CN114666606A - 一种仿射运动估计方法、装置、存储介质及终端 - Google Patents
一种仿射运动估计方法、装置、存储介质及终端 Download PDFInfo
- Publication number
- CN114666606A CN114666606A CN202210116282.6A CN202210116282A CN114666606A CN 114666606 A CN114666606 A CN 114666606A CN 202210116282 A CN202210116282 A CN 202210116282A CN 114666606 A CN114666606 A CN 114666606A
- Authority
- CN
- China
- Prior art keywords
- motion vector
- layer image
- layer
- prediction block
- zeroth
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 84
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 title claims abstract description 74
- 239000013598 vector Substances 0.000 claims abstract description 363
- 238000005070 sampling Methods 0.000 claims abstract description 25
- 238000004590 computer program Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
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
- H04N19/513—Processing of motion vectors
-
- 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
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
- H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
- H04N19/176—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a block, e.g. a macroblock
-
- 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
- H04N19/30—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using hierarchical techniques, e.g. scalability
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本申请涉及一种仿射运动估计方法、装置、存储介质及终端。其中，所述方法包括：构建三层图像降采样金字塔；获取第零层图像上一个原始块的控制点运动矢量；将控制点运动矢量缩小，得到第零层图像上原始块的初始运动矢量；根据初始运动矢量进行更新，获取第零层图像上一个预测块的最终运动矢量；根据第零层图像上的最终运动矢量进行更新，获取第一层图像上一个预测块的最终运动矢量；根据第一层图像上的最终运动矢量进行更新，输出第二层图像上一个预测块的最终运动矢量。本申请是基于三层图像降采样金字塔的仿射运动估计；能够降低运动补偿过程中的数据访存量，进而降低访存代价。
Description
技术领域
本发明涉及视频编码技术领域，更为具体来说，本发明涉及一种仿射运动估计方法、装置、存储介质及终端。
背景技术
在如今的信息化时代，对于三维影像、超高清视频和虚拟现实等视频服务的需求日益增长，高清晰度视频的编码和传输是研究的热点问题。
运动估计是视频编码和视频处理中广泛使用的一种技术；通过优秀的运动估计算法可以提升视频编码效率。
本发明提出的一种仿射运动估计方法、装置、存储介质及终端，是基于三层图像降采样金字塔的仿射运动估计，能够降低运动补偿过程中的数据访存量，进而降低访存代价。
发明内容
本申请实施例提供了一种仿射运动估计方法、装置、存储介质及终端。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。
第一方面，本申请实施例提供了一种仿射运动估计方法，该方法包括：
构建三层图像降采样金字塔；三层图像包括第零层图像、第一层图像和第二层图像；
获取第零层图像上一个原始块的控制点运动矢量；
将控制点运动矢量缩小，得到第零层图像上原始块的初始运动矢量；
根据初始运动矢量进行更新，获取第零层图像上一个预测块的最终运动矢量；
根据第零层图像上的最终运动矢量进行更新，获取第一层图像上一个预测块的最终运动矢量；
根据第一层图像上的最终运动矢量进行更新，输出第二层图像上一个预测块的最终运动矢量。
可选的，根据初始运动矢量进行更新，获取第零层图像上一个预测块的最终运动矢量，包括：
根据初始运动矢量计算第零层图像上的初始运动矢量的更新量；
根据初始运动矢量，以及初始运动矢量的更新量，获取第零层图像上一个预测块的最终运动矢量。
可选的，根据初始运动矢量计算第零层图像上的初始运动矢量的更新量，包括：
根据初始运动矢量，得到第零层图像上的一个预测块；
根据第零层图像上的预测块和原始块形成第零层图像上的误差块；
获取第零层图像上的误差块上任一位置误差；
通过索贝尔算子计算第零层图像上的预测块的任一位置像素梯度；
根据第零层图像上的误差块上任一位置误差、预测块的任一位置像素梯度、以及位置系数计算初始运动矢量的更新量。
可选的，根据第零层图像上的最终运动矢量进行更新，获取第一层图像上一个预测块的最终运动矢量，包括：
根据第零层图像上的最终运动矢量计算第一层图像上的第一层运动矢量的更新量；
根据第零层图像上的最终运动矢量，以及第一层运动矢量的更新量，获取第一层图像上一个预测块的最终运动矢量。
可选的，根据第零层图像上的最终运动矢量计算第一层图像上的第一层运动矢量的更新量，包括：
根据第零层图像上的最终运动矢量，得到第一层图像上的一个预测块；
根据第一层图像上的预测块和第零层图像上的预测块形成第一层图像上的误差块；
获取第一层图像上的误差块上任一位置误差；
通过索贝尔算子计算第一层图像上的预测块的任一位置像素梯度；
根据第一层图像上的误差块上任一位置误差、预测块的任一位置像素梯度、以及位置系数计算第一层运动矢量的更新量。
可选的，根据第一层图像上的最终运动矢量进行更新，输出第二层图像上一个预测块的最终运动矢量，包括：
根据第一层图像上的最终运动矢量计算第二层图像上的第二层运动矢量的更新量；
根据第一层图像上的最终运动矢量，以及第二层运动矢量的更新量，输出第二层图像上一个预测块的最终运动矢量。
可选的，根据第一层图像上的最终运动矢量计算第二层图像上的第二层运动矢量的更新量，包括：
根据第一层图像上的最终运动矢量，得到第二层图像上的一个预测块；
根据第二层图像上的预测块和第一层图像上的预测块形成第二层图像上的误差块；
获取第二层图像上的误差块上任一位置误差；
通过索贝尔算子计算第二层图像上的预测块的任一位置像素梯度；
根据第二层图像上的误差块上任一位置误差、预测块的任一位置像素梯度、以及位置系数计算第二层运动矢量的更新量。
第二方面，本申请实施例提供了一种仿射运动估计装置，该装置包括：
图层构建模块，用于构建三层图像降采样金字塔；三层图像包括第零层图像、第一层图像和第二层图像；
控制点数据获取模块，用于获取第零层图像上一个原始块的控制点运动矢量；
初始运动矢量获取模块，用于将控制点运动矢量缩小，得到第零层图像上原始块的初始运动矢量；
第零层运动矢量获取模块，用于根据初始运动矢量进行更新，获取第零层图像上一个预测块的最终运动矢量；
第一层运动矢量获取模块，用于根据第零层图像上的最终运动矢量进行更新，获取第一层图像上一个预测块的最终运动矢量；
第二层运动矢量输出模块，用于根据第一层图像上的最终运动矢量进行更新，输出第二层图像上一个预测块的最终运动矢量。
第三方面，本申请实施例提供一种计算机存储介质，计算机存储介质存储有多条指令，指令适于由处理器加载并执行上述的方法步骤。
第四方面，本申请实施例提供一种终端，可包括：处理器和存储器；其中，存储器存储有计算机程序，计算机程序适于由处理器加载并执行上述的方法步骤。
本申请实施例提供的技术方案可以包括以下有益效果：
在本申请实施例中，仿射运动估计方法首先构建三层图像降采样金字塔，获取第零层图像上一个原始块的控制点运动矢量，再将控制点运动矢量缩小，得到第零层图像上原始块的初始运动矢量，然后根据初始运动矢量进行更新，获取第零层图像上一个预测块的最终运动矢量，其次根据第零层图像上的最终运动矢量进行更新，获取第一层图像上一个预测块的最终运动矢量，最后根据第一层图像上的最终运动矢量进行更新，输出第二层图像上一个预测块的最终运动矢量。本申请是基于三层图像降采样金字塔的仿射运动估计；能够降低运动补偿过程中的数据访存量，进而降低访存代价。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1是本申请实施例提供的一种仿射运动估计方法的流程示意图；
图2是本申请实施例提供的一种仿射运动估计方法的仿射运动场的示意图；
图3是本申请实施例提供的一种仿射运动估计方法的预测控制点运动矢量的示意图；
图4是本申请实施例提供的仿射运动估计方法的三层仿射运动估计示意图；
图5是本申请实施例提供的另一种仿射运动估计方法的流程示意图；
图6是本申请实施例提供的一种仿射运动估计装置的装置示意图；
图7是本申请实施例提供的一种终端示意图。
具体实施方式
以下描述和附图充分地示出本发明的具体实施方案，以使本领域的技术人员能够实践它们。
应当明确，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它实施例，都属于本发明保护的范围。
下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本发明的一些方面相一致的系统和方法的例子。
在本发明的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。此外，在本发明的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
在帧间预测编码中，由于图像邻近帧中的景物存在着一定的相关性，因此，可将图像分成若干原始块，并设法搜索出每个原始块在邻近帧图像中的位置，得出两者之间空间位置的相对偏移量。得到的所述相对偏移量就是通常所指的运动矢量，得到运动矢量的过程被称为运动估计。
通过运动估计可以去除帧间冗余度，使得视频传输的比特数大为减少，运动估计是视频压缩处理系统中的一个重要组成部分。
本发明提出的一种仿射运动估计方法、装置、存储介质及终端，是基于三层图像降采样金字塔的仿射运动估计，能够降低运动补偿过程中的数据访存量，进而降低访存代价。能够减少编码器编码的复杂程度，对于硬件编码器的设计更加方便，能够降低软硬件编码器的编码时间。
下面将结合附图1-附图5，对本申请实施例提供的一种仿射运动估计方法进行详细介绍。
请参见图1-4为本申请实施例提供了一种仿射运动估计方法的流程示意图。如图1-4所示，本申请实施例的方法包括：S110、S120、S130、S140、S150和S160。
在较多的帧间预测工具中，运动矢量为当前的编码单元(Coding Unit,CU)和参考图像上的最优匹配块位置之间的差值，运动模型(Motion Model)只能表示平移运动，对于较为复杂的运动，例如缩放和旋转等只能通过划分出多个较小的编码单元，用平移运动矢量进行表示。在本申请中，通过编码标准AVS3和H.266/VVC中引入的仿射运动模型(AffineMotion Model)表示一个编码单元的运动为仿射运动。在仿射运动模型中，任何一个位置的像素运动矢量由其所在的位置和仿射运动模型的参数决定，表示如下：
mvx＝n1x+n2y+n3
mvy＝n4x+n5y+n6
其中，mvx和mvy表示为当前像素运动矢量在x和y方向上的分量，x和y表示当前像素的位置，n1至n6表示仿射运动的参数。由于每一个像素都有不同的运动矢量会导致编码的复杂度较高，所以最终在编码器中采用的是子块级的仿射运动，即一个编码单元会被分为等大的4x4原始子块，每一个原始子块内的所有像素共享一个运动矢量，该运动矢量为当前的原始子块中心位置像素的仿射运动矢量。这些带有运动矢量的原始子块组成的位置到运动矢量的映射关系被称为仿射运动矢量场(Affine Motion Field,AMF)。按照仿射运动矢量场的特性，给出仿射运动矢量场中任意不在一条线上的三个运动矢量mv0、mv1和mv2，任何一个位置的运动矢量均可以由已知的三个运动矢量mv0、mv1和mv2线性表达；在编码器中用一个编码单元的左下角，左上角和右上角三个运动矢量mv0、mv1和mv2表示仿射运动场的参数，通过仿射运动场的参数来表达整个编码单元的仿射运动场，表示方式如图2所示。
在仿射运动模型下，仿射运动估计(Affine Motion Estimation,AME)可以归类为一个最小化当前原始块和按照仿射运动模型获得的预测块之间失真的参数估计问题。失真度量为简化的率失真(Rate Distortion)代价：
J＝SATD+λR(MVD)
其中，SATD为绝对变换误差和(Sumof Absolute Transformed Difference),R(MVD)为三个运动矢量差的表示代价，λ为率失真优化中的拉格朗日系数。所述三个运动矢量可以为本申请实施例中输出的第二层图像上的最终运动矢量
和
下面详细介绍仿射运动估计的具体过程，主要涉及到了图像降采样的方法和基于图像降采样金字塔的仿射运动估计；如图4所示。
S110，构建三层图像降采样金字塔；三层图像包括第零层图像、第一层图像和第二层图像；在参考帧列表构成时，图像会进行两次降采样处理，形成三层图像。第二层图像为原图像，第一层图像为1:4的降采样图像，第零层图像为1:16的降采样图像。
在本申请实施例中，通过高斯滤波器将图像进行两次降采样处理，同样的降采样操作也可以对当前原始块的原始帧进行。
S120，获取第零层图像上一个原始块的控制点运动矢量；原始块可以为一个编码单元。
在本申请实施例中，由于运动具有空域上的相关性，需要通过以下方法对第零层图像上的控制点运动矢量进行预测，产生一组预测的控制点运动矢量，即pmv0、pmv1和pmv2。
首先定义一个原始块E的相邻块A、B、C、D、F和G，相邻块A、B、C、D、F、G与原始块E的位置如图3所示。对于控制点0(ControlPoint0)，其预测的第零层图像上的控制点运动矢量pmv0是由原始块E左上角的相邻块A、B和D已经编码后的运动矢量mvA,mvB和mvD相加并取其平均值获得的；对于控制点1(ControlPoint1)，其预测的第零层图像上的控制点运动矢量pmv1是由原始块E右上角的相邻块C和G的运动矢量mvC和mvG进行加权平均获得的；对于控制点2(ControlPoint2)，其预测的第零层图像上的控制点运动矢量pmv2是由原始块E左下角的相邻块F的运动矢量mvF获得的。在预测所述第零层图像上一个原始块的控制点运动矢量的过程中，若存在一个相邻块的运动矢量不可得，可将该相邻块的运动矢量用0向量表示。
S130，将控制点运动矢量缩小，得到第零层图像上原始块的初始运动矢量。在本申请实施例中，第零层图像上的控制点运动矢量为pmv0,pmv1和pmv2，由于图像降采样时，第零层图像是以1:16进行的降采样操作，所以第零层图像的面积缩小了1/16,对应的第零层图像上的宽和高缩小了1/4,可将第零层图像上的控制点运动矢量缩小1/4，来获得第零层图像上的初始运动矢量为
和
则：
在本申请实施例中，可根据第零层图像上原始块的初始运动矢量计算出第零层图像上的初始运动矢量的更新量，根据第零层图像上的初始运动矢量和第零层图像上的初始运动矢量的更新量，来获取第零层图像上一个预测块的最终运动矢量；对于其它层图像，均可根据上一层图像上一个预测块的最终运动矢量计算该层图像上的该层运动矢量的更新量，由上一层图像上的最终运动矢量和该层运动矢量的更新量，计算出该层图像上一个预测块的最终运动矢量。所述上一层为该层的上一层，当上一层图像为第零层图像时，该层图像为第一层图像；当上一层图像为第一层图像时，该层图像为第二层图像。
S140，根据初始运动矢量进行更新，获取第零层图像上一个预测块的最终运动矢量。S140包括：
S141，根据初始运动矢量计算第零层图像上的初始运动矢量的更新量。具体过程为：
首先根据初始运动矢量，得到第零层图像上的一个预测块。在本申请实施例中，可根据初始运动矢量
和
计算原始块E内划分的各个原始子块的运动矢量。在长为h，宽为W的一个原始块E内，长为hSub宽为wSub的原始子块，其位置坐标为p(x,y)，运动矢量mvSub为：
根据该原始子块的运动矢量mvSub，在对应的第零层图像的参考图像上，找到该原始子块的运动矢量mvSub指向的位置，将指向位置对应大小的子块作为原始子块的一个预测子块。所述第零层图像上的预测子块位于所述第零层图像的参考图像上。
在对所有原始子块进行上述运动补偿之后，将获得的各个预测子块组成所述原始块的一个预测块。
然后根据第零层图像上的预测块和原始块形成第零层图像上的误差块；获取第零层图像上的误差块上任一位置误差。在本申请实施例中，根据预测块和原始块的每一个对应位置上的像素极差值(即为预测块上的位置坐标与原始块上对应位置坐标的差值)，形成第零层图像上的误差块，也叫第零层图像上的误差平面。所述像素极差值即为误差，所述误差块上任意位置点P上的误差用u(p)表示。
其次通过索贝尔算子计算第零层图像上的预测块的任一位置像素梯度。在本申请实施例中，对于任一位置点p(x,y)的像素
其水平方向的像素梯度为：
竖直方向的像素梯度为：
则在第零层图像上的预测块的位置点p(x,y)的像素梯度为：
最后根据第零层图像上的误差块上任一位置误差、预测块的任一位置像素梯度、以及位置系数计算初始运动矢量的更新量。在本申请实施例中，通过以下公式计算三个初始运动矢量的更新量
和
式中，m0(p)表示在获取控制点0的初始运动矢量的更新量
时，位置点P的位置系数；m1(p)表示在获取控制点1的初始运动矢量的更新量
时，位置点P的位置系数；m2(p)表示在获取控制点2的初始运动矢量的更新量
时，位置点P的位置系数；m0(p)、m1(p)和m2(p)是已知函数；
mI(p)也表示位置点p的位置系数，是已知函数，其中，I表示控制点0、1、2；
R为原始块中各个位置点的位置集合，T表示矩阵的转置；
通过求解上述三元一次方程组即可获得三个初始运动矢量的更新量
和
S142，根据初始运动矢量，以及初始运动矢量的更新量，获取第零层图像上一个预测块的最终运动矢量。在本申请实施例中，通过下式计算第零层图像上一个预测块的最终运动矢量
和
scale表示缩放系数，是一个固定的值。在求取第零层图像上的最终运动矢量时，scale＝2。
S150，根据第零层图像上的最终运动矢量进行更新，获取第一层图像上一个预测块的最终运动矢量。可将第零层图像上一个预测块的最终运动矢量作为第一层图像上一个原始块的初始运动矢量。S150包括：
S151，根据第零层图像上的最终运动矢量计算第一层图像上的第一层运动矢量的更新量。具体过程为：
首先根据第零层图像上的最终运动矢量，得到第一层图像上的一个预测块。在本申请实施例中，可根据第零层图像上的最终运动矢量计算出第零层图像上的预测块内划分的各个子块的运动矢量。
所述第零层图像上的预测块内划分的各个子块的运动矢量的计算方式与上述第零层图像上原始子块的运动矢量的计算方式类似，在此不再赘述。
在本申请实施例中，根据所述各个子块的运动矢量在对应的第一层图像的参考图像上，找到所述各个子块的运动矢量指向的位置，将指向位置对应大小的子块作为第零层图像上划分的各个子块的预测子块，即第一层图像上的预测子块。所述第一层图像上的预测子块位于所述第一层图像的参考图像上。
在对第零层图像上划分的所有子块进行运动补偿之后，将获得的各个预测子块组成所述第零层图像上预测块的一个预测块，即将获得的第一层图像上的各个预测子块组成第一层图像上的预测块。
然后根据第一层图像上的预测块和第零层图像上的预测块形成第一层图像上的误差块；获取第一层图像上的误差块上任一位置误差。
在本申请实施例中，根据第零层图像上的预测块和第一层图像上的预测块的每一个对应位置上的误差(即为第零层图像的预测块上位置坐标与第一层图像的预测块上对应位置坐标的差值)，形成第一层图像上的误差块，也叫第一层图像上的误差平面。
其次通过索贝尔算子计算第一层图像上的预测块的任一位置像素梯度。
在本申请实施例中，所述第一层图像上的预测块的任一位置像素梯度的计算方式与上述第零层图像上的预测块的任一位置像素梯度的计算方式类似，都是通过计算任一位置点水平方向的像素梯度和竖直方向的像素梯度来计算该位置点的像素梯度的。
最后根据第一层图像上的误差块上任一位置误差、预测块的任一位置像素梯度、以及位置系数计算第一层运动矢量的更新量。
在本申请实施例中，所述第一层运动矢量的更新量
和
的计算方式与上述三个初始运动矢量的更新量
和
的计算方式类似，是通过构建并求解三元一次方程组来获得第一层运动矢量的更新量
和
S152，根据第零层图像上的最终运动矢量，以及第一层运动矢量的更新量，获取第一层图像上一个预测块的最终运动矢量。
在本申请实施例中，可通过下式计算出第一层图像上一个预测块的最终运动矢量
和
在求取第一层图像上的最终运动矢量时，表示缩放系数的scale＝2。
S160，根据第一层图像上的最终运动矢量进行更新，输出第二层图像上一个预测块的最终运动矢量。可将第一层图像上一个预测块的最终运动矢量作为第二层图像上一个原始块的初始运动矢量。S160包括：
S161，根据第一层图像上的最终运动矢量计算第二层图像上的第二层运动矢量的更新量。具体过程为：
首先根据第一层图像上的最终运动矢量，得到第二层图像上的一个预测块。在本申请实施例中，可根据第一层图像上的最终运动矢量计算出第一层图像上的预测块内划分的各个子块的运动矢量。
第一层图像上的预测块内划分的各个子块的运动矢量的计算方式与上述第零层图像上原始子块的运动矢量的计算方式类似，在此不再赘述。
在本申请实施例中，根据所述各个子块的运动矢量在对应的第二层图像的参考图像上，找到所述各个子块的运动矢量指向的位置，将指向位置对应大小的子块作为第一层图像上划分的各个子块的预测子块，即第二层图像上的预测子块。所述第二层图像上的预测子块位于所述第二层图像的参考图像上。
在对第一层图像上划分的所有子块进行运动补偿之后，将获得的各个预测子块组成所述第一层图像上预测块的一个预测块，即将获得的第二层图像上的各个预测子块组成所述第二层图像上的预测块。
然后根据第二层图像上的预测块和第一层图像上的预测块形成第二层图像上的误差块；获取第二层图像上的误差块上任一位置误差。
在本申请实施例中，根据第一层图像上的预测块和第二层图像上的预测块的每一个对应位置上的误差(即为第一层图像的预测块上位置坐标与第二层图像的预测块上对应位置坐标的差值)，形成第二层图像上的误差块，也叫第二层图像上的误差平面。
其次通过索贝尔算子计算第二层图像上的预测块的任一位置像素梯度。
在本申请实施例中，所述第二层图像上的预测块的任一位置像素梯度的计算方式与上述第零层图像上的预测块的任一位置像素梯度的计算方式类似，都是通过计算某一位置点水平方向的像素梯度和竖直方向的像素梯度来计算该位置点的像素梯度的。
最后根据第二层图像上的误差块上任一位置误差、预测块的任一位置像素梯度、以及位置系数计算第二层运动矢量的更新量。
在本申请实施例中，所述第二层运动矢量的更新量
和
的计算方式与上述三个初始运动矢量的更新量
和
的计算方式类似，是通过构建并求解三元一次方程组来获得第二层运动矢量的更新量
和
S162，根据第一层图像上的最终运动矢量，以及第二层运动矢量的更新量，输出第二层图像上一个预测块的最终运动矢量。
在本申请实施例中，通过下式计算出第二层图像上一个预测块的最终运动矢量
和
在求取第二层图像上的最终运动矢量时，表示缩放系数的scale＝1。
输出第二层图像上的最终运动矢量
和
本申请通过构建三层图像降采样金字塔，由粗到细地进行仿射运动估计，粗过程中的泰勒展开在降采样处理后的图像上进行，一个编码单位的位移(即本申请中运动矢量的更新量)代表了细图像上的多个像素距离，收敛过程较快，只需经过3次迭代过程，每次的迭代过程求得的运动矢量的更新量都比较小；通过三层图像降采样的仿射运动估计需要的数据访存量也依照降采样的比例而有所降低，在运动补偿过程中的数据访存量仅为
个像素，是原始数据访存量的18.75％，降低了访存代价。
在本申请实施例中，仿射运动估计方法首先构建三层图像降采样金字塔，获取第零层图像上一个原始块的控制点运动矢量，再将控制点运动矢量缩小，得到第零层图像上原始块的初始运动矢量，然后根据初始运动矢量进行更新，获取第零层图像上一个预测块的最终运动矢量，其次根据第零层图像上的最终运动矢量进行更新，获取第一层图像上一个预测块的最终运动矢量，最后根据第一层图像上的最终运动矢量进行更新，输出第二层图像上一个预测块的最终运动矢量。本申请是基于三层图像降采样金字塔的仿射运动估计；仿射运动估计过程只需三次迭代操作，能够降低运动补偿过程中的数据访存量，进而降低访存代价。
请参见图5为本申请实施例提供了一种仿射运动估计方法的流程示意图。如图5所示，本申请实施例的方法可以包括以下步骤：
S201，构建三层图像降采样金字塔；三层图像包括第零层图像、第一层图像和第二层图像；
S202，获取第零层图像上一个原始块的控制点运动矢量；
S203，将控制点运动矢量缩小，得到第零层图像上原始块的初始运动矢量；
S204，根据初始运动矢量，得到第零层图像上的一个预测块；
S205，根据第零层图像上的预测块和原始块形成第零层图像上的误差块；
S206，获取第零层图像上的误差块上任一位置误差；
S207，通过索贝尔算子计算第零层图像上的预测块的任一位置像素梯度；
S208，根据第零层图像上的误差块上任一位置误差、预测块的任一位置像素梯度、以及位置系数计算初始运动矢量的更新量；
S209，根据初始运动矢量，以及初始运动矢量的更新量，获取第零层图像上一个预测块的最终运动矢量；
S210，根据第零层图像上的最终运动矢量，得到第一层图像上的一个预测块；
S211，根据第一层图像上的预测块和第零层图像上的预测块形成第一层图像上的误差块；
S212，获取第一层图像上的误差块上任一位置误差；
S213，通过索贝尔算子计算第一层图像上的预测块的任一位置像素梯度；
S214，根据第一层图像上的误差块上任一位置误差、预测块的任一位置像素梯度、以及位置系数计算第一层运动矢量的更新量；
S215，根据第零层图像上的最终运动矢量，以及第一层运动矢量的更新量，获取第一层图像上一个预测块的最终运动矢量；
S216，根据第一层图像上的最终运动矢量，得到第二层图像上的一个预测块；
S217，根据第二层图像上的预测块和第一层图像上的预测块形成第二层图像上的误差块；
S218，获取第二层图像上的误差块上任一位置误差；
S219，通过索贝尔算子计算第二层图像上的预测块的任一位置像素梯度；
S220，根据第二层图像上的误差块上任一位置误差、预测块的任一位置像素梯度、以及位置系数计算第二层运动矢量的更新量；
S221，根据第一层图像上的最终运动矢量，以及第二层运动矢量的更新量，输出第二层图像上一个预测块的最终运动矢量。
在本申请实施例中，仿射运动估计方法首先构建三层图像降采样金字塔，获取第零层图像上一个原始块的控制点运动矢量，再将控制点运动矢量缩小，得到第零层图像上原始块的初始运动矢量，然后根据初始运动矢量进行更新，获取第零层图像上一个预测块的最终运动矢量，其次根据第零层图像上的最终运动矢量进行更新，获取第一层图像上一个预测块的最终运动矢量，最后根据第一层图像上的最终运动矢量进行更新，输出第二层图像上一个预测块的最终运动矢量。本申请是基于三层图像降采样金字塔的仿射运动估计；仿射运动估计过程只需三次迭代操作，能够降低运动补偿过程中的数据访存量，进而降低访存代价。
下述为本发明装置实施例，可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节，请参照本发明方法实施例。
请参见图6，其示出了本发明一个示例性实施例提供的一种仿射运动估计装置的结构示意图。该装置1包括：图层构建模块10、控制点数据获取模块20、初始运动矢量获取模块30、第零层运动矢量获取模块40、第一层运动矢量获取模块50和第二层运动矢量输出模块60。
图层构建模块10，用于构建三层图像降采样金字塔；三层图像包括第零层图像、第一层图像和第二层图像；
控制点数据获取模块20，用于获取第零层图像上一个原始块的控制点运动矢量；
初始运动矢量获取模块30，用于将控制点运动矢量缩小，得到第零层图像上原始块的初始运动矢量；
第零层运动矢量获取模块40，用于根据初始运动矢量进行更新，获取第零层图像上一个预测块的最终运动矢量；
第一层运动矢量获取模块50，用于根据第零层图像上的最终运动矢量进行更新，获取第一层图像上一个预测块的最终运动矢量；
第二层运动矢量输出模块60，用于根据第一层图像上的最终运动矢量进行更新，输出第二层图像上一个预测块的最终运动矢量。
需要说明的是，上述实施例提供的仿射运动估计装置在执行一种仿射运动估计方法时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的仿射运动估计装置与仿射运动估计方法实施例属于同一构思，其体现实现过程详见方法实施例，这里不再赘述。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
在本申请实施例中，仿射运动估计装置首先构建三层图像降采样金字塔，获取第零层图像上一个原始块的控制点运动矢量，再将控制点运动矢量缩小，得到第零层图像上原始块的初始运动矢量，然后根据初始运动矢量进行更新，获取第零层图像上一个预测块的最终运动矢量，其次根据第零层图像上的最终运动矢量进行更新，获取第一层图像上一个预测块的最终运动矢量，最后根据第一层图像上的最终运动矢量进行更新，输出第二层图像上一个预测块的最终运动矢量。本申请是基于三层图像降采样金字塔的仿射运动估计；仿射运动估计过程只需三次迭代操作，能够降低运动补偿过程中的数据访存量，进而降低访存代价。
本发明还提供一种计算机可读介质，其上存储有程序指令，该程序指令被处理器执行时实现上述各个方法实施例提供的仿射运动估计方法。
本发明还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述各个方法实施例的一种仿射运动估计的方法。
请参见图7，为本申请实施例提供了一种终端的结构示意图。如图7所示，终端1000可以包括：至少一个处理器1001，至少一个网络接口1004，用户接口1003，存储器1005，至少一个通信总线1002。
其中，通信总线1002用于实现这些组件之间的连接通信。
其中，用户接口1003可以包括显示屏(Display)、摄像头(Camera)，可选用户接口1003还可以包括标准的有线接口、无线接口。
其中，网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
其中，处理器1001可以包括一个或者多个处理核心。处理器1001利用各种借口和线路连接整个电子设备1000内的各个部分，通过运行或执行存储在存储器1005内的指令、程序、代码集或指令集，以及调用存储在存储器1005内的数据，执行电子设备1000的各种功能和处理数据。可选的，处理器1001可以采用数字信号处理(Digital Signal Processing，DSP)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)、可编程逻辑阵列(Programmable Logic Array，PLA)中的至少一种硬件形式来实现。处理器1001可集成中央处理器(Central Processing Unit，CPU)、图像处理器(Graphics Processing Unit，GPU)和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器1001中，单独通过一块芯片进行实现。
其中，存储器1005可以包括随机存储器(Random Access Memory，RAM)，也可以包括只读存储器(Read-Only Memory)。可选的，该存储器1005包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器1005可用于存储指令、程序、代码、代码集或指令集。存储器1005可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图7所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及车辆运行轨迹数据的可用度分析应用程序。
在图7所示的终端1000中，用户接口1003主要用于为用户提供输入的接口，获取用户输入的数据；而处理器1001可以用于调用存储器1005中存储的仿射运动估计应用程序，并具体执行以下操作：
构建三层图像降采样金字塔；三层图像包括第零层图像、第一层图像和第二层图像；
获取第零层图像上一个原始块的控制点运动矢量；
将控制点运动矢量缩小，得到第零层图像上原始块的初始运动矢量；
根据初始运动矢量进行更新，获取第零层图像上一个预测块的最终运动矢量；
根据第零层图像上的最终运动矢量进行更新，获取第一层图像上一个预测块的最终运动矢量；
根据第一层图像上的最终运动矢量进行更新，输出第二层图像上一个预测块的最终运动矢量。
在一个实施例中，处理器1001在执行根据初始运动矢量进行更新，获取第零层图像上一个预测块的最终运动矢量时，具体执行以下操作：
根据初始运动矢量计算第零层图像上的初始运动矢量的更新量；
根据初始运动矢量，以及初始运动矢量的更新量，获取第零层图像上一个预测块的最终运动矢量。
在一个实施例中，处理器1001在执行根据初始运动矢量计算第零层图像上的初始运动矢量的更新量时，具体执行以下操作：
根据初始运动矢量，得到第零层图像上的一个预测块；
根据第零层图像上的预测块和原始块形成第零层图像上的误差块；
获取第零层图像上的误差块上任一位置误差；
通过索贝尔算子计算第零层图像上的预测块的任一位置像素梯度；
根据第零层图像上的误差块上任一位置误差、预测块的任一位置像素梯度、以及位置系数计算初始运动矢量的更新量。
在一个实施例中，处理器1001在执行根据第零层图像上的最终运动矢量进行更新，获取第一层图像上一个预测块的最终运动矢量时，具体执行以下操作：
根据第零层图像上的最终运动矢量计算第一层图像上的第一层运动矢量的更新量；
根据第零层图像上的最终运动矢量，以及第一层运动矢量的更新量，获取第一层图像上一个预测块的最终运动矢量。
在一个实施例中，处理器1001在执行根据第零层图像上的最终运动矢量计算第一层图像上的第一层运动矢量的更新量时，具体执行以下操作：
根据第零层图像上的最终运动矢量，得到第一层图像上的一个预测块；
根据第一层图像上的预测块和第零层图像上的预测块形成第一层图像上的误差块；
获取第一层图像上的误差块上任一位置误差；
通过索贝尔算子计算第一层图像上的预测块的任一位置像素梯度；
根据第一层图像上的误差块上任一位置误差、预测块的任一位置像素梯度、以及位置系数计算第一层运动矢量的更新量。
在一个实施例中，处理器1001在执行根据第一层图像上的最终运动矢量进行更新，输出第二层图像上一个预测块的最终运动矢量时，具体执行以下操作：
根据第一层图像上的最终运动矢量计算第二层图像上的第二层运动矢量的更新量；
根据第一层图像上的最终运动矢量，以及第二层运动矢量的更新量，输出第二层图像上一个预测块的最终运动矢量。
在一个实施例中，处理器1001在执行根据第一层图像上的最终运动矢量计算第二层图像上的第二层运动矢量的更新量时，具体执行以下操作：
根据第一层图像上的最终运动矢量，得到第二层图像上的一个预测块；
根据第二层图像上的预测块和第一层图像上的预测块形成第二层图像上的误差块；
获取第二层图像上的误差块上任一位置误差；
通过索贝尔算子计算第二层图像上的预测块的任一位置像素梯度；
根据第二层图像上的误差块上任一位置误差、预测块的任一位置像素梯度、以及位置系数计算第二层运动矢量的更新量。
在本申请实施例中，仿射运动估计方法首先构建三层图像降采样金字塔，获取第零层图像上一个原始块的控制点运动矢量，再将控制点运动矢量缩小，得到第零层图像上原始块的初始运动矢量，然后根据初始运动矢量进行更新，获取第零层图像上一个预测块的最终运动矢量，其次根据第零层图像上的最终运动矢量进行更新，获取第一层图像上一个预测块的最终运动矢量，最后根据第一层图像上的最终运动矢量进行更新，输出第二层图像上一个预测块的最终运动矢量。本申请是基于三层图像降采样金字塔的仿射运动估计；仿射运动估计过程只需三次迭代操作，能够降低运动补偿过程中的数据访存量，进而降低访存代价。
本领域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流程，是可以通过计算机程序来指令相关的硬件来完成的程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，的存储介质可为磁碟、光盘、只读存储记忆体或随机存储记忆体等。
以上所揭露的仅为本申请较佳实施例而已，当然不能以此来限定本申请之权利范围，因此依本申请权利要求所作的等同变化，仍属本申请所涵盖的范围。
Claims (10)
1.一种仿射运动估计方法，其特征在于，包括以下步骤：
构建三层图像降采样金字塔；所述三层图像包括第零层图像、第一层图像和第二层图像；
获取所述第零层图像上一个原始块的控制点运动矢量；
将所述控制点运动矢量缩小，得到所述第零层图像上所述原始块的初始运动矢量；
根据所述初始运动矢量进行更新，获取所述第零层图像上一个预测块的最终运动矢量；
根据所述第零层图像上的所述最终运动矢量进行更新，获取所述第一层图像上一个预测块的最终运动矢量；
根据所述第一层图像上的所述最终运动矢量进行更新，输出所述第二层图像上一个预测块的最终运动矢量。
2.根据权利要求1所述的仿射运动估计方法，其特征在于，所述根据所述初始运动矢量进行更新，获取所述第零层图像上一个预测块的最终运动矢量，包括：
根据所述初始运动矢量计算所述第零层图像上的所述初始运动矢量的更新量；
根据所述初始运动矢量，以及所述初始运动矢量的更新量，获取所述第零层图像上一个预测块的最终运动矢量。
3.根据权利要求2所述的仿射运动估计方法，其特征在于，所述根据所述初始运动矢量计算所述第零层图像上的所述初始运动矢量的更新量，包括：
根据所述初始运动矢量，得到所述第零层图像上的一个预测块；
根据所述第零层图像上的所述预测块和所述原始块形成所述第零层图像上的误差块；
获取所述第零层图像上的误差块上任一位置误差；
通过索贝尔算子计算所述第零层图像上的所述预测块的任一位置像素梯度；
根据所述第零层图像上的所述误差块上任一位置误差、所述预测块的任一位置像素梯度、以及位置系数计算所述初始运动矢量的更新量。
4.根据权利要求1所述的仿射运动估计方法，其特征在于，所述根据所述第零层图像上的所述最终运动矢量进行更新，获取所述第一层图像上一个预测块的最终运动矢量，包括：
根据所述第零层图像上的所述最终运动矢量计算所述第一层图像上的第一层运动矢量的更新量；
根据所述第零层图像上的所述最终运动矢量，以及所述第一层运动矢量的更新量，获取所述第一层图像上一个预测块的最终运动矢量。
5.根据权利要求4所述的仿射运动估计方法，其特征在于，所述根据所述第零层图像上的所述最终运动矢量计算所述第一层图像上的第一层运动矢量的更新量，包括：
根据所述第零层图像上的所述最终运动矢量，得到所述第一层图像上的一个预测块；
根据所述第一层图像上的所述预测块和所述第零层图像上的所述预测块形成所述第一层图像上的误差块；
获取所述第一层图像上的误差块上任一位置误差；
通过索贝尔算子计算所述第一层图像上的所述预测块的任一位置像素梯度；
根据所述第一层图像上的所述误差块上任一位置误差、所述预测块的任一位置像素梯度、以及位置系数计算所述第一层运动矢量的更新量。
6.根据权利要求1所述的仿射运动估计方法，其特征在于，所述根据所述第一层图像上的所述最终运动矢量进行更新，输出所述第二层图像上一个预测块的最终运动矢量，包括：
根据所述第一层图像上的所述最终运动矢量计算所述第二层图像上的第二层运动矢量的更新量；
根据所述第一层图像上的所述最终运动矢量，以及所述第二层运动矢量的更新量，输出所述第二层图像上一个预测块的最终运动矢量。
7.根据权利要求6所述的仿射运动估计方法，其特征在于，所述根据所述第一层图像上的所述最终运动矢量计算所述第二层图像上的第二层运动矢量的更新量，包括：
根据所述第一层图像上的所述最终运动矢量，得到所述第二层图像上的一个预测块；
根据所述第二层图像上的所述预测块和所述第一层图像上的所述预测块形成所述第二层图像上的误差块；
获取所述第二层图像上的误差块上任一位置误差；
通过索贝尔算子计算所述第二层图像上的所述预测块的任一位置像素梯度；
根据所述第二层图像上的所述误差块上任一位置误差、所述预测块的任一位置像素梯度、以及位置系数计算所述第二层运动矢量的更新量。
8.一种仿射运动估计装置，其特征在于，包括：
图层构建模块，用于构建三层图像降采样金字塔；所述三层图像包括第零层图像、第一层图像和第二层图像；
控制点数据获取模块，用于获取所述第零层图像上一个原始块的控制点运动矢量；
初始运动矢量获取模块，用于将所述控制点运动矢量缩小，得到所述第零层图像上所述原始块的初始运动矢量；
第零层运动矢量获取模块，用于根据所述初始运动矢量进行更新，获取所述第零层图像上一个预测块的最终运动矢量；
第一层运动矢量获取模块，用于根据所述第零层图像上的所述最终运动矢量进行更新，获取所述第一层图像上一个预测块的最终运动矢量；
第二层运动矢量输出模块，用于根据所述第一层图像上的所述最终运动矢量进行更新，输出所述第二层图像上一个预测块的最终运动矢量。
9.一种计算机存储介质，其特征在于，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行如权利要求1-7任意一项的方法步骤。
10.一种终端，其特征在于，包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行如权利要求1-7任意一项的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210116282.6A CN114666606A (zh) | 2022-02-07 | 2022-02-07 | 一种仿射运动估计方法、装置、存储介质及终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210116282.6A CN114666606A (zh) | 2022-02-07 | 2022-02-07 | 一种仿射运动估计方法、装置、存储介质及终端 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114666606A true CN114666606A (zh) | 2022-06-24 |
Family
ID=82026464
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210116282.6A Pending CN114666606A (zh) | 2022-02-07 | 2022-02-07 | 一种仿射运动估计方法、装置、存储介质及终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114666606A (zh) |
-
2022
- 2022-02-07 CN CN202210116282.6A patent/CN114666606A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6490203B2 (ja) | 画像予測方法および関連装置 | |
| JP2023164434A (ja) | 画像予測方法および関連装置 | |
| TWI678915B (zh) | 一種視訊編解碼的方法及裝置 | |
| EP3043320B1 (en) | System and method for compression of 3d computer graphics | |
| EP0765087B1 (en) | Video coding device | |
| TWI645717B (zh) | 畫像解碼裝置、畫像解碼方法、畫像編碼裝置、畫像編碼方法以及編碼資料的資料構造 | |
| TWI565307B (zh) | 動畫像編碼裝置、動畫像解碼裝置、動畫像編碼方法、動畫像解碼方法及記憶媒體 | |
| KR100977255B1 (ko) | 영상 부호화 방법 및 복호 방법, 그들의 장치, 및 그들의프로그램 및 프로그램을 기록한 기억 매체 | |
| TW202005384A (zh) | 基於交織預測的視頻處理方法、裝置及記錄媒體 | |
| JP2004530367A (ja) | 動きベクトル予測方法及び動きベクトル予測装置 | |
| CN101496412A (zh) | 具有域变换的基于网络的视频压缩 | |
| Kim et al. | Zoom motion estimation using block-based fast local area scaling | |
| TWI722465B (zh) | 子塊的邊界增強 | |
| CN113689539A (zh) | 基于隐式光流场的动态场景实时三维重建方法与装置 | |
| CN111246212B (zh) | 一种基于编解码端的几何划分模式预测方法、装置、存储介质及终端 | |
| US20060098886A1 (en) | Efficient predictive image parameter estimation | |
| CN106954065B (zh) | 基于梯度方向直方图的递归预测图像压缩方法 | |
| Park et al. | A mesh-based disparity representation method for view interpolation and stereo image compression | |
| US20090051679A1 (en) | Local motion estimation using four-corner transforms | |
| CN114666606A (zh) | 一种仿射运动估计方法、装置、存储介质及终端 | |
| JP3268258B2 (ja) | ２次元三角パッチ線格子モデルを用いた動画像の動き推定方法 | |
| JP3513277B2 (ja) | 映像符号化装置及び映像復号化装置 | |
| Zhang et al. | Fast algorithm for 360-degree videos based on the prediction of CU depth range and fast mode decision | |
| JPH08242454A (ja) | グローバル動きパラメタ検出方法 | |
| CN108810317B (zh) | 真实运动估计方法及装置、计算机可读存储介质、终端 |
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 |