网站原创摘 要 ： 运动估计是视频编解码系统中的关键技术, 而运动估计的快速块匹配算法主要是通过采用初始搜索点预测,提前退出技术以及不同的搜索模板来提高算法的效率.通过引入马尔科夫链模型实现了对初始搜索点的准确预测,以及利用模糊逻辑和遗传算法以避免搜索过程陷入局部最优点等方法,提出了一种基于马尔科夫链模型的运动估计新方法.实验结果表明,该方法能够对不同性质视频序列有很好的适应能力,并在计算成本和图像重建质量上得到了很好的折中.
关 键 词 ： 运动估计； 视频编解码系统； 马尔科夫链模型； 模糊逻辑； 遗传算法
中图分类号： TN 391文献标识码： Adoi： 10.3969/j.issn.10055630.2012.03.005
引言
运动估计技术在视频编解码系统以及很多视频处理应用领域（如视频降噪,帧速率变频等）有着非常重要的作用[1,2].由于块匹配运动估计（blockmatching motion estimation,BME）算法通过将视频帧分割为一定数目的宏块,并通过寻找指定范围内相邻帧匹配最佳宏块的方法实现运动估计,算法原理简单且易于硬件实现,因此BME算法在实际的工程项目中得到了非常广泛的应用,并且BME算法已经被很多国际视频编解码标准所采纳,如国际标准化组织ISO的MPEG1/2/4标准,国际电信联盟ITUT的 H.261,H.263和H.264标准[3,4].其中,全搜索（full searching,FS）算法通过测试搜索范围内所有点的方法实现最佳匹配,因此是匹配效果最好的BME算法.但是,由于其计算成本太高,很难直接应用于实际的系统中.为此,各种各样的快速块匹配运动估计（fast blockmatching motion estimation,FBME）算法层出不穷[5].
模板匹配类运动估计（pattern based blockmatching motion estimation,PBME）算法通过对运动矢量统计特性的分析,对搜索模板进行巧妙的设计,用尽可能少的搜索实现最优匹配,成为现有FBME的主流方案[6].这种方法是一种典型的多步实现过程,往往包含如下几个典型技术的应用[7]：（1）搜索起始点的确定；（2）提前退出策略；（3）搜索模板设计.这些技术的应用主要为了解决FBME所需面对的两个问题：（1）减少搜索点数,加快搜索速度；（2）避免陷入局部最优.然而,在实际的视频序列中,特别是运动剧烈的视频序列,其运动矢量分布具有较复杂的多峰特性,这两个问题往往是比较矛盾的.文献[8]通过引入马尔科夫链模型,很好地实现了初始搜索点的预测,结合运动矢量场自适应预测技术-PMVFAST的优势,实现了一种有效的FBME算法-MEMCM,但是对运动较剧烈的视频序列,较易陷入局部最优.
为了更好地调和以上所提两方面问题,在文献[8]的基础上利用模糊逻辑和遗传算法等手段,尽可能避免搜索过程中陷入局部最优,从而增加算法匹配精度,实现了一种既快又好的FBME算法.
1马尔科夫链模型运动估计
视频编码过程中,无论运动补偿滤波结构如何设计,都需要对相对连续视频帧进行运动估计,以实现时间和空间冗余信息的去除.因此,连续运动估计过程中,初始搜索点之间也同样存在很强的时间和空间相关性,而为了更好地利用这种相关性,可以定义三种常用的初始运动矢量预测模式：零矢量模式,中值矢量模式以及参考矢量模式.
4结论
通过将模糊逻辑推理及遗传算法引入基于马尔科夫链模型运动估计算法中,从而最大限度地避免了快速搜索过程中陷入局部点的可能,实现了运动估计算法在算法速度及重构视频质量之间的较好折中.实验结果表明,文中所提算法确实能够实现在具有较快搜索速度的前提下,较大程度地提高视频重构质量,是一种具有较好鲁棒性的快速运动估计算法解决方案.