CN101873500A - 帧间预测编码方法、帧间预测解码方法及设备 - Google Patents

Abstract

本发明涉及一种帧间预测编码方法、帧间预测解码方法及设备，方法包括：以根据已编码宏块的运动信息得到的运动矢量预测值为中心，获取与当前编码宏块的内容特征匹配度最大的参考区域；按照所述参考区域的划分方式将所述当前编码宏块划分为子块；所述参考区域根据内容特征进行划分；对所述子块进行运动估计，找到最佳的运动矢量进行帧间预测编码。该方法利用参考图像与编码图像之间存在较强的时间相关性，在参考图像找到与编码宏块内容特征匹配的参考区域，根据参考区域的内容特征确定编码宏块的划分方式或码率分配方式，提高了宏块划分的准确性，从而减少了预测误差，提高了宏块的帧间运动估计值的精确性。

Description

帧间预测编码方法、帧间预测解码方法及设备

技术领域

本发明涉及通信技术领域，尤其涉及一种帧间预测编码方法、帧间预测解码方法及设备。

背景技术

传统的视频编码标准中，帧间预测编码的运动估计都是以规则形状的块为基本单元，并对其运动信息和预测差值进行编码。运动估计块尺寸越小，运动矢量越精确，运动估计的误差就越小。然而简单的减少运动估计块的尺寸，却增加了运动矢量的描述，整体编码效率并不一定能够提高。标准H.264[1]的帧间预测编码采用了块尺寸可变的运动估计技术，共有16×16、16×8、8×16、8×8、8×4、4×8、4×4等7种不同尺寸的块用于运动估计。通过率失真优化准则，在所有帧间预测编码模式中选出最佳编码模式，即选出宏块的最佳划分方式进行运动估计，提高运动估计的精度和编码效率。

现有技术中，一种宏块的划分方式是汤姆逊(Thomson)在标准提案“VCEG-AF10”中提出的通过几何适应块划分(Geometry-adaptive Block Portioning)方法。该方法通过直线近似描述当前编码宏块基于内容特征的划分信息，并在16x16块和8x8块中引入GEO划分模式。然后，通过两个参数(ρ，θ)来刻画该直线并完成编码。

另一种宏块的划分方式是根特大学(Ghent University)提出的分成两半模式(Bipartitioning Modes)的宏块划分方法。该方法通过水平、竖直或±45°斜线四种方向的直线划分当前编码宏块。

在实现本发明的过程中，发明人发现现有技术至少存在以下缺陷：在自然场景图像中，运动对象的位置是随机的，其外形也大都是不规则的，同时随着时间的变化，运动对象还在改变位置和外形，现有技术对宏块采用的规则划分方法，通过规则的宏块划分方式(例如矩形划分、直线划分)进行运动估计，不可避免地会引起帧间预测误差增大，特别是含有运动对象边缘的宏块，预测误差更为明显。

发明内容

本发明实施例提出一种帧间预测编码方法、帧间预测解码方法及设备，以减少帧间预测的预测误差。

本发明实施例提供了一种帧间预测编码方法，包括：

以根据已编码宏块的运动信息得到的运动矢量预测值为中心，获取与当前编码宏块的内容特征匹配度最大的参考区域；

按照所述参考区域的划分方式将所述当前编码宏块划分为子块；所述参考区域根据内容特征进行划分；

对所述子块进行运动估计，找到最佳的运动矢量进行帧间预测编码。

本发明实施例还提供了一种运动估计器，包括：

获取模块，用于以根据已编码宏块的运动信息得到的运动矢量预测值为中心，获取与当前编码宏块的内容特征匹配度最大的参考区域；

第一划分模块，用于按照所述参考区域的划分方式将所述当前编码宏块划分为子块；所述参考区域根据内容特征进行划分；

编码模块，用于对所述子块进行运动估计，找到最佳的运动矢量进行帧间预测编码。

上述实施例利用参考图像与编码图像之间存在较强的时间相关性，在参考图像找到与编码宏块内容特征匹配度最大的参考区域，根据匹配度最大的参考区域的内容特征对参考区域进行划分，并利用参考区域的划分确定编码宏块的划分方式，由于参考区域是与编码宏块匹配度最大的，而且编码宏块的划分是基于参考区域的内容特征进行的，因此本发明实施例充分利用了帧间的内容相关性来进行编码宏块的划分，提高了宏块划分的准确性，从而减少了预测误差，提高了宏块的帧间运动估计值的精确性。

相应地，本发明实施例还提供了一种帧间预测解码方法，包括：

以根据已解码宏块的运动信息得到的运动矢量预测值为中心，获取与当前解码宏块的内容特征匹配度最大的参考区域；

按照所述参考区域的划分方式将所述当前解码宏块划分为子块；所述参考区域根据内容特征进行划分；

对所述子块进行运动估计，找到最佳的运动矢量进行帧间预测解码。

本发明实施例还提供了一种运动补偿器，包括：

获取模块，用于以根据已解码宏块的运动信息得到的运动矢量预测值为中心，获取与当前解码宏块的内容特征匹配度最大的参考区域；

第一划分模块，用于按照所述参考区域的划分方式将所述当前解码宏块划分为子块；所述参考区域根据内容特征进行划分；

解码模块，用于对所述子块进行运动估计，找到最佳的运动矢量进行帧间预测解码。

上述实施例利用参考图像与解码图像之间存在较强的时间相关性，在参考图像找到与解码宏块内容特征匹配度最大的参考区域，根据匹配度最大的参考区域的内容特征对参考区域进行划分，并利用参考区域的划分确定解码宏块的划分方式，由于参考区域是与解码宏块匹配度最大的，而且解码宏块的划分是基于参考区域的内容特征进行的，因此本发明实施例充分利用了帧间的内容相关性来进行解码宏块的划分，提高了宏块划分的准确性，从而减少了预测误差，提高了宏块的帧间运动估计值的精确性。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例一种帧间预测编码方法的流程图；

图2a为本发明实施例一种帧间预测编码方法中编码图像的示意图；

图2b为本发明实施例一种帧间预测编码方法中参考图像的示意图；

图2c为图2b的参考图像中参考区域21的放大示意图；

图2d为图2a的编码图像中对当前编码宏块的划分的示意图；

图2e为基于图2d中对当前编码宏块的划分进行运动估计的示意图；

图3a为本发明实施例的帧间预测编码方法中当前编码宏块的内容特征的示意图；

图3b为与图3a所示当前编码宏块匹配度最大的参考区域的内容特征的示意图；

图3c为本发明实施例的帧间预测编码方法中基于参考区域的划分方式对当前编码宏块进行划分的示意图；

图3d为本发明实施例帧的间预测编码方法中运动估计的不精确区域示意图；

图4为本发明实施例另一帧间预测编码方法的流程图；

图5a为图4所示实施例中当前编码宏块MB_C的内容特征的示意图；

图5b为图4所示实施例中参考区域

的内容特征的示意图；

图5c为图4所示实施例中参考区域

的边缘特征的示意图；

图5d为图4所示实施例中参考区域的划分结果的示意图；

图6为本发明实施例另一帧间预测编码方法的流程图；

图7为本发明实施例又一帧间预测编码方法的流程图；

图8a为图7所示实施例中参考帧(即参考图像)的示意图；

图8b为图7所示实施例中当前帧(即当前图像)的示意图；

图9为本发明实施例一帧间预测解码方法的流程图；

图10为本发明实施例一种运动估计器的结构示意图；

图11为本发明实施例一种运动补偿器的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明实施例一种帧间预测编码方法的流程图。该方法包括：

步骤11、以根据已编码宏块的运动信息得到的运动矢量预测值为中心，在参考图像中获取与当前编码宏块的内容特征匹配度最大的参考区域。具体可包括：根据当前编码宏块MB_C的邻近已编码宏块的运动信息，推导当前编码宏块MB_C的参考区域MB_R相对于当前编码宏块MB_C的运动矢量的预测值PMV_R。并以PMV_R为搜索中心，内容特征匹配为准则，搜索得到最佳运动矢量MV_R。如图2a～图2e所示，图2a本发明实施例一种帧间预测编码方法中编码图像的示意图，其中宏块20为当前编码宏块MB_C，图2b中宏块21为与当前编码宏块的内容特征匹配度最大的参考区域MB_R。参考区域MB_R处于运动状态，不同时刻参考区域MB_R相对于当前编码宏块MB_C的运动矢量MV_R也是不相同的，其内容特征也不相同，当某一时刻参考区域MB_R的内容特征与当前编码宏块MB_C的内容特征最接近，也即匹配度最大时，同时也得到了最佳运动矢量MV_R，可由此时参考区域的内容特征确定编码图像中当前宏块的划分方式。

步骤12、根据所述参考区域的内容特征对所述参考区域进行划分。如，提取参考区域MB_R的内容特征E_R，根据内容特征E_R对参考区域MB_R进行划分。如图2c所示，参考图像中，参考区域21划分为匹配子区域P1与匹配子区域P2。其中，步骤12为可选步骤，当参考区域已编码时，参考区域的划分方式是已知的，可以不执行步骤12，而直接利用已知的参考区域的划分方式将所述当前编码宏块划分为子块。

步骤13、按照所述参考区域的划分方式将所述当前编码宏块划分为子块。如，参考区域MB_R根据内容特征划分成N个非规则子块SMB₁，SMB₂，...，SMB_N后，根据参考区域MB_R的划分方式将当前编码宏块MB_C也划分成N个非规则子块，当前编码宏块MB_C的划分方式与参考区域MB_R的划分方式相同。如图2d所示，对当前编码宏块MB_C(宏块20)按照图2c的划分方式进行划分，将当前编码宏块MB_C(宏块20)分为子块201和子块202，其中，子块201对应子区域P1，子块202对应子区域P2。

步骤14、对步骤13划分得到的子块进行运动估计，找到最佳的运动矢量进行帧间预测编码。如分别对当前编码宏块MB_C的N个非规则子块进行运动估计，找到它们各自最佳的运动矢量MV_i，i＝1，2，...，N用于帧间预测，在整个当前编码宏块MB_C完成帧间预测后，按照H.264的方法对帧间预测差值信号进行DCT变换和量化编码，其中，如图2e所示，对当前编码宏块MB_C(宏块20)按照图2c的划分方式进行划分后，分别对子块201和子块202进行运动估计，根据子块201及其在参考图像中对应的块221得到子块201的最佳的运动矢量。类似的，根据子块202及其在参考图像中对应的块222得到子块202的最佳的运动矢量。之后，根据各个子块的最佳的运动矢量，可以进行帧间预测编码，帧间预测编码的方式可以参考现有技术，这里不再赘述。

为了更清楚的说明按照参考区域的划分方式将当前编码宏块划分为子块。图3a为本发明实施例的帧间预测编码方法中当前编码宏块的内容特征的示意图，当前编码宏块中阴影部分301可以表示运动对象，空白部分302可以表示背景；图3b为与图3a所示当前编码宏块匹配度最大的参考区域的内容特征的示意图，对图3b所示参考区域，按其内容特征中的边缘特征进行划分，得到子块311和子块312。然后采用相同的划分方式对图3a所示当前编码宏块进行划分，如图3c所示，图3c为本发明实施例的帧间预测编码方法中基于参考区域的划分方式对当前编码宏块进行划分的示意图，利用与参考区域相同的划分方式将当前编码宏块划分为子块321和子块322(以图3c中粗实线为界划分得到子块321和子块322)。其中，当前编码宏块的子块321对应参考区域的子块311，当前编码宏块的子块322对应参考区域的子块312。通过对基于参考区域的划分方式划分得到的当前编码宏块子块进行运动估计，减小了运动估计的误差，如图3d所示，图3d为本发明实施例帧的间预测编码方法中运动估计的不精确区域示意图，示出了运动估计的不精确区域(图3d中的阴影部分)。由图3d可以看出，运动估计的误差基本可以忽略。

本实施例利用参考图像与编码图像之间存在较强的时间相关性，在参考图像找到与编码宏块内容特征匹配的区域——参考区域，根据参考区域的内容特征对参考区域进行划分，并利用参考区域的划分方式划分编码宏块，充分利用了帧间的内容相关性来进行编码宏块的划分，提高了宏块划分的精确度，从而减少了预测误差。编码宏块按照该划分方式非规则地划分宏块和进行运动估计，然后DCT变换和量化编码，进而提高了帧间预测编码的准确性。

图4为本发明实施例另一帧间预测编码方法的流程图。该方法包括：

步骤41、以根据已编码宏块的运动信息得到的运动矢量预测值为中心，获取与当前编码宏块的边缘匹配度最大的参考区域。

边缘可采用坎尼(CANNY)算子对视频序列中整幅图像提取出。假设当前图像记做I_C(x，y)，当前编码宏块MB_C的坐标记做(x_C，y_C)，提取I_C(x，y)的边缘记做E_C(x，y)，当前编码宏块MB_C的边缘记做

则

MB_C(x，y)＝I_C(x+x_C，y+y_C)，0≤x，y≤15        (1)

$E_{{\mathrm{MB}}_C}(x,y)=E_C(x+x_C,y+y_C),0\≤x,y\≤15---\left(2\right)$

假设参考图像序列为I_R＝{I_R，1，I_R，2，…，I_R，n}，n为参考帧个数，提取第i个参考图像I_R，i的边缘E_R，i。假设I_R，i中边缘匹配的参考区域MB_R，i的运动矢量为MV_R，i＝(Δx，Δy)，记MB_R，i的边缘

则

MB_R，i(x+Δx，y+Δy)＝I_R，i(x+x_C+Δx，y+y_C+Δy)，0≤x，y≤15    (3)

$E_{{\mathrm{MB}}_{R,i}}(x+\mathrm{\Δx},y+\mathrm{\Δy})=E_{R,i}(x+x_C+\mathrm{\Δx},y+y_C+\mathrm{\Δy}),0\≤x,y\≤15---\left(4\right)$

根据邻近已编码宏块的运动信息，推导参考区域的参考帧索引和运动矢量预测值PMV_R，在参考图象序列中，以运动矢量预测值PMV_R指向的位置为中心(即使MV_R，i＝(Δx，Δy)＝PMV_R)，进行以边缘特征匹配为准则的运动搜索，找到与当前编码宏块边缘匹配的参考区域。

边缘特征匹配公式如下：

$S_i(\mathrm{\Δx},\mathrm{\Δy})=\underset{x=0}{\overset{15}{\mathrm{\Σ}}}\underset{y=0}{\overset{15}{\mathrm{\Σ}}}\mathrm{AND}[E_{{\mathrm{MB}}_{R,i}}(x+\mathrm{\Δx},y+\mathrm{\Δy})\⊕B,E_{{\mathrm{MB}}_C}(x,y)\⊕B],0\≤x,y\≤15---\left(5\right)$

$S^{*}=\arg \underset{(i,\mathrm{\Δx},\mathrm{\Δy})}{\max }{S}_i(\mathrm{\Δx},\mathrm{\Δy})=S_{i^{*}}({\mathrm{\Δx}}^{*},\mathrm{\Δ}{y}^{*})---\left(6\right)$

其中，

表示对A进行结构元素为B的膨胀操作，AND为逻辑与操作。S_i(Δx，Δy)为第i帧参考图像中在运动矢量(Δx，Δy)处参考区域边缘

与当前编码宏块边缘

的匹配度，S_i(Δx，Δy)值越大表明相似度越高，S_i(Δx，Δy)的最大值S^*则对应最佳匹配时的参考帧索引i^*和运动矢量(Δx^*，Δy^*)(即最佳运动矢量MV_R＝(Δx^*，Δy^*))。从而获得最佳匹配的参考区域

${\mathrm{MB}}_R^{*}(x,y)={\mathrm{MB}}_{{R,i}^{*}}(x+\mathrm{\Δ}{x}^{*},y+\mathrm{\Δ}{y}^{*}),0\≤x,y\≤15---\left(7\right)$

步骤42、根据参考区域的边缘对参考区域

进行划分。如选择自适应阈值划分法对参考区域

进行划分。具体步骤如下：

设最佳匹配的参考区域内边缘点的集合

为的边缘，取边缘点上像素值的平均值为划分阈值T，

$T=\frac{1}{M}\underset{(x,y)\∈P_E}{\mathrm{\Σ}}{\mathrm{MB}}_R^{*}(x,y)---\left(8\right)$

其中，M是总的边缘点数；并按照阈值T对参考区域进行划分。如图5a～图5d所示。图5a为图4所示实施例中当前编码宏块MB_C的内容特征的示意图，示出了当前编码宏块MB_C的内容特征。图5b为图4所示实施例中参考区域

的内容特征的示意图，示出了参考区域

的内容特征。图5c为图4所示实施例中参考区域

的边缘特征的示意图，示出了参考区域

的边缘特征

检测图5c所示各连通区域内点的个数，如果数量小于特定的门限，则认定该区域为噪声区域，将该区域与邻近的连通区域合并，最终参考区域的按照该划分方式，划分成N个非规则子块SMB₁，SMB₂，...，SMB_N，并满足以下条件：

1) ${\mathrm{MB}}_C=\underset{i=1}{\overset{N}{\∪}}{\mathrm{SMB}}_i;$

2)SMB_i是一个连通的区域，i＝1，2，...，N；

3)

对所有的i和j，i≠j，是空集；

4)(0，0)∈SMB₁；

5)对于i＞2，一定存在j，满足j＜i，使得SMB_i和SMB_j相邻，即存在点(x_i，y_i)∈SMB_i，(x_j，y_j)∈SMB_j，使得abs(x_i-x_j)+abs(y_i-y_j)＝1成立。

本实施例中，得到如图5d所示的划分结果，其中N＝2，参考区域按照边缘特征被划分为两个子块(黑色块51和灰色块52)。

步骤43、按照参考区域

的划分方式划分当前编码宏块MB_C。利用参考区域的边缘信息即按照参考区域的划分方式将当前编码宏块划分成N个非规则子块SMB₁，SMB₂，...，SMB_N，当前编码宏块MB_C中的N个非规则子块的划分方式与参考区域

中的N个非规则子块的划分方式相同。

步骤44、分别对当前编码宏块MB_C中的N个非规则子块进行运动估计，找到最佳匹配的运动矢量进行帧间预测。为了提高编码效率，非规则子块可以使用邻近已编码宏块的运动矢量做运动估计。对于当前编码宏块MB_C中第一个非规则子块SMB₁，它的运动矢量是用邻近宏块的运动信息进行运动估计得到的。当前编码宏块MB_C中的其它非规则子块SMB_i(i＞1)的运动矢量，不仅使用邻近已编码宏块的运动信息，还使用当前编码宏块内的相邻非规则子块的运动信息进行运动估计，例如SMB₂可以使用邻近已编码宏块的运动信息和SMB₁的运动矢量作运动估计，使用运动信息作运动估计可以参考现有技术实现，在此不再赘述。另外，可在宏块模式语法单元中为宏块帧间预测模式增加一个新的标记语义(例如新增一个标志位或者利用已有标志位中未使用的值)，用于标记本申请实施例的宏块划分模式，以区别于已有宏块模式。其次，要对当前编码宏块的运动矢量和其预测矢量的差值进行编码，或者进一步对当前编码宏块的中的非规则子块的运动矢量和非规则子块的预测矢量的差值进行编码。由于当前编码宏块的划分信息是由参考区域唯一确定的，所以宏块划分的非规则子块数量“NumMbPart(mb_type)”是可以推导得到，不必编码。最后，根据当前编码宏块的划分信息对非规则子块的运动信息(包括参考帧索引和运动矢量)进行编码。

本实施例利用参考图像与编码图像之间存在较强的时间相关性，在参考图像找到与编码宏块内容特征匹配的区域——参考区域，根据参考区域的内容特征对参考区域进行划分，并利用参考区域的划分方式划分编码宏块，充分利用了帧间的内容相关性来进行编码宏块的划分，提高了宏块划分的精确度，从而减少了预测误差。编码宏块按照该划分方式非规则地划分宏块和进行运动估计，然后DCT变换和量化编码，进而提高了帧间预测编码的准确性。

图6为本发明实施例另一帧间预测编码方法的流程图。该方法包括：

步骤61、根据当前编码宏块MB_C的邻近已编码宏块的运动信息，推导MB_C的参考区域MB_R相对于当前编码宏块MB_C的运动矢量的预测值PMV_R；以运动矢量的预测值PMV_R为中心，通过运动搜索确定最佳匹配的参考区域MB_R。

步骤62、在确定的参考区域MB_R中，根据一定的阈值进行填充划分。如设亮度值小于阈值Th0为一个区域，大于等于该阈值的为另一个区域，当然，类似的也可以采用颜色或深度对所述参考区域进行填充划分。整个参考区域MB_R根据填充划分成两个或两个以上区域。

步骤63、根据步骤62中的填充划分，对当前编码宏块进行划分，得到当前编码宏块的划分子块。

步骤64、对步骤63划分得到的每个划分子块作帧间预测编码，编码帧间预测差值信号。

本实施例通过根据参考区域的亮度、颜色或深度填充划分参考区域和当前编码宏块，提供了一种具体的划分方式，减小了帧间预测的预测误差，提高了编码精度。

图7为本发明实施例又一帧间预测编码方法的流程图。如图8a-图8b所示，图8a为图7所示实施例中参考帧(即参考图像)的示意图；图8b为图7所示实施例中当前帧(即当前图像)的示意图。如果当前帧中C块在参考帧中的对应块C’及其周边的块划分方式已知，并且当前块周边块的划分方式和C’周边块的划分方式近似，则取C’块的划分方式作为当前C块的划分方式。其中，周边的块划分方式详见上述编码方法实施例。当前块划分的具体步骤如下：

步骤71、根据当前编码宏块MB_C邻近的已编码宏块的运动信息，推导得到当前编码宏块MB_C的参考区域MB_R相对于MB_C的运动矢量的预测值PMV_R，并以PMV_R为搜索中心，内容特征匹配为准则，搜索得到最佳运动矢量MV_R，即获得最佳匹配参考区域MB_R。

步骤72、在当前编码宏块MB_C周边块的划分方式和参考区域MB_R周边块的划分方式近似时，提取最佳运动矢量MV_R对应的参考区域MB_R即最佳匹配参考区域MB_R的内容特征E_R。如图8a、图8b所示，当前编码宏块MB_C(宏块C)周边的宏块A与参考区域MB_R(宏块C’)周边的宏块A’的划分方式近似，宏块C周边的宏块B与宏块C’周边的宏块B’的划分方式近似，此时可以使用参考帧中宏块C’的划分方式划分当前帧中的当前宏块C，如图8b中虚线所示。

步骤73、根据内容特征E_R将当前编码宏块MB_C划分成N个非规则子块SMB₁，SMB₂，...，SMB_N。如图8b中虚线所示，将当前宏块C划分为与宏块C’相同的两个子块。

步骤74、分别对非规则子块SMB_i，i＝1，2，...，N进行运动估计，找到它们各自最佳的运动矢量MV_i。用获得的最佳的运动矢量MV_i进行帧间预测，在整个MB_C宏块完成帧间预测后，按照H.264的方法对帧间预测差值信号进行DCT变换和量化编码。

本发明实施例中，宏块周边的宏块可以是宏块的上边宏块、下边宏块、左边宏块、右边宏块，或者上述四者中任意多个的组合。

本实施例中，当前编码宏块MB_C周边块的划分方式和参考区域MB_R周边块的划分方式近似，可以是：当前编码宏块MB_C周边块的划分和参考区域MB_R周边块的划分相似，或者当前编码宏块MB_C周边块的划分模式和参考区域MB_R周边块的划分模式相同。在当前编码宏块MB_C周边块的划分和参考区域MB_R周边块的划分相似时，则采用参考区域MB_R的划分对当前编码宏块MB_C进行划分。其中，当前编码宏块MB_C周边块的划分和参考区域MB_R周边块的划分相似的判断方法可以是：若当前编码宏块MB_C周边块与参考区域MB_R周边块的边缘特征匹配度大于一定的预设的阈值，则认为当前编码宏块MB_C周边块的划分和参考区域MB_R周边块的划分相似。边缘特征匹配度的计算可以参考式(5)和式(6)。在当前编码宏块MB_C周边块的划分模式和参考区域MB_R周边块的划分模式相同时，则采用参考区域MB_R的划分模式对当前编码宏块MB_C进行划分，这里的划分模式可以是现有技术中的宏块划分模式或者本发明实施例中的宏块划分模式。

本实施例通过在当前编码宏块的周边宏块的划分方式与参考区域的周边宏块的划分方式相同或近似时，直接使用参考区域的划分方式对当前编码宏块进行划分，由于参考区域是已编码的，因此参考区域的划分方式是已知的，这样在确定参考区域后，不必再对参考区域进行划分，而直接使用参考区域的划分方式对当前编码宏块进行划分，从而简化了处理流程，减少了编码计算量，提高了编码效率。

图9为本发明实施例一帧间预测解码方法的流程图。该方法包括：

步骤91、以根据已解码宏块的运动信息得到的运动矢量预测值为中心，获取与当前解码宏块的内容特征匹配度最大的参考区域；

步骤92、根据所述参考区域的内容特征对所述参考区域进行划分；

步骤93、按照所述参考区域的划分方式将所述当前解码宏块划分为子块；

步骤94、对所述子块进行运动估计，找到最佳的运动矢量进行帧间预测解码。

其中，步骤92为可选步骤，当参考区域已解码时，参考区域的划分方式是已知的，可以不执行步骤92，而直接利用已知的参考区域的划分方式将所述当前解码宏块划分为子块。

本实施例利用参考图像与解码图像之间存在较强的时间相关性，在参考图像找到与解码宏块内容特征匹配的区域——参考区域，根据参考区域的内容特征确定解码宏块的划分方式，提高了解码宏块的划分准确度，从而减少了预测误差。

由于在编码和解码过程中帧间预测的方式是相同的，所以上述步骤91可以详见前述实施例中的步骤11的相关内容，步骤91可包括：以根据已解码宏块的运动信息得到的运动矢量预测值为中心，获取与所述当前解码宏块的边缘匹配度最大的参考区域。同理，上述步骤92可以详见前述实施例中的步骤12的相关内容，步骤92可包括：根据所述参考区域的边缘、亮度、颜色或深度对所述参考区域进行划分。步骤93可以详见前述实施例中的步骤13的相关内容，步骤94可以详见前述实施例中的步骤14的相关内容。

帧间预测解码方法可进一步包括：根据所述当前解码宏块的周边宏块的邻近已解码宏块的运动信息，获得与所述周边宏块的内容特征匹配度最大的参考区域；根据与所述周边宏块的内容特征匹配度最大的参考区域的划分方式划分所述周边宏块。详见上述图7所示实施例。

本发明实施例利用参考图像与解码图像之间存在较强的时间相关性，在参考图像找到与解码宏块内容特征匹配度最大的参考区域，根据匹配度最大的参考区域的内容特征对参考区域进行划分，并利用参考区域的划分确定解码宏块的划分方式，由于参考区域是与解码宏块匹配度最大的，而且解码宏块的划分是基于参考区域的内容特征进行的，因此本发明实施例充分利用了帧间的内容相关性来进行解码宏块的划分，提高了宏块划分的准确性，从而减少了预测误差，提高了宏块的帧间运动估计值的精确性。

图10为本发明实施例一种运动估计器的结构示意图。该运动估计器包括：获取模块101、第一划分模块102、第二划分模块103及编码模块104。获取模块101用于以根据已编码宏块的运动信息得到的运动矢量预测值为中心，获取与当前编码宏块的内容特征匹配度最大的参考区域；第一划分模块102用于按照所述参考区域的划分方式将所述当前编码宏块划分为子块，所述参考区域根据内容特征进行划分；第二划分模块103用于根据所述参考区域的内容特征对所述参考区域进行划分；编码模块104用于对所述子块进行运动估计，找到最佳的运动矢量进行帧间预测编码。其中，第二划分模块103为可选的，当参考区域为已编码时(即参考区域所在图像为已编码图像)，参考区域已经进行了划分并且其划分方式已知，此时，可以直接根据参考区域的划分方式将当前编码宏块划分为子块。

所述获取模块101可具体用于获取与所述当前编码宏块的边缘匹配度最大的参考区域。所述第二划分模块103可具体用于根据所述参考区域的边缘、亮度、颜色或深度对所述参考区域进行划分。

运动估计器可进一步包括：周边宏块参考获取模块105及周边宏块划分模块106。该周边宏块参考获取模块105用于根据所述当前编码宏块的周边宏块的邻近已编码宏块的运动信息，获得与所述周边宏块的内容特征匹配度最大的参考区域；周边宏块划分模块106用于根据与所述周边宏块的内容特征匹配度最大的参考区域的划分方式划分所述周边宏块。

本实施例中，运动估计器利用参考图像与编码图像之间存在较强的时间相关性，在参考图像找到与编码宏块内容特征匹配的区域——参考区域，根据参考区域的内容特征对参考区域进行划分，并利用参考区域的划分方式划分编码宏块，提高了宏块划分的精确度，从而减少了预测误差。编码宏块按照该划分方式非规则地划分宏块和进行运动估计，然后DCT变换和量化编码，进而提高了帧间预测编码的准确性。

图11为本发明实施例一种运动补偿器的结构示意图。该运动补偿器可包括：获取模块111、第一划分模块112、第二划分模块113及解码模块114。获取模块111用于以根据已解码宏块的运动信息得到的运动矢量预测值为中心，获取与当前解码宏块的内容特征匹配度最大的参考区域；第一划分模块112用于按照所述参考区域的划分方式将所述当前解码宏块划分为子块，所述参考区域根据内容特征进行划分；第二划分模块113用于根据所述参考区域的内容特征对所述参考区域进行划分；解码模块114用于对所述子块进行运动估计，找到最佳的运动矢量进行帧间预测解码。其中，第二划分模块113为可选的，当参考区域为已解码时(即参考区域所在图像为已解码图像)，参考区域已经进行了划分并且其划分方式已知，此时，可以直接根据参考区域的划分方式将当前解码宏块划分为子块。

所述获取模块111可具体用于获取与所述当前解码宏块的边缘匹配度最大的参考区域。所述第二划分模块113具体用于根据所述参考区域的边缘、亮度、颜色或深度对所述参考区域进行划分。

运动补偿器可进一步包括：周边宏块参考获取模块115及周边宏块划分模块116。该周边宏块参考获取模块115用于根据所述当前解码宏块的周边宏块的邻近已解码宏块的运动信息，获得与所述周边宏块的内容特征匹配度最大的参考区域；周边宏块划分模块116用于根据与所述周边宏块的内容特征匹配度最大的参考区域的划分方式划分所述周边宏块。

本实施例中，运动补偿器利用参考图像与解码图像之间存在较强的时间相关性，在参考图像找到与解码宏块内容特征匹配的区域——参考区域，根据参考区域的内容特征对参考区域进行划分，并利用参考区域的划分方式划分解码宏块，提高了宏块划分的精确度，从而减少了预测误差。解码宏块按照该划分方式非规则地划分宏块和进行运动估计，然后DCT变换和量化解码，进而提高了帧间预测解码的准确性。

上述方法及设备实施例根据当前宏块(当前编码宏块或当前解码宏块)和对应参考宏块具有相似的内容特征，从而通过分析对应参考宏块得到较准确的当前宏块的内容特征，实现基于内容特征的宏块帧间预测，使块划分更加精确，提高了运动矢量的准确性，宏块的帧间运动估计的精确性，减少了差值信号的比特开销，提高了编解码效率。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (14)

1.一种帧间预测编码方法，其特征在于，包括：

以根据已编码宏块的运动信息得到的运动矢量预测值为中心，获取与当前编码宏块的内容特征匹配度最大的参考区域；

按照所述参考区域的划分方式将所述当前编码宏块划分为子块；所述参考区域根据内容特征进行划分；

对所述子块进行运动估计，找到最佳的运动矢量进行帧间预测编码。

2.根据权利要求1所述的帧间预测编码方法，其特征在于，所述获取与当前编码宏块的内容特征匹配度最大的参考区域包括：

获取与所述当前编码宏块的边缘匹配度最大的参考区域。

3.根据权利要求1或2所述的帧间预测编码方法，其特征在于，所述参考区域根据内容特征进行划分包括：

根据所述参考区域的边缘、亮度、颜色或深度对所述参考区域进行划分。

4.根据权利要求1或2所述的帧间预测编码方法，其特征在于，还包括：

根据所述当前编码宏块的周边宏块的邻近已编码宏块的运动信息，获得与所述周边宏块的内容特征匹配度最大的参考区域；

根据与所述周边宏块的内容特征匹配度最大的参考区域的划分方式划分所述周边宏块。

5.一种帧间预测解码方法，其特征在于，包括：

以根据已解码宏块的运动信息得到的运动矢量预测值为中心，获取与当前解码宏块的内容特征匹配度最大的参考区域；

按照所述参考区域的划分方式将所述当前解码宏块划分为子块；所述参考区域根据内容特征进行划分；

对所述子块进行运动估计，找到最佳的运动矢量进行帧间预测解码。

6.根据权利要求5所述的帧间预测解码方法，其特征在于，获取与当前解码宏块的内容特征匹配度最大的参考区域；包括：

获取与所述当前解码宏块的边缘匹配度最大的参考区域。

7.根据权利要求5或6所述的帧间预测解码方法，其特征在于，所述参考区域根据内容特征进行划分包括：

根据所述参考区域的边缘、亮度、颜色或深度对所述参考区域进行划分。

8.根据权利要求5或6所述的帧间预测解码方法，其特征在于，还包括：

根据所述当前解码宏块的周边宏块的邻近已解码宏块的运动信息，获得与所述周边宏块的内容特征匹配度最大的参考区域；

根据与所述周边宏块的内容特征匹配度最大的参考区域的划分方式划分所述周边宏块。

9.一种运动估计器，其特征在于，包括：

获取模块，用于以根据已编码宏块的运动信息得到的运动矢量预测值为中心，获取与当前编码宏块的内容特征匹配度最大的参考区域；

第一划分模块，用于按照所述参考区域的划分方式将所述当前编码宏块划分为子块；所述参考区域根据内容特征进行划分；

编码模块，用于对所述子块进行运动估计，找到最佳的运动矢量进行帧间预测编码。

10.根据权利要求9所述的运动估计器，其特征在于，所述运动估计器还包括：

第二划分模块，用于根据所述参考区域的内容特征对所述参考区域进行划分；所述内容特征是所述参考区域的边缘、亮度、颜色或深度中的一种或几种的组合。

11.根据权利要求9或10所述的运动估计器，其特征在于，所述运动估计器还包括：

周边宏块参考获取模块，用于根据所述当前编码宏块的周边宏块的邻近已编码宏块的运动信息，获得与所述周边宏块的内容特征匹配度最大的参考区域；

周边宏块划分模块，用于根据与所述周边宏块的内容特征匹配度最大的参考区域的划分方式划分所述周边宏块。

12.一种运动补偿器，其特征在于，包括：

获取模块，用于以根据已解码宏块的运动信息得到的运动矢量预测值为中心，获取与当前解码宏块的内容特征匹配度最大的参考区域；

第一划分模块，用于按照所述参考区域的划分方式将所述当前解码宏块划分为子块；所述参考区域根据内容特征进行划分；

解码模块，用于对所述子块进行运动估计，找到最佳的运动矢量进行帧间预测解码。

13.根据权利要求12所述的运动补偿器，其特征在于，所述运动补偿器还包括：

第二划分模块，用于根据所述参考区域的内容特征对所述参考区域进行划分；所述内容特征是所述参考区域的边缘、亮度、颜色或深度中的一种或几种的组合。

14.根据权利要求12或13所述的运动补偿器，其特征在于，还包括：

周边宏块参考获取模块，用于根据所述当前解码宏块的周边宏块的邻近已解码宏块的运动信息，获得与所述周边宏块的内容特征匹配度最大的参考区域；

周边宏块划分模块，用于根据与所述周边宏块的内容特征匹配度最大的参考区域的划分方式划分所述周边宏块。

Images