CN102572418A - 一种帧间编码的运动预测方法和系统 - Google Patents

Abstract

本发明提出一种帧间编码的运动预测方法，先根据当前帧的相对变化复杂度信息所在的阈值范围，判断是否进入全局运动预测；如果是进入全局运动预测，判断选定的判定区域是否为强一致性运动趋势，如果是则获取当前帧的运动方向为全局运动方向，获取相应的方向判定，结束；如果不是强一致运动趋势，则根据各区域的运动，进行全局运动方向的弱判定。利用本发明方法，一方面可以提升压缩率，另一方面可以提升压缩速度，即对存在全局运动的视频源进行压缩时，可通过统一判断的方式确定运动预测，而无需像仅依赖基于宏块、子块的运动预测方法对每个宏块子块依次作判断。

Description

一种帧间编码的运动预测方法和系统

技术领域

本发明涉及视频编码领域，尤其涉及一种帧间编码的运动预测方法和系统。

背景技术

视频编码中视频源的帧间信息冗余度极大，从而使得帧间编码方法在视频编码中显得尤为重要。目前主流的基于宏块、子块的运动补偿方法，在常规运动时，可以达到较好的效果，但当出现全局运动时，相应的压缩难度提升，这个问题在低码率压缩时更为严重。出现此问题，固然是由于编码源本身的复杂度引起的，但另一方面却也是现有基于宏块、子块的运动补偿的方法存在缺陷的原因。基于宏块、子块的运动补偿的方法割裂了区域及全局相关性，从而当存在全局运动时，仅使用该方法不能很好的消除帧间信息的冗余度，从而使得低码率下的压缩质与量的矛盾尤为突出。此外，逐个判定的模式也浪费了计算资源。

发明内容

本发明实施例的目的在于提出一种帧间编码的运动预测方法，旨在解决现有技术基于宏块、子块的运动补偿的方法割裂了区域及全局相关性，从而当存在全局运动时，不能很好的消除帧间信息的冗余度，从而使得低码率下的压缩质与量的矛盾尤为突出的问题。

本发明实施例方法是这样实现的，一种帧间编码的运动预测方法，所述方法包括：

根据当前帧的相对变化复杂度信息所在的阈值范围，判断是否进入全局运动预测，如果是，则

判断选定的判定区域是否为强一致性运动趋势，如果是，则

获取当前帧为全局运动，获取相应的方向判定，结束。

优选地，所述步骤“判断选定的判定区域是否为强一致性运动趋势”还包括：

如果选定的区域不是强一致运动趋势，则根据各区域的运动，进行全局运动方向的弱判定。

本发明实施例的另一目的在于提出一种帧间编码的运动预测系统，所述系统包括：

进入全局运动预测判断模块：用于根据当前帧的相对变化复杂度信息所在的阈值范围，判断是否进入全局运动预测；即如果当前帧的相对变化复杂度信息大于第一阈值，则认为当前帧与前一帧极度近似，判定当前帧为Skip帧(前后两帧近乎无运动，可直接复制前一帧图像)；如果当前帧它的相对变化复杂度信息在第一阈值和第二阈值之间，则不进入全局运动预测；如果当前帧的相对变化复杂度信息小于第二阈值，则进入全局运动预测，即进入强一致性运动趋势判断模块，其中第一阈值大于第二阈值。

强一致性运动趋势判断模块：用于判断选定的判定区域是否为强一致性运动趋势，如果是则获取当前帧为全局运动，获取相应的方向判定，结束；如果否则进入弱一致性运动趋势判断模块；

弱一致性运动趋势判断模块，用于判断选定的判定区域是否为弱一致性运动趋势，如果是则获取当前帧相应的方向判定，结束；如果否则判定当前帧不存在全局运动。

本发明的有益效果

本发明提出一种帧间编码的运动预测方法，先根据当前帧的相对变化复杂度信息所在的阈值范围，判断是否进入全局运动预测；如果是进入全局运动预测，判断选定的判定区域是否为强一致性运动趋势，如果是则获取当前帧的运动方向为全局运动方向，获取相应的方向判定，结束；如果不是强一致运动趋势，则根据各区域的运动，进行全局运动方向的弱判定。利用本发明方法，一方面可以提升压缩率，另一方面可以提升压缩速度，即对存在全局运动的视频源进行压缩时，可通过统一判断的方式确定运动预测，而无需像仅依赖基于宏块、子块的运动预测方法对每个宏块子块依次作判断。

附图说明

图1是本发明实施例的一种帧间编码的运动预测方法流程图；

图2是本发明实施例的一种帧间编码的运动预测系统结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图和实施例，对本发明进行进一步详细说明，为了便于说明，仅示出了与本发明实施例相关的部分。应当理解，此处所描写的具体实施例，仅仅用于解释本发明，并不用以限制本发明。

本发明提出一种帧间编码的运动预测方法，先根据当前帧的相对变化复杂度信息所在的阈值范围，判断是否进入全局运动预测；如果是进入全局运动预测，判断选定的判定区域是否为强一致性运动趋势，如果是则获取当前帧的运动方向为全局运动方向，获取相应的方向判定，结束；如果不是强一致运动趋势，则根据各区域的运动，进行全局运动方向的弱判定。利用本发明方法，一方面可以提升压缩率，另一方面可以提升压缩速度，即对存在全局运动的视频源进行压缩时，可通过统一判断的方式确定运动预测，而无需像仅依赖基于宏块、子块的运动预测方法对每个宏块子块依次作判断。

图1所示为本发明实施例一种帧间编码的运动预测方法流程图，所述方法包括以下步骤：

S11，根据当前帧的相对变化复杂度信息所在的阈值范围，判断是否进入全局运动预测；

具体为：如果当前帧的相对变化复杂度信息大于第一阈值，则认为当前帧与前一帧极度近似，判定当前帧为Skip帧(前后两帧近乎无运动，可直接复制前一帧图像)；如果当前帧它的相对变化复杂度信息在第一阈值和第二阈值之间，则不进入全局运动预测；如果当前帧的相对变化复杂度信息小于第二阈值，则进入全局运动预测，即进入步骤S12。其中第一阈值大于第二阈值。

所述是否进入全局运动预测方法的程序描述如下：

if(tis_frames_t＞Thres1)

则第t帧与第t-1帧极度近似，判定第t帧为Skip帧

if(tis_frames_t＜Thres2)

则运用全局运动预测方法进行预测

if(Thres2≤tis_frames_t≤Thres1)

则无全局运动趋势，进入基于宏块、块的运动预测

其中：Thres1、Thres2为相应的第一阈值和第二阈值判定阈值

tis_frames_t表示：第t帧的相对变化复杂度信息；

所述当前帧的相对变化复杂度信息求取方法如下：

A)：根据宏块运动信息、宏块纹理信息提取各宏块相对变化复杂度信息；

a)宏块运动信息：当前宏块内像素与前一帧相应宏块内的像素值差值的均方差。

ti_Mb_t，m，n＝std[f_t(i，j|(i，j)∈Mb_t，m，n)-f_i-1(i，j|(i，j)∈Mb_t-1，m，n)]

b)宏块纹理信息：当前宏块内像素值的均方差。

si_Mb_t，m，n＝std[f_t(i，j|(i，j)∈Mb_t，m，n)]，

if(si_Mb_t，m，n＝0)

则，判定当前宏块为单点宏块，即整个宏块所有像素值即为相同的一个像素值；

c)宏块相对变化复杂度信息：

${\mathrm{tis}\_\mathrm{Mb}}_{t,m,n}=\left\{\begin{array}{cc}{\mathrm{ti}\_\mathrm{Mb}}_{t,m,n}/{\mathrm{si}\_\mathrm{Mb}}_{t,m,n},& {\mathrm{si}\_\mathrm{Mb}}_{t,m,n}\≠0\\ 0,& {\mathrm{si}\_\mathrm{Mb}}_{t,m,n}=0\end{array}\right.$

其中：Mb_t，m，n表示第t帧第m行n列的宏块；

Mb_t-1，m，n表示；第t-1帧第m行n列的宏块；

f_t(i，j)表示第t帧第i行j列的像素值；

f_t(i，j|(i，j)∈Mb_t，m，n)表示；表示第t帧中属于Mb_t，m，n的第i行j列的像素值；

f_t-1(i，j|(i，j)∈Mb_t-1，m，n)表示；表示第t-1帧中属于Mb_t-1，m，n的第i行j列的像素值；

std表示均方差；

ti_Mb_t，m，n表示：Mb_t，m，n的宏块运动信息；

si_Mb_t，m，n表示：Mb_t，m，n的宏块纹理信息；

B)：基于宏块相对变化复杂度信息，获取当前帧的相对变化复杂度信息；

${\mathrm{tis}\_\mathrm{frames}}_t=\left\{\begin{array}{cc}{\mathrm{count}}_t++,& {\mathrm{tis}\_\mathrm{Mb}}_{t,m,n}<\mathrm{Thres}0\\ {\mathrm{count}}_t,& \mathrm{else}\end{array}\right.$

其中：Thres0为相应的第零判定阈值；

tis_frames_t表示：第t帧的相对变化复杂度信息；

tis_Mb_t，m，n表示：Mb_t，m，n的宏块相对变化复杂度信息

S12，判断选定的判定区域是否为强一致性运动趋势，如果是则获取当前帧的运动方向为全局运动方向，获取相应的方向判定，结束；如果否则进入步骤S13；

所述判定区域需同时满足以下条件：

条件1：判定区域为背景区域；

当存在全局运动时，一般具有背景运动趋势一致，而前景则一般存在相对运动的特点；

条件2：至少选取两个判定区域；

条件3：在每个判定区域作所有方向的检测；

所有方向包括：左侧运动、右侧运动、上侧运动、下侧运动、静止；

具体实施时可根据需要及计算量的综合考虑选取更多或更少的方向。考虑实际运动中以水平、垂直、静止三种运动最为常见，本发明实施例以左侧运动、右侧运动、上侧运动、下侧运动、静止这五种方向为例进行说明。

所述“判断选定的判定区域是否为强一致性运动趋势”具体方法为

S121：以宏块为单位，求取判定区域内的宏块预测方向；

本发明实施例中选定两个判定区域Re gion₅，Re gion₆，对判定区域Re gion₅，Re gion₆内的宏块，分别具体做如下计算：

计算左侧运动预测值和当前编码值差值的均方差，获取左侧运动预测残差；

计算右侧运动预测值和当前编码值差值的均方差，获取右侧运动预测残差；

计算上侧运动预测值和当前编码值差值的均方差，获取上侧运动预测残差；

计算下侧运动预测值和当前编码值差值的均方差，获取下侧运动预测残差；

计算静止预测值和当前编码值差值的均方差，获取静止运动预测残差；

具体计算公式如下：

diff_Left＝std[f_t，m，n(i，j)-predL_f_{t-1m′，n′}(i，j)|Mb_t，m，n∈Re gion₅∪Re gion₆]

diff_Right＝std[f_t，m，n(i，j)-predR_f_{t-1，m′，n′}(i，j)|Mb_t，m，n∈Re gion₅∪Re gion₆]

diff_Up＝std[f_t，m，n(i，j)-predU_f_{t-1，m′，n′}(i，j)|Mb_t，m，n∈Re gion₅∪Re gion₆]

diff_Down＝std[f_t，m，n(i，j)-predD_f_{t-1，m′，n′}(i，j)|Mb_t，m，n∈Re gion₅∪Re gion₆]

diff_Static＝std[f_t，m，n(i，j)-predS_f_t-1，m，n(i，j)|Mb_t，m，n∈Re gion₅∪Re gion₆]

其中：Mb_t，m，n表示第t帧第m行n列的宏块；

Mb_t，m，n：为当前编码第t帧第m行n列的宏块；

f_t，m，n(i，j)：为Mb_t，m，n中第i行第j列的像素值；

f_t(i，j)表示第t帧第i行j列的像素值；

std表示均方差；

diff_Left为左侧运动预测残差、predL_f_{t-1，m′，n′}(i，j)为利用前一帧图像对当前宏块作左侧运动估计的预测值；

diff_Right为右侧运动预测残差、predR_f_{t-1，m′，n′}(i，j)为利用前一帧图像对当前宏块作右侧运动估计的预测值；

diff_up为上侧运动预测残差、predU_f_{t-1，m′，n′}(i，j)为利用前一帧图像对当前宏块作上侧运动估计的预测值；

diff_down为下侧运动预测残差、predD_f_{t-1，m′，n′}(i，j)为利用前一帧图像对当前宏块作下侧运动估计的预测值；

diff_Static为静止运动预测残差、predS_f_t-1，m，n(i，j)为利用前一帧图像对当前宏块作静止运动估计的预测值；

S122：统计各区域中所有方向的运动宏块数；即在各区域内，宏块预测残差最小的方向上运动宏块数加一；所述各区域中所有方向为左侧运动、右侧运动、上侧运动、下侧运动、静止方向；

各区域内，运动宏块数统计方法的具体程序如下：

if(min(diff_Left，diff_Right，diff_Up，diff_Downt，diff_Static)＝diff_Left)

       Count_Left，j++

if(min(diff_Left，diff_Right，diff_Up，diff_Downt，diff_Static)＝diff_Right)

       Count_Right，j++

if(min(diff_Left，diff_Right，diff_Up，diff_Downt，diff_Static)＝ddiff_Up)

       Count_Up，j++

if(min(diff_Left，diff_Right，diff_Up，diff_Downt，diff_Static)＝diff_Downt)

       Count_Down，j++

if(min(diff_Left，diff_Right，diff_Up，diff_Downt，diff_Static)＝diff_Static)

       Count_Static，j++

其中，Count_Left，j，Count_Right，j，Count_Up，j，Count_Down，j Count_Static，j分别表示选定的判定区域Re gion_j左侧运动、右侧运动、上侧运动、下侧运动、静止宏块的数量，当j等于5或6时，Re gion_j表示两个不同选定的判定区域；

min(a，b，c，c，d)表示求五个值中的最小值；

S123：基于各区域中相应方向的运动宏块数的统计信息，判定该区域的信息是否可用；

即一个区域内如果相反运动方向的宏块数的差值小于第一方向判定阈值Thres_d1或者该区域内五个运动方向(左侧运动、右侧运动、上侧运动、下侧运动、静止)宏块数的最大值与次大值的差值小于第二方向判定阈值Thres_d2，则认为该区域的信息不可用。

详细程序如下：

if(abs(Count_Left，j-Count_Right，j)＜Thres_d1‖abs(Count_Up，j-Count_Down，j)＜Thres_d1‖max(Count_Left，j，Count_Right，j，Count_Up，j，Count_Down，j，Count_Static，j)-lessmax(Count_Left，j，Count_Right，j，Count_Up，j，Count_Down，j，Count_Static，j)＜Thres_d2)

则，该区域信息不可用

其中，Count_Left，j，Count_Right，j，Count_Up，j，Count_Down，j，Count_Static，j分别表示选定的判定区域Re gion_j左侧运动、右侧运动、上侧运动、下侧运动、静止宏块的数量，当j等于5或6时，Re gion_j表示两个不同选定的判定区域；max(a，b，c，c，d)，lessmax(a，b，c，c，d)分别为求五个值中的最大值和次大值，Thres_d1为第一方向判定阈值，Thres_d2为第二方向判定阈值；

S124：根据选定的判定区域的运动趋势作所有运动方向的判定，

即一个区域内宏块数最多的运动方向，则判定为该区域的运动方向；

if(Region_j有效)则获取其运动方向判定

${\mathrm{direction}}_j=\left\{\begin{array}{cc}\mathrm{Left},& \max ({\mathrm{Count}}_{\mathrm{Left},j},{\mathrm{Count}}_{\mathrm{Right},j},{\mathrm{Count}}_{\mathrm{Up},j},{\mathrm{Count}}_{\mathrm{Down},j},{\mathrm{Count}}_{\mathrm{Static},j})={\mathrm{Count}}_{\mathrm{Left},j}\\ \mathrm{Right},& \max ({\mathrm{Count}}_{\mathrm{Left},j},{\mathrm{Count}}_{\mathrm{Right},j},{\mathrm{Count}}_{\mathrm{Up},j},{\mathrm{Count}}_{\mathrm{Down},j},{\mathrm{Count}}_{\mathrm{Static},j})={\mathrm{Count}}_{\mathrm{Right},j}\\ \mathrm{Up},& \max ({\mathrm{Count}}_{\mathrm{Left},j},{\mathrm{Count}}_{\mathrm{Right},j},{\mathrm{Count}}_{\mathrm{Up},j},{\mathrm{Count}}_{\mathrm{Down},j},{\mathrm{Count}}_{\mathrm{Static},j})={\mathrm{Count}}_{\mathrm{Up},j}\\ \mathrm{Down},& \max ({\mathrm{Count}}_{\mathrm{Left},j},{\mathrm{Count}}_{\mathrm{Right},j},{\mathrm{Count}}_{\mathrm{Up},j},{\mathrm{Count}}_{\mathrm{Down},j},{\mathrm{Count}}_{\mathrm{Static},j})={\mathrm{Count}}_{\mathrm{Down},j}\\ \mathrm{Static},& \max ({\mathrm{Count}}_{\mathrm{Left},j},{\mathrm{Count}}_{\mathrm{Right},j}{\mathrm{Count}}_{\mathrm{Up},j},{\mathrm{Count}}_{\mathrm{Down},j},{\mathrm{Count}}_{\mathrm{Static},j})={\mathrm{Count}}_{\mathrm{Static},j}\end{array}\right.$

其中direction_j为选定的判定区域Region_j的运动方向，其分为左侧运动方向Left、右侧运动方向Right、上侧运动方向Up、下侧运动方向Down、静止Static；Count_Left，j，Count_Right，j，Count_Up，j，Count_Down，j，Count_Static，j分别表示区域Re gion_j左侧运动、右侧运动、上侧运动、下侧运动、静止宏块的数量，当j等于5或6时，Region_j表示两个不同的选定的判定区域；max(a，b，c，c，d)表示求五个值中的最大值；

S125：根据各区域的运动，进行全局运动方向的强判定；

即两个区域的运动方向一致且都不属于静止方向，并且每个区域相应运动方向上的宏块数大于相应第三方向判定阈值Thres_d3；或者两个区域的运动方向不一致但其中一个区域运动方向为静止并且另一非静止方向的区域其相应运动方向的宏块数大于相应第四方向判定阈值Thres_d4；那么即可获取全局运动方向，结束全局运动预测判断，否则，进入S13。

则

获取方向结束全局运动预测判断

else

则

获取方向结束全局运动预测判断

否则，进入S13

其中

为第t帧的运动方向，Thres_d3、Thres_d4分别为第三方向判定阈值和第四方向判定阈值；

direction₅：判定区域Region₅的运动方向

direction₆：判定区域Region₆的运动方向

判定区域Region₅的运动方向上的宏块数

判定区域Region₆的运动方向上的宏块数

S13，根据各区域的运动，进行全局运动方向的弱判定；

具体方法步骤如下：

S131：计算各类区域的方向差值mn，即计算各区域最大运动方向宏块数与次大运动方向宏块数的差值，同类区域的最小值即为该类区域的方向差值；

if(Region₅，Region₆均有效)

$\mathrm{mn}=\underset{j=\mathrm{5,6}}{\min }(\max ({\mathrm{Count}}_{\mathrm{Left},j},{\mathrm{Count}}_{\mathrm{Right},j},{\mathrm{Count}}_{\mathrm{Up},j}{\mathrm{Count}}_{\mathrm{Down},j},{\mathrm{Count}}_{\mathrm{Static},j})-$

$\mathrm{less}\max ({\mathrm{Count}}_{\mathrm{Left},j},{\mathrm{Count}}_{\mathrm{Right},j},{\mathrm{Count}}_{\mathrm{Up},j},{\mathrm{Count}}_{\mathrm{Down},j}{\mathrm{Count}}_{\mathrm{Static},j}))$

if(只Region₅有效)

$\mathrm{mn}=\underset{j=5}{\min }(\max ({\mathrm{Count}}_{\mathrm{Left},j},{\mathrm{Count}}_{\mathrm{Right},j},{\mathrm{Count}}_{\mathrm{Up},j},{\mathrm{Count}}_{\mathrm{Down},j},{\mathrm{Count}}_{\mathrm{Static},j})-$

$\mathrm{less}\max ({\mathrm{Count}}_{\mathrm{Left},j},{\mathrm{Count}}_{\mathrm{Right},j},{\mathrm{Count}}_{\mathrm{Up},j},{\mathrm{Count}}_{\mathrm{Down},j},{\mathrm{Count}}_{\mathrm{Static},j}))$

if(只Region₆有效)

$\mathrm{mn}=\underset{j=6}{\min }(\max ({\mathrm{Count}}_{\mathrm{Left},j},{\mathrm{Count}}_{\mathrm{Right},j},{\mathrm{Count}}_{\mathrm{Up},j},{\mathrm{Count}}_{\mathrm{Down},j},{\mathrm{Count}}_{\mathrm{Static},j})-$

$\mathrm{less}\max ({\mathrm{Count}}_{\mathrm{Left},j},{\mathrm{Count}}_{\mathrm{Right},j},{\mathrm{Count}}_{\mathrm{Up},j},{\mathrm{Count}}_{\mathrm{Down},j},{\mathrm{Count}}_{\mathrm{Static},j}))$

S132：即根据各区域各类情况择优选取，确定全局运动方向；

如果两个区域信息只有一个区域有效，

如果满足该区域运动方向的宏块数小于相应的第五方向判定阈值Thres_d5且该区域的方向差值满足相应的第六方向判定阈值Thres_d6；或者满足该区域运动方向的宏块数大于相应的第七方向判定阈值Thres_d7；

则全局运动方向即为该有效区域的运动方向；

详细程序描述如下：

if((只Region₅有效&&

(Count_direction5，5≤Thres_d5&&mn＞Thres_d6)‖(Count_direction5，5＞Thres_d7))‖

(只Region₆有效&&

(Count_direction6，6≤Thres_d5&&mn＞Thres_d6)‖(Count_direction6，6＜Thres_d7)))

${\mathrm{direction}}_t^{\mathrm{frame}}={\mathrm{direction}}_j,{\mathrm{Region}}_j$ 有效

else

无全局运动

本发明实施例提出一种帧间编码的运动预测方法，先根据当前帧的相对变化复杂度信息所在的阈值范围，判断是否进入全局运动预测；如果是进入全局运动预测，判断选定的判定区域是否为强一致性运动趋势，如果是则获取当前帧的运动方向为全局运动方向，获取相应的方向判定，结束；如果不是强一致运动趋势，则根据各区域的运动，进行全局运动方向的弱判定。利用本发明方法，一方面可以提升压缩率，另一方面可以提升压缩速度，即对存在全局运动的视频源进行压缩时，可通过统一判断的方式确定运动预测，而无需像仅依赖基于宏块、子块的运动预测方法对每个宏块子块依次作判断。

如图2所示为本发明实施例一种帧间编码的运动预测系统结构示意图，所述系统包括：

进入全局运动预测判断模块：用于根据当前帧的相对变化复杂度信息所在的阈值范围，判断是否进入全局运动预测；即如果当前帧的相对变化复杂度信息大于第一阈值，则认为当前帧与前一帧极度近似，判定当前帧为Skip帧(前后两帧近乎无运动，可直接复制前一帧图像)；如果当前帧它的相对变化复杂度信息在第一阈值和第二阈值之间，则不进入全局运动预测；如果当前帧的相对变化复杂度信息小于第二阈值，则进入全局运动预测，即进入强一致性运动趋势判断模块，其中第一阈值大于第二阈值。

强一致性运动趋势判断模块：判断选定的判定区域是否为强一致性运动趋势，如果是则获取当前帧为全局运动，获取相应的方向判定，结束；如果否则进入弱一致性运动趋势判断模块；

所述“判断选定的判定区域是否为强一致性运动趋势”具体为：

以宏块为单位，求取判定区域内的宏块预测方向；

统计各区域中所有方向的运动宏块数；

基于各区域中相应方向的运动宏块数的统计信息，判定该区域的信息是否可用；

根据选定的判定区域的运动趋势作所有运动方向的判定；

根据各区域的运动，进行全局运动方向的强判定；

弱一致性运动趋势判断模块，判断选定的判定区域是否为弱一致性运动趋势，如果是则获取当前帧相应的方向判定，结束；如果否则判定当前帧不存在全局运动；

所述“判断选定的判定区域是否为弱一致性运动趋势”具体为：计算各类区域的方向差值，即计算各区域最大运动方向宏块数与次大运动方向宏块数的差值，同类区域的最小值即为该类区域的方向差值；即根据各区域各类情况择优选取，确定全局运动方向；

所述各类情况为：

如果两个区域信息只有一个区域有效，

如果满足该区域运动方向的宏块数小于相应的第五方向判定阈值且该区域的方向差值满足相应的第六方向判定阈值；或者满足该区域运动方向的宏块数大于相应的第七方向判定阈值；

则全局运动方向即为该有效区域的运动方向；

本发明实施例提出一种帧间编码的运动预测方法，先根据当前帧的相对变化复杂度信息所在的阈值范围，判断是否进入全局运动预测；如果是进入全局运动预测，判断选定的判定区域是否为强一致性运动趋势，如果是则获取当前帧的运动方向为全局运动方向，获取相应的方向判定，结束；如果不是强一致运动趋势，则根据各区域的运动，进行全局运动方向的弱判定。利用本发明方法，一方面可以提升压缩率，另一方面可以提升压缩速度，即对存在全局运动的视频源进行压缩时，可通过统一判断的方式确定运动预测，而无需像仅依赖基于宏块、子块的运动预测方法对每个宏块子块依次作判断。

本领域的普通技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序指令相关硬件来完成的，所述的程序可以存储于一计算机可读取存储介质中，所述的存储介质可以为ROM、RAM、磁盘、光盘等。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (17)

1.一种帧间编码的运动预测方法，其特征在于，所述方法包括：

根据当前帧的相对变化复杂度信息所在的阈值范围，判断是否进入全局运动预测，如果是，则

判断选定的判定区域是否为强一致性运动趋势，如果是，则

获取当前帧为全局运动，获取相应的方向判定，结束。

2.如权利要求1所述的帧间编码的运动预测方法，其特征在于，所述步骤“判断选定的判定区域是否为强一致性运动趋势”还包括：

如果选定的区域不是强一致运动趋势，则根据各区域的运动，进行全局运动方向的弱判定。

3.如权利要求1所述的帧间编码的运动预测方法，其特征在于，所述“根据当前帧的相对变化复杂度信息所在的阈值范围，判断是否进入全局运动预测，”具体为：

如果当前帧的相对变化复杂度信息大于第一阈值，则认为当前帧与前一帧极度近似，判定当前帧为Skip帧；如果当前帧它的相对变化复杂度信息在第一阈值和第二阈值之间，则不进入全局运动预测；如果当前帧的相对变化复杂度信息小于第二阈值，则进入全局运动预测，即进入权利要求1所述的步骤“判断选定的判定区域是否为强一致性运动趋势”，其中第一阈值大于第二阈值。

4.如权利要求1所述的帧间编码的运动预测方法，其特征在于，所述的当前帧的相对变化复杂度信息求取方法如下：

根据宏块运动信息、宏块纹理信息提取各宏块相对变化复杂度信息；

基于宏块相对变化复杂度信息，获取当前帧的相对变化复杂度信息。

5.如权利要求4所述的帧间编码的运动预测方法，其特征在于，所述“根据宏块运动信息、宏块纹理信息提取各宏块相对变化复杂度信息”具体为：

求取宏块运动信息：即当前宏块内像素与前一帧相应宏块内的像素值差值的均方差；

ti_Mb_t，m，n＝std[f_t(i，j|(i，j)∈Mb_t，m，n)-f_t-1(i，j|(i，j)∈Mb_t-1，m，n)]

求取宏块纹理信息：即当前宏块内像素值的均方差；

si_Mb_t，m，n＝std[f_t(i，j|(i，j)∈Mb_t，m，n)]，

if(si_Mb_t，m，n＝0)

则判定当前宏块为单点宏块，即整个宏块所有像素值即为相同的一个像素值；

求取宏块相对变化复杂度信息：

${\mathrm{tis}\_\mathrm{Mb}}_{t,m,n}=\left\{\begin{array}{cc}{\mathrm{ti}\_\mathrm{Mb}}_{t,m,n}/{\mathrm{si}\_\mathrm{Mb}}_{t,m,n},& {\mathrm{si}\_\mathrm{Mb}}_{t,m,n}\&NotEqual;0\\ 0,& {\mathrm{si}\_\mathrm{Mb}}_{t,m,n}=0\end{array}\right.$

其中：M_bt，m，n表示第t帧第m行n列的宏块；

M_bt-1，m，n表示；第t-1帧第m行n列的宏块；

f_t(i，j)表示第t帧第i行j列的像素值；

f_t(i，j|(i，j)∈Mb_t，m，n)表示；表示第t帧中属于Mb_t，m，n的第i行j列的像素值；

f_t-1(i，j|(i，j)∈Mb_t-1，m，n)表示；表示第t-1帧中属于Mb_t-1，m，n的第i行j列的像素值；

std表示均方差；

ti_M_bt，m，n表示：Mb_t，m，n的宏块运动信息；

si_Mb_t，m，n表示：Mb_t，m，n的宏块纹理信息。

6.如权利要求4所述的帧间编码的运动预测方法，其特征在于，所述“基于宏块相对变化复杂度信息，获取当前帧的相对变化复杂度信息”具体为：

${\mathrm{tis}\_\mathrm{frames}}_t=\left\{\begin{array}{cc}{\mathrm{count}}_t++,& {\mathrm{tis}\_\mathrm{Mb}}_{t,m,n}<\mathrm{Thres}0\\ {\mathrm{count}}_t,& \mathrm{else}\end{array}\right.$

其中：Thres0为相应的第零判定阈值；

tis_frames_t表示：第t帧的相对变化复杂度信息；

tis_Mb_t，m，n表示：Mb_t，m，n的宏块相对变化复杂度信息。

7.如权利要求1所述的帧间编码的运动预测方法，其特征在于，

所述判定区域需同时满足以下条件：

条件1：判定区域为背景区域；

条件2：至少选取两个判定区域；

条件3：在每个判定区域作所有方向的检测，所有方向包括：左侧运动、右侧运动、上侧运动、下侧运动、静止。

8.如权利要求7所述的帧间编码的运动预测方法，其特征在于，条件3可替换为；在每个判定区域，根据需要及计算量的综合考虑选取不同的方向进行检测。

9.如权利要求1所述的帧间编码的运动预测方法，其特征在于，

所述“判断选定的判定区域是否为强一致性运动趋势”具体包括以下步骤：

以宏块为单位，求取判定区域内的宏块预测方向；

统计各区域中所有方向的运动宏块数；

基于各区域中相应方向的运动宏块数的统计信息，判定该区域的信息是否可用；

根据选定的判定区域的运动趋势作所有运动方向的判定；

根据各区域的运动，进行全局运动方向的强判定。

10.如权利要求9所述的帧间编码的运动预测方法，其特征在于，所述“以宏块为单位，求取判定区域内的宏块预测方向”具体为：

对所述选定的判定区域内的宏块，分别具体做如下计算：

计算左侧运动预测值和当前编码值差值的均方差，获取左侧运动预测残差；

计算右侧运动预测值和当前编码值差值的均方差，获取右侧运动预测残差；

计算上侧运动预测值和当前编码值差值的均方差，获取上侧运动预测残差；

计算下侧运动预测值和当前编码值差值的均方差，获取下侧运动预测残差；

计算静止预测值和当前编码值差值的均方差，获取静止运动预测残差。

11.如权利要求9所述的帧间编码的运动预测方法，其特征在于，所述“统计各区域中所有方向的运动宏块数”具体为：

在各区域内，宏块预测残差最小的方向上运动宏块数加一。

12.如权利要求9所述的帧间编码的运动预测方法，其特征在于，所述“基于各区域中相应方向的运动宏块数的统计信息，判定该区域的信息是否可用”具体为：

一个区域内如果相反运动方向的宏块数的差值小于第一方向判定阈值或者该区域内五个运动方向(左侧运动、右侧运动、上侧运动、下侧运动、静止)宏块数的最大值与次大值的差值小于第二方向判定阈值，则认为该区域的信息不可用。

13.如权利要求9所述的帧间编码的运动预测方法，其特征在于，所述“根据选定的判定区域的运动趋势作所有运动方向的判定”具体为：

一个区域内宏块数最多的运动方向，则判定为该区域的运动方向。

14.如权利要求2所述的帧间编码的运动预测方法，其特征在于，所述“根据各区域的运动，进行全局运动方向的强判定”具体为：

如果两个判定区域的运动方向一致且都不属于静止方向，并且每个区域相应运动方向上的宏块数大于相应第三方向判定阈值；或者两个区域的运动方向不一致但其中一个区域运动方向为静止并且另一非静止方向的区域其相应运动方向的宏块数大于相应第四方向判定阈值；那么即可获取全局运动方向，结束全局运动预测判断，否则，进入权利要求2中的“根据各区域的运动，进行全局运动方向的弱判定”。

15.如权利要求2所述的帧间编码的运动预测方法，其特征在于，所述“根据各区域的运动，进行全局运动方向的弱判定”具体包括：

计算各类区域的方向差值，即计算各区域最大运动方向宏块数与次大运动方向宏块数的差值，同类区域的最小值即为该类区域的方向差值；

根据各区域各类情况择优选取，确定全局运动方向。

16.如权利要求15所述的帧间编码的运动预测方法，其特征在于，所述“根据各区域各类情况择优选取，确定全局运动方向”具体为：

如果两个区域信息只有一个区域有效，

如果满足该区域运动方向的宏块数小于相应的第五方向判定阈值且该区域的方向差值满足相应的第六方向判定阈值；或者满足该区域运动方向的宏块数大于相应的第七方向判定阈值；

则全局运动方向即为该有效区域的运动方向。

17.一种帧间编码的运动预测系统，其特征在于，所述系统包括：

进入全局运动预测判断模块：用于根据当前帧的相对变化复杂度信息所在的阈值范围，判断是否进入全局运动预测；即如果当前帧的相对变化复杂度信息大于第一阈值，则认为当前帧与前一帧极度近似，判定当前帧为Skip帧(前后两帧近乎无运动，可直接复制前一帧图像)；如果当前帧它的相对变化复杂度信息在第一阈值和第二阈值之间，则不进入全局运动预测；如果当前帧的相对变化复杂度信息小于第二阈值，则进入全局运动预测，即进入强一致性运动趋势判断模块，其中第一阈值大于第二阈值；

强一致性运动趋势判断模块：用于判断选定的判定区域是否为强一致性运动趋势，如果是则获取当前帧为全局运动，获取相应的方向判定，结束；如果否则进入弱一致性运动趋势判断模块；

弱一致性运动趋势判断模块，用于判断选定的判定区域是否为弱一致性运动趋势，如果是则获取当前帧相应的方向判定，结束；如果否则判定当前帧不存在全局运动。

Images