H．264視頻壓縮快速運動估計算法 DCS算法

H．264是現(xiàn)有最重要數(shù)據(jù)壓縮編碼國際標準之一。

快速運動估計算法一直是視頻壓縮中的研究熱點。本文針對一些快速估計算法過早確定了搜索方向，容易陷入局部最小點，損失了搜索精度的情況，在原有基礎(chǔ)上，運用菱形十字搜索算法(DCS)與閾值估計相結(jié)合的方法提高了運動估計的性能。實驗結(jié)果表明，該算法可以用較小的搜索代價取得與全搜索(FS)相當?shù)男Ч?，并且在搜索速度方面?yōu)于鉆石法DS)。

　　0 引言

　　H．264采用了減少視頻圖像各幀間冗余度的運動估計算法。運動估計算法傳統(tǒng)的有全搜索(FS)、三步搜索(TSS)、新三步搜索(NTSS)、四步搜索(FSS)等；常用的是鉆石搜索(DS)和非對稱十字交叉多層次六邊形格點運動搜索算法(UMHexagonS)。運動估計是整個視頻編碼中運算量最大的模塊，可占整個軟件編碼器運算量的70％以上。因此視頻系統(tǒng)中編碼器的復雜部分取決于運動估計算法體系結(jié)構(gòu)的復雜性。

　　1 運動估計算法分析

　　1．1 鉆石搜索(DS)算法

　　DS算法即鉆石搜索算法，被MPEG-4國際標準采用并收入驗證模型VM(Verification Model)中，是MPEG-4建議采用的快速運動估計算法。 DS算法采用了兩種搜索模板，分別是有9個檢測點的大模板和有5個檢測點的小模板。搜索時先用大模板LDSP在搜索區(qū)域中心及周圍8個點處進行匹配計算，當最小塊誤差出現(xiàn)在中心點處時，將大模板LDSP換為SDSP，再進行匹配計算，這時5個點中的MBD(Minimum Block Distortion)即為最優(yōu)匹配點；否則，改變中心位置，仍用LDSP重復計算。

　　1．2 菱形十字搜索(DCS)算法

　　菱形十字搜索算法(DCS)算法是在DS算法基礎(chǔ)上改進而來，DCS的匹配模板是建立在兩種不同的搜索模板之上的，即大菱形十字型(LDCSP)和小菱形十字型(SDCSP)，如圖1所示。其中，十字型可以對應(yīng)于實際的運動的矢量分布，而交叉型則是為了加速搜索效果。

　　DCS算法在進行運動估計匹配運算時，有三種可能的情況：

　　(1)若MBD點位于LDCSP中心位置，說明圖像是靜止的，DCS算法一步結(jié)束；

　　(2)若MBD點位于LDCSP小十字位置，說明圖像的運動較小，則在此基礎(chǔ)上按照SDCSP模板反復進行交叉搜索。

　　(3)若MBD點位于LDCSP大十字位置，說明圖像的運動較大，則在此基礎(chǔ)上按照LDCSP模板反復進行交叉搜索。

　　由此可以看出，DCS算法的優(yōu)點是，可以根據(jù)圖像的運動類型(如上述三種情況)，白適應(yīng)選擇下一步相應(yīng)的搜索模板，使搜索與圖像內(nèi)容有關(guān)(基于內(nèi)容的搜索)，從而得到較好的搜索效果；DCS算法的搜索并不一定要經(jīng)歷模板由大到小的必然過程，有時一步即可完成搜索；用DCS搜索時，十字形模板對應(yīng)于實際的運動矢量分布，交叉形模板則有準確性“聚焦”特性，這從本質(zhì)上體現(xiàn)了DCS是粗定位和準確定位的有效結(jié)合。 Script type=text/javascript> function ImgZoom(Id)//重新設(shè)置圖片大小 防止撐破表格 { var w = $(Id).width; var m = 650; if(w m){return;} else{ var h = $(Id).height; $(Id).height = parseInt(h*m/w); $(Id).width = m; } } window.onload = function() { var Imgs = $(content).getElementsByTagName(img); var i=0; for(;i

　　視頻圖像的運動矢量大部分為零矢量或運動很小的矢量。運動矢量為零的塊稱為靜止塊；運動矢量很小的塊(以搜索窗口中心為圓心，兩像素為半徑的圓內(nèi))稱為準靜止塊：而其他的稱為運動塊。如果有超過80％運動矢量很小的塊可被看作靜止或準靜止塊。因此，可設(shè)一個閥值T，當運動矢量的值小于T時，可用SDCSP搜索法直接進行精確定位，找出最優(yōu)點；當運動矢量的值大于T時，可用LDCSP搜索算法找出最優(yōu)點。

　　運動矢量空間域的預測方式有運動矢量中值預測、空間域的上層塊模式運動矢量；在時間域的預測方式有前幀對應(yīng)塊運動矢量預測和時間域的鄰近參考幀運動矢量預測。本文采用運動矢量中值預測方式。根據(jù)與當前E塊相鄰的左邊A塊，上邊B塊和右上邊C塊的運動矢量，取中值作為當前塊的預測運動矢量。如圖2所示。

　　設(shè)當前要編碼塊E的運動矢量為MVp。如果運動矢量的值MVp≥T，則與E塊相鄰的各塊間運動的相關(guān)性較高，表明該區(qū)域的變化比較平緩；如果運動矢量的值MVpT，則與E塊相鄰的各塊間運動的相關(guān)性較低，表明該區(qū)域變化比較劇烈。通過對missa、grandmother、carphone、salesman的檢測可知，取閾值T=2。

　　3 自適應(yīng)運動估計算法

　　結(jié)合上述DCS算法和閾值的確定，可采取先對視頻圖像的運動塊進行閾值的判斷，再根據(jù)判斷結(jié)果進行最佳匹配塊的搜索。具體搜索步驟描述如下：

　　Step 1：判斷當前塊運動矢量MVp和閾值確大小。若MVp≥T，則進入Step 2；若MVpT，則進入Step 5。

　　Step 2：用LDCSP在搜索區(qū)域中心及周圍8個點進行匹配運算，然后判斷，找出MBD點。若MBD點位于中心點，說明宏塊是靜止的，DCS算法一步結(jié)束，得到最優(yōu)匹配塊；否則進行Step 3。

　　Step 3：若MBD點為LDCSP模版的小十字處，以該點為中心構(gòu)建SDCSP進行匹配計算，若MBD點位于中心點，所得MBD點為所求。否則，進入Step 4。

　　Step 4：若MBD點為LDCSP模版的大十字處，以該點為中心構(gòu)建LCSP進行匹配計算，進入step 2。

　　Step 5：用LDCSP在搜索區(qū)域中心及周圍5個點進行匹配運算，然后判斷，找出MBD點。若MBD點位于中心點，所得MBD點為所求；否則繼續(xù)Step 5。

　　算法流程圖如圖3所示