CN102158709A - 一种解码端可推导的运动补偿预测方法 - Google Patents

Abstract

本发明公开了一种解码端可推导的运动补偿预测方法，首先采用获取当前编码块的左，上，右上邻近块的运动矢量及其块坐标，并计算出模型参数；其次，依据计算所得的模型参数确定当前编码块的候选运动矢量的初始值；然后，对候选运动矢量的初始值进行修正得到候选运动矢量集合，并从候选运动矢量集合中选择最优的候选运动矢量；依据最优的候选运动矢量进行运动补偿预测，并计算采用最优的候选运动矢量进行运动补偿与的率失真代价；采用H.264/AVC中的运动补偿预测方法对当前块进行预测，选择率失真代价最小的运动补偿预测方法进行预测。本发明可以节省运动矢量信息，提高了变焦视频的压缩效率；同时编码端不必对模型参数进行编码，解码端就可以直接确定模型参数。

Description

一种解码端可推导的运动补偿预测方法

技术领域

本发明涉及一种视频编码中的运动补偿预测方法，属于通信技术领域。

背景技术

随着网络技术的迅速发展，视频编码技术的成熟和完善，传输技术的不断提高，视频业务得到了广泛的应用。如何更好的实现高效的视频编码，一直是视频领域的研究热点。H.264/AVC提供了多种帧内、帧间预测模式、多种宏块(MB)划分方式、分等级B帧的编码结构以及率失真优化等技术，因此具有很高的压缩性能。H.264/AVC是目前已公开的编码性能最好的视频编码标准。

实际的视频应用中，有很多变焦视频，即视频中的主要物体的尺寸由大到小或由小到大有规律的变化。变焦视频主要由摄像机的焦距发生变化引起；此外，物体朝向或远离摄像机运动也属于变焦视频。由理论分析可知，变焦视频中的物体运动存在某种规律，如下式所示，

mv_x＝a_hor·x+b_hor

，

mv_y＝a_ver·y+b_ver

其中(mv_x，mv_y)为当前编码块的运动矢量，(x，y)为当前编码块的块坐标，a_hor，b_hor，a_ver，b_ver为模型参数。上式表明在变焦视频中当前编码块的运动矢量与其块坐标之间存在线性关系。

现有的运动补偿预测方法是H.264/AVC采用的运动补偿预测方法。在H.264/AVC的运动补偿预测过程中，首先进行运动估计，即在参考帧中为当前编码块确定一个搜索窗口；然后在搜索窗口中搜索与当前编码块匹配误差最小的最优匹配块；进而将标记最优匹配块与当前编码块的块坐标相减，得到当前编码块的运动矢量；然后计算当前编码块与最优匹配块之间的差值，并对差值进行离散余弦变换，量化，熵编码，同时也要对运动矢量编码。此外，为了提高运动补偿预测的性能，H.264/AVC还采用了1/4像素精度的运动补偿预测，即将参考帧进行1/4精度上采样，然后在上采样后的参考帧中进行运动估计，得到1/4精度的运动矢量，继而计算当前编码块与最优匹配块之间的差值，并对差值进行离散余弦变换，量化，熵编码，同时也要对运动矢量进行编码。

H.264/AVC采用的运动补偿预测方法没有考虑到变焦视频所固有的运动特征，需要对每个编码块的运动矢量进行编码，因此变焦视频的编码效率有待进一步提高。

发明内容

本发明针对现有H.264/AVC采用的运动补偿预测方法存在的缺点，提出一种视频压缩效率高的解码端可推导的运动补偿预测方法。

本发明的解码端可推导的运动补偿预测方法，是利用邻近块的运动矢量以及块坐标，确定运动模型的参数，并依据该参数确定当前编码块的候选运动矢量；然后对候选运动矢量进行修正，得到候选运动矢量集合，并确定候选运动矢量集合中最优的候选运动矢量；比较采用最优候选运动矢量进行运动补偿和采用H.264/AVC中运动估计所得的运动矢量进行运动补偿的率失真代价，确定当前编码块的运动补偿预测值；具体包括步骤：

(1)编码端包括如下步骤：

步骤1.确定当前编码块的左、上、右上相邻的N个块的运动矢量(mv_x，i，mv_y，i)，i∈{1L N}及其块坐标(x_i，y_i)，i∈{1，L N}；

步骤2.依据当前编码块的左、上、右上相邻的块的运动矢量(mv_x，i，mv_y，i)，i∈{1L N}及其块坐标(x_i，y_i)，i∈{1，L N}，建立以下两个方程组，

并采用线性回归计算确定参数a_hor，b_hor，a_ver，b_ver；参数a_hor，b_hor，a_ver，b_ver通过下式计算得到，

$a_{\mathrm{hor}}=\frac{N\·\underset{i=1}{\overset{N}{\mathrm{\Σ}}}(x_i\·{\mathrm{mv}}_{x,i})-\left(\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_i\right)\·\left(\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{mv}}_{x,i}\right)}{N\·\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\left({x_i}^2\right)-{\left(\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_i\right)}^2},$

$b_{\mathrm{hor}}=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{mv}}_{x,i}}{N}-a_{\mathrm{hor}}\·\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_i}{N},$

$a_{\mathrm{ver}}=\frac{N\·\underset{i=1}{\overset{N}{\mathrm{\Σ}}}(y_i\·{\mathrm{mv}}_{y,i})-\left(\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{y}_i\right)\·\left(\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{mv}}_{y,i}\right)}{N\·\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\left({y_i}^2\right)-{\left(\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{y}_i\right)}^2},$

$b_{\mathrm{ver}}=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{mv}}_{y,i}}{N}-a_{\mathrm{ver}}\·\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{y}_i}{N};$

步骤3.根据步骤2求得的参数a_x，b_x，a_y，b_y以及当前编码块的坐标(x′，y′)，采用下式计算当前编码块的候选运动矢量的初始值(cmv_x，cmv_y)，

$\left\{\begin{array}{c}{\mathrm{cmv}}_x=a_{\mathrm{hor}}\·x^{\′}+b_{\mathrm{hor}}\\ {\mathrm{cmv}}_y=a_{\mathrm{ver}}\·y^{\′}+b_{\mathrm{ver}}\end{array}\right.;$

步骤4.依据步骤3所得的候选运动矢量的初始值，得到候选运动矢量集合，

$\left\{\begin{array}{c}({\mathrm{cmv}}_x-1,{\mathrm{cmv}}_y-1),({\mathrm{cmv}}_x-1,{\mathrm{cmv}}_y),({\mathrm{cmv}}_x-1,{\mathrm{cmv}}_y+1),\\ ({\mathrm{cmv}}_x,{\mathrm{cmv}}_y-1),({\mathrm{cmv}}_x,{\mathrm{cmv}}_y),({\mathrm{cmv}}_x,{\mathrm{cmv}}_y+1),\\ ({\mathrm{cmv}}_x+1,{\mathrm{cmv}}_y-1),({\mathrm{cmv}}_x+1,{\mathrm{cmv}}_y),({\mathrm{cmv}}_x+1,{\mathrm{cmv}}_y+1)\end{array}\right\};$

步骤5.依据步骤4的候选运动矢量集合，采用模板匹配方法得到最优候选运动矢量(cmv_x ^opt，cmv_y ^opt)；

步骤6.依据步骤5所得的最优候选运动矢量(cmv_x ^opt，cmv_y ^opt)对当前编码块进行运动补偿预测，并将当前编码块的原始值与运动补偿预测值相减，得到差值信号；

步骤7.对步骤6得到的差值信号进行离散余弦变换、量化和熵编码，编码标记信息得到编码码率R₁；

步骤8.对步骤7熵编码之后得到的数据进行熵解码、反量化和反离散余弦变换，得到当前编码块的差值信号的重建值；

步骤9.将步骤8所得的差值信号的重建值与最优候选运动矢量(cmv_x ^opt，cmv_y ^opt)得到的预测值相加，得到当前编码块的重建值；

步骤10.计算当前编码块的原始值与步骤9所得的当前编码块的重建值之间的平均平方误差MSE，得到当前编码块的失真D₁；

步骤11.依据下式计算当前编码块的率失真代价J₁，

J₁＝D₁+λ·R₁，

其中，λ为拉格朗日乘子；

步骤12.将步骤11所得的率失真代价与采用H.264/AVC中的运动补偿预测方法得到的率失真代价进行比较，选择率失真代价最小的运动补偿预测方法，并采用1个标记信息进行标记。

所述步骤5中的模板匹配方法，包括如下步骤：

步骤1：取当前编码块的上面一行以及左侧一列的像素作为模板区域T_curr；

步骤2：依据候选运动矢量集合中的一个候选运动矢量，得到T_curr在参考帧中对应的匹配区域T_ref，i，并计算该候选运动矢量的匹配误差E_i；

步骤3：按照步骤2，计算候选运动矢量集合中每个候选运动矢量的匹配误差；

步骤4：选择匹配误差最小的候选运动矢量作为最优的候选运动矢量(cmv_x ^opt，cmv_y ^opt)。

本发明采用邻近块的运动矢量和块坐标计算模型参数，并将模型参数用于预测当前编码块的候选运动矢量，可用于视频编码中的运动补偿预测，提高视频编码效率。与现有技术相比具有以下优点：

1)本发明由于利用了变焦视频的运动特性，通过预测直接得到当前编码块的运动矢量，不必编码运动矢量，可以降低了编码比特数，提高编码效率。

2)本发明由于采用当前块的左，上，右上的邻近块的运动矢量和块坐标计算模型参数，使计算得到的参数a_hor，b_hor，a_ver，b_ver比较准确。

3)本发明由于采用当前解码块的左，上，右上的邻近块的运动矢量和块坐标计算模型参数，使得解码端可以通过计算直接获得模型参数，继而获得当前解码块的运动矢量。

附图说明

图1是本发明在编码端的流程图。

图2是本发明在解码端的流程图。

图3是模板匹配方法示意图。

图4是对变焦视频序列Flowervase进行编码的实验结果图。

图5是对变焦视频序列Jets进行编码的实验结果图。

图6是对变焦视频序列in_to_tree进行编码的实验结果图。

具体实施方式

本发明在具体应用时，需要同时改变编码器和解码器。编码端和解码端的具体过程如下所述。

编码端的流程如图1所示，具体包括如下步骤：

步骤1：确定当前编码块的左、上、右上相邻的N个块的运动矢量(mv_x，i，mv_y，i)，i∈{1L N}及其块坐标(x_i，y_i)，i∈{1，L N}；

步骤2：依据当前编码块的左、上、右上相邻的块的运动矢量(mv_x，i，mv_y，i)，i∈{1L N}及其块坐标(x_i，y_i)，i∈{1，L N}，建立以下两个方程组，

并采用线性回归计算确定参数a_hor，b_hor，a_ver，b_ver，

$a_{\mathrm{hor}}=\frac{N\·\underset{i=1}{\overset{N}{\mathrm{\Σ}}}(x_i\·{\mathrm{mv}}_{x,i})-\left(\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_i\right)\·\left(\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{mv}}_{x,i}\right)}{N\·\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\left({x_i}^2\right)-{\left(\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_i\right)}^2},$

$b_{\mathrm{hor}}=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{mv}}_{x,i}}{N}-a_{\mathrm{hor}}\·\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_i}{N},$

$a_{\mathrm{ver}}=\frac{N\·\underset{i=1}{\overset{N}{\mathrm{\Σ}}}(y_i\·{\mathrm{mv}}_{y,i})-\left(\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{y}_i\right)\·\left(\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{mv}}_{y,i}\right)}{N\·\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\left({y_i}^2\right)-{\left(\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{y}_i\right)}^2},$

$b_{\mathrm{ver}}=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{mv}}_{y,i}}{N}-a_{\mathrm{ver}}\·\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{y}_i}{N};$

步骤3：根据步骤2求得的参数a_x，b_x，a_y，b_y以及当前编码块的坐标(x′，y′)，采用下式计算当前编码块的候选运动矢量的初始值(cmv_x，cmv_y)，

$\left\{\begin{array}{c}{\mathrm{cmv}}_x=a_{\mathrm{hor}}\·x^{\′}+b_{\mathrm{hor}}\\ {\mathrm{cmv}}_y=a_{\mathrm{ver}}\·y^{\′}+b_{\mathrm{ver}}\end{array}\right.;$

步骤4：依据步骤3所得的候选运动矢量的初始值，得到候选运动矢量集合，

$\left\{\begin{array}{c}({\mathrm{cmv}}_x-1,{\mathrm{cmv}}_y-1),({\mathrm{cmv}}_x-1,{\mathrm{cmv}}_y),({\mathrm{cmv}}_x-1,{\mathrm{cmv}}_y+1),\\ ({\mathrm{cmv}}_x,{\mathrm{cmv}}_y-1),({\mathrm{cmv}}_x,{\mathrm{cmv}}_y),({\mathrm{cmv}}_x,{\mathrm{cmv}}_y+1),\\ ({\mathrm{cmv}}_x+1,{\mathrm{cmv}}_y-1),({\mathrm{cmv}}_x+1,{\mathrm{cmv}}_y),({\mathrm{cmv}}_x+1,{\mathrm{cmv}}_y+1)\end{array}\right\};$

步骤5：依据步骤4的候选运动矢量集合，采用模板匹配方法得到最优候选运动矢量(cmv_x ^opt，cmv_y ^opt)；

步骤6：依据步骤5所得的最优候选运动矢量(cmv_x ^opt，cmv_y ^opt)对当前编码块进行运动补偿预测，并将当前编码块的原始值与运动补偿预测值相减，得到差值信号；

步骤7：对步骤6得到的差值信号进行离散余弦变换，量化，熵编码，编码标记信息得到编码码率R₁；

步骤8：对步骤7熵编码之后得到的数据进行熵解码，反量化，反离散余弦变换，得到当前编码块的差值信号的重建值；

步骤9：将步骤8所得的差值信号的重建值与最优候选运动矢量(cmv_x ^opt，cmv_y ^opt)得到的预测值相加，得到当前编码块的重建值；

步骤10：计算当前编码块的原始值与步骤9所得的当前编码块的重建值之间的平均平方误差MSE，得到当前编码块的失真D₁；

步骤11：依据下式计算当前编码块的率失真代价J₁，

J₁＝D₁+λ·R₁，

其中，λ为拉格朗日乘子；

步骤12：将步骤11所得的率失真代价与采用H.264/AVC中的运动补偿预测方法得到的率失真代价进行比较，选择率失真代价最小的运动补偿预测方法，并采用1个标记信息进行标记。

本发明在解码端的流程如图2，包括如下步骤：

步骤1：解析码流，确定当前解码块是否采用本发明的运动补偿预测技术；

步骤2：如果采用本发明的运动补偿预测方法，则依据当前解码块的左、上、右上相邻的块的运动矢量(mv_x，i，mv_y，i)，i∈{1L N}及其块坐标(x_i，y_i)，i∈{1，L N}，建立以下两个方程组，

并采用线性回归计算确定参数a_hor，b_hor，a_ver，b_ver，

$a_{\mathrm{hor}}=\frac{N\·\underset{i=1}{\overset{N}{\mathrm{\Σ}}}(x_i\·{\mathrm{mv}}_{x,i})-\left(\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_i\right)\·\left(\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{mv}}_{x,i}\right)}{N\·\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\left({x_i}^2\right)-{\left(\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_i\right)}^2},$

$b_{\mathrm{hor}}=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{mv}}_{x,i}}{N}-a_{\mathrm{hor}}\·\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_i}{N},$

$a_{\mathrm{ver}}=\frac{N\·\underset{i=1}{\overset{N}{\mathrm{\Σ}}}(y_i\·{\mathrm{mv}}_{y,i})-\left(\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{y}_i\right)\·\left(\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{mv}}_{y,i}\right)}{N\·\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\left({y_i}^2\right)-{\left(\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{y}_i\right)}^2},$

$b_{\mathrm{ver}}=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{mv}}_{y,i}}{N}-a_{\mathrm{ver}}\·\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{y}_i}{N};$

步骤3：根据步骤2求得的参数a_x，b_x，a_y，b_y以及当前编码块的坐标(x′，y′)，采用下式

计算当前编码块的候选运动矢量的初始值(cmv_x，cmv_y)，

$\left\{\begin{array}{c}{\mathrm{cmv}}_x=a_{\mathrm{hor}}\·x^{\′}+b_{\mathrm{hor}}\\ {\mathrm{cmv}}_y=a_{\mathrm{ver}}\·y^{\′}+b_{\mathrm{ver}}\end{array}\right.;$

步骤4：依据步骤3所得的候选运动矢量的初始值，得到候选运动矢量集合，

$\left\{\begin{array}{c}({\mathrm{cmv}}_x-1,{\mathrm{cmv}}_y-1),({\mathrm{cmv}}_x-1,{\mathrm{cmv}}_y),({\mathrm{cmv}}_x-1,{\mathrm{cmv}}_y+1),\\ ({\mathrm{cmv}}_x,{\mathrm{cmv}}_y-1),({\mathrm{cmv}}_x,{\mathrm{cmv}}_y),({\mathrm{cmv}}_x,{\mathrm{cmv}}_y+1),\\ ({\mathrm{cmv}}_x+1,{\mathrm{cmv}}_y-1),({\mathrm{cmv}}_x+1,{\mathrm{cmv}}_y),({\mathrm{cmv}}_x+1,{\mathrm{cmv}}_y+1)\end{array}\right\};$

步骤5：依据步骤4的候选运动矢量集合，采用模板匹配方法得到最优候选运动矢量(cmv_x ^opt，cmv_y ^opt)；

步骤6：依据步骤5所得的最优候选运动矢量(cmv_x ^opt，cmv_y ^opt)得到当前编码块的预测值；

步骤7：将步骤6得到的预测值，与解码所得的当前解码块的差值信号相加，重建当前解码块。

上述编码端和解码端的步骤5中所述的模板匹配方法如图3所示，包括如下步骤：

步骤1：取当前编码块的上面一行以及左侧一列的像素作为模板区域T_curr；

步骤2：依据候选运动矢量集合中的一个候选运动矢量，得到T_curr在参考帧中对应的匹配区域T_ref，i，并计算该候选运动矢量的匹配误差E_i；

步骤3：按照步骤2，计算候选运动矢量集合中每个候选运动矢量的匹配误差；

步骤4：选择匹配误差最小的候选运动矢量作为最优的候选运动矢量(cmv_x ^opt，cmv_y ^opt)。

本发明的效果可以通过实验进一步说明。

实验测试了在不同的量化参数的条件下，采用本发明对变焦视频进行编码后的编码码率和重建视频的客观质量PSNR。图4、图5和图6比较了采用本发明和H.264/AVC的方法对变焦视频进行运动矢量预测编码后的率失真曲线。其中图4是对变焦视频序列Flowervase进行编码的实验结果，图5是对变焦视频序列Jets进行编码的实验结果，图6是对变焦视频序列in_to_tree进行编码的实验结果。由图4可见，与H.264/AVC相比，在重建视频的客观质量相同的条件下，本发明的编码码率更低，说明本发明提高了变焦视频的编码效率。对变焦视频序列Flowervase而言，编码码率平均下降31.74％，对变焦视频序列Jets而言，编码码率平均下降6.78％，对变焦视频序列in_to_tree而言，编码码率平均下降8.82％。

Claims (2)

1.一种解码端可推导的运动补偿预测方法，其特征是：利用邻近块的运动矢量以及块坐标，确定运动模型的参数，并依据该参数确定当前编码块的候选运动矢量；然后对候选运动矢量进行修正，得到候选运动矢量集合，并确定候选运动矢量集合中最优的候选运动矢量；比较采用最优候选运动矢量进行运动补偿和采用264/AVC中运动估计所得的运动矢量进行运动补偿的率失真代价，确定当前编码块的运动补偿预测值；具体包括以下步骤：

步骤1.确定当前编码块的左、上、右上相邻的N个块的运动矢量(mv_x，i，mv_y，i)，i∈{1L N}及其块坐标(x_i，y_i)，i∈{1，L N}；

步骤2.依据当前编码块的左、上、右上相邻的块的运动矢量(mv_x，i，mv_y，i)，i∈{1L N}及其块坐标(x_i，y_i)，i∈{1，L N}，建立以下两个方程组，

并采用线性回归计算确定参数a_hor，b_hor，a_ver，b_ver；参数a_hor，b_hor，a_ver，b_ver通过下式计算得到，

$a_{\mathrm{hor}}=\frac{N\·\underset{i=1}{\overset{N}{\mathrm{\Σ}}}(x_i\·{\mathrm{mv}}_{x,i})-\left(\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_i\right)\·\left(\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{mv}}_{x,i}\right)}{N\·\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\left({x_i}^2\right)-{\left(\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_i\right)}^2},$

$b_{\mathrm{hor}}=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{mv}}_{x,i}}{N}-a_{\mathrm{hor}}\·\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_i}{N},$

$a_{\mathrm{ver}}=\frac{N\·\underset{i=1}{\overset{N}{\mathrm{\Σ}}}(y_i\·{\mathrm{mv}}_{y,i})-\left(\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{y}_i\right)\·\left(\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{mv}}_{y,i}\right)}{N\·\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\left({y_i}^2\right)-{\left(\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{y}_i\right)}^2},$

$b_{\mathrm{ver}}=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{mv}}_{y,i}}{N}-a_{\mathrm{ver}}\·\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{y}_i}{N};$

步骤3.根据步骤2求得的参数a_x，b_x，a_y，b_y以及当前编码块的坐标(x′，y′)，采用下式计算当前编码块的候选运动矢量的初始值(cmv_x，cmv_y)，

$\left\{\begin{array}{c}{\mathrm{cmv}}_x=a_{\mathrm{hor}}\·x^{\′}+b_{\mathrm{hor}}\\ {\mathrm{cmv}}_y=a_{\mathrm{ver}}\·y^{\′}+b_{\mathrm{ver}}\end{array}\right.;$

步骤4.依据步骤3所得的候选运动矢量的初始值，得到候选运动矢量集合，

$\left\{\begin{array}{c}({\mathrm{cmv}}_x-1,{\mathrm{cmv}}_y-1),({\mathrm{cmv}}_x-1,{\mathrm{cmv}}_y),({\mathrm{cmv}}_x-1,{\mathrm{cmv}}_y+1),\\ ({\mathrm{cmv}}_x,{\mathrm{cmv}}_y-1),({\mathrm{cmv}}_x,{\mathrm{cmv}}_y),({\mathrm{cmv}}_x,{\mathrm{cmv}}_y+1),\\ ({\mathrm{cmv}}_x+1,{\mathrm{cmv}}_y-1),({\mathrm{cmv}}_x+1,{\mathrm{cmv}}_y),({\mathrm{cmv}}_x+1,{\mathrm{cmv}}_y+1)\end{array}\right\};$

步骤5.依据步骤4的候选运动矢量集合，采用模板匹配方法得到最优候选运动矢量(cmv_x ^opt，cmv_y ^opt)；

步骤6.依据步骤5所得的最优候选运动矢量(cmv_x ^opt，cmv_y ^opt)对当前编码块进行运动补偿预测，并将当前编码块的原始值与运动补偿预测值相减，得到差值信号；

步骤7.对步骤6得到的差值信号进行离散余弦变换、量化和熵编码，编码标记信息得到编码码率R₁；

步骤8.对步骤7熵编码之后得到的数据进行熵解码、反量化和反离散余弦变换，得到当前编码块的差值信号的重建值；

步骤9.将步骤8所得的差值信号的重建值与最优候选运动矢量(cmv_x ^opt，cmv_y ^opt)得到的预测值相加，得到当前编码块的重建值；

步骤10.计算当前编码块的原始值与步骤9所得的当前编码块的重建值之间的平均平方误差MSE，得到当前编码块的失真D₁；

步骤11.依据下式计算当前编码块的率失真代价J₁，

J₁＝D₁+λ·R₁，

其中，λ为拉格朗日乘子；

步骤12.将步骤11所得的率失真代价与采用H.264/AVC中的运动补偿预测方法得到的率失真代价进行比较，选择率失真代价最小的运动补偿预测方法，并采用1个标记信息进行标记。

2.根据权利要求1所述的解码端可推导的运动补偿预测方法，其特征是：所述步骤5中的模板匹配方法包括如下步骤：

步骤1：取当前编码块的上面一行以及左侧一列的像素作为模板区域T_curr；

步骤2：依据候选运动矢量集合中的一个候选运动矢量，得到T_curr在参考帧中对应的匹配区域T_ref，i，并计算该候选运动矢量的匹配误差E_i；

步骤3：按照步骤2，计算候选运动矢量集合中每个候选运动矢量的匹配误差；

步骤4：选择匹配误差最小的候选运动矢量作为最优的候选运动矢量(cmv_x ^opt，cmv_y ^opt)

Images