CN112866719B - 一种针对avs2的快速分像素预测方法 - Google Patents

一种针对avs2的快速分像素预测方法 Download PDF

Info

Publication number
CN112866719B
CN112866719B CN201911178988.XA CN201911178988A CN112866719B CN 112866719 B CN112866719 B CN 112866719B CN 201911178988 A CN201911178988 A CN 201911178988A CN 112866719 B CN112866719 B CN 112866719B
Authority
CN
China
Prior art keywords
point
points
quan
pixel
integer pixel
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.)
Active
Application number
CN201911178988.XA
Other languages
English (en)
Other versions
CN112866719A (zh
Inventor
宋磊
向国庆
文湘鄂
于鸿
范晓东
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.)
Beijing Boya Huishi Intelligent Technology Research Institute Co ltd
Original Assignee
Beijing Boya Huishi Intelligent Technology Research Institute Co ltd
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 Beijing Boya Huishi Intelligent Technology Research Institute Co ltd filed Critical Beijing Boya Huishi Intelligent Technology Research Institute Co ltd
Priority to CN201911178988.XA priority Critical patent/CN112866719B/zh
Publication of CN112866719A publication Critical patent/CN112866719A/zh
Application granted granted Critical
Publication of CN112866719B publication Critical patent/CN112866719B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/42—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation
    • H04N19/436—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation using parallelised computational arrangements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
    • H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
    • H04N19/51—Motion estimation or motion compensation
    • H04N19/523—Motion estimation or motion compensation with sub-pixel accuracy

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computing Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

一种针对AVS2的快速分像素预测方法，包括下列步骤，步骤一，利用整像素运动估计得到的最优整像素预测点E点及其相邻的8个整像素点，建立一个模拟匹配残差计算的6参数二次曲面模型；S6(x，y)＝ax2+bxy+cy2+dx+ey+f(2),6参数二次曲面函数拟合SAD，并利用整像素运动估计得到的最优整像素预测点E点及其相邻的8个整像素点A,B,C,D,F,G,H,I的匹配残差来确定函数的系数，并根据求解得到的极值点分布情况不同，采用不同的小范围搜索；本技术没有采用传统的两步搜索法，即先搜索1/2分像素点后搜索1/4分像素点，从而去除了两个步骤间的数据依赖性，使得整个分数像素运动估计过程并行性大大提升。

Description

一种针对AVS2的快速分像素预测方法
技术领域
本发明是一种针对AVS2的快速分像素预测方法，涉及实现快速分像素运动估计方法。
背景技术
在AVS2等视频编解码标准中，运动估计毫无疑问是在去除时域冗余方面的最重要的技术。运动估计是获得运动矢量的一个过程，这里的运动矢量(MV)是指当前待编码块与参考视频帧中给定搜索范围内的最佳匹配块的坐标的位移。借助运动估计技术，只有运动矢量和残差帧数据(当前待编码帧与预测帧的差值)需要传输，从而极大的提高了编码效率。运动估计通常包含两步搜索：首先，通过整像素运动估计，在给定搜索窗内寻找最优整像素MV；然后，通过分像素运动估计，在最优整像素匹配点周围搜索分像素点，得到最终分像素精度的运动位置。
虽然分像素运动估计可以有效的提升编码性能，但同时也带来极高的硬件资源消耗和时间消耗。在分像素运动估计中，首先，遍历最优整像素及其周围的8个1/2像素点得到最优 1/2像素点，然后遍历该1/2最优像素及其周围的8个1/4像素点得到最优1/4像素点，即至少需搜索16个分像素点才能得到最优的位置。同时考虑到每个分像素点都需要进行插值计算，那么分像素运动估计(FME)的复杂度会更高，所以亟待需要一种能够实现快速分像素运动估计方法，提高视频编码的效率。
现有技术中有提出了一种快速分像素运动估计算法，用于加速分像素搜索过程。该方案判断编码单元是否为简化平滑单元还是纹理复杂单元，对于简单平滑编码单元，直接跳过分像素搜索过程，而对于纹理复杂单元，提出了一种基于纹理方向分析的快速分像素搜索算法。其缺点是：
第一，简单平滑单元和纹理复杂单元是通过经验阈值确定的，固定的阈值不能根据不同视频图像内容进行自适应调整。第二，对于简单区域，用整像素MV来作为最终MV而不进行 FME,对于运动剧烈或运动方向变化剧烈的序列，直接跳过FME会带来很大的性能损失。第三，对于纹理复杂区域，只是简单的对垂直纹理跳过水平插值搜索(水平纹理则相反)，对于交叉纹理则干脆跳过FME，这些虽然能够帮助加速，但也带来了极大的性能的损失。
现有技术中有利用拉格朗日插值高阶多项式方程对一维匹配残差曲线进行建模，通过曲面函数建模分别得到垂直平面和水平平面一维曲线函数，并联合最佳整数像素位置及其周围 24个相邻位置的匹配误差代价，建立函数列和行参数，求得最终分像素预测MV。其的缺点是：整像素预测模块一般都使用快速整像素预测技术，也就意味着整像素预测是不准确的，同时对于运动复杂的视频，不同区域的运动特性差异大，相邻区域的运动代价未必在凸曲面上，即不可保证获取到最优解。所以，单纯利用整像素预测中的25个匹配误差代价而完全不进行真正的分像素预测，导致了极大的性能损失。
发明内容
本发明的目的是提供一种针对AVS2的快速分像素预测方法，以在对二次曲面不同极值点应用不同的1/4像素搜索策略，减少了匹配块中所需进行分像素搜索的点数，达到节约编码时间的效果。
一种针对AVS2的快速分像素预测方法，包括下列步骤，
步骤一，利用整像素运动估计得到的最优整像素预测点E点及其相邻的8个整像素点，建立一个模拟匹配残差计算的6参数二次曲面模型；
S6(x，y)＝ax2+bxy+cy2+dx+ey+f (2)
6参数二次曲面函数拟合SAD，并利用整像素运动估计得到的最优整像素预测点E点及其相邻的8个整像素点A,B,C,D,F,G,H,I的匹配残差来确定函数的系数，并根据求解得到的极值点分布情况不同，采用不同的小范围搜索；
步骤二，用二次函数极值，对求得的6参数二次曲面模型进行分类讨论，讲极值点的情况分为四种情况，即极大值点、极小值点、鞍点和无法确定点；
带入整像素点的SAD求得二次曲面系数，求得公式(2)中的六个系数，需要将 A,B,C,D,E,F,G,H,I这9个整像素点带入公式(2)进行计算：得到系数a,b,c,d,e,f，
Figure BDA0002290760040000021
Figure BDA0002290760040000031
步骤三、在求得6参数二次曲面函数的系数a,b,c,d,e,f后，对二次曲面函数求导，获得极值点，
Figure BDA0002290760040000032
Figure BDA0002290760040000033
对得到的极值点(xmin，ymin)匹配到最接近的1/4精度像素位置，设结果为(xquan，yquan)；
步骤四，对四种不同情况的极值点，本发明所设计的四种搜索策略：
(1)当H>0且A<0时，S(x,y)在(xquan，yquan)处取得极大值；
(2)当H>0且A>0时，S(x,y)在(xquan，yquan)处取得极小值；
(3)当H<0时，(xquan，yquan)为鞍点，S(x,y)不存在极值；
(4)当H＝0时，(xquan，yquan)不存在，我们令(xquan，yquan)＝(0,0)；
步骤五，针对上面对极值点的不同分类我们采用不同的搜索策略：
(1)极大值点：以(0,0)点为中心，搜索与极大值点同象限和反象限的各三点；
(2)极小值点：搜索以该点为中心的水平垂直4个点；
(3)鞍点：以该点与(0,0)对称的点为中心，搜索靠近(0,0)方向搜三点；
(4)H＝0无法确定时：搜索以(0,0)点为中心的水平垂直最近邻的4个半像素点。
本发明有益效果
本技术没有采用传统的两步搜索法，即先搜索1/2分像素点后搜索1/4分像素点，从而去除了两个步骤间的数据依赖性，使得整个分数像素运动估计过程并行性大大提升。这极大地加速了分数像素运动估计的速度，并且极易于进行硬件并行搜索。本方法对图像质量和比特率影响几乎可以忽略不计，与其它快速算法相比，本发明所提出的算法具有更高的预测质量(只有1.10％的性能损失)和更高的时间节省(55.82％的时间节省)。
附图说明
图1、本发明步骤框图；
图2、本发明整像素点和分像素点；
图3、本发明对应于最大点和最小点的搜索点的示意图；
图4、本发明对应于鞍点和没有极点的搜索点的示意图。
具体实施方式
一种针对AVS2的快速分像素预测方法，包括下列步骤，
步骤一，利用整像素运动估计得到的最优整像素预测点E点及其相邻的8个整像素点，建立一个模拟匹配残差计算的6参数二次曲面模型；
S6(x，y)＝ax2+bxy+cy2+dx+ey+f (2)
6参数二次曲面函数拟合SAD，并利用整像素运动估计得到的最优整像素预测点E点及其相邻的8个整像素点A,B,C,D,F,G,H,I的匹配残差来确定函数的系数，并根据求解得到的极值点分布情况不同，采用不同的小范围搜索；
步骤二，用二次函数极值，对求得的6参数二次曲面模型进行分类讨论，讲极值点的情况分为四种情况，即极大值点、极小值点、鞍点和无法确定点；
带入整像素点的SAD求得二次曲面系数，求得公式(2)中的六个系数，需要将 A,B,C,D,E,F,G,H,I这9个整像素点带入公式(2)进行计算：得到系数a,b,c,d,e,f，
Figure BDA0002290760040000051
Figure BDA0002290760040000052
步骤三、在求得6参数二次曲面函数的系数a,b,c,d,e,f后，对二次曲面函数求导，获得极值点，
Figure BDA0002290760040000053
Figure BDA0002290760040000054
对得到的极值点(xmin，ymin)匹配到最接近的1/4精度像素位置，设结果为(xquan，yquan)；
步骤四，对四种不同情况的极值点，本发明所设计的四种搜索策略：
(1)当H>0且A<0时，S(x,y)在(xquan，yquan)处取得极大值；
(2)当H>0且A>0时，S(x,y)在(xquan，yquan)处取得极小值；
(3)当H<0时，(xquan，yquan)为鞍点，S(x,y)不存在极值；
(4)当H＝0时，(xquan，yquan)不存在，我们令(xquan，yquan)＝(0,0)；
步骤五，针对上面对极值点的不同分类我们采用不同的搜索策略：
(1)极大值点：以(0,0)点为中心，搜索与极大值点同象限和反象限的各三点；
(2)极小值点：搜索以该点为中心的水平垂直4个点；
(3)鞍点：以该点与(0,0)对称的点为中心，搜索靠近(0,0)方向搜三点；
(4)H＝0无法确定时：搜索以(0,0)点为中心的水平垂直最近邻的4个半像素点。
实施例一：
如图1所示，本发明主要包含整像素运动估计、获取整像素点SAD值，6参数二次曲面建模、求导获得极值点、分类搜索、输出搜索结果(最优1/4分像素点)几个步骤组成。在分类搜索步骤中，对不同的极值点采取不同的搜索策略，从而减少候选搜索点的数目，达到了节约编码时间的效果。
1)二次模型的快速分像素预测
利用函数模型来建模基于SAD的代价函数，是非常有意义的方法，已有技术提出了如公式(1)所示的9参数二次曲面函数，如公式(2)所示的6参数二次曲面函数，如公式(3)所示的5参数二次曲面函数三种函数模型。
Figure BDA0002290760040000061
S6(x，y)＝ax2+bxy+cy2+dx+ey+f (2)
S5(x，y)＝ax2+bx+cy2+dy+e (3)
9参数模型利用三次项来提高拟合精度，但是它的计算复杂度最高。对于5参数模型，其计算复杂度最低，但是提供的拟合精度也是最差的，6参数二次曲面函数则是前面两者的折衷[4]，而[3]中直接采用该函数求得最终分像素搜索点，获得的位置准确度低，搜索性能损失大，因此，本发明基于6参数二次曲面函数拟合SAD，并利用整像素运动估计得到的最优整像素预测点(E点)及其相邻的8个整像素点(A,B,C,D,F,G,H,I)的匹配残差来确定函数的系数，并根据求解得到的极值点分布情况不同，采用不同的小范围搜索，减少原有的搜索代价，同时保证更高的搜索性能。各点位置情况如图2所示，实心圆形是整数像素点，实心菱形是子像素点。
2)带入整像素点的SAD求得二次曲面系数
为求得公式(2)中的六个系数，需要将A,B,C,D,E,F,G,H,I这9个整像素点带入公式(2) 进行计算。首先将整像素点B,D,E,F,H的SAD带入，求得系数a,c,d,e,f，
Figure BDA0002290760040000071
通过式(4)能够得到系数a,c,d,e,f，如公式(5)所示：
Figure BDA0002290760040000072
然后将整像素点A,C,G,I的SAD带入，求得系数b
Figure BDA0002290760040000073
通过公式(6)可以得到系数b，如公式(7)所示：
Figure BDA0002290760040000074
在求得6参数二次曲面函数的系数a,b,c,d,e,f后，对二次曲面函数求导，获得极值点
Figure BDA0002290760040000081
Figure BDA0002290760040000082
对得到的极值点(xmin，ymin)匹配到最接近的1/4精度像素位置，设结果为(xquan，yquan)。
3)极值点的分类与相应的搜索策略
根据高等数学中二元函数极值充分条件可知
(1)当H>0且A<0时，S(x,y)在(xquan，yquan)处取得极大值；
(2)当H>0且A>0时，S(x,y)在(xquan，yquan)处取得极小值；
(3)当H<0时，(xquan，yquan)为鞍点，S(x,y)不存在极值；
(4)当H＝0时，(xquan，yquan)不存在，我们令(xquan，yquan)＝(0,0)。
针对上面对极值点的不同分类我们采用不同的搜索策略：
(1)极大值点：以(0,0)点为中心，搜索与极大值点同象限和反象限的各三点。设A为极大值点，那么搜索点如图3中心位置的蓝色三角标志点为搜索点。
(2)极小值点：搜索以该点为中心的水平垂直4个点。设图中B点为极小值点，那么如图3右上角的红色三角形标志的4个点就是搜索点。
(3)鞍点：以该点与(0,0)对称的点为中心，搜索靠近(0,0)方向搜三点。设图4中 C为鞍点，其与(0,0)对称的点为C，所有的搜索点是橙色的4个点。
(4)H＝0无法确定时：搜索以(0,0)点为中心的水平垂直最近邻的4个半像素点。设图4中O为原点，其周围的紫色三角标志就是待搜索点
本发明的技术关键点
第一，利用整像素运动估计得到的最优整像素预测点及其相邻的8个整像素点，建立一个模拟匹配残差计算的6参数二次曲面模型；
第二，根据高等数学中二次函数极值知识，对求得的6参数二次曲面模型进行分类讨论，讲极值点的情况分为四种情况，即极大值点、极小值点、鞍点和无法确定点。
第三，对四种不同情况的极值点，本发明所设计的四种搜索策略。
本发明通过6参数二次残差曲面拟合方法，对二次曲面不同极值点应用不同的1/4像素搜索策略，减少了匹配块中所需进行分像素搜索的点数，达到节约编码时间的效果。
缩略语和关键术语定义
SAD：Sum of Absolute Difference,绝对差值和
MV：Motion Vector,运动矢量
FME:fractional motion estimation,分像素运动估计。

Claims (1)

1.一种针对AVS2的快速分像素预测方法，包括下列步骤，
步骤一、利用整像素运动估计得到的最优整像素预测点E点及其相邻的8个整像素点，建立一个模拟匹配残差计算的6参数二次曲面模型；
S6(x，y)＝ax2+bxy+cy2+dx+ey+f (2)
6参数二次曲面函数拟合SAD，并利用整像素运动估计得到的最优整像素预测点E点及其相邻的8个整像素点A,B,C,D,F,G,H,I的匹配残差来确定函数的系数，并根据求解得到的极值点分布情况不同，采用不同的小范围搜索；
步骤二、用二次函数极值，对求得的6参数二次曲面模型进行分类讨论，将极值点的情况分为四种情况，即极大值点、极小值点、鞍点和无法确定点；
带入整像素点的SAD求得二次曲面系数，求得公式(2)中的六个系数，需要将A,B,C,D,E,F,G,H,I这9个整像素点带入公式(2)进行计算：得到系数a,b,c,d,e,f，
Figure FDA0003779447930000011
Figure FDA0003779447930000012
步骤三、在求得6参数二次曲面函数的系数a,b,c,d,e,f后，对二次曲面函数求导，获得极值点，
Figure FDA0003779447930000021
Figure FDA0003779447930000022
对得到的极值点(xmin，ymin)匹配到最接近的1/4精度像素位置，设结果为(xquan，yquan)；
步骤四、四种不同情况下的极值点划分：
(1)当H＞0且A＜0时，S(x,y)在(xquan，yquan)处取得极大值；
(2)当H＞0且A＞0时，S(x,y)在(xquan，yquan)处取得极小值；
(3)当H＜0时，(xquan，yquan)为鞍点，S(x,y)不存在极值；
(4)当H＝0时，(xquan，yquan)不存在，我们令(xquan，yquan)＝(0,0)；
步骤五、针对上面对极值点的不同分类我们采用不同的搜索策略：
(1)极大值点：以(0,0)点为中心，搜索与极大值点同象限和反象限的各三点；
(2)极小值点：搜索以该点为中心的水平垂直4个点；
(3)鞍点：以该点与(0,0)对称的点为中心，搜索靠近(0,0)方向的三点；
(4)H＝0无法确定时：搜索以(0,0)点为中心的水平垂直最近邻的4个半像素点。
CN201911178988.XA 2019-11-27 2019-11-27 一种针对avs2的快速分像素预测方法 Active CN112866719B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911178988.XA CN112866719B (zh) 2019-11-27 2019-11-27 一种针对avs2的快速分像素预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911178988.XA CN112866719B (zh) 2019-11-27 2019-11-27 一种针对avs2的快速分像素预测方法

Publications (2)

Publication Number Publication Date
CN112866719A CN112866719A (zh) 2021-05-28
CN112866719B true CN112866719B (zh) 2022-09-23

Family

ID=75985385

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911178988.XA Active CN112866719B (zh) 2019-11-27 2019-11-27 一种针对avs2的快速分像素预测方法

Country Status (1)

Country Link
CN (1) CN112866719B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101299818A (zh) * 2008-06-04 2008-11-05 浙江大学 基于整像素搜索结果的n级亚像素搜索方法及其装置
CN101326550A (zh) * 2005-12-15 2008-12-17 模拟装置公司 利用预测指导的抽取搜索的运动估计
CN101699865A (zh) * 2009-10-28 2010-04-28 山东大学 一种块运动自适应的亚像素快速搜索方法
CN101867815A (zh) * 2010-04-30 2010-10-20 西北工业大学 快速小数像素分级搜索方法
CN103384324A (zh) * 2013-01-19 2013-11-06 张新安 一种avs-m视频编码快速亚像素运动估计方法
WO2019085636A1 (zh) * 2017-10-31 2019-05-09 腾讯科技（深圳）有限公司 一种视频图像的处理方法和装置
CN110365975A (zh) * 2019-06-21 2019-10-22 武汉玉航科技有限公司 一种avs2视频编解码标准优化方案

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101326550A (zh) * 2005-12-15 2008-12-17 模拟装置公司 利用预测指导的抽取搜索的运动估计
CN101299818A (zh) * 2008-06-04 2008-11-05 浙江大学 基于整像素搜索结果的n级亚像素搜索方法及其装置
CN101699865A (zh) * 2009-10-28 2010-04-28 山东大学 一种块运动自适应的亚像素快速搜索方法
CN101867815A (zh) * 2010-04-30 2010-10-20 西北工业大学 快速小数像素分级搜索方法
CN103384324A (zh) * 2013-01-19 2013-11-06 张新安 一种avs-m视频编码快速亚像素运动估计方法
WO2019085636A1 (zh) * 2017-10-31 2019-05-09 腾讯科技（深圳）有限公司 一种视频图像的处理方法和装置
CN110365975A (zh) * 2019-06-21 2019-10-22 武汉玉航科技有限公司 一种avs2视频编解码标准优化方案

Also Published As

Publication number Publication date
CN112866719A (zh) 2021-05-28

Similar Documents

Publication Publication Date Title
US8705611B2 (en) Image prediction encoding device, image prediction encoding method, image prediction encoding program, image prediction decoding device, image prediction decoding method, and image prediction decoding program
CN101394566B (zh) 一种十字菱形运动估计搜索方法
CN110796662B (zh) 一种实时的语义视频分割方法
CN101420617B (zh) 一种十字六边形运动估计搜索方法
Jou et al. The gray prediction search algorithm for block motion estimation
CN113489987B (zh) 一种hevc子像素运动估计方法及装置
CN102291581A (zh) 支持帧场自适应运动估计的实现方法
CN113994692A (zh) 用于利用光流的预测细化的方法和装置
Huang et al. Rate-distortion optimization-based learned fractional interpolation filter design for hevc
CN111310594A (zh) 一种基于残差纠正的视频语义分割方法
CN112866719B (zh) 一种针对avs2的快速分像素预测方法
JP2011010297A (ja) 誤差絶対値和の推定システム及び推定方法
US8014610B2 (en) Method of multi-path block matching computing
CN105282557A (zh) 一种预测运动矢量的h264快速运动估计方法
CN105263026A (zh) 基于概率统计与图像梯度信息的全局矢量获取方法
CN110113608B (zh) 一种基于率失真优化的gpu中视频编码快速搜索方法
CN104202606B (zh) 一种基于hevc运动估计起始点确定方法
US20120128059A1 (en) Method of adaptive motion estimation in search windows for video coding
Belloulata et al. A novel cross-hexagon search algorithm for fast block motion estimation
CN102377995B (zh) 分数像素运动估计方法和系统
CN104159123B (zh) 一种适合于硬件实现的hevc运动估计方法
CN105611299A (zh) 一种基于hevc的运动估计方法
Jia et al. A fast sub-pixel motion estimation algorithm for HEVC
CN202931463U (zh) 基于特征块的视频稳像装置
Hill et al. Sub-pixel motion estimation using kernel methods

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant