[发明专利]基于中心预测的整数像素快速混合搜索方法

说明书

技术领域

本发明属于视频处理方法。

背景技术

近年来，许多学者在降低块匹配运动估计的计算复杂度方面进行了大量的研究，主要集中在开发快速搜索算法上。这些算法大体可分为4类：

第一类算法采用均匀分布的搜索点模式，如三步搜索法(TSS)、二维对数法、十字搜索算法等，大大降低了搜索复杂度，但是也降低了运动估计的准确性和视频质量。例如TSS算法搜索时，整个过程采用了统一的搜索模板，使得第一步的步长过大，容易引起误导，从而对小运动效率较低。

第二类算法利用了运动矢量具有的空间分布不均匀特性——中心偏置分布特性，典型的算法有新三步搜索法(NTSS)、四步搜索法(FSS)、菱形搜索法(DS)、六边形搜索等。运动矢量通常总是高度集中分布在搜索窗的中心位置附近，例如NTSS采用中心倾向的搜索点模式不仅提高了匹配速度，而且减少了陷入局部极小的可能性，而采用中止判别技术则大大降低了搜索复杂度，提高了搜索效率；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，选用了大小两种形状的搜索模板。先用大模板搜索，由于步长大，搜索范围广，可以进行粗定位，使搜索过程不会陷于局部最小；当粗定位结束后，可以认为最优点就在大模板周围8个点所围的菱形区域中，这时再用小模板来准确定位，使搜索不致于有大的起伏，所以它的性能优于其它算法。另外，DS搜索时各步骤之间有很强的相关性，模板移动时只需在几个新的检测点处进行匹配计算，所以也提高了搜索速度。此类算法着眼于提高运动较小情况下的搜索功能，但在估计大运动时预测误差仍然较大。

以上两类算法共同的特点都是以搜索窗的中心作为初始搜索中心，并且假设搜索点在接近全局最优点时对应的匹配误差单调下降，当初始搜索中心与全局最优点距离较大时，容易陷入局部极小。

第三类算法利用运动矢量在时域及空域上的相关性来预测运动矢量以选择较好的初始搜索中心，如预测运动矢量场自适应搜索算法、自适应十字架模式搜索算法及改进的预测区域搜索算法等。此类算法旨在利用运动矢量的时空相关性选择一个反映当前块运动趋势的预测点作为初始搜索点，该预测点比搜索窗的中心更靠近全局最优点，更容易满足匹配误差单调性的假设，提高了预测的准确性。但是，此类算法的性能仍然依赖于初始搜索中心预测的可靠性及搜索模板，且与块的局部运动特征密切相关。

第四类算法是利用预测误差的时空相关性及运动活性动态调整搜索范围或中止搜索的算法，典型的算法有具有匹配预判的自适应不规则模板搜索算法、基于时空相关性的自适应搜索范围调整算法、运动自适应搜索算法以及针对新一代视频压缩标准H.264的非对称十字型多层次六边形格点搜索算法(Unsymmetrical-Cross Muti-Hexagon Search，UMHexagonS)等。其中，UMHexagonS算法(Zhibo Chen，Peng Zhou，Yun He，“Fast Integer Pel and Fractional PelMotion Estimation for JVT”.JVT-F017.doc，JVT of ISO/IEC MPEG&ITU-T VCEG 6^th Meeting：Awaii Island，2002，5-13)采用搜索中心预测、分级搜索和多种搜索模板等策略，并在搜索的过程中引入了中途跳过策略，有效的避免了候选点陷入局部最优的情况，因而能够达到更高的匹配精度。UMHexagonS算法能够在计算复杂度相对于其他算法增加不多的前提下，将编码效率大大提高，是上述算法中综合性能最佳的算法。但该算法搜索路径复杂，搜索模式多样化(包括了非对称十字形、矩形、对称/非对称六边形、菱形)，很难设计对应的统一的并行处理结构，因此不适合硬件设计的要求，另外门限的计算过程也过于复杂，不适合于采用硬 件处理，这些都限制了UMHexagonS算法应用于ASIC设计领域。

发明内容

为了克服现有技术UMHexagonS算法复杂、不适合硬件设计的不足，本发明提供一种基于中心预测的整数像素快速混合搜索(CPFMS，Centered Prediction based Fast Mixed Search)算法，在利用运动矢量的时空相关性对最优匹配点位置进行预测的基础上，依次进行“十”字形分布的五点搜索和九点均布的矩形搜索，并在搜索过程中引入搜索截止门限，在保证编码性能的前提下，可以有效的降低H.264运动估计过程的复杂度。

本发明解决其技术问题所采用的技术方案是：

第一步、搜索窗中心预测：