CN103384330A

CN103384330A - 一种avs快速运动估计方法

Info

Publication number: CN103384330A
Application number: CN2013101981698A
Authority: CN
Inventors: 张新安
Original assignee: Individual
Current assignee: Individual
Priority date: 2013-05-26
Filing date: 2013-05-26
Publication date: 2013-11-06

Abstract

本发明提供一种AVS快速运动估计方法。它对DS算法进行了改进，提出了一种新的搜索算法：SDS算法，算法流程如附图所示。SDS算法的模板SDP是在DS的小模板基础上，增加向四周延伸的正方形的4个顶点，形成一个新的综合模板，称为正方形—菱形模板SDP。SDS算法是基于并行处理的，可以根据图像中的运动类型，自适应选下一步相应的搜索模板，实现了基于内容的搜索。与DS算法相比，该算法可以有效地降低整像素运动估计所需搜索的点数，而且编码性能接近全搜索法。算法节省的计算量最多可达77.4％，且Bits降低程度大于PSNR下降程度，在不降低编码性能的情况下，能有效地提高运动估计的编码速度。

Description

一种AVS快速运动估计方法

技术领域

本发明涉及信号处理中的视频编码技术领域，具体涉及一种AVS快速运动估计方法。

背景技术

自1948年C.E.Shannon提出信源编码理论以来，人们对图像压缩编码技术进行了大量的研究。经过六十多年的研究和发展，出现了很多的技术和方法。AVS（Audio Video Coding Standard）是我国自主制定，拥有自主知识产权的音视频编解码标准。

在AVS视频编码中，运动估计（Motion Estimation, ME）是计算量最大的模块，约占整个编码计算量的76％。AVS的运动估计算法中，对每种块模式都要分别进行整像素、半像素和1/4像素的搜索。整像素运动估计约占整个编码68％的计算量，如何提高运动估计的效率，使运动估计算法的搜索过程更快速、更高效一直是视频编码研究领域的一个热点。

目前运动估计的快速搜索算法有很多种，典型算法有：三步法（Three Step Search, TSS），新三步法（Novel Three Step Search, NTSS），四步法（Four Step Search, FSS），菱形搜索法（Diamond Search, DS），六边形搜索法（Hexagon-based Search, HBS），二阶对数法（2-D LOGS）以及它们之间的结合使用等。前三种方法容易陷入局部最优先，并且搜索速度不够快。DS算法是先用大菱形匹配，进行最佳点的粗定位，搜索过程不会陷入局部极小，当粗定位结束后，再使用小菱形进行精确定位。HBS算法与DS相似，只是搜索模板不同，它使用了比DS算法更少的探测点，因此提高了算法的搜索速度。

发明内容

针对AVS需要更高效的快速运动估计方法，为了解决现有运动估计方法存在的不足，本发明公开一种AVS快速运动估计方法。该方法在保证图像质量和编码效率基本不变的同时，可有效地减少运动估计的计算量，提高编码速度。

本发明在对菱形算法（Diamond Search, DS）进行深入分析和研究的基础上，对菱形快速运动估计算法进行了改进，提出了一种新的搜索算法：正方形—菱形算法（Square-Diamond Search, SDS），简称SDS算法，算法包括以下步骤：

Step1 以搜索区原点对应SDP中心，在SDP上9个点处分别进行匹配计算，然后判断找出MBD点，若MBD位于中心，说明图像是静止的，SDS算法一步结束，进行Stp4；若MBD点位于正方形4个顶点处，说明图像的运较大，则进行Step2；若MBD点位于菱形4个顶点处，说图像的运动较小，则进行Step3；

Step2 以上一次找到的MBD点作为中心点，进行Step1相同的运算；

Step3 以上一次的MBD点作为中心点，将SDP收为DP模板，在5个点分别计算，然后找出新的MBD点，若MBD点位于中心，进行Step4；若MBD点位于周围4个点处，则重复Step3；

Step4 将该中心点作为最佳匹配点，得到运动矢量。

与现有技术比较，本发明的优点和积极效果为：与菱形算法相比，该算法可以有效地降低整像素运动估计所需搜索的点数，而且编码性能接近全搜索法。算法节省的计算量最多可达77.4％，且Bits降低程度大于PSNR下降程度，在不降低编码性能的情况下，能有效地提高运动估计的编码速度。

下面对菱形搜索算法和本发明的SDS算法这两部分作详细说明。

菱形搜索算法。

菱形搜索算法一直被认为是比较经典的搜索算法，是MPEG工作组推荐的MPEG4标准的搜索算法。

统计数据表明，视频图像中进行运动估值时，最优点通常在零矢量周围（以搜索窗口中心为圆心，两像素为半径的圆内），如附图1所示。

DS算法采用了两种搜索模板，分别是有9个检测点的大模板LDSP（Large Diamond Search Pattern）和有5个检测点的小模板SDSP（Small Diamond Search Pattern），如附图2所示，LDSP由一个中心点和它周围的8个搜索点构成，这9个点组成一个菱形。SDSP由5个搜索点构成。搜索模板太大，容易走错方向，搜索模板太小又可能导致收敛速度慢。用两种模板，结合了两者的优点，保持较好的性能。

菱形算法的步骤如下：

第1步最初的LDSP以搜索窗口中心为中心点计算大菱形的9个搜索点的编码代价。若编码代价最小的搜索点位于中心，跳到第3步，否则进行第2步；

第2步以上一步搜索的9个点中代价最小的点为大菱形的中心点，计算大菱形的9个搜索点的编码代价。若编码代价最小的搜索点位于中心，跳到第3步：否则，重复第2步；

第3步以上一步搜索的9个点中代价最小的点为中心点，计算小菱形的5个搜索点的编码代价。编码代价最小的块为匹配块。

附图3是用大菱形模板搜索时的搜索路径示意，（a）显示的是顶角点最优，（b）显示的是边点最优时的状态。

尽管DS算法没有限定搜索的次数，但是实际上由于运动矢量的中心偏置，搜索都会很快结束。其运算复杂度一般比三步法要低得多，而且保持了很好的性能。

另外还有很多对各种经典算法提出各种改进算法，其中最典型的改进方法是在搜索过程中增加一些特征判断，当检测符合某个特征或某个条件成立时改变搜索路径或中途停止。这些算法在牺牲很小的性能的条件下，进一步减少了搜索的点数，大大提高了编码速度。但这些算法中条件判断很多，分支结构较多，不利于在DSP上实现。

附图4显示的一次菱形搜索过程示意，白三角形指示的是最后的最优点。

DS算法的特点在于它分析了视频图像中运动矢量的基本规律，选用了两种形状的搜索模板LDSP和SDSP。先用LDSP大范围搜索，再用SDSP来准确定位，所以它的性能优于其它算法。但是，DS算法只是一种搜索策略的折衷处理，其性能上的缺陷表现在两个方面：（1）对于运动稍微大一点的图像，如果取常用的±7个像素点的搜索范围，速度就比不上FSS，因为FSS采用5×5的正方形搜索窗，它的覆盖范围比LDSP大；（2）对于保持静止的图像序列，即运动矢量为零矢量的情况，DS算法必须要依次计算LDSP和SDSP两个模板的13个点，而理想情况是只需计算SDSP的5个点，即对于小运动搜索DS算法还有待改进。

综合分析DS及其它快速算法后可以发现，它们都是基于串行处理思想的，即为了保证算法的效率和收敛性，搜索模板和搜索步长只能由大到小，先进行粗定位，然后再准确定位。这种串行搜索方式不能根据图像的内容（运动类型）作灵活处理，这对小运动来说是一种浪费，而且当第一步的步长较大时还会误导搜索方向，影响搜索的速度和准确性。

针对这些问题，本发明提出的SDS算法能较好地解决了上面几个问题，使得SDS在时间和性能上都优于以往的快速运动估值算法。

SDS算法。

SDS的模板是在DS的小模板基础上，增加向四周延伸的正方形的4个顶点，形成一个新的综合模板，称为正方形—菱形模板 SDP（Square Diamond Pattern），如附图5（a）所示。

附图说明

图1为最优点的分布规律图。

图2为菱形搜索模式图。

图3为LDSP的搜索模式图。

图4为菱形法的搜索过程示意图。

图5为SDS算法模板示意图。

图6为搜索过程中模板改变的3种情况示意图。

图7为DS算法搜索到（-4，-2）的可能路径，共24个点示意图。

图8为SDS算法搜索到（-4，-2）的可能路径，共22个点示意图。

图9为本发明的SDS算法流程图。

具体实施方式

本发明的AVS快速运动估计算法流程如图9所示，其SDS算法的主要步骤如下：

Step3 以上一次的MBD点作为中心点，将SDP收为附图5（b）所示的菱形模板DP（Diamond Pattern），在5个点分别计算，然后找出新的MBD点，若MBD点位于中心，进行Step4；若MBD点位于周围4个点处，则重复Step3；

Step4 将该中心点作为最佳匹配点，得到运动矢量。

SDS算法有如下特点：

（1） SDS算法的搜索不需要经历模板由大到小的必然过程，有时一步即可完成搜索；

（2）使用SDS算法，可以根据图像中的运动类型，自适应选择下一步相应的搜索模板，实现了基于内容的搜索，从而得到较好的估计结果；

（3）SDP是正方形和菱形两种模板的组合，SDP综合模板的运算可以看作是两种不同模板并行运算的结果；

（4）用SDP搜索时，正方形模板保持了大模板粗定位的特性，而菱形模板则有准确“聚焦”的特性，这从本质上体现了SDP是粗定位和准确定位的并行实施。

上述特点说明SDS算法是基于并行处理的。SDS算法在搜索模板改变位置时，总有两个重叠的点，所以当重复使用SDP时只需计算7个新的检测点，重复使用DP时只要计算3个新的检测点，这就提高了搜索效率。附图6给出了搜索过程中模板改变的3种情况。

SDS算法在最低代价（最少检测点）下引入了大小模板并行处理的思想。运动较大时，可以持续用大步长来搜索，而同时保持了在局部范围内的“聚焦”特性，当真正遇到小运动时，又会灵活使用小步长的模板。例如零矢量的情况，SDS算法只需检测9个点即可获得运动矢量，而其它算法如TSS需要检测25个点、FSS需要检测17个点、DS也需要检测13个点。按视频图像运动矢量的统计规律，假设最佳点就在附图1所示的圆内，对DS和SDS两种算法需要检测的点数进行比较，如表1所示，从表中可以看出SDS总比DS少1～4个搜索点。

表1 DS和SDS在零矢量周围的搜索比较

Figure 2013101981698100002DEST_PATH_IMAGE001

。

用DS算法搜索到运动矢量（-4，-2）的例子，如附图7所示，搜索共有5步，使用了四次LDSP和一次SDSP，总共搜索了24个点。附图8是用SDS算法搜索到同样点的可能路径。可以看出，SDS算法有四步，用了两次SDP和两次DP，总共22个点，每一步检测的新点数分别为9、7、3和3点。总之，SDS要比DS在速度上有所提高。

SDS算法和DS算法一样，没有限制搜索的步数，而且搜索范围不必固定，所以使用起来非常灵活，同时SDS算法的收敛性是可以保证的。

使用一系列常用视频序列（CIF格式）测试RM50d参考代码的优化前后的实验结果见表2。

表2 常用CIF序列DS与SDS算法的性能比较

Figure 2013101981698100002DEST_PATH_IMAGE002

。

从表2可以看出编码速度得到不小的提高，但算法改进后图像质量（PSNR）没有多大的降低，对于部分视频序列，改进的SDS算法的编码效率甚至超过了原来的DS算法。

本发明的SDS算法没有用到中途停止功能，可与其它的基于中途停止的快速算法结合，在牺牲很少图像质量的条件下，可进一步减少块匹配的次数，提高编码速度。

应当指出，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的技术人员在本发明的实质范围内所做出的修改，变形、添加或替换，也应属于本发明的保护范围。

Claims

1.一种AVS快速运动估计方法，其特征在于，其SDS算法包括以下步骤：

Step4 将该中心点作为最佳匹配点，得到运动矢量。

2.根据权利要求1所述的一种AVS快速运动估计方法，其特征在于：Step1中的SDP是SDS算法的模板，它是在DS的小模板基础上，增加向四周延伸的正方形的4个顶点，形成一个新的综合模板，称为正方形—菱形模板 SDP（Square Diamond Pattern）。

3.根据权利要求1所述的一种AVS快速运动估计方法，其特征在于：Step1中的SDS算法是在对菱形算法（Diamond Search, DS）进行深入分析和研究的基础上，对菱形快速运动估计算法进行了改进，提出了一种新的搜索算法：正方形—菱形算法（Square-Diamond Search, SDS），简称SDS算法。

4.根据权利要求1所述的一种AVS快速运动估计方法，其特征在于：SDS算法是基于并行处理的，可以根据图像中的运动类型，自适应选择下一步相应的搜索模板，实现基于内容的搜索。