[发明专利]用于运动对象边界的适应性影响区域滤波器

说明书

技术领域

本发明涉及视频压缩领域。

背景技术

时间预测滤波器(temporal prediction filter)在视频压缩过程中被用于从一组先前解码的参考图像(reference image)中预测出目标图像(targetimage)。时间预测过程在去除大量时间冗余时是有效的，其一般产生较高的编码效率。预测过程使用一组运动向量和对运动向量进行操作的滤波器来预测目标图像。

例如，预测方法将参考图像110划分成多个固定尺寸的块120，如图1所示。每个块具有相关的运动向量，用于描述该块相对于目标图像的运动。运动向量由图像110中的白点示出。时间预测滤波器使用相关的运动向量来对参考图像中的每个块执行简单的运动补偿技术，以预测该块在目标图像中的位置。因此，目标图像中的每个块通过使用单个运动向量根据参考图像中的块被估计出。但是，这种方法独立对待每个运动向量，并且不适应于图像特征。

传统的时间滤波器使用单个运动向量来预测相关块的位置或者依赖于针对规则的运动向量模式(pattern)定义的滤波器，这些传统时间滤波器需要规则分布的运动向量以执行时间预测。因此，它们无法使得预测过程适应于不规则的运动向量模式。存在对于可以使得滤波器的抽头(tap)和滤波器系数局部适应于不规则的运动向量模式的变化的滤波器的需求。还存在对于具有适应于对象边界(object boundary)和空间纹理(spatialtexture)的灵活性的时间滤波器的需求。

发明内容

执行适应性时间预测的方法包括：接收目标图像，其中对象在目标图像中的位置不同于该对象在参考图像中的位置；使用对象的边界来生成不规则的目标图像运动向量模式；使用这些目标图像运动向量将目标图像划分成影响区域单元，其中每个影响区域单元包含目标图像运动向量中的唯一一个；并且通过将适应性的影响区域滤波器应用到影响区域单元来生成目标图像的预测。

附图说明

本发明以示例方式示出，并且可以通过结合附图参考以下描述来更好地理解，其中：

图1示出被划分成多个固定尺寸的块的参考图像的示例。

图2A和2B示出用于运动对象边界的适应性时间滤波的示例。

图3A示出从目标图像中提取出的运动对象边界的示例。

图3B示出利用运动对象边界生成的不规则的运动向量模式的示例。

图4A示出用于生成不规则的运动向量模式的方法的示例。

图4B示出图4A的方法的中间结果的示例。

图5示出计算滤波器系数的方法的示例。

图6示出使滤波器适应于图像中的对象特征的方法的示例。

图7示出构造对象边界周围的AOI单元的示例。

图8示出用于运动对象的封闭区域(occluded region)的示例。

图9示出利用一个参考图像来预测封闭区域附近的像素的修改示例。

图10示出使用滤波器来预测目标图像中的像素的示例。

图11示出重新估计运动向量值以提高滤波器精确度的方法的示例。

图12示出用于利用适应性时间滤波器对视频数据图像(或帧、或场)进行编码的视频编码系统的示例。

图13示出在解码视频数据的图像(或帧、或图像)时使用滤波器的示例。

图14示出使用适应性影响区域滤波器的视频系统的示例。

具体实施方式

在以下描述中，参考构成说明书一部分的附图，附图中以图示方式示出可用来实施本发明的特定实施例。将会理解，在不脱离本发明的范围的情况下，其他实施例可被利用，并且结构改变可能发生。例如，本领域技术人员将会理解，用来描述各个实施例的术语场或帧或图像在参考视频数据使用时可以互换。

适应性影响区域(adaptive area of influence，AAOI)时间滤波器在预测目标图像时自动适应于不规则的运动向量模式、对象特征和空间纹理。AAOI滤波器在时域中作用于经运动补偿的信号，这不同于其他方法，其他方法试图直接对运动向量进行滤波(例如运动向量域中的三角滤波)。例如，由于AAOI滤波方法在时域中操作，因此更易修改以适应于对象和空间纹理。在一个实施例中，AAOI滤波器执行两级过程(two stageprocess)，以在像素预测期间耦合相邻的运动向量。第一级使得滤波器适应于不规则的运动向量采样模式、对象形状以及边界。第二级使得滤波器适应于图像的空间纹理。