[发明专利]时间预测滤波器对不规则运动矢量采样进行的自适应运动估计

说明书

技术领域

本发明涉及视频压缩领域。

背景技术

在视频压缩处理中使用时间预测滤波器(temporal prediction filter)、根据一组经预先解码的参考图像来预测目标图像。时间预测处理在去除大量的时间冗余度方面是很有效的，这一般会得到较高的编码效率。预测处理使用一组运动矢量和对该运动矢量进行操作的滤波器来预测目标图像。

例如，如图1所示，预测方法将参考图像110分割成多个固定大小的块120。每一个块都具有关联运动矢量，用以描述该块相对于目标图像的运动。在图像110中，运动矢量用白点来示出。时间预测滤波器使用该关联运动矢量来对参考图像中的每一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，目标图像中的每一个块是使用一个运动矢量、根据参考图像中的块来估计的。但是，这个方法独立地处理每一个运动矢量，并且对图像特征没有自适应性。

使用一个运动矢量来预测关联块的位置或者依赖于针对规则运动矢量布局来限定的滤波器的传统时间滤波器需要规则分布的运动矢量来执行时间预测。因此，它们无法使预测处理适应运动矢量的不规则布局。需要这样一种滤波器，该滤波器能够针对运动矢量的不规则布局的变化而在本地调整其抽头和滤波器系数，并且还能够针对物体边界和空间纹理来灵活地进行调整。还需要一种有效且高效的运动估计过程，该过程能够使用时间滤波器、通过考虑相邻运动矢量的影响来估计每一个运动矢量值。

发明内容

一种方法，包括：接收目标图像的不规则布局的运动矢量，估计每一个运动矢量的初始值，使用运动矢量来生成自适应时间预测滤波器的抽头结构，以及使用抽头结构来重估计每一个运动矢量的值。

附图说明

本发明是通过示例的方式来说明的，并且通过参考以下说明并结合附图可以更好地理解本发明，在附图中：

图1示出了传统的基于块的时间滤波器的示例；

图2示出了自适应时间滤波过程的示例；

图3和4示出了在自适应时间滤波过程中使用的不规则布局的运动矢量和影响单元范围的示例；

图5A示出了利用自适应时间滤波器来执行的预测的示例；

图5B示出了在自适应时间滤波过程中使用的运动矢量的总影响范围的示例；

图6示出了可以在自适应时间滤波过程中使用的误差降低方法的示例；

图7示出了利用自适应时间滤波器来执行的、根据多个参考图像来预测目标图像的示例；

图8示出了可以在自适应时间滤波过程中使用的误差降低方法的另一个示例；

图9示出了使用自适应时间滤波器的编码系统的示例；

图10示出了使用自适应影响范围滤波器的解码系统的示例；以及

图11示出了使用自适应影响范围滤波器的数字相机系统的示例。

具体实施方式

在以下描述中，参考了形成本文的一部分的附图，该附图通过图示的方式示出了可以实施本发明的特定实施例。将会了解，在不脱离本发明的范围的情况下可以采用其它实施例并且可以进行结构改变。例如，本领域的技术人员将明白用于描述各个实施例的术语场、帧、图像在结合视频数据使用时一般是可以互换的。

对不规则布局的运动矢量应用自适应时间预测滤波器，以产生目标图像的预测。在一个实施例中，运动矢量的每一个估计是针对该不规则布局、相对于自适应时间滤波器的抽头结构来确定的。所述估计在两个阶段中进行。在第一阶段中，独立于滤波器抽头的结构来确定运动矢量的初始估计。在第二阶段中，在每一个运动矢量的值的重估计期间使用了抽头结构。应用于特定运动矢量的抽头结构是根据相邻运动矢量的本地布局来生成的，从而在该特定运动矢量的估计中包括它们的影响。在一些实施例中，使用自适应像素影响区域和自适应搜索窗来降低重估计处理的执行复杂度。重估计运动矢量的值可以使用非自适应或自适应的重估计过程来执行。非自适应的慢速重估计涉及在具有固定跨度的搜索窗中进行全面搜索以得到特定运动矢量的值。致使最大程度地降低预测误差的运动矢量的值被选择作为新值。

自适应时间滤波过程的一个示例在图2中示出。在210中，针对图像来生成运动矢量的不规则采样布局。可以使用本领域技术人员已知的方法、按各种方式来进行这样的不规则布局。运动矢量的不规则布局的一个示例在图3的块310中示出。图像310中的白点表示运动矢量。对于这个自适应采样布局，运动矢量更加集中于很难根据参考图像来预测的区域(即，具有更加复杂的运动的图像区域，例如，接近移动边界的区域)中。在简单的运动区域(例如，图像背景区域)中放置较少的运动矢量。