高效视频编码帧间预测中运动估计算法研究(4)

菜单

一般来说,视觉冗余主要原因还是人们的身体构造的缺陷,起源于人的眼睛在图像上关于对比度、颜色等方面的敏感度的低下,所以在图像的质量上即使略有降低也不容易察觉,前提是在允许的范围内。而这些相比的是,人眼反而更容易辨别出中等灰色区域的噪声但是在比较亮或暗的区域的分辨能力却很低下,就拿颜色来说,很容易区分红、橙、黄、绿、蓝靛蓝之间的区别,但在辨别颜色到底有多红,有多紫的分辨上却十分艰难,即关于亮度方面的敏感度十分低,却在颜色的辨别上有着很强的敏感度,在纹理上来说,如果在质地上比较单一的平坦区域更

容易检测噪声的存在,但相对来说越复杂的多纹理区域就很难找到噪声声音。那么这个问题怎么办呢?可以通过定量编码来解决。

1.3.2 运动估计的现阶段发展情况

在有关视频编码的压缩技术中,帧间的预测编码技术通常是为了减少在视频上的序列时间冗余,而减少空间冗余就需要依靠帧內预测编码来实施,在面对现有的许多的勘察记录比如电话视频会议其他视频图像等是让帧成为其周期的时间有关连续函数,与此同时,对于这些相关的视频序列来讲时间的相关性比空间相关性要强很多,然而在压缩技术手段上来讲,使用帧间预测这一方法的重要性就极为明显了。而在其中运动的估计与运动的补偿是在帧间预测中的两个重要参数。我们所说的运动补偿,就是检测在图像序列运动中的时候,其运动参数。并且利用之前一帧的运动参数来合理有效的预测当前帧中相关的运动信息,利用此进行对运动造成的相邻帧改变实施合理有效地压缩和编码。但是,运动估计这个环节的首选任务还是要验证物体运动起来时候的参数。就现有的情况来讲运动估计在高效视频编码中起着非常巨大的作用,不仅如此就连在目标跟踪、电子稳像、视频会议等也有着重要的地位,但是它的第一次应用仍然还是应用在了视频编码里。在相关的视频编码操作里运动估计作为最费时和算法的环节当然也是最为关键和重要的,因此我们需要深度探讨当前运动估计在当代中含有的技术,接下来我们需要对运动估计的现状进行比较深入的探讨。

运动估计的算法可以分成以下几个大类:像素递归算法,块匹配法等算法在这些众多匹配算法当中,块匹配算法借助它方便在软件和硬件上实现而且还拥有非常简单的原理上,受到了现在主流的推崇进而取得了良好的应用范围。而在这里面又分支出现两个比较重要的成分一个是搜索模式,另一个则是匹配法则,这两大因素一直是人们研究块匹配算法的重要成分。

在确立运动估计中的相关搜索模式中,最为突出的莫过于全搜索算法(又称 ES),它本身采用了穷举搜索的方式来进行搜索,这种简单又直接的方式找到的运动矢量(MV)可以作为最优解来使用。但是其计算量由于过于庞大几乎无法达到试试传输的环节,所以反而成为了人们用来评测的参考。而在此之后, T. Koga 推出了三步搜索算法(即:TSS),这个算法利用一步一步的缩小搜索步长来实现找到最终最佳匹配块。Renxiang Li 和 Bing Zeng 在三步搜索发的基础上开发出了一种新的基于三步搜索法的新的三步搜索算法(即: NTSS)。而如今被广泛使用的标准 H.264 作为验证模型的菱形搜索算法即(DS)是由 S. Zhu 和 K.K 一起提出与发表的,它在匹配速度和匹配精度上都十分优秀。.而在此基础上 MaH. Jia 和 L. Zhang 又开发出了一种定向菱形搜索算法(即 DDS)。这种算法能够依据运动矢量的方向进而选择水平菱形模板或垂直菱形模板。而这之后,Ce Zhu、Xiao Lin 和 Lap-Pui Chau 等人又联合提出了六边形搜索算法(即:HEXBS)。其中 HEBS