CN101795409B - 内容自适应分数像素运动估计方法 - Google Patents
内容自适应分数像素运动估计方法 Download PDFInfo
- Publication number
- CN101795409B CN101795409B CN 201010117539 CN201010117539A CN101795409B CN 101795409 B CN101795409 B CN 101795409B CN 201010117539 CN201010117539 CN 201010117539 CN 201010117539 A CN201010117539 A CN 201010117539A CN 101795409 B CN101795409 B CN 101795409B
- Authority
- CN
- China
- Prior art keywords
- search
- fractional pixel
- pixel motion
- motion vector
- motion estimation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 6
- 239000013598 vector Substances 0.000 claims abstract description 96
- 238000004364 calculation method Methods 0.000 abstract description 16
- 229910003460 diamond Inorganic materials 0.000 abstract description 16
- 239000010432 diamond Substances 0.000 abstract description 16
- 238000012545 processing Methods 0.000 abstract description 3
- 230000007423 decrease Effects 0.000 abstract description 2
- 230000006872 improvement Effects 0.000 abstract description 2
- 238000005070 sampling Methods 0.000 abstract 1
- 231100000705 endocrine Disruptor Screening Program Toxicity 0.000 description 10
- 238000013139 quantization Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 230000006835 compression Effects 0.000 description 5
- 238000007906 compression Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 101100493820 Caenorhabditis elegans best-1 gene Proteins 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 101100004280 Caenorhabditis elegans best-2 gene Proteins 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Landscapes
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明属于信号处理中的视频编码领域，涉及内容自适应分数像素运动估计方法。包括基于平坦区域宏块预测的无效分数像素运动矢量搜索省略方法：通过检测H.264运动估计7种模式中的模式1的运动矢量是否落在整像素点，判定当前宏块是否是平坦块。对于平坦块，后续模式只进行常规整像素运动矢量搜索。对于非平坦块，进行常规整像素和分数像素运动矢量搜索。改进的基于预测矢量的增强型菱形模板搜索方法采用了改进的搜索模板，将搜索停止在预测运动矢量的[-2，2]范围内，省略计算[-2，2]范围外的少数对编码效率提高不大的分数像素采样点。内容自适应分数像素运动估计方法比分数像素全搜索方法(FFPS)在峰值信噪比(PSNR)有微小降低(0.095～0.209dB)的情况下，平均减少了75.6％的分数像素搜索点，整个运动估计模块平均节省了38.5％的计算量。本发明的自适应分数像素运动估计方法可以在确保运动估计精度的基础上，减少分数像素运动估计的计算量。
Description
技术领域
本发明属于信号处理中的视频编码领域，特别针对最新的国际视频编码标准H.264/AVC提出了新的内容自适应分数像素运动估计方法。可以在确保运动估计精度的基础上，减少分数像素运动估计的计算量。
背景技术
H.264/AVC是由ITU-T和ISO/IEC共同成立的联合视频组JVT(Joint Video Team)制定的最新视频编码国际标准。在H.264视频编码系统中，运动估计能有效去除视频序列相邻帧的时间冗余，在很大程度上决定了视频编码器的编码速度、压缩率和解码视频质量。因此，H.264运动估计模块增加了多种编码技术，例如，1/4像素预测精度，多参考帧，树状结构的运动补偿。H.264/AVC的性能超越了以往所有视频编码器，在相同编码质量的前提下，H.264/AVCBaseline Profile产生的码率比H.263Baseline节省了约40％(参见
Ostermann，Jan Bormans，Peter List，Detlev Marpe，Matthias Narroschke，Fernando Pereira，Thomas Stockhammer，ThomasWedi.Video coding with H.264/AVC：tools，performance，and complexity[J].IEEE Circuits andSystems Magazine，2004，4(1)：7-28.)。H.264的高性能是以计算复杂度的提高为代价的，其计算复杂度大约是H.263的4至5倍，其中，运动估计模块的计算量占到整个编码器的50％-90％(参见Yu-Wen Huang，Ching-Yeh Chen，Chen-Han Tsai，Chun-Fu Shen，Liang-Gee Chen.Surveyon block matching motion estimation algorithms and architectures with new results[J].Journal ofVLSI Signal Processing Systems for Signal，Image，and Video Technology，2006，42(3)：297-320.)。
H.264编码器中，运动估计包括两个部分：整像素运动估计和分数像素运动估计。分数像素运动估计是在获得整像素运动矢量(MV：motion vector)的基础上进行插值运算，搜索得到分数像素精度的运动矢量过程。分数像素运动估计在压缩视频质量和压缩率上可以极大的提高编码器的性能。实验结果显示，使用分数像素运动估计方法比仅使用整像素运动估计方法压缩率平均提高48％，同时，峰值信噪比(PSNR)提高1～3dB。但是，由于额外的运算，如，插值和分数像素搜索，分数像素运动估计极大的增加了整个运动估计模块的计算量。
整像素运动估计方法是近年来的研究热点。H.264标准的JM参考软件采用了两种快速整像素运动估计方法UMHexagonS(参见Zhibo Chen，Peng Zhou，Yun He，Yidong Chen.Fastinteger pel and fractional pel motion estimation for JVT[C]，JVT-F017，2002.)和EPZS(参见Alexis Michael Tourapis，Hye-Yeon Cheong，Pankaj Topiwala.Fast ME in the JM referencesoftware[C]，JVT-P026，2005.)，与全搜索方法相比，大大降低了搜索点数量(每个运动矢量的平均搜索点数减少到10个以下)，计算复杂度降低90％以上。H.264采用树状结构运动补偿，共有7种模式的运动估计，若采用传统的1/4精度分数像素全搜索方法(full fractional pixelsearch)，每个模式需要16个搜索点，则每个宏块需要搜索112个点。因此，分数像素精度运动估计方法的改进成为整个运动估计模块优化的关键。
目前H.264/AVC采纳了两种分数像素运动估计方法，分数像素全搜索方法(FFPS：FullFractional Pixel Search)和基于中心的分数像素搜索方法(CBFPS：Center Based Fractional PixelSearch)。(参见Zhibo Chen，Peng Zhou，Yun He，Yidong Chen.Fast integer pel and fractional pelmotion estimation for JVT[C]，JVT-F017，2002.)
FFPS方法如图1所示。FFPS以最佳整像素为中心进行层次搜索：首先，计算最佳整像素位置周围的8个1/2像素位置，找到最佳1/2像素匹配点；然后，计算最佳1/2像素周围的8个1/4像素位置，找到最佳1/4像素匹配点，作为FFPS的最佳运动矢量。FFPS需要计算16个像素位置。
CBFPS方法如图2所示。CBFPS采用矢量预测和逐步求精的搜索策略：首先，通过计算相邻块的运动矢量的中值获得分数像素预测运动矢量(Pred_x，Pred_y)，比较原始搜索中心(0，0)和预测运动矢量(Pred_x，Pred_y)的匹配误差，其中产生最小误差的搜索点作为分像素搜索的起始点；然后，使用菱形模板(参见Jo Yew Tham，Surendra Ranganath，Maitreya Ranganath，Ashraf Ali Kassim.A novel unrestricted center-biased diamond search algorithm for block motionestimation[J].IEEE Transactions on Circuits and Systems for Video Technology，1998，8(4)：369-377.)迭代，以逐步求精，计算最终的分数像素匹配点。和FFPS相比，CBFPS可减少20％的计算量，而图像质量几乎不变，是一种非常有效的快速分数像素搜索方法。
H.264/AVC标准的帧间预测比以前的编码标准提供了更大的灵活性。采用树状结构的运动补偿，每个宏块可分为16×16，8×16，16×8，8×8的块；当采用8×8块时，还可以进一步分为更小的8×4，4×8，4×4子块，如图3所示。
在进行运动估计时，编码器需要对整个预测模式集合{SKIP(采用SKIP模式，以有效地编码大面积的静止区域和运动一致区域。SKIP模式也是16×16块尺寸的运动补偿预测模式，只是不需要编码任何运动和预测残差信息)，16×16，8×16，16×8，8×8，8×4，4×8，4×4}在每种分割模式下单独进行运动估计，得到各自的运动矢量。编码器综合考虑对残差值进行编码所需的比特数和对运动矢量进行编码所需的比特数，然后选择最佳的预测模式。H.264/AVC选择最优模式的方法称为率失真优化(Rate Distortion Optimization，RDO)。基于RDO的模式选择方法通过在各候选模式下编码宏块并比较所得的率失真代价，选取率失真代价最小的模式作为最佳编码模式。
率失真代价函数定义如下：
J(s，c，MODE|QP，λMODE)＝SSD(s，c，MODE|QP)+λMODE·R(s，c，MODE|QP)(1)
其中，Qp为量化参数(Quantization Parameter)，MODE为候选宏块编码模式，对I帧和P帧，拉格朗日因子λMODE＝0.85×2QP/3。SSD为原始信号s与重建信号c的均方差之和，作为失真度量。R为量化参数QP和模式MODE下编码此宏块所需的比特数(包括宏块头信息、运动矢量及残差变换量化后的系数等)。
图4所示为某一候选模式下的率失真代价计算过程，可见，为计算候选模式对应的率失真代价，需要运动估计/补偿、变换、量化及熵编码过程以获得此模式下编码所需的比特数，也需要反量化/反变换以获得重建信号，整个过程具有很高的计算复杂度。由公式(1)可见，率失真代价为失真与所需比特数的折衷，比特数所占权重即为拉格朗日因子，其值为量化参数的单调函数。
发明内容
本发明的目的是克服已有技术的不足之处，提出一种内容自适应分数像素运动估计方法。可以在确保运动估计精度的基础上，减少分数像素运动估计的计算量。本方法适用于H.264国际标准，但不局限于H.264，可以推广至其它视频压缩国际标准和非国际标准的应用。
本发明提出了一种内容自适应分数像素运动估计方法。其特征在于，采用基于平坦区域宏块预测的无效分数像素运动矢量搜索省略方法和改进的基于预测矢量的增强型菱形模板搜索方法。
基于平坦区域宏块预测的无效分数像素运动矢量搜索省略方法具体如下：
通过检测H.264运动估计7种模式中的模式1的运动矢量是否落在整像素点，判定当前宏块是否是平坦块。对于平坦块，后续模式只进行常规整像素运动矢量搜索，而不进行分数像素运动矢量搜索。对于非平坦块，进行常规整像素和分数像素运动矢量搜索，针对其中的分数像素运动矢量搜索，采用以下改进的基于预测矢量的增强型菱形模板搜索方法。
改进的基于预测矢量的增强型菱形模板搜索方法具体如下：
第一步：由相邻块预测当前块的分数像素运动矢量，获得FMVP，即(Pred_x，Pred_y)。直接以FMVP作为搜索起始点。
第二步：比较搜索起始点(Pred_x，Pred_y)周围的4个菱形搜索点和(Pred_x，Pred_y)的匹配误差，如果最小绝对误差之和MSAD位于(Pred_x，Pred_y)，则停止分数像素运动矢量搜索，否则进行第三步搜索。
第三步：如果最佳匹配点和次最佳匹配点相对，则选择最佳匹配点MV为最终分数像素运动矢量；如果最佳匹配点和次最佳匹配点相邻，则计算与其相邻的正方形模板上点的匹配误差，若MSAD仍为菱形最佳匹配点，则选择菱形最佳匹配点MV为最终分数像素运动矢量，否则进行下一步。
第四步：以第三步中正方形模板上的搜索点为中心，用菱形模板搜索其周围的点。选择MASD的点作为最终分数像素运动矢量。
本发明与现有技术相比所具有的优点在于：本发明的基于平坦区域宏块预测的无效分数像素运动矢量搜索省略方法，充分利用了运动估计模式相关性。根据模式1的运动矢量，预测平坦块SMB。对于SMB，其余6种匹配模式只进行整像素搜索，跳过分像素搜索。实验表明该方法在保证解码图像质量的前提下，可将分数像素运动矢量搜索的计算量减小28.70％～56.00％。该方法具有独立性，与本文提出的基于预测矢量的增强型菱形模板搜索方法结合使用，可以进一步减少分数像素运动估计的计算量。内容自适应分数像素运动估计方法和最优方法FFPS相比，平均节省38.5％的计算时间，PSNR损失不超过0.209dB。特别，对于运动平缓的视频序列，可节省46％的计算时间，并保持了与之相当、甚至更优的PSNR。
附图说明
图1为分数像素全搜索(FFPS)示意图。
图2为基于中心的快速分数像素搜索(CBFPS)示意图。
图3为H.264可变宏块尺寸示意图。
图4为某一候选模式下的率失真代价的计算过程。
图5为7种模式之间的空间关系。
图6为常用搜索模板：(a)为菱形模板；(b)为正方形模板；(c)为六边形模板。
图7为基于预测矢量的增强型菱形模板搜索示意图。
图8为基于平坦区域宏块预测的无效分数像素运动矢量搜索省略方法流程图。
具体实施方式
本发明提出的内容自适应分数像素运动估计方法结合附图及具体实施方式详细说明如下：
本发明提出的内容自适应分数像素运动估计方法，包括：基于平坦区域宏块预测的无效分数像素运动矢量搜索省略方法和改进的基于预测矢量的增强型菱形模板搜索方法。下面分别介绍：
基于平坦区域宏块预测的无效分数像素运动矢量搜索省略方法，包括以下步骤：
分数像素运动估计可以提高压缩视频质量和压缩率，但是，分数像素运动矢量搜索需要巨大的计算量。如果分数运动矢量搜索获得的最小绝对误差和(MSAD：minimum sum ofabsolute difference)大于整像素运动矢量搜索获得的MSAD，则选择整像素MV作为最终MV，分数像素运动矢量搜索被视为无效。反之，分数像素运动矢量搜索为有效，选择分数像素MV作为最终MV。对7个标准视频序列的前20帧进行实验(其中，News，Container，Silent属于低空间细节且运动缓慢的测试序列；Paris，Foreman为中等空间细节且运动强度中等的测试序列；Football为高空间细节且运动剧烈的测试序列)，将最终MV是整像素MV所占的比例列于表1。
表1整像素MV所占的比例(10帧，QP＝28)
视频内容运动平缓的序列，如News、Container、Silent，有超过80％的运动矢量位于整像素位置。实际上，对于视频帧的平坦区域，分数像素搜索对编码性能的提高并不明显，为无效搜索。如果可以预测这些平坦区域块，跳过无效的分数像素搜索，就可以减少不必要的计算。
因此，如何使编码器根据视频内容自适应地决定是否进行分数像素搜索，即，如何在分数像素运动估计之前，预测视频帧的平坦区域块，是省略无效的分数像素运动估计矢量搜索的关键所在。
H.264的7种运动估计模式之间存在较强的相关性(7种模式之间的空间关系如图5)。利用上层模式运动矢量搜索的结果可以预测当前宏块的平坦程度。因此，如果上层模式1(16×16)运动矢量在整像素位置，则定义这样的宏块为平坦块，简称SMB(smoothmacro-block)。对于SMB，下层模式的运动矢量搜索可以跳过分数像素运动矢量搜索。
本发明提出的基于平坦区域宏块预测的无效分数像素运动矢量搜索省略方法，简称SMBP(smooth macro-block prediction)。通过检测模式1运动矢量是否落在整像素点，判定当前宏块是否是平坦块。对于平坦块，后续模式只进行常规整像素运动矢量搜索，而不进行分数像素运动矢量搜索。对于非平坦块，进行常规整像素和分数像素运动矢量搜索。流程图如图8。
平坦块预测准确率指被判定为SMB的下层模式进行常规分数像素运动矢量搜索，并且其最终运动矢量落在整像素位置的比率。准确率如公式(2)定义。平坦块预测准确率、整像素MV所占比例统计结果见表2。
预测准确率越高，匹配误差越小，因此解码图像质量下降越小，码率变化越小。由表2可见，对于运动缓慢的视频序列，平坦块预测的准确率在91％以上，本发明方法对此类序列能够做出较准确的预测。分数像素MV减少的比例从28.70％～56.00％，即，本发明方法可将分数像素运动矢量搜索的计算量减少28.70％～56.00％。
表2平坦块预测准确率(10帧，QP＝28)
改进的基于预测矢量的增强型菱形模板搜索方法，包括以下步骤：
分数像素由整像素插值得到，分数像素搜索窗口内搜索点的相关性远高于整像素搜索点的相关性。当搜索点靠近全局最小点时，匹配误差单调下降。因此，许多快速分数像素运动矢量搜索方法采用了预测运动矢量(FMVP：fractional predicted mv)作为搜索起始点。如果可以精确预测分数像素运动矢量搜索的初始点，则可以更早地搜索到FMVP附近的最佳MV，及时停止分数像素运动估计搜索。
当前块的FMVP由相邻块(上、左、右上块)的分数像素运动矢量的中值决定。FMVP包含两部分信息：整像素预测矢量和分数像素预测矢量。用公式(3)提取分数像素预测矢量，其中mv是已搜索得到的整像素运动矢量，以分数像素为单位。％是取模操作，β＝4时，搜索精度为1/4像素，β＝8时，搜索精度为1/8像素。
frac_pred_mv＝(pred_mv-mv)％β(3)
表3显示了FMVP和由FFPS获得的最佳分数像素MV的匹配程度。匹配表示FMVP等于最佳MV；[-1，1]表示FMVP和最佳MV之间的距离在1个分数像素单位之内。
由表3可以发现运动缓慢的测试序列的FMVP和最佳MV的匹配概率大于82％。中高运动强度的测试序列的匹配概率较低，但其FMVP在最佳MV的[-2，2]范围内的概率在90％以上。因此，可以使用FMVP作为分数像素运动矢量搜索的起始点。
表3 FMVP和最佳分数像素MV的匹配程度
运动矢量搜索常用三种模板：菱形模板、正方形模板和六边形模板。其中，菱形模板最简单，被许多视频编码器采用，如图6(a)；正方形模板在菱形模板上增加了对角线上的4个点，计算复杂度和搜索结果准确度增加，如图6(b)；六边形适合搜索范围较大的场合，由于分数像素运动矢量搜索范围仅限于两个整像素之间，六边形模板不适用于分数像素运动矢量搜索，如图6(c)。
本发明提出基于预测矢量的增强型菱形模板搜索方法。与CBFPS不同的是，由于FMVP和最佳MV有较高的匹配率，本方法不考虑原始搜索中心(0，0)，而直接以FMVP作为搜索起始点；采用增强型菱形模板(EDSP：extended diamond search pattern)，结合正方形模板准确度较高的优点，在菱形模板的基础上增加对角线上的搜索点；不进行菱形模板的迭代，而将搜索停止在FMVP的[-2，2]范围内，省略[-2，2]范围外的少数对编码效率提高不大的分数像素运动矢量搜索，以减少搜索点数，从而进一步减少计算量。
图7为基于预测矢量的增强型菱形模板搜索策略示意图，方法流程如下。
第一步：由相邻块预测当前块的分数像素运动矢量，获得FMVP，即(Pred_x，Pred_y)。直接以FMVP作为搜索起始点。
第二步：比较搜索起始点(Pred_x，Pred_y)周围的4个菱形搜索点和(Pred_x，Pred_y)的匹配误差，如果最小绝对误差之和MSAD位于(Pred_x，Pred_y)，则停止分数像素运动矢量搜索，否则进行第三步搜索。
第三步：如图7(a)，如果最佳匹配点和次最佳匹配点相对，则选择最佳匹配点MV为最终分数像素运动矢量；如图7(b)，如果最佳匹配点和次最佳匹配点相邻，则计算与其相邻的正方形模板上点的匹配误差，若MSAD仍为菱形最佳匹配点，则选择菱形最佳匹配点MV为最终分数像素运动矢量，否则进行下一步。
第四步：以第三步中正方形模板上的搜索点为中心，用菱形模板搜索其周围的点。选择MASD的点作为最终分数像素运动矢量。
本发明提出的内容自适应分数像素运动估计方法在H.264测试平台JM15.0上进行了实验。选择了具有代表性的运动剧烈程度从缓慢到剧烈的6个视频序列进行了测试。JM15.0编码器的与运动估计相关的参数设置见表4。
表4编码器相关参数设置
将EDSP，SMBP+EDSP分别与JM15.0采用的FFPS和CBFPS在方法性能上进行了对比：(1)搜索点数(分数像素)：每个宏块得到最终分数像素运动矢量需要的搜索点数，反映方法的匹配速度；(2)峰值信噪比的变化(ΔPSNR：Peak Signal Noise Radio)：衡量运动估计和补偿后的图像和原始图像的差别，反映方法的预测质量；(3)Δ计算时间(运动估计节约的计算时间，包括整像素和分数像素)：从整体上反映编码器在运动估计模块上消耗的时间。这三个实验参数均以FFPS为标准进行比较。
表5各方法性能比较
由表5可见，本文提出的EDSP方法平均每个宏块搜索点数为3.9，比FFPS节约了75.6％；EDSP方法的PSNR和FFPS相比，损失不超过0.13dB。SMBP结合EDSP可以进一步减少运算量，节省运算时间。SMBP+EDSP和EDSP相比，对于运动平缓的视频序列，如News、Container、Silent，平均节省16％的计算时间；运动强度中等的视频序列，如Paris和Forman，平均节省10％的计算时间；运动剧烈的视频序列，如Football，节省7％的计算时间。SMBP+EDSP和最优方法FFPS相比，平均节省38.5％的计算时间，PSNR损失不超过0.209dB；SMBP+EDSP和CBFPS相比，平均节省14.7％的计算时间，PSNR损失不超过0.196dB。
Claims (1)
1.一种用于内容自适应分数像素运动估计方法的采用基于平坦区域宏块预测的无效分数像素运动矢量搜索省略方法，通过检测H.264运动估计7种模式中的模式1的运动矢量是否落在整像素点，判定当前宏块是否是平坦块；对于平坦块，后续模式只进行常规整像素运动矢量搜索，而不进行分数像素运动矢量搜索；对于非平坦块，进行常规整像素和分数像素运动矢量搜索，其特征在于：
针对其中的分数像素运动矢量搜索，采用改进的基于预测矢量的增强型菱形模板搜索方法，进行以下四步：
第一步：由相邻块预测当前块的分数像素运动矢量，获得预测运动矢量FMVP，即(Pred_x，Pred_y)；直接以FMVP作为搜索起始点；
第二步：比较搜索起始点(Pred_x，Pred_y)周围菱形模板上的4个搜索点和(Pred_x，Pred_y)的匹配误差，如果最小绝对误差之和MSAD位于(Pred_x，Pred_y)，则停止无效分数像素运动矢量搜索省略方法，否则进行第三步搜索；
第三步：如果最佳匹配点和次最佳匹配点相对，则选择最佳匹配点MV为最终分数像素运动矢量；如果最佳匹配点和次最佳匹配点相邻，则计算与最佳匹配点相邻的正方形模板上点的匹配误差，若MSAD仍为菱形最佳匹配点，则选择菱形最佳匹配点MV为最终分数像素运动矢量，否则进行下一步；
第四步：以第三步中正方形模板上的搜索点为中心，用菱形模板搜索其周围的点；选择MSAD的点作为最终分数像素运动矢量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201010117539 CN101795409B (zh) | 2010-03-03 | 2010-03-03 | 内容自适应分数像素运动估计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201010117539 CN101795409B (zh) | 2010-03-03 | 2010-03-03 | 内容自适应分数像素运动估计方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101795409A CN101795409A (zh) | 2010-08-04 |
| CN101795409B true CN101795409B (zh) | 2011-12-28 |
Family
ID=42587797
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN 201010117539 Expired - Fee Related CN101795409B (zh) | 2010-03-03 | 2010-03-03 | 内容自适应分数像素运动估计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101795409B (zh) |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102625293B (zh) | 2012-03-21 | 2014-11-05 | 华为技术有限公司 | 通知和获知地址信息失效的方法、装置及系统 |
| US9325991B2 (en) * | 2012-04-11 | 2016-04-26 | Qualcomm Incorporated | Motion vector rounding |
| CN102740073B (zh) * | 2012-05-30 | 2015-06-17 | 华为技术有限公司 | 一种编码方法及装置 |
| CN103281533B (zh) * | 2013-05-14 | 2016-02-24 | 芯原微电子(北京)有限公司 | 用于可伸缩视频编码中增强层运动估计的设备和方法 |
| CN103873875A (zh) * | 2014-03-25 | 2014-06-18 | 山东大学 | 一种用于图像超分辨的分层亚像素运动估计方法 |
| CN103957420B (zh) * | 2014-04-30 | 2017-02-15 | 华南理工大学 | 一种h.264运动估计编码的全面运动估计改进算法 |
| CN104811728B (zh) * | 2015-04-23 | 2018-03-02 | 湖南大目信息科技有限公司 | 一种视频内容自适应的运动搜索方法 |
| CN105611299B (zh) * | 2015-12-25 | 2018-11-23 | 北京工业大学 | 一种基于hevc的运动估计方法 |
| CN105872310B (zh) * | 2016-04-20 | 2020-03-17 | 上海联影医疗科技有限公司 | 可移动成像设备的图像运动检测方法及图像降噪方法 |
| WO2020006690A1 (zh) * | 2018-07-03 | 2020-01-09 | 深圳市大疆创新科技有限公司 | 视频处理方法和设备 |
| CN109089121B (zh) * | 2018-10-19 | 2021-06-22 | 北京金山云网络技术有限公司 | 一种基于视频编码的运动估计方法、装置及电子设备 |
| CN109660811B (zh) * | 2018-12-17 | 2020-09-18 | 杭州当虹科技股份有限公司 | 一种快速的hevc帧间编码方法 |
| JP7269371B2 (ja) | 2019-04-25 | 2023-05-08 | ベイジン・ダジア・インターネット・インフォメーション・テクノロジー・カンパニー，リミテッド | オプティカルフローを用いる予測改善のための方法および装置 |
| KR20220024020A (ko) | 2019-06-25 | 2022-03-03 | 광동 오포 모바일 텔레커뮤니케이션즈 코포레이션 리미티드 | 모션 보상 처리 방법, 인코더, 디코더 및 저장 매체 |
| CN112911310B (zh) * | 2021-01-15 | 2023-05-16 | 北京博雅慧视智能技术研究院有限公司 | 多层整像素运动估计搜索方法、装置、设备及存储介质 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101394566A (zh) * | 2008-10-29 | 2009-03-25 | 北京航空航天大学 | 一种十字菱形运动估计搜索方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7580456B2 (en) * | 2005-03-01 | 2009-08-25 | Microsoft Corporation | Prediction-based directional fractional pixel motion estimation for video coding |
| KR101242013B1 (ko) * | 2006-10-10 | 2013-03-12 | 니폰덴신뎅와 가부시키가이샤 | 인트라 예측 부호화 제어 방법 및 장치, 그 프로그램 및 프로그램을 기록한 기억 매체 |
-
2010
- 2010-03-03 CN CN 201010117539 patent/CN101795409B/zh not_active Expired - Fee Related
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101394566A (zh) * | 2008-10-29 | 2009-03-25 | 北京航空航天大学 | 一种十字菱形运动估计搜索方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN101795409A (zh) | 2010-08-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101795409B (zh) | 内容自适应分数像素运动估计方法 | |
| CN101815218B (zh) | 基于宏块特征的快速运动估计视频编码方法 | |
| JP4898467B2 (ja) | 可変ブロックサイズ動き予測のための符号化モードの決定方法及び装置 | |
| CN101640802B (zh) | 基于宏块特征和统计特性的视频帧间压缩编码方法 | |
| CN103188496B (zh) | 基于运动矢量分布预测的快速运动估计视频编码方法 | |
| CN107087200B (zh) | 针对高效率视频编码标准的跳过编码模式提前判决方法 | |
| CN102238391A (zh) | 一种预测编码方法、装置 | |
| JP5795525B2 (ja) | 画像符号化方法，画像復号方法，画像符号化装置，画像復号装置，画像符号化プログラムおよび画像復号プログラム | |
| CN103546758B (zh) | 一种快速深度图序列帧间模式选择分形编码方法 | |
| JP2013055689A (ja) | ビデオエンコーダにおける高速な幾何学的なモードの判定方法及び装置 | |
| CN108366256A (zh) | 一种hevc帧内预测模式快速选择系统及方法 | |
| WO2015010317A1 (zh) | 一种基于p帧的多假设运动补偿方法 | |
| CN101394560A (zh) | 一种用于视频编码的混合流水线装置 | |
| CN101022555B (zh) | 帧间预测编码的模式快速选择方法 | |
| CN102647598B (zh) | 基于极大极小mv差值的h.264帧间模式优化方法 | |
| CN101304529A (zh) | 宏块模式的选择方法和装置 | |
| JP6607040B2 (ja) | 動きベクトル探索装置、動きベクトル探索方法、及び動きベクトル探索プログラムを記憶する記録媒体 | |
| CN110365975A (zh) | 一种avs2视频编解码标准优化方案 | |
| JP4786612B2 (ja) | 動画像符号化装置の予測動きベクトル生成装置 | |
| CN102164283A (zh) | 一种基于avs的亚像素运动估计方法 | |
| CN101237580A (zh) | 基于中心预测的整数像素快速混合搜索方法 | |
| CN101867818B (zh) | 宏块模式的选择方法和装置 | |
| US20130128954A1 (en) | Encoding method and apparatus | |
| JP2011010297A (ja) | 誤差絶対値和の推定システム及び推定方法 | |
| CN1237818C (zh) | 一种基于自适应六边形搜索的编码方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| C17 | Cessation of patent right | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20111228 Termination date: 20140303 |