像的每一个参考图像的运动矢量，其中，该编码器通过为每一个参考图像的运动矢量选择一个加权来分别预测该至少两个参考图像的每一个参考图像的运动矢量。此外，另一个优点/特征是包括上述的编码器的设备，该编码器通过把该至少两个参考图像的一个参考图像的运动矢量相对于多预测图像视为固定的来分别预测该至少两个参考图像的每一个参考图像的运动矢量，其中，该编码器基于如下至少一个条件选择该至少两个参考图像中的作为固定的该一个参考图像：该至少两个参考图像的一个参考图像对应的参考列表，时间接近度和相对于该多预测图像的相似度。
进一步地，另一个优点/特征是包括上述的编码器的设备，其中，该编码器为该多预测图像执行模式确定从而从单向预测模式，直接预测模式，使用分别由单向预测计算出来的该至少两个参考图像的运动矢量的双向预测模式和使用固定的运动矢量和细化的运动矢量的双向预测模式之中选择出带有最小畸变测量的模式，其中，基于把所述至少两个参考图像的剩余的运动矢量视为固定的，计算该至少两个参考图像的一个参考图像的运动矢量。此外，另一个优点/特征是包括上述的执行模式确定的编码器的设备，其中，该编码器进一步从如下模式中选择带有最小畸变测量的模式：使用该至少两个参考图像的一个运动矢量和细化的运动矢量的双向预测模式，和使用直接运动矢量和根据该畸变测量计算出的运动矢量这两个矢量的至少一个组合的双向预测模式。
此外，另一个优点/特征是包括上述的编码器的设备，其中，该编码器基于该至少两个参考图像相对于被编码的该多预测图像有着相同的运动的前提计算该至少两个参考图像的运动矢量。此外，另一个优点/特征是包括上述的编码器的设备，该编码器基于该至少两个参考图像相对于被编码的该多预测图像有着相同的运动的前提计算该至少两个参考图像的运动矢量，其中，该编码器通过为每一个参考选择加权计算该至少两个参考图像的运动矢量。
进一步地，另一个优点/特征是包括上述的编码器的设备，其中，该编码器为多预测图像执行模式确定，从而从如下模式中选择带有最小畸变测量的模式：单向预测模式，直接预测模式，使用分别由单向预测计算出来的该至少两个参考图像的运动矢量的双向预测模式，为该至少两个参考图像的每一个参考图像使用一个细化的运动矢量的双向预测模式，和使用通过把该至少两个参考图像的运动矢量视为相同的而计算出来的该至少两个参考图像的组合的运动矢量的预测模式。此外，另一个优点/特征是包括上述的执行模式确定的编码器的设备，其中，该编码器进一步从如下模式中选择带有最小畸变测量的模式：使用该至少两个参考图像的一个运动矢量和通过把该至少两个参考图像的运动矢量视为相同而计算出的运动矢量的双向预测模式，和使用直接运动矢量和通过把该至少两个参考图像的运动矢量视为相同而计算出的运动矢量这两个矢量的至少一个组合的双向预测模式。
相关技术领域的一个技术人员基于本发明的教导就能确定本发明原理的这些和其它特征以及有益效果。能够了解，本发明原理的教导可以以硬件、软件、固件、特殊用途处理器或者它们的结合的不同形式来实现。
最好地，使用硬件和软件的组合来实现本发明原理的教导。此 外，软件可以实现为存储于程序存储单元的应用程序。应用程序可以被上载到具有合适的体系机构的机器上，以及被该机器执行。更好地，在计算机平台上实现该机器，该计算机平台包括硬件，例如一个或一个以***处理单元(central processing unit，CPU)，一个随机存取存储器(random access memory，RAM)，和输入/输出(input/output，I/O)接口。计算机平台也可以包括操作***和微指令码。这里描述的不同的处理过程和功能可以是CPU能够执行的微指令码的一部分，或应用程序的一部分，或它们的任何组合。另外，计算机平台可以连接其他不同的外设单元，例如，附加的数据存储单元和打印单元。
进一步认识到，由于附图中示出的一些***组件和方法较好地使用软件来实现，***组件或者处理功能块的实际连接可能随着本发明原理的编程方式的不同而不同。这里给出了教导，相关技术领域的一个普通技术人员能够获得本发明原理的这些和类似的实现或配置。
虽然这里结合附图描述了说明性的实施例，但是能够认识到，本发明的原理不限于那些确定的实施例，并且相关技术领域的一个普通技术人员可能在不背离本发明原理的范围或思想的前提下做出不同的改变和修改。本发明的权利要求阐述的本发明的原理的范围包括了所有这些改变和修改。

Claims (28)

1.一种用于运动估计的设备，包括：用于从至少两个参考图像的组合中编码多预测图像的编码器(200)，所述编码器在运动估计过程中为所述至少两个参考图像中的一个参考图像预测运动矢量，其中，所述编码器在为一个参考图像预测运动矢量的时候，把所述至少两个参考图像的其它参考图像的运动矢量预置为预设值以便被运动估计过程使用，或者其中，所述编码器(200)还基于先前产生的相对于所述参考图像具有最小畸变的运动矢量并随后在细化其他运动矢量的过程中使用具有最小畸变的所述运动矢量来估计所述至少两个参考图像的运动矢量。
2.如权利要求1所述的设备，其中，所述编码器(200)通过把所述至少两个参考图像的其它的参考图像视为固定的来预测所述至少两个参考图像中的一个参考图像的运动矢量。
3.如权利要求1所述的设备，其中，基于所述至少两个参考图像的至少一个其它参考图像的先前计算的运动矢量，把所述至少两个参考图像的所述至少一个其它参考图像的运动矢量预置为预设值。
4.如权利要求3所述的设备，其中，所述先前计算的运动矢量包括至少一个直接运动矢量和一个从比所述至少两个参考图像数量少的参考图像的组合中先前计算得到的运动矢量，其中，所述至少一个直接运动矢量为至少一个时间直接运动矢量和至少一个空间直接运动矢量中的至少一个直接运动矢量。
5.如权利要求3所述的设备，其中，所述编码器(200)使用迭代过程预测所述至少两个参考图像的运动矢量，并且，基于相关性度量从至少一个预置为预设值的运动矢量和所述先前计算的运动矢量之中确定所述迭代过程最初使用的运动矢量。
6.如权利要求1所述的设备，其中，所述编码器(200)使用迭代过程预测所述至少两个参考图像的运动矢量，并且其中，限制所述迭代过程执行的最大迭代次数或限制所述迭代过程并行测试的所述至少两个参考图像的最大个数。
7.如权利要求1所述的设备，其中，所述编码器(200)使用多迭代过程并行估计至少两个参考图像的运动矢量，所述多迭代过程分别对应着所述至少两个参考图像的不同参考图像有不同的预置值。
8.如权利要求1所述的设备，其中，所述编码器(200)通过把所述至少两个参考图像组合为一个组合参考图像和在所述至少两个参考图像间使用零运动来估计所述多预测图像的运动矢量信息。
9.如权利要求1所述的设备，其中，在预测所述至少两个参考图像的一个参考图像的运动矢量的时候，通过把所述至少两个参考图像的剩余的运动矢量相对于多预测图像视为固定的，所述编码器(200)分别预测所述至少两个参考图像的每一个参考图像的运动矢量。
10.如权利要求1所述的设备，其中，所述编码器(200)通过把所述至少两个参考图像的一个参考图像的运动矢量相对于多预测图像视为固定的来分别预测所述至少两个参考图像的每一个参考图像的运动矢量。
11.如权利要求10所述的设备，其中，所述编码器(200)通过为每一个参考图像的运动矢量选择一个加权来分别预测所述至少两个参考图像的每一个参考图像的运动矢量。
12.如权利要求10所述的设备，其中，基于如下至少一个条件选择所述至少两个参考图像中的作为固定的所述一个参考图像：所述至少两个参考图像的一个参考图像对应的参考列表，时间接近度和相对于所述多预测图像的相似度。
13.如权利要求1所述的设备，其中，所述编码器(200)为所述多预测图像执行模式确定，从而从单向预测模式、直接预测模式、使用分别由单向预测计算出来的所述至少两个参考图像的运动矢量的双向预测模式和使用固定的运动矢量和细化的运动矢量的双向预测模式之中选择出带有最小畸变测量的模式，其中，基于把所述至少两个参考图像的剩余的运动矢量视为固定的，计算所述至少两个参考图像的一个参考图像的运动矢量。
14.如权利要求13所述的设备，其中，所述编码器(200)进一步从如下模式中选择带有最小畸变测量的模式：使用所述至少两个参考图像的一个运动矢量和细化的运动矢量的双向预测模式，和使用直接运动矢量和根据所述畸变测量计算出的运动矢量这两个矢量的至少一个组合的双向预测模式。
15.一种用于运动估计的方法，包括：通过在运动估计过程中为至少两个参考图像中的一个参考图像预测运动矢量，从所述至少两个参考图像的组合中编码多预测图像，其中，在为一个参考图像预测运动矢量的时候，把所述至少两个参考图像的其它参考图像的运动矢量预置为预设值以便被运动估计过程使用(400)，其中，所述编码步骤还基于先前产生的相对于所述参考图像具有最小畸变的运动矢量并随后在细化其他运动矢量的过程中使用具有最小畸变的所述运动矢量来估计所述至少两个参考图像的运动矢量。
16.如权利要求15所述的方法，其中，所述编码步骤通过把所述至少两个参考图像的其它的参考图像视为固定的来预测所述至少两个参考图像中的一个参考图像的运动矢量(410，415，420)。
17.如权利要求15所述的方法，其中，基于所述至少两个参考图像的至少一个其它参考图像的先前计算的运动矢量，把所述至少两个参考图像的所述至少一个其它参考图像的运动矢量预置为预设值。
18.如权利要求17所述的方法，其中，所述先前计算的运动矢量包括至少一个直接运动矢量和一个从比所述至少两个参考图像数量少的参考图像的组合中先前计算得到的运动矢量，其中，所述至少一个直接运动矢量为至少一个时间直接运动矢量和至少一个空间直接运动矢量中的至少一个直接运动矢量。
19.如权利要求17所述的方法，其中，所述编码步骤使用迭代过程预测所述至少两个参考图像的运动矢量，并且，基于相关性度量从至少一个预置为预设值的运动矢量和所述先前计算的运动矢量之中确定所述迭代过程最初使用的运动矢量。
20.如权利要求15所述的方法，其中，所述编码步骤使用迭代过程预测所述至少两个参考图像的运动矢量(425，430，440)，以及其中限制所述迭代过程执行的最大迭代次数或限制所述迭代过程并行测试的所述至少两个参考图像的最大个数。
21.如权利要求15所述的方法，其中，所述编码步骤使用多迭代过程并行估计至少两个参考图像的运动矢量，所述多迭代过程分别对应着所述至少两个参考图像的不同参考图像有不同的预置值(510，515，520)。
22.如权利要求15所述的方法，其中，所述编码步骤通过把所述至少两个参考图像组合为一个组合参考图像和在所述至少两个参考图像间使用零运动来估计所述多预测图像的运动矢量信息(610)。
23.如权利要求15所述的方法，其中，在预测所述至少两个参考图像的一个参考图像的运动矢量的时候，通过把所述至少两个参考图像的剩余的运动矢量相对于多预测图像视为固定的，所述编码步骤分别预测所述至少两个参考图像的每一个参考图像的运动矢量(720，725)。
24.如权利要求15所述的方法，其中，所述编码步骤通过把所述至少两个参考图像的一个参考图像的运动矢量相对于多预测图像视为固定的来分别预测所述至少两个参考图像的每一个参考图像的运动矢量(820)。
25.如权利要求24所述的方法，其中，所述编码步骤通过为每一个参考图像的运动矢量选择一个加权来分别预测所述至少两个参考图像的每一个参考图像的运动矢量。
26.如权利要求24所述的方法，其中，基于如下至少一个条件选择所述至少两个参考图像中的作为固定的所述一个参考图像：所述至少两个参考图像的一个参考图像对应的参考列表，时间接近度和相对于所述多预测图像的相似度。
27.如权利要求15所述的方法，其中，所述编码步骤为所述多预测图像执行模式确定，从而从单向预测模式、直接预测模式、使用分别由单向预测计算出来的所述至少两个参考图像的运动矢量的双向预测模式和使用固定的运动矢量和细化的运动矢量的双向预测模式之中选择出带有最小畸变测量的模式，其中，基于把所述至少两个参考图像的剩余的运动矢量视为固定的，计算所述至少两个参考图像的一个参考图像的运动矢量(825)。
28.如权利要求27所述的方法，其中，所述编码步骤进一步从如下模式中选择带有最小畸变测量的模式：使用所述至少两个参考图像的一个运动矢量和细化的运动矢量的双向预测模式，和使用直接运动矢量和根据所述畸变测量计算出的运动矢量这两个矢量的至少一个组合的双向预测模式。
CN2007800043575A 2006-02-02 2007-01-30 使用组合参考双向预测进行运动估计的方法和设备 Active CN101379835B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US76445206P 2006-02-02 2006-02-02
US60/764,452 2006-02-02
PCT/US2007/002381 WO2007092192A2 (en) 2006-02-02 2007-01-30 Method and apparatus for motion estimation using combined reference bi-prediction

Publications (2)

Publication Number Publication Date
CN101379835A CN101379835A (zh) 2009-03-04
CN101379835B true CN101379835B (zh) 2011-08-24

Family

ID=38284077

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2007800043575A Active CN101379835B (zh) 2006-02-02 2007-01-30 使用组合参考双向预测进行运动估计的方法和设备

Country Status (6)

Country Link
US (1) US9215475B2 (zh)
EP (1) EP1982532A2 (zh)
JP (1) JP5165593B2 (zh)
CN (1) CN101379835B (zh)
BR (1) BRPI0706803A2 (zh)
WO (1) WO2007092192A2 (zh)

Families Citing this family (48)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008073416A1 (en) * 2006-12-11 2008-06-19 Cinnafilm, Inc. Real-time film effects processing for digital video
WO2009051668A2 (en) * 2007-10-12 2009-04-23 Thomson Licensing Methods and apparatus for video encoding and decoding geometrically partitioned bi-predictive mode partitions
US20110211637A1 (en) * 2007-11-20 2011-09-01 Ub Stream Ltd. Method and system for compressing digital video streams
KR100939917B1 (ko) * 2008-03-07 2010-02-03 에스케이 텔레콤주식회사 움직임 예측을 통한 부호화 시스템 및 움직임 예측을 통한부호화 방법
US8254469B2 (en) * 2008-05-07 2012-08-28 Kiu Sha Management Liability Company Error concealment for frame loss in multiple description coding
US8208065B2 (en) * 2008-07-30 2012-06-26 Cinnafilm, Inc. Method, apparatus, and computer software for digital video scan rate conversions with minimization of artifacts
US8873626B2 (en) * 2009-07-02 2014-10-28 Qualcomm Incorporated Template matching for video coding
US8462852B2 (en) 2009-10-20 2013-06-11 Intel Corporation Methods and apparatus for adaptively choosing a search range for motion estimation
US20110002387A1 (en) * 2009-07-03 2011-01-06 Yi-Jen Chiu Techniques for motion estimation
US8917769B2 (en) * 2009-07-03 2014-12-23 Intel Corporation Methods and systems to estimate motion based on reconstructed reference frames at a video decoder
US9654792B2 (en) * 2009-07-03 2017-05-16 Intel Corporation Methods and systems for motion vector derivation at a video decoder
WO2011069831A1 (en) 2009-12-10 2011-06-16 Thomson Licensing Method and apparatus for coding and decoding an image block
CA2784517A1 (en) 2009-12-17 2011-06-23 Telefonaktiebolaget L M Ericsson (Publ) Method and arrangement for video coding
US9094658B2 (en) * 2010-05-10 2015-07-28 Mediatek Inc. Method and apparatus of adaptive loop filtering
WO2012083487A1 (en) 2010-12-21 2012-06-28 Intel Corporation System and method for enhanced dmvd processing
US8908755B2 (en) * 2010-07-16 2014-12-09 Sony Corporation Multi-parameter motion for efficient prediction in video compression
US9357229B2 (en) * 2010-07-28 2016-05-31 Qualcomm Incorporated Coding motion vectors in video coding
US8861617B2 (en) 2010-10-05 2014-10-14 Mediatek Inc Method and apparatus of region-based adaptive loop filtering
US9008176B2 (en) 2011-01-22 2015-04-14 Qualcomm Incorporated Combined reference picture list construction for video coding
US8934552B2 (en) 2011-03-31 2015-01-13 Qualcomm Incorporated Combined reference picture list construction and mapping
EP3136727B1 (en) 2011-04-12 2018-06-13 Sun Patent Trust Motion-video coding method and motion-video coding apparatus
US9485518B2 (en) 2011-05-27 2016-11-01 Sun Patent Trust Decoding method and apparatus with candidate motion vectors
WO2012164880A1 (ja) 2011-05-27 2012-12-06 パナソニック株式会社 画像符号化方法、画像符号化装置、画像復号方法、画像復号装置、および、画像符号化復号装置
PL2717579T3 (pl) 2011-05-31 2020-07-27 Sun Patent Trust Sposób dekodowania obrazu i urządzenie do dekodowania obrazu
WO2012177052A2 (ko) 2011-06-21 2012-12-27 한국전자통신연구원 인터 예측 방법 및 그 장치
KR20120140592A (ko) 2011-06-21 2012-12-31 한국전자통신연구원 움직임 보상의 계산 복잡도 감소 및 부호화 효율을 증가시키는 방법 및 장치
MY181718A (en) * 2011-06-30 2021-01-05 Sun Patent Trust Image decoding method, image encoding method, image decoding device, image encoding device, and image encoding/decoding device
US9456214B2 (en) 2011-08-03 2016-09-27 Sun Patent Trust Moving picture coding method, moving picture coding apparatus, moving picture decoding method, moving picture decoding apparatus, and moving picture coding and decoding apparatus
WO2013057877A1 (ja) 2011-10-19 2013-04-25 パナソニック株式会社 画像符号化方法、画像符号化装置、画像復号方法、および、画像復号装置
JP5485969B2 (ja) * 2011-11-07 2014-05-07 株式会社Ｎｔｔドコモ 動画像予測符号化装置、動画像予測符号化方法、動画像予測符号化プログラム、動画像予測復号装置、動画像予測復号方法及び動画像予測復号プログラム
KR102070431B1 (ko) 2012-01-19 2020-01-28 삼성전자주식회사 쌍방향 예측 및 블록 병합을 제한하는 비디오 부호화 방법 및 장치, 비디오 복호화 방법 및 장치
US9451277B2 (en) 2012-02-08 2016-09-20 Qualcomm Incorporated Restriction of prediction units in B slices to uni-directional inter prediction
US9426463B2 (en) 2012-02-08 2016-08-23 Qualcomm Incorporated Restriction of prediction units in B slices to uni-directional inter prediction
US9143781B2 (en) * 2012-04-03 2015-09-22 Qualcomm Incorporated Weighted prediction parameter coding
US10075708B2 (en) 2012-04-09 2018-09-11 Sun Patent Trust Image encoding method and image decoding method
CN103533372B (zh) * 2012-07-02 2016-12-07 华为技术有限公司 双向预测图像片的编码、解码方法及设备
CN103916673B (zh) * 2013-01-06 2017-12-22 华为技术有限公司 基于双向预测的编码方法、解码方法和装置
CN104717512B (zh) * 2013-12-16 2019-07-23 浙江大学 一种前向双假设编码图像块的编解码方法和装置
JP5642305B2 (ja) * 2014-02-20 2014-12-17 株式会社Ｎｔｔドコモ 動画像予測符号化装置、動画像予測符号化方法、動画像予測符号化プログラム、動画像予測復号装置、動画像予測復号方法及び動画像予測復号プログラム
CN104954787B (zh) * 2014-03-27 2018-03-23 浙江大华技术股份有限公司 Hevc帧间预测模式选择方法及装置
JP5668169B2 (ja) * 2014-07-11 2015-02-12 株式会社Ｎｔｔドコモ 動画像予測符号化装置、動画像予測符号化方法、動画像予測符号化プログラム、動画像予測復号装置、動画像予測復号方法及び動画像予測復号プログラム
JP5736083B2 (ja) * 2014-11-28 2015-06-17 株式会社Ｎｔｔドコモ 動画像予測符号化装置、動画像予測符号化方法、動画像予測符号化プログラム、動画像予測復号装置、動画像予測復号方法及び動画像予測復号プログラム
JP5922281B2 (ja) * 2015-04-17 2016-05-24 株式会社Ｎｔｔドコモ 動画像予測符号化装置、動画像予測符号化方法、動画像予測復号装置及び動画像予測復号方法
CN105681809B (zh) * 2016-02-18 2019-05-21 北京大学 针对双前向预测单元的运动补偿方法
JP6134418B2 (ja) * 2016-04-13 2017-05-24 株式会社Ｎｔｔドコモ 動画像予測復号装置及び動画像予測復号方法
WO2019152283A1 (en) 2018-02-02 2019-08-08 Apple Inc. Techniques of multi-hypothesis motion compensation
US11924440B2 (en) 2018-02-05 2024-03-05 Apple Inc. Techniques of multi-hypothesis motion compensation
US11234017B1 (en) * 2019-12-13 2022-01-25 Meta Platforms, Inc. Hierarchical motion search processing

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1206298A (zh) * 1997-03-07 1999-01-27 次级***有限公司 对交错数字视频的双向预测的视频目标平面的预测和编码
CN1363186A (zh) * 2000-02-01 2002-08-07 皇家菲利浦电子有限公司 使用对于p帧的两步骤运动估算的视频编码
CN1487747A (zh) * 2002-07-18 2004-04-07 Lg������ʽ���� 预测运动矢量的计算方法
CN1525762A (zh) * 2003-09-12 2004-09-01 中国科学院计算技术研究所 一种用于视频编码的编码端/解码端双向预测方法
CN1627827A (zh) * 2002-04-09 2005-06-15 Lg电子株式会社 双向预测块的预测方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5619268A (en) * 1995-01-17 1997-04-08 Graphics Communication Laboratories Motion estimation method and apparatus for calculating a motion vector
US6807231B1 (en) * 1997-09-12 2004-10-19 8×8, Inc. Multi-hypothesis motion-compensated video image predictor
JP2000308062A (ja) * 1999-04-15 2000-11-02 Canon Inc 動画像処理方法
US7003035B2 (en) * 2002-01-25 2006-02-21 Microsoft Corporation Video coding methods and apparatuses
EP1347649A1 (en) * 2002-03-18 2003-09-24 Lg Electronics Inc. B picture mode determining method and apparatus in video coding system
KR100491530B1 (ko) * 2002-05-03 2005-05-27 엘지전자 주식회사 모션 벡터 결정 방법
US7376186B2 (en) * 2002-07-15 2008-05-20 Thomson Licensing Motion estimation with weighting prediction
JP4756573B2 (ja) 2002-12-04 2011-08-24 トムソン ライセンシング 重み付け予測を用いたビデオ・クロス・フェードの符号器および符号化方法
JP2004260251A (ja) * 2003-02-24 2004-09-16 Victor Co Of Japan Ltd 動きベクトル検出装置及び動きベクトル検出プログラム
MXPA05013727A (es) * 2003-06-25 2006-07-06 Thomson Licensing Metodo y aparato para el calculo de prediccion ponderada con el uso de diferencial de cuadro desplazado.
JP2006020095A (ja) * 2004-07-01 2006-01-19 Sharp Corp 動きベクトル検出回路、画像符号化回路、動きベクトル検出方法および画像符号化方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1206298A (zh) * 1997-03-07 1999-01-27 次级***有限公司 对交错数字视频的双向预测的视频目标平面的预测和编码
CN1363186A (zh) * 2000-02-01 2002-08-07 皇家菲利浦电子有限公司 使用对于p帧的两步骤运动估算的视频编码
CN1627827A (zh) * 2002-04-09 2005-06-15 Lg电子株式会社 双向预测块的预测方法
CN1487747A (zh) * 2002-07-18 2004-04-07 Lg������ʽ���� 预测运动矢量的计算方法
CN1525762A (zh) * 2003-09-12 2004-09-01 中国科学院计算技术研究所 一种用于视频编码的编码端/解码端双向预测方法

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
.Joint estimation of forward and backward motionvectorsforinterpolative prediction of video.IEEE TRANSACTIONS ON IMAGE PROCESSING3 5.1994,3(5),摘要、第II、III部分.
Flierl, M.
Flierl, M.;Wiegand, T.;Girod, B.Rate-constrained multi-hypothesis motion-compensatedprediction for video coding.Image Processing, 2000. Proceedings..2000,全文. *
Gersho, A.
Girod B.Rate-constrained multi-hypothesis motion-compensatedprediction for video coding.Image Processing
Siu-Wai Wu
Siu-Wai Wu;Gersho, A.;.Joint estimation of forward and backward motionvectorsforinterpolative prediction of video.IEEE TRANSACTIONS ON IMAGE PROCESSING3 5.1994,3(5),摘要、第II、III部分. *
Wiegand, T.

Also Published As

Publication number Publication date
CN101379835A (zh) 2009-03-04
US20090067505A1 (en) 2009-03-12
EP1982532A2 (en) 2008-10-22
JP2009525683A (ja) 2009-07-09
BRPI0706803A2 (pt) 2011-04-05
US9215475B2 (en) 2015-12-15
WO2007092192A3 (en) 2008-02-28
WO2007092192A2 (en) 2007-08-16
JP5165593B2 (ja) 2013-03-21

Similar Documents

Publication Publication Date Title
CN101379835B (zh) 使用组合参考双向预测进行运动估计的方法和设备
CN102067601B (zh) 视频编码和解码中模板匹配预测(tmp)的方法和装置
CN101023673B (zh) 具有利用局部亮度变化的加权预测的视频编解码器
CN102098517B (zh) 用于确定解码视频块中的期望失真的方法及设备
CN100403793C (zh) 利用加权预测对视频交叉衰落进行编码
CN105284117B (zh) 根据运动信息压缩方案通过层间运动信息预测对图像进行编码或解码的方法和设备
CN103297785B (zh) 对运动矢量进行解码的装置
JP5580453B2 (ja) 直接モード符号化及び復号化装置
CN100450185C (zh) 采用加权预测的运动估计
CN101379829A (zh) 用于运动补偿预测的自适应加权选择的方法和设备
CN104754355A (zh) 对运动矢量进行编码和解码的方法和设备
JP5310614B2 (ja) 動画像符号化装置、動画像符号化方法及び動画像復号装置ならびに動画像復号方法
CN105791823A (zh) 视频编码和解码的自适应模版匹配预测的方法和装置
CN103533376B (zh) 帧间预测编码运动信息的处理方法、装置和编解码***
CN103748880A (zh) 图像序列的编码方法和装置及图像序列的解码方法和装置
JP2004023458A (ja) 動画像符号化／復号化方法及び装置
WO2007040197A1 (ja) 参照画像選択方法および装置
CN110326296A (zh) 用于对运动信息进行编码和解码的方法和装置
CN102893606A (zh) 帧内编码将像素指定给各组的块的方法和装置
CN109688411B (zh) 一种视频编码率失真代价估计方法和装置
JP5184447B2 (ja) 動画像符号化装置および復号装置
CN113709498A (zh) 帧间预测方法、编码器、解码器以及计算机存储介质
KR20070090122A (ko) 움직임 벡터 복호화 방법 및 그 장치
KR20120035769A (ko) 움직임 정보 부호화 및 복호화 방법과 이를 이용한 장치
KR20070090125A (ko) 움직임 벡터 복호화 방법 및 그 장치

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CP02 Change in the address of a patent holder
CP02 Change in the address of a patent holder

Address after: I Si Eli Murli Nor, France

Patentee after: THOMSON LICENSING

Address before: French Boulogne

Patentee before: THOMSON LICENSING

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20190131

Address after: Paris France

Patentee after: International Digital Madison Patent Holding Co.

Address before: I Si Eli Murli Nor, France

Patentee before: THOMSON LICENSING

Effective date of registration: 20190131

Address after: I Si Eli Murli Nor, France

Patentee after: THOMSON LICENSING

Address before: I Si Eli Murli Nor, France

Patentee before: THOMSON LICENSING