CN101895749B - 一种快速视差估计和运动估计方法 - Google Patents

一种快速视差估计和运动估计方法 Download PDF

Info

Publication number
CN101895749B
CN101895749B CN 201010217600 CN201010217600A CN101895749B CN 101895749 B CN101895749 B CN 101895749B CN 201010217600 CN201010217600 CN 201010217600 CN 201010217600 A CN201010217600 A CN 201010217600A CN 101895749 B CN101895749 B CN 101895749B
Authority
CN
China
Prior art keywords
current macro
current
difference vector
search
frame
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
Application number
CN 201010217600
Other languages
English (en)
Other versions
CN101895749A (zh
Inventor
郁梅
姒越后
蒋刚毅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ningbo University
Original Assignee
Ningbo University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ningbo University filed Critical Ningbo University
Priority to CN 201010217600 priority Critical patent/CN101895749B/zh
Publication of CN101895749A publication Critical patent/CN101895749A/zh
Application granted granted Critical
Publication of CN101895749B publication Critical patent/CN101895749B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本发明公开了一种快速视差估计和运动估计方法，利用了与当前宏块的边缘属性一致的相邻宏块与当前宏块同属同一对象的概率较大，因而其视差矢量或运动矢量也较为一致的特点，用当前宏块的已编码相邻宏块的视差矢量或运动矢量来预测当前宏块的视差矢量或运动矢量，在此基础上自适应地减少了多视点视频编码过程中视差估计和运动估计的搜索范围，从而达到了降低多视点视频编码的计算复杂度，提高多视点视频编码速度的目的；此外，本发明方法对运动剧烈的对象采用了精细搜索的策略，保证了编码后重建视频信号的质量。

Description

一种快速视差估计和运动估计方法
技术领域
本发明涉及一种多视点视频信号的编码技术，尤其是涉及一种快速视差估计和运动估计方法。
背景技术
多视点彩色视频是由处于空间不同位置的相机阵列拍摄同一场景得到的一组视频序列信号，是一种新型的具有立体感和交互操作功能的视频。多视点视频系统能让用户自由地选择不同视角观看场景，可应用于自由视点电视、立体电视和三维远程医疗等正在兴起的媒体业务。与普通单通道视频信号相比，多视点彩色视频信号具有更大的信号量。为了有效存储、传输多视点彩色视频信号，并且在应用中实现视点间自由切换以及用户和系统之间的交互操作，必须对多视点彩色视频信号进行高效的压缩，以提高多视点彩色视频信号的编码效率。
多视点彩色视频信号相关性除了存在于同一视点的不同时间域外，还存在于同一时刻的不同视点间，因此，多视点彩色视频信号的编码技术分别采用视差估计和运动估计来消除视点间的空间冗余和时间上的冗余。由于结合了视差估计和运动估计，多视点彩色视频信号的编码往往比单通道视频信号的编码具有更加复杂的预测编码结构，其编码算法的复杂度也远远大于单通道视频信号的编码算法的复杂度。
块匹配法是常用的一种进行视差估计和运动估计的方法，其基本思想是将当前编码帧分割成若干个块，并假定块内所有像素的视差矢量或运动矢量都是相同的，在参考帧中按一定的匹配准则寻找与当前编码帧中当前编码块最为相似的块，即率失真代价最小的最佳匹配块，从而在好的画面质量和码率之间获得平衡。视差估计是在不同视点的同一时刻的图像帧之间进行块匹配；而运动估计则是在同一视点的不同时刻的图像帧之间进行块匹配，因此视差估计和运动估计的过程大体相似。在多视点彩色视频信号的编码过程中，视差估计和运动估计通常占一个编码器总运算量的八成以上，其性能的优劣直接影响到整个多视点视频系统的运行效率和多视点彩色视频信号的重构质量。在采用块匹配法进行视差估计和运动估计时，全搜索法虽然能够获得非常高的搜索精度，但是其巨大的运算量不利于软硬件的实现。
发明内容
本发明所要解决的技术问题是提供一种在保证搜索精度的同时，能够大幅度提高多视点视频信号的编码速度，且能够有效降低计算复杂度的快速视差估计和运动估计方法。
本发明解决上述技术问题所采用的技术方案为：一种快速视差估计和运动估计方法，将多视点视频预测编码结构中的所有帧分为D1类帧和D2类帧两类，其中，D1类帧包括多视点视频预测编码结构中的所有I帧和仅具有一个参考帧的P帧，对D1类帧中的各个帧进行编码时不采用快速视差估计和运动估计方法；D2类帧包括多视点视频预测编码结构中的所有具有多个参考帧的B帧，对D2类帧中的各个帧进行编码时采用以下步骤进行快速视差估计或运动估计：
①对于D2类帧，定义D2类帧中当前正在编码的帧为当前编码帧，定义当前编码帧中当前正在编码的宏块为当前宏块；
②从当前宏块的左相邻宏块、上相邻宏块、左上边相邻宏块和右上边相邻宏块这四个相邻宏块中选取出与当前宏块的边缘属性一致的相邻宏块，将这些选取出的相邻宏块组成一个可选预测宏块集，记为C  ，C＝{MB|MB∈{MBleft，MBup，MBup_left，MBup_right}且(EMB＝Ecurrent)}，其中，MB表示可选预测宏块集C中的可选预测宏块，MBleft表示当前宏块的左相邻宏块，MBup表示当前宏块的上相邻宏块，MBup_left表示当前宏块的左上边相邻宏块，MBup_right表示当前宏块的右上边相邻宏块，EMB表示可选预测宏块MB的边缘属性，Ecurrent表示当前宏块的边缘属性；
③当对当前宏块进行视差估计时，将可选预测宏块集C中所有可选预测宏块的视差矢量的中值或均值作为当前宏块的预测视差矢量，记当前宏块的预测视差矢量为DVP，然后根据当前宏块的预测视差矢量DVP获取当前宏块的视差矢量，记为DV，再根据当前宏块的视差矢量DV获取当前宏块的最优视差矢量；具体包括以下步骤：
A1.将可选预测宏块集C中所有可选预测宏块的视差矢量的中值或均值作为当前宏块的预测视差矢量，记当前宏块的预测视差矢量为DVP；
B1.根据当前宏块的预测视差矢量DVP进行粗搜索，具体过程为：以当前宏块的预测视差矢量DVP为搜索起点，再在当前编码帧的视点间参考帧中采用预设的第一搜索窗以菱形搜索法进行搜索，寻找具有最小率失真代价的视差矢量，将该寻找得到的视差矢量作为当前宏块的视差矢量，记为DV；
C1.判断当前宏块的视差矢量DV的水平分量或垂直分量是否大于3个整像素，如果是，则继续执行，否则，将当前宏块的视差矢量DV作为当前宏块的最优视差矢量，并结束对当前宏块的视差估计；
D1.根据当前宏块的视差矢量DV进行精细搜索，具体过程为：判断当前宏块的视差矢量DV的水平分量或垂直分量是否大于1个整像素，如果是，则以当前宏块的视差矢量DV为搜索起点，再在当前编码帧的视点间参考帧中采用预设的第二搜索窗以菱形搜索法进行搜索，寻找具有最小率失真代价的视差矢量，将该寻找得到的视差矢量作为当前宏块的最优视差矢量，并结束对当前宏块的视差估计，否则，以当前宏块的视差矢量DV为搜索中心，再在当前编码帧的视点间参考帧中对该搜索中心的八邻域范围内的8个整像素点进行搜索，寻找具有最小率失真代价的视差矢量，将该寻找得到的视差矢量作为当前宏块的最优视差矢量，并结束对当前宏块的视差估计；其中，预设的第二搜索窗大于预设的第一搜索窗；
当对当前宏块进行运动估计时，将可选预测宏块集C中所有可选预测宏块的运动矢量的中值或均值作为当前宏块的预测运动矢量，记当前宏块的预测运动矢量为MVP，然后根据当前宏块的预测运动矢量MVP获取当前宏块的运动矢量，记为MV，再根据当前宏块的运动矢量MV获取当前宏块的最优运动矢量；具体包括以下步骤：
A2.将可选预测宏块集C中所有可选预测宏块的运动矢量的中值或均值作为当前宏块的预测运动矢量，记当前宏块的预测运动矢量为MVP；
B2.根据当前宏块的预测运动矢量MVP进行粗搜索，具体过程为：以当前宏块的预测运动矢量MVP为搜索起点，再在当前编码帧的时域参考帧中采用预设的第一搜索窗以菱形搜索法进行搜索，寻找具有最小率失真代价的运动矢量，将该寻找得到的运动矢量作为当前宏块的运动矢量，记为MV；
C2.判断当前宏块的运动矢量MV的水平分量或垂直分量是否大于3个整像素，如果是，则继续执行，否则，将当前宏块的运动矢量MV作为当前宏块的最优运动矢量，并结束对当前宏块的运动估计；
D2.根据当前宏块的运动矢量MV进行精细搜索，具体过程为：判断当前宏块的运动矢量MV的水平分量或垂直分量是否大于1个整像素，如果是，则以当前宏块的运动矢量MV为搜索起点，再在当前编码帧的时域参考帧中采用预设的第二搜索窗以菱形搜索法进行搜索，寻找具有最小率失真代价的运动矢量，将该寻找得到的运动矢量作为当前宏块的最优运动矢量，并结束对当前宏块的运动估计，否则，以当前宏块的运动矢量MV为搜索中心，再在当前编码帧的时域参考帧中对该搜索中心的八邻域范围内的8个整像素点进行搜索，寻找具有最小率失真代价的运动矢量，将该寻找得到的运动矢量作为当前宏块的最优运动矢量，并结束对当前宏块的运动估计；其中，预设的第二搜索窗大于预设的第一搜索窗。
所述的步骤②中边缘属性是指采用边缘检测方法对帧进行检测时，确定帧中各个宏块是否位于对象边缘区域，将宏块位于对象边缘区域或不位于对象边缘区域的特性称为边缘属性，当宏块位于对象边缘区域时其边缘属性为1，当宏块不位于对象边缘区域时其边缘属性为0。
所述的步骤③中预设的第一搜索窗为一个大小为(-8，+8)的搜索窗。
所述的步骤③中预设的第二搜索窗为一个大小为(-32，+32)的搜索窗。
与现有技术相比，本发明的优点在于利用了与当前宏块的边缘属性一致的相邻宏块与当前宏块同属同一对象的概率较大，因而其视差矢量或运动矢量也较为一致的特点，用当前宏块的已编码相邻宏块的视差矢量或运动矢量来预测当前宏块的视差矢量或运动矢量，在此基础上自适应地减少了多视点视频编码过程中视差估计和运动估计的搜索范围，从而达到了降低多视点视频编码的计算复杂度，提高多视点视频编码速度的目的；此外，本发明方法对运动剧烈的对象采用了精细搜索的策略，保证了编码后重建视频信号的质量。
附图说明
图1为分层B帧预测编码结构图；
图2为当前宏块及其相邻宏块的位置示意图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
将多视点视频预测编码结构中的所有帧分为D1类帧和D2类帧两类，其中，D1类帧包括多视点视频预测编码结构中的所有I帧和仅具有一个参考帧的P帧，对D1类帧中的各个帧进行编码时不采用快速视差估计和运动估计方法；D2类帧包括多视点视频预测编码结构中的所有具有多个参考帧的B帧。图1给出了一种典型的多视点视频预测编码结构，称为分层B帧预测编码结构。在图1中横轴代表视点(View)，纵轴代表时间(Time)，图1为一个由8个视点组成的GOP(Group of Pictures，图像组)长度为8的多视点视频预测编码结构，图1中有5个视点第T0时刻的5帧为D1类帧，即第S0视点第T0时刻的帧内编码帧I0帧，第S2、S4、S6和S7视点第T0时刻的只具有一个参考帧的帧间编码帧P0帧；T0～T7时刻各视点其余各帧均属于D2类帧，它们都具有多个参考帧，可以采用视差补偿预测也可以采用运动补偿预测。本发明提出的一种快速视差估计和运动估计方法适用于D2类帧，对D2类帧中的各个帧进行编码时采用以下步骤进行快速视差估计或运动估计：
①对于D2类帧，定义D2类帧中当前正在编码的帧为当前编码帧，定义当前编码帧中当前正在编码的宏块为当前宏块。
②从当前宏块的左相邻宏块、上相邻宏块、左上边相邻宏块和右上边相邻宏块这四个相邻宏块中选取出与当前宏块的边缘属性一致的相邻宏块，将这些选取出的相邻宏块组成一个可选预测宏块集，记为C，C＝{MB|MB∈{MBleft，MBup，MBup_left，MBup_right}且(EMB＝Ecurrent)}，其中，MB表示可选预测宏块集C中的可选预测宏块，MBleft表示当前宏块的左相邻宏块，MBup表示当前宏块的上相邻宏块，MBup_left表示当前宏块的左上边相邻宏块，MBup_right表示当前宏块的右上边相邻宏块，EMB表示可选预测宏块MB的边缘属性，Ecurrent表示当前宏块的边缘属性。
在此具体实施例中，当前宏块的左相邻宏块MBleft是指位于当前宏块的左侧且与当前宏块紧邻的宏块，当前宏块的上相邻宏块MBup是指位于当前宏块的正上方且与当前宏块紧邻的宏块，当前宏块的左上边相邻宏块MBup_left是指位于当前宏块的左上方且与当前宏块的左相邻宏块MBleft和当前宏块的上相邻宏块MBup紧邻的宏块，当前宏块的右上边相邻宏块MBup_right是指位于当前宏块的右上方且与当前宏块的上相邻宏块MBup紧邻的宏块，图2给出了当前宏块及其左相邻宏块MBleft、上相邻宏块MBup、左上边相邻宏块MBup_Pleft和右上边相邻宏块MBup_right的位置示意图。如果当前宏块与其相邻宏块的边缘属性一致，则当前宏块与该相邻宏块同属同一对象的可能性较大，可以利用该已完成编码的相邻宏块的视差矢量和运动矢量来估计当前宏块的视差矢量和运动矢量，因此将与当前宏块边缘属性一致的相邻宏块作为可选预测宏块。
在此具体实施例中，边缘属性是指采用边缘检测方法对帧进行检测时，确定帧中各个宏块是否位于对象边缘区域，将宏块位于对象边缘区域或不位于对象边缘区域的特性称为边缘属性，当宏块位于对象边缘区域时其边缘属性为1，当宏块不位于对象边缘区域时其边缘属性为0。在此，边缘检测方法可采用现有任意的边缘检测算法，在检测过程中，如果当前宏块的内部包含了对象边缘，则认为当前宏块位于对象边缘区域，否则认为当前宏块不位于对象边缘区域。
③当对当前宏块进行视差估计时，将可选预测宏块集C中所有可选预测宏块的视差矢量的中值或均值作为当前宏块的预测视差矢量，记当前宏块的预测视差矢量为DVP，然后根据当前宏块的预测视差矢量DVP获取当前宏块的视差矢量，记为DV，再根据当前宏块的视差矢量DV获取当前宏块的最优视差矢量；具体包括以下步骤：
A1.将可选预测宏块集C中所有可选预测宏块的视差矢量的中值或均值作为当前宏块的预测视差矢量，记当前宏块的预测视差矢量为DVP。
B1.根据当前宏块的预测视差矢量DVP进行粗搜索，具体过程为：以当前宏块的预测视差矢量DVP为搜索起点，再在当前编码帧的视点间参考帧中采用预设的第一搜索窗以现有的菱形搜索法进行搜索，寻找具有最小率失真代价的视差矢量，将该寻找得到的视差矢量作为当前宏块的视差矢量，记为DV。在此，预设的第一搜索窗采用一个较小的搜索窗，如采用一个大小为(-8，+8)的搜索窗。
C1.判断当前宏块的视差矢量DV的水平分量或垂直分量是否大于3个整像素，如果是，则认为当前宏块属于运动剧烈的对象区域，并继续执行，否则，将当前宏块的视差矢量DV作为当前宏块的最优视差矢量，并结束对当前宏块的视差估计。
D1.根据当前宏块的视差矢量DV进行精细搜索，具体过程为：判断当前宏块的视差矢量DV的水平分量或垂直分量是否大于1个整像素，如果是，则以当前宏块的视差矢量DV为搜索起点，再在当前编码帧的视点间参考帧中采用预设的第二搜索窗以现有的菱形搜索法进行搜索，寻找具有最小率失真代价的视差矢量，将该寻找得到的视差矢量作为当前宏块的最优视差矢量，并结束对当前宏块的视差估计，否则，以当前宏块的视差矢量DV为搜索中心，再在当前编码帧的视点间参考帧中对该搜索中心的八邻域范围内的8个整像素点进行搜索，寻找具有最小率失真代价的视差矢量，将该寻找得到的视差矢量作为当前宏块的最优视差矢量，并结束对当前宏块的视差估计；其中，预设的第二搜索窗大于预设的第一搜索窗，预设的第二搜索窗采用一个较大的搜索窗，如采用一个大小为(-32，+32)的搜索窗。
当对当前宏块进行运动估计时，将可选预测宏块集C中所有可选预测宏块的运动矢量的中值或均值作为当前宏块的预测运动矢量，记当前宏块的预测运动矢量为MVP，然后根据当前宏块的预测运动矢量MVP获取当前宏块的运动矢量，记为MV，再根据当前宏块的运动矢量MV获取当前宏块的最优运动矢量；具体包括以下步骤：
A2.将可选预测宏块集C中所有可选预测宏块的运动矢量的中值或均值作为当前宏块的预测运动矢量，记当前宏块的预测运动矢量为MVP。
B2.根据当前宏块的预测运动矢量MVP进行粗搜索，具体过程为：以当前宏块的预测运动矢量MVP为搜索起点，再在当前编码帧的时域参考帧中采用预设的第一搜索窗以现有的菱形搜索法进行搜索，寻找具有最小率失真代价的运动矢量，将该寻找得到的运动矢量作为当前宏块的运动矢量，记为MV。在此，预设的第一搜索窗采用一个较小的搜索窗，如采用一个大小为(-8，+8)的搜索窗。
C2.判断当前宏块的运动矢量MV的水平分量或垂直分量是否大于3个整像素，如果是，则认为当前宏块属于运动剧烈的对象区域，并继续执行，否则，将当前宏块的运动矢量MV作为当前宏块的最优运动矢量，并结束对当前宏块的运动估计。
D2.根据当前宏块的运动矢量MV进行精细搜索，具体过程为：判断当前宏块的运动矢量MV的水平分量或垂直分量是否大于1个整像素，如果是，则以当前宏块的运动矢量MV为搜索起点，再在当前编码帧的时域参考帧中采用预设的第二搜索窗以现有的菱形搜索法进行搜索，寻找具有最小率失真代价的运动矢量，将该寻找得到的运动矢量作为当前宏块的最优运动矢量，并结束对当前宏块的运动估计，否则，以当前宏块的运动矢量MV为搜索中心，再在当前编码帧的时域参考帧中对该搜索中心的八邻域范围内的8个整像素点进行搜索，寻找具有最小率失真代价的运动矢量，将该寻找得到的运动矢量作为当前宏块的最优运动矢量，并结束对当前宏块的运动估计；其中，预设的第二搜索窗大于预设的第一搜索窗，预设的第二搜索窗采用一个较大的搜索窗，如采用一个大小为(-32，+32)的搜索窗。
在本发明方法中，对于多视点视频预测编码结构中的D1类帧，为确保其预测的准确性不采用本发明的快速运动估计或视差估计方法，而直接采用现有技术。
为了测试采用本发明的快速视差估计和运动估计方法进行多视点视频编码的有效性，采用了如表1所示的测试环境。在Intel Core2 Duo 3.0 GHz，3.25 GB内存的服务器上，对Microsoft提供的“Breakdancers”和“Ballet”测试序列，根据JVT提出的多视点视频公共的测试环境，测试了JMVM中采用全搜索的视差估计和运动估计方法及本发明方法进行编码的性能情况。
表2给出了采用JMVM平台对“Breakdancers”和“Ballet”测试序列进行编码时采用全搜索的视差估计和运动估计方法以及本发明方法对多视点视频编码的编码速度提升的情况。与采用全搜索的视差估计和运动估计方法相比，采用本发明方法的编码速度提高了20余倍，对其它多幅测试序列的测试结果表明采用本发明方法时的编码速度提高了15～30余倍。表3给出了采用全搜索的视差估计和运动估计方法和本发明方法时的率失真性能比较结果，从表3中可以看出，采用本发明方法的率失真性能和采用全搜索的视差估计和运动估计方法的率失真性能基本一样，即本发明方法保证了搜索精度。
表1测试环境
表2“Breakdancers”和“Ballet”测试序列采用JMVM中全搜索的运动估计和视差估计方法以及本发明方法进行多视点视频编码的编码速度提升情况
Figure BSA00000169746100082
表3采用JMVM中全搜索的运动估计和视差估计方法和本发明方法的率失真性能比较
Figure BSA00000169746100083

Claims (4)

1.一种快速视差估计和运动估计方法，其特征在于将多视点视频预测编码结构中的所有帧分为D1类帧和D2类帧两类，其中，D1类帧包括多视点视频预测编码结构中的所有I帧和仅具有一个参考帧的P帧，对D1类帧中的各个帧进行编码时不采用快速视差估计和运动估计方法；D2类帧包括多视点视频预测编码结构中的所有具有多个参考帧的B帧，对D2类帧中的各个帧进行编码时采用以下步骤进行快速视差估计或运动估计：
①对于D2类帧，定义D2类帧中当前正在编码的帧为当前编码帧，定义当前编码帧中当前正在编码的宏块为当前宏块；
②从当前宏块的左相邻宏块、上相邻宏块、左上边相邻宏块和右上边相邻宏块这四个相邻宏块中选取出与当前宏块的边缘属性一致的相邻宏块，将这些选取出的相邻宏块组成一个可选预测宏块集，记为C，C＝{MB|MB∈{MBleft，MBup，MBup_left，MBup_right}且(EMB＝Ecurrent)}，其中，MB表示可选预测宏块集C中的可选预测宏块，MBleft表示当前宏块的左相邻宏块，MBup表示当前宏块的上相邻宏块，MBup_left表示当前宏块的左上边相邻宏块，MBup_right表示当前宏块的右上边相邻宏块，EMB表示可选预测宏块MB的边缘属性，Ecurrent表示当前宏块的边缘属性；
③当对当前宏块进行视差估计时，将可选预测宏块集C中所有可选预测宏块的视差矢量的中值或均值作为当前宏块的预测视差矢量，记当前宏块的预测视差矢量为DVP，然后根据当前宏块的预测视差矢量DVP获取当前宏块的视差矢量，记为DV，再根据当前宏块的视差矢量DV获取当前宏块的最优视差矢量；具体包括以下步骤：
A1.将可选预测宏块集C中所有可选预测宏块的视差矢量的中值或均值作为当前宏块的预测视差矢量，记当前宏块的预测视差矢量为DVP；
B1.根据当前宏块的预测视差矢量DVP进行粗搜索，具体过程为：以当前宏块的预测视差矢量DVP为搜索起点，再在当前编码帧的视点间参考帧中采用预设的第一搜索窗以菱形搜索法进行搜索，寻找具有最小率失真代价的视差矢量，将该寻找得到的视差矢量作为当前宏块的视差矢量，记为DV；
C1.判断当前宏块的视差矢量DV的水平分量或垂直分量是否大于3个整像素，如果是，则继续执行步骤D1，否则，将当前宏块的视差矢量DV作为当前宏块的最优视差矢量，并结束对当前宏块的视差估计；
D1.根据当前宏块的视差矢量DV进行精细搜索，具体过程为：判断当前宏块的视差矢量DV的水平分量或垂直分量是否大于1个整像素，如果是，则以当前宏块的视差矢量DV为搜索起点，再在当前编码帧的视点间参考帧中采用预设的第二搜索窗以菱形搜索法进行搜索，寻找具有最小率失真代价的视差矢量，将该寻找得到的视差矢量作为当前宏块的最优视差矢量，并结束对当前宏块的视差估计，否则，以当前宏块的视差矢量DV为搜索中心，再在当前编码帧的视点间参考帧中对该搜索中心的八邻域范围内的8个整像素点进行搜索，寻找具有最小率失真代价的视差矢量，将该寻找得到的视差矢量作为当前宏块的最优视差矢量，并结束对当前宏块的视差估计；其中，预设的第二搜索窗大于预设的第一搜索窗；
当对当前宏块进行运动估计时，将可选预测宏块集C中所有可选预测宏块的运动矢量的中值或均值作为当前宏块的预测运动矢量，记当前宏块的预测运动矢量为MVP，然后根据当前宏块的预测运动矢量MVP获取当前宏块的运动矢量，记为MV，再根据当前宏块的运动矢量MV获取当前宏块的最优运动矢量；具体包括以下步骤：
A2.将可选预测宏块集C中所有可选预测宏块的运动矢量的中值或均值作为当前宏块的预测运动矢量，记当前宏块的预测运动矢量为MVP；
B2.根据当前宏块的预测运动矢量MVP进行粗搜索，具体过程为：以当前宏块的预测运动矢量MVP为搜索起点，再在当前编码帧的时域参考帧中采用预设的第一搜索窗以菱形搜索法进行搜索，寻找具有最小率失真代价的运动矢量，将该寻找得到的运动矢量作为当前宏块的运动矢量，记为MV；
C2.判断当前宏块的运动矢量MV的水平分量或垂直分量是否大于3个整像素，如果是，则继续执行步骤D2，否则，将当前宏块的运动矢量MV作为当前宏块的最优运动矢量，并结束对当前宏块的运动估计；
D2.根据当前宏块的运动矢量MV进行精细搜索，具体过程为：判断当前宏块的运动矢量MV的水平分量或垂直分量是否大于1个整像素，如果是，则以当前宏块的运动矢量MV为搜索起点，再在当前编码帧的时域参考帧中采用预设的第二搜索窗以菱形搜索法进行搜索，寻找具有最小率失真代价的运动矢量，将该寻找得到的运动矢量作为当前宏块的最优运动矢量，并结束对当前宏块的运动估计，否则，以当前宏块的运动矢量MV为搜索中心，再在当前编码帧的时域参考帧中对该搜索中心的八邻域范围内的8个整像素点进行搜索，寻找具有最小率失真代价的运动矢量，将该寻找得到的运动矢量作为当前宏块的最优运动矢量，并结束对当前宏块的运动估计；其中，预设的第二搜索窗大于预设的第一搜索窗。
2.根据权利要求1所述的一种快速视差估计和运动估计方法，其特征在于所述的步骤②中边缘属性是指采用边缘检测方法对帧进行检测时，确定帧中各个宏块是否位于对象边缘区域，将宏块位于对象边缘区域或不位于对象边缘区域的特性称为边缘属性，当宏块位于对象边缘区域时其边缘属性为1，当宏块不位于对象边缘区域时其边缘属性为0。
3.根据权利要求2所述的一种快速视差估计和运动估计方法，其特征在于所述的步骤③中预设的第一搜索窗为一个大小为(-8，+8)的搜索窗。
4.根据权利要求2所述的一种快速视差估计和运动估计方法，其特征在于所述的步骤③中预设的第二搜索窗为一个大小为(-32，+32)的搜索窗。
CN 201010217600 2010-06-29 2010-06-29 一种快速视差估计和运动估计方法 Expired - Fee Related CN101895749B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN 201010217600 CN101895749B (zh) 2010-06-29 2010-06-29 一种快速视差估计和运动估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN 201010217600 CN101895749B (zh) 2010-06-29 2010-06-29 一种快速视差估计和运动估计方法

Publications (2)

Publication Number Publication Date
CN101895749A CN101895749A (zh) 2010-11-24
CN101895749B true CN101895749B (zh) 2012-06-27

Family

ID=43104793

Family Applications (1)

Application Number Title Priority Date Filing Date
CN 201010217600 Expired - Fee Related CN101895749B (zh) 2010-06-29 2010-06-29 一种快速视差估计和运动估计方法

Country Status (1)

Country Link
CN (1) CN101895749B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102045571B (zh) * 2011-01-13 2012-09-05 北京工业大学 一种立体视频编码快速迭代搜索方法
CN102215417A (zh) * 2011-05-04 2011-10-12 山东大学 一种基于块匹配建立数学模型的视差预测方法
CN102263957B (zh) * 2011-07-25 2013-07-03 北京航空航天大学 一种基于搜索窗口自适应的视差估计方法
CN104471941B (zh) * 2012-07-09 2017-09-19 联发科技股份有限公司 3d视频编码中的视图间子分割预测的方法和装置
EP3247116A1 (en) * 2012-07-27 2017-11-22 HFI Innovation Inc. Method of constrain disparity vector derivation in 3d video coding
JP6027143B2 (ja) * 2012-12-27 2016-11-16 日本電信電話株式会社 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
CN104768001B (zh) * 2014-01-02 2018-12-07 浙江大学 一种视差矢量导出方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1767655A (zh) * 2005-10-18 2006-05-03 宁波大学 一种多视点视频图像视差估计的方法
CN101459849A (zh) * 2009-01-04 2009-06-17 上海大学 基于多视点编码的运动搜索范围自适应调节的快速运动估计方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1767655A (zh) * 2005-10-18 2006-05-03 宁波大学 一种多视点视频图像视差估计的方法
CN101459849A (zh) * 2009-01-04 2009-06-17 上海大学 基于多视点编码的运动搜索范围自适应调节的快速运动估计方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
赵永利等.一种改进型新三步搜索算法的研究与实现.《中国电子科学研究院学报》.2007,第2卷(第1期),90－92. *
郁 梅等.应用于多视点视频压缩的多参考B帧快速编码算法.《电 子 与 信 息 学 报》.2008,第20卷(第6期),1400-1404. *

Also Published As

Publication number Publication date
CN101895749A (zh) 2010-11-24

Similar Documents

Publication Publication Date Title
CN101895749B (zh) 一种快速视差估计和运动估计方法
CN109691106A (zh) 时间运动向量预测符的偏移向量识别
JP5970609B2 (ja) ３ｄビデオ符号化における統一された視差ベクトル導出の方法と装置
CN109644272A (zh) 用于建构候选列表的几何型优先级
US20150172714A1 (en) METHOD AND APPARATUS of INTER-VIEW SUB-PARTITION PREDICTION in 3D VIDEO CODING
CN105122812A (zh) 用于三维(3d)视频译码的高级合并模式
US9961369B2 (en) Method and apparatus of disparity vector derivation in 3D video coding
TW201340724A (zh) 視訊寫碼中之像差向量預測
US9998760B2 (en) Method and apparatus of constrained disparity vector derivation in 3D video coding
CN110312132A (zh) 一种编解码方法、装置及其设备
US20150365649A1 (en) Method and Apparatus of Disparity Vector Derivation in 3D Video Coding
CN102801995B (zh) 一种基于模板匹配的多视点视频运动和视差矢量预测方法
KR102572012B1 (ko) 시점 간 움직임 병합 후보 유도 방법 및 장치
JP6571646B2 (ja) マルチビュービデオのデコード方法及び装置
Khattak et al. Fast encoding techniques for multiview video coding
KR20080006494A (ko) 비디오 신호의 디코딩 방법 및 장치
Gu et al. Simplified depth intra mode selection for 3D video compression
Ma et al. A fast background model based surveillance video coding in HEVC
Zhang et al. Low-complexity advanced residual prediction design in 3D-HEVC
CN112449180B (zh) 一种编解码方法、装置及其设备
CN104469387A (zh) 一种多视点视频编码中分量间的运动参数继承方法
KR20140051789A (ko) 3차원 비디오에서의 뷰간 움직임 예측 방법 및 뷰간 병합 후보 결정 방법
Chen et al. Picture-level adaptive filter for asymmetric stereoscopic video
CN104394417A (zh) 一种多视点视频编码中的视差矢量获取方法
Afonso High-Throughput Dedicated Hardware Design Targeting the 3D-HEVC-Prediction Coding Tools

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20120627

Termination date: 20180629

CF01 Termination of patent right due to non-payment of annual fee