H.264是現(xiàn)有最重要數據壓縮編碼國際標準之一。
快速運動估計算法一直是視頻壓縮中的研究熱點。本文針對一些快速估計算法過早確定了搜索方向，容易陷入局部最小點，損失了搜索精度的情況，在原有基礎上，運用菱形十字搜索算法(DCS)與閾值估計相結合的方法提高了運動估計的性能。實驗結果表明，該算法可以用較小的搜索代價取得與全搜索(FS)相當的效果，并且在搜索速度方面優(yōu)于鉆石法DS)。
0 引言
H.264采用了減少視頻圖像各幀間冗余度的運動估計算法。運動估計算法傳統(tǒng)的有全搜索(FS)、三步搜索(TSS)、新三步搜索(NTSS)、四步搜索(FSS)等;常用的是鉆石搜索(DS)和非對稱十字交叉多層次六邊形格點運動搜索算法(UMHexagonS)。運動估計是整個視頻編碼中運算量最大的模塊，可占整個軟件編碼器運算量的70%以上。因此視頻系統(tǒng)中編碼器的復雜部分取決于運動估計算法體系結構的復雜性。
1 運動估計算法分析
1.1 鉆石搜索(DS)算法
DS算法即鉆石搜索算法，被MPEG-4國際標準采用并收入驗證模型VM(Verification Model)中，是MPEG-4建議采用的快速運動估計算法。 DS算法采用了兩種搜索模板，分別是有9個檢測點的大模板和有5個檢測點的小模板。搜索時先用大模板LDSP在搜索區(qū)域中心及周圍8個點處進行匹配計算，當最小塊誤差出現(xiàn)在中心點處時，將大模板LDSP換為SDSP，再進行匹配計算，這時5個點中的MBD(Minimum Block Distortion)即為最優(yōu)匹配點;否則，改變中心位置，仍用LDSP重復計算。
1.2 菱形十字搜索(DCS)算法
菱形十字搜索算法(DCS)算法是在DS算法基礎上改進而來，DCS的匹配模板是建立在兩種不同的搜索模板之上的，即大菱形十字型(LDCSP)和小菱形十字型(SDCSP)，如圖1所示。其中，十字型可以對應于實際的運動的矢量分布，而交叉型則是為了加速搜索效果。
DCS算法在進行運動估計匹配運算時，有三種可能的情況：
(1)若MBD點位于LDCSP中心位置，說明圖像是靜止的，DCS算法一步結束;
(2)若MBD點位于LDCSP小十字位置，說明圖像的運動較小，則在此基礎上按照SDCSP模板反復進行交叉搜索。
(3)若MBD點位于LDCSP大十字位置，說明圖像的運動較大，則在此基礎上按照LDCSP模板反復進行交叉搜索。
由此可以看出，DCS算法的優(yōu)點是，可以根據圖像的運動類型(如上述三種情況)，白適應選擇下一步相應的搜索模板，使搜索與圖像內容有關(基于內容的搜索)，從而得到較好的搜索效果;DCS算法的搜索并不一定要經歷模板由大到小的必然過程，有時一步即可完成搜索;用DCS搜索時，十字形模板對應于實際的運動矢量分布，交叉形模板則有準確性“聚焦”特性，這從本質上體現(xiàn)了DCS是粗定位和準確定位的有效結合。
<Script type=text/javascript> function ImgZoom(Id)//重新設置圖片大小 防止撐破表格 { var w = $(Id).width; var m = 650; if(w < m){return;} else{ var h = $(Id).height; $(Id).height = parseInt(h*m/w); $(Id).width = m; } } window.onload = function() { var Imgs = $("content").getElementsByTagName("img"); var i=0; for(;i4 實驗結果及說明
用搜索時間和PSNR值兩個指標來驗證DCS的性能。本節(jié)實驗用到的所有視頻文件均為QCIF(Quartet commonintermediate format)格式。實驗以主頻1．8GHz的PC機上運行的VisualC++6．0為平臺。測試對象為：missa、salesman、news、grandmother、foreman、carphone、claire，搜索范圍為16×16的矩形框，量化范圍為2～12，測試序列中每幀圖像的大小為176×144。
4．1 搜索時間的比較
為了時間測試的準確性，測試時采用的是VC++提供的兩個精確時間函數：QueryPerformanceFrequency()和OuerPerformanceCounter()精度對標準測試序列missa、salesman、news、grandmother、foreman、carphone進行精確測定，得表1(數據均為三次測量所求得的平均值)。
從表1可知：a．FS搜索效果最佳，但耗時太長；DS算法有較大改進，可以實現(xiàn)實時壓縮；DCS比DS，運行時間都有不同程度的減少，故DCS算法在搜索速度有優(yōu)勢。b．從單個序列來看，DCS算法對missa和salesman時間優(yōu)化最為顯著，分別只占FS算法的7．42％、7．50％和DS算法的98．17％、97．49％；對carphone序列的搜索速度也有很大優(yōu)化，占FS搜索算法的7．97％和DS算法的97．82％。綜合視頻特性可知：DCS算法針對運動平緩的視頻對象搜索速度優(yōu)化明顯。
4．2 信噪比的比較
對標準測試序列claire和carphone序列進行測定，計算PSNR得表2。
表2中FS的平均PSNR最高，達到42．38，但搜索時間最長；DS的PSNR最低，為42．31，而DCS為42．35，高于DS算法，且僅低于FS算法0．03dB。從單個序列來看，DCS算法對claire的優(yōu)化程度最大，超過了FS的PSNR值，說明DCS算法身體靜止僅面部表情運動特點視頻適用。用DCS算法計算得到的carphone的PSNR值雖然低于FS算法，但高于DS算法；missa序列的DCS算法的PSNR值和FS、DS法的相差不大。故DCS算法在搜索速度、圖像質量上均有保證。
5 結束語
本文從搜索時間和圖像質量兩方面對各種塊匹配運動估計算法進行了性能分析比較。實驗結果表明，將菱形十字交叉搜索算法和閾值判斷結合，在搜索速度方面，有很大程度的優(yōu)化，而且能得到與FS、DS搜索算法相當的圖像質量。DCS算法針對運動平緩的視頻作用明顯，由此推知該算法適用于電視電話、遠程教育等實時視頻壓縮。
下載文檔
