CN1941909A - 基于正交分布模型的快速运动估计方法 - Google Patents

Abstract

本发明涉及视频编码技术领域，特别是基于正交分布模型的快速运动估计方法。包括搜索模板的选择依据于正交分布模型，利用运动矢量的正交分布特性，快速定位到最优点的附近，在各级搜索模板所对应的多个搜索点上进行运动搜索；在运动搜索的结果找到搜索点中具有最小误差的运动搜索点；再根据该最小误差的运动搜索点在第一级搜索模板中所处的位置来决定下一步运动搜索所采用的搜索模板。

Description

基于正交分布模型的快速运动估计方法

技术领域

本发明涉及视频编码技术领域，特别是基于正交分布模型的快速运动估计方法。

背景技术

目前流行的视频编码标准如国际电信联盟(ITU)制定的H系列和国际标准组织(ISO)制定的MPEG系列采用的都是基于块匹配的混合编码模型。视频数据压缩通过去除掉相邻块或者是相邻帧之间的空间或者时间冗余，以减少存储空间或者传输带宽。运动估计通过运动矢量搜索得到运动矢量的最佳估计。运动搜索分为整像素运动搜索和子像素运动搜索。众所周知的，全搜索方法的精度最高，但是其运算量大，实现复杂度高，故在一定的重建图像质量的要求下，可以设计快速整像素运动搜索方法来达到加速运动搜索的目的。目前最优秀、最具有代表性的快速整像素运动搜索方法有钻石形搜索法(DS)以及六边形搜索法(HEXBS)。

一般整像素运动搜索方法的处理过程是，对于图像序列当前帧中给定的图像数据块(连续像素点组成的矩形块)，在图像序列其它重建图像帧(参考帧)的某个大小的搜索窗口中按照一定最佳匹配准则搜索最佳匹配块。搜索窗口范围相对于当前帧中的当前块的中心位置为中心，范围分别定义为w_x和w_y，则其窗口大小为(2w_x+1)*(2w_y+1)。如果w_x＝w_y＝w，则称搜索窗±w。上述的最佳匹配的准则有多种定义，目前大多采用的是代价函数SAD，如式1所示：

$\mathrm{SAD}\left(P\right)=\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{M-1}{\mathrm{\Σ}}}|f(i,j,t)-f(i-x,j-y,t-1)|---\left(1\right)$

式(1)中NxM是当前块(当前块中待匹配的图像块)的大小，也是参考帧中搜索块(参考帧中的图像数据块)的大小；f(i，j，t)是t时刻的图像帧在(i，j)坐标位置处的像素的亮度值；(x，y)表示当前块位置指向参考帧中像素点P位置的运动矢量的两个分量。

前面提到，目前速度与搜索精度表现最为优秀的快速算法的主要代表有钻石形搜索法(DS)和六边形搜索法(HEXBS)。下面先分别介绍这两种方法的搜索过程。

钻石形搜索法(DS)的搜索模板以及搜索策略如图1所示，六边形搜索法(HEXBS)的搜索模板以及搜索策略如图2所示。由于两者在搜索算法上非常类似，所不同的只是搜索模板的选取，故下面以六边形搜索法(HEXBS)为例来说明其搜索过程：

(1)以当前块为中心，搜索六边形模板的6个点，得到6个代价函数值。在这6个代价函数值与起始点的代价函数值中，代价函数值最小者为最佳匹配点。如果最佳匹配点处于六边形的中心，则转到第三步，否则到第二步；

(2)以前一步搜索得到的最佳匹配点为起始点，搜索六边形模板的6个点(此时已经搜索过的点并不再进行搜索)，得到6个代价函数值。在这6个代价函数值与起始点的代价函数值中，代价函数值最小者为最佳匹配点。如果最佳匹配点位于六边形的中心，则转到第三步，否则重复这一步；

(3)以前一步搜索得到的最佳匹配点为起始点，搜索钻石形模板的4上点得到4个代价函数值，取该4个代价函数值与起始点的代价函数值最小者为最佳匹配点，最佳匹配点对应的运动矢量即为最终的运动矢量。

由图1可以看出当钻石形搜索法(DS)大模板共有9个搜索点，如果第一级大模板搜索结束后的最佳匹配点位于角点和边点时，新增搜索点数目是不相同的，当前一步搜索位于大模板的角点时，下一步新增加5个搜索点；当前一步搜索最佳匹配点位于大模板的边点时，下一步新增加3个搜索点。而由图2C和图2D发现，钻石形搜索法(HEXBS)的大模板共有七个搜索点，而且无论第一步搜索后的最佳匹配点是在六边形上的任何一点时，在下一步搜索都只是增加3个搜索点。从以上两点可以看出，钻石形搜索法(DS)在搜索点数上比六边形搜索法(HEXBS)要少，而且对于不同运动的序列，钻石形搜索法(DS)在搜索点数上要比六边形搜索法(HEXBS)要波动得大。

但是即使是目前快速运动搜索算法中最优秀、最具有代表性的菱形搜索算法(DS)和六边形搜索算法(HEXBS)，在一定重建图像质量的情况下，其运动搜索部分所耗费的计算量仍然是整个编码器所耗费计算量的60％以上。

发明内容

为解决现有技术中存在的问题，本发明提供了一种用于视频压缩的快速运动搜索方法，既达到大幅度提高搜索速度的目的，又保证与现有快速运动估计算法(DS、HEXBS等)相当的搜索精度，但该方法并不仅仅局限于提供了一种快速运动搜索的方法，还提供了一种运动矢量的分布特性，运用该特性，还可与现在的快速运动搜索方法(如DS、HEXBS等)相结合，进一步对现在的算法性能进行提升。

本发明的一个方面，提出了一种新的研究运动矢量分布特性的方法，根据误差曲面分布具有局部的特征，而没有全局的特征的表示，本发明摒弃了一般的采用误差曲面分布作为研究运动矢量分布特性的研究对象的方法，而是直接采用，更具有一般的能够全面的反映运动矢量分布的方法，即采用所有的运动矢量来研究运动矢量的统计分布规律。

根据本发明的另一个方面，提出了一个运动矢量分布的一个正交分布模型，这是一个基于统计的分布模型。其提出的依据是：因为全搜索的精度最高，通过采用全搜索所得到的大量的运动矢量作为研究对象，统计其分布的规律；考虑到现有的快速运动搜索算法都会不可避免的陷入局部最优点，我们可以对这个运动矢量的分布进行一个理想化，通过把绝大部分的运动矢量的分布都包括在分布模型当中，而把极少量的运动矢量的分布情况排除在外，这样我们可以得到一个运动矢量的基于正交分布的理想分布模型。

根据本发明的另一个方面，根据本发明提出的正交分布模型，提出了一种与现有二级搜索方法不同的搜索方法。本发明提出了一种新的搜索方法，在该搜索方法里，首先搜索中心处周围的搜索点，这与现有的传统搜索方法是一致的，但是在这一步搜索过后，根据当前搜索的最佳匹配点的位置，分别对于两个正交方向采用各自的搜索模板，再次分别进行二级搜索，即是一种现有的二级搜索方法里面嵌套另一种二级搜索的方法。其中嵌套的二级搜索方法是根据正交分布模型而采用的搜索方法，具有搜索点数少，方向明确且快速定位的特征。

本方法的主要思想是通过对全搜索得到的运动矢量分布进行统计分析找出其分布规律，建立一个运动矢量的理想分布模型，并依照该模型设计了相应的搜索模板与搜索策略。该方法在保证编码质量与编码后的比特率与现有的方法相当的情况下，大大提升搜索速度。在保证搜索精度的前提下大幅度降低视频压缩中运动搜索时平均每块的搜索点数。

技术方案

一种基于运动矢量理想正交分布模型的快速整像素运动搜索方法，包括搜索模板的选择依据于正交分布模型，利用运动矢量的正交分布特性，快速定位到最优点的附近，在各级搜索模板所对应的多个运动搜索点上进行运动搜索；根据运动搜索的结果找到多个运动搜索点中最小的运动搜索点；再根据这个最小的运动搜索点在第一级(初始)搜索模板中所处的位置来决定下一步运动搜索所采用的搜索模板。

所述的基于运动矢量理想正交分布模型的快速整像素运动搜索方法，首先搜索中心处周围的搜索点，这一步搜索过后，根据当前搜索的最佳匹配点的位置，分别对于两个正交方向采用各自的搜索模板，再次分别进行二级搜索，即二级搜索方法里面嵌套另一种二级搜索的方法，其中嵌套的二级搜索方法是根据正交分布模型而采用的搜索方法。

所述的基于运动矢量理想正交分布模型的快速整像素运动搜索方法，依据第一级最佳匹配点的位置，其搜索可分为二级或者三级搜索，具体如下：

(a)将上一级搜索得到的最佳匹配点作为本级搜索的起始点，再依据该点是在上一级搜索模板中的位置决定采用下一级的搜索模板；

(b)如果采用初始模板搜索得到的最佳匹配点位于初始搜索模板的中心点，则以该点为本级搜索的起始点，直接采用最终搜索模板进行最终的精细搜索，得到每个点的代价函数值，代价函数值最小者即为最终的运动矢量；

(c)如果采用初始模板搜索得到的最佳匹配点位于初始搜索模板的垂直或者水平方向上的位置时，则以该点作为本级搜索的起始点，直接在垂直或者水平轴向上进行快速搜索定位到最接近最终运动矢量的位置，该点为最终搜索模板的中心进行搜索，如果最终搜索模板搜索的最佳匹配点位置不在中心时，就以上级搜索得到的最佳匹配点作为最终搜索模板的中心，重新进行最终模板搜索，直到搜索得到的最佳匹配点位于最终搜索模板的中心为止。

所述的基于运动矢量理想正交分布模型的快速整像素运动搜索方法，所说的模板选取突出了方向的特征，所说的模板定义如下：

首先定义一个基本的5点菱形搜索模板，也就是本发明的初始搜索模板，此模板上的各点的坐标集合Ω_O-5为：

      Ω_O-5＝{(x，y)|(±2，0)，(0，±2)，(0，0)}

当搜索初始搜索模板的5个搜索点后，得到5个代价函数，如果代价函数值最小对应的搜索点在第一级的5个搜索模板的中心时，则直接搜索下述的小菱形搜索模板即方法中所说的最终搜索模板，该模板搜索后得到的最佳匹配点即为最终的运动矢量所指向的块，这个小菱形搜索模板的各点的坐标集合Ω_oo-5为：

      Ω_oo-5＝{(x，y)|(±1，0)，(0，±1)，(0，0)}

当搜索完初始搜索模板的5个搜索点后，得到5个代价函数，如果代价函数最小对应的搜索点在初始搜索模板的水平或者垂直方向上时，则分别采用以下模板进行搜索，水平和垂直方向上的搜索模板分别定义如下：

          Ω_h-2＝{(x，y)|(0，0)，(±2，0)}

          Ω_v-2＝{(x，y)|(0，0)，(0，±2)}

在水平和垂直方向搜索过后，最后一级采用的与初始搜索后最佳匹配点在中心时的搜索模板一致，即均为Ω_oo-5，只是考虑到最佳匹配点在初始搜索模板过后，最终的匹配块就中心点附近，故一次搜索即可，而水平或者垂直方向搜索后，只是搜索到一个在轴向上比较接近最终匹配块的位置，故要一直搜索到最佳匹配块位于模板中心为止。故最后一级搜索的模板均为Ω_oo-5，只是不同位置采用的策略不同。

所述的基于正交模型的快速整像素运动搜索方法，所述的搜索策略，具体如下：

(a)以当前位置为起点，搜索初始搜索模板的5个点，得到5个搜索点的代价函数值；取代价函数值最小者为本步骤最佳匹配点，作为下一步搜索的起点；如果最佳匹配点在初始搜索模板的中心，则转到步骤(b)；如果最佳匹配点在初始搜索模板的水平方向两点时，转到步骤(c)；如果最佳匹配点在初始大菱形搜索模板的垂直方向两点时，转到步骤(d)；

(b)以前一步搜索所得的最佳匹配点作为起始点，搜索最终搜索模板的5个点，得到5个搜索点的代价函数值；代价函数值最小的点即为最终的运动矢量所指向的点，搜索终止；

(c)以前一步搜索所得的最佳匹配点作为起始点，搜索水平方向搜索模板的3个点，得到3个搜索点的代价函数值，取代价函数值最小者为本步骤最佳匹配点；如果本步骤的最佳匹配点不位于中心点，则转到步骤(c)；如果本步骤的最佳匹配点位于中心点，则转到步骤(e)；

(d)以前一步搜索所得的最佳匹配点作为起始点，搜索垂直方向搜索模板的3个点，得到3个搜索点的代价函数值，取代价函数值最小者为本步骤最佳匹配点；如果本步骤的最佳匹配点不位于中心点，则转到步骤(d)；如果本步骤的最佳匹配点位于中心点，则转到步骤(e)；

(e)以前一步搜索所得的最佳匹配点作为起始点，搜索最终搜索模板的5个点，得到5个搜索的代价函数值，代价函数值最小的点即为本步骤所得的最佳匹配点；如果本步骤的最佳匹配点不位于中心点，则重复步骤(e)；如果本步骤的最佳匹配点位于中心点，则此最佳匹配点即为最终的运动矢量所指向的点，搜索终止。

附图说明

随后的详细说明及附图将更全面的阐述本发明，但是它们不应该被理解为将所附权利要求限制为所示出的具体实施，而仅仅是用于解释和理解。

图1A示出了钻石形搜索法的第一级搜索模板图。

图1B示出了钻石形搜索法的第二级搜索模板他图。

图1C示出了钻石形搜索法第一级搜索后的最佳匹配点位于角点时的搜索策略图。

图1D示出了钻石形搜索法第一级搜索后的最佳匹配点位于边点时的搜索策略图。

图2A示出了六边形搜索法的第一级搜索模板图。

图2B示出了六边形搜索法的第二级搜索模板他图。

图2C示出了六边形搜索法第一级搜索后的最佳匹配点位于水平方向点时的搜索策略图。

图2D示出了六边形搜索法第一级搜索后的最佳匹配点位于垂直方向上的点时的搜索策略图。

图3示出了基于正交分布模型的整像素快速运动搜索的搜索流程图。

图4示出了基于正交分布模型的整像素快速运动搜索方法的搜索模板图。

图5示出了基于正交分布模型的整像素快速运动搜索方法的搜索策略示意图。

图6示出了一个正交搜索方法的搜索实例。

具体实施方式

这里公开了一种基于正交分布模型的快速整像素搜索方法。用于进行正交分布模型的快速整像素搜索方法的一个实施例包括以下操作：在各级搜索模板所对应的多个运动搜索点上进行运动搜索；根据运动搜索的结果找到多个运动搜索点中最小的运动搜索点；再根据这个最小的运动搜索点在初始搜索模板中所处的位置来决定下一步运动搜索所采用的搜索模板。

接下来将详细描述基于正交分布模型的快速整像素搜索方法：参见图3。

首先是选择搜索的起始点，起始点的选择是一个单独的内容，在本发明中，采用的是以当前块位置为搜索的起始点，而为了提高搜索的精度，可以加入现有的任何一种初始运动矢量预测算法，这并不影响本发明在同等条件下与同类算法的性能比较；

其次就是搜索模板的设计以及搜索策略，在本发明中，为了体现出本发明所强调的运动矢量的分布是具有非常明显特征的特点，在本发明中提到的模板是直接采用具有上下左右四个搜索点外加一个中心点的菱形搜索模板，但本发明在这里所要表示的是一种方法，是一种具有方向搜索的方法，并不表示局限于此模板；

再次就是本发明分别针对第一级搜索后最佳匹配点的位置，分别采用了不同的搜索策略。

附图详细步骤说明：

1.以当前搜索窗的中心采用初始搜索模板进行搜索，得到MBD点，依据MBD点在初始搜索模板中的位置分别采用不同的搜索模板和搜索策略，如图中步骤一；

2.若MBD点位于初始搜索模板的中心，则采用最终搜索模板再进行一次搜索，这步得到的即为最终的运动矢量，搜索终止，如图中步骤二；

3.若MBD不位于初始搜索模板的中心，根据本方法提出的一个运运矢量正交分布的模型，则需要在水平或者是垂直方向快速定位到最佳匹配块的附近，这一步即图中所示的水平方向(如图中步骤三)或者垂直方向搜索(如图中步骤四)，这也是本方法所提到的一个在二级搜索里再嵌套的另一个二级搜索。

4.本方法中，初始搜索得到的点位置不同导致接下来的搜索模板不同和搜索策略不同，还表现在最终搜索模板的处理上，初始模板搜索后，若MBD点位于中心，则仅仅再搜索一次最终搜索模板即可，而为了提高精度，本方法对于水平或者垂直方向的搜索后，采用的最终搜索却是要一直迭代(如图中步骤五所示)，直到MBD点位于最终搜索模板的中心点才终止搜索。

图4示出了基于正交分布模型的整像素快速运动搜索方法的搜索模板图。其中(a)，(b)为对应于中心点的二级搜索模板，(c)，(d)为对应于第一级搜索后的最佳匹配点位于水平方向时的二级搜索模板，(e)，(f)为对应于第一级搜索后的最佳匹配点位于垂直方向时的二级搜索模板。

图5示出了基于正交分布模型的整像素快速运动搜索方法的搜索策略示意图。其中(a)表示第一级搜索后最佳匹配点位于中心位置时的搜索策略，(b)表示第一级搜索后最佳匹配点位于水平边点时的搜索策略，(c)表示第一级搜索后最佳匹配点位于垂直边点时的搜索策略。

这一过程将在下面通过两个具体的实施例详细说明：

首先分析第一步搜索后最佳匹配点位于中心位置的实施例，如图5(a)所示，首先搜索初始搜索模板的5个点，即图5(a)中的圆形实心点，比较5个点所得的最小误差值，取值最小的作为该步所得的最佳匹配点，若最佳匹配点位于中心位置，则采用小菱形模板即图5(a)中的方形实心点，作为最终搜索模板，该步搜索后的最佳匹配点即为最终的运动矢量所对应的块。

说明：圆点为第一步搜索点，正方形点为第二步搜索点

下面着重以一个具体的实施例来说明第一级搜索后最佳匹配点不在中心位置时的搜索过程。在附图6中，若最终要搜索到的运动矢量为(+4，-4)。首先，采用如图4(a)所示的初始搜索模板进行第一级搜索后，该步搜索所得的最佳匹配点位于垂直轴上的点，如图6中的第一步所示的(0，-2)点，接下来，采用图4(d)所示的垂直搜索模板在轴向上进行搜索，快速定位到最接近的轴向位置上，如图6中的(0，-4)点，此时因为该步搜索所得的最佳匹配点位于图4(d)垂直搜索模板的中心位置，故以当前的最佳匹配点为中心位置，改用图4(b)所示的最终搜索模板搜索，如果其最佳匹配点不在小菱形的中心位置，则以该最佳匹配点作为新的最终搜索模板的中心，重新搜索该最终搜索模板，直到最佳匹配点位于小菱形搜索模板的中心为止，此时最终搜索所得的最佳匹配点如图6中的(4，-4)点。更详细的过程，参照附图6。

搜索过程描述：首先搜索初始搜索模板的五个搜索点(图中第1步所示)，其MBD点为垂直方向角点时，采用垂直搜索模板，此时仅新增一个搜索点(图中第2步所示)，若该步后，所得的MBD点不位于垂直搜索模板的中心点，则继续以上步所得的MBD点作为新的垂直搜索模板的中心，继续搜索(图中第3步所示)，若搜索所得的MBD点位于当前垂直搜索模板的中心点时，则采用最终模板(图中第4步所示)，此时新增4个搜索点，若搜索后所得的MBD点不是当前搜索模板的中心，则以当前的MBD点为中心继续采用最终搜索模板进行搜索，直到搜索所得的MBD点位于中心时，搜索终止。

       (搜索过程最终定位于运动矢量为(+4，-4))

前述的一些讨论仅仅描述了本发明的一些示例实施例。从这样的讨论、附图和权利要求中，本领域的技术人员将容易认识到，在不脱离所附权利要求的精神和范围的要求下，可以进行各种修改。因而，本说明应被看作是说明性的而不是限制性的。

本发明方法在H.264的测试平台JM96基础上进行了实验，选择了具有代表性的分辨率从QCIF(176×144)到CIF(352×288)，运动剧烈程序从缓慢到剧烈的各种序列进行了测试，本发明的实验结果表明：在各种参数配置(如参考帧数、量化参数、搜索范围等)的情况下，本发明方法与DS相比，平均psnr以及bit-rate，基本相当，搜索点数比DS下降了45％左右；与HEXBS相比，平均psnr值基本相当，bit-rate略有下降，搜索点数下降了25％左右。实验结果还表明，本发明方法在量化参数变化的情况下，在平均每块搜索点数上，比DS、HEXBS具有更好的鲁棒性。

Claims (6)

1.一种基于运动矢量理想正交分布模型的快速整像素运动搜索方法，其特征在于，包括搜索模板的选择依据于正交分布模型，利用运动矢量的正交分布特性，快速定位到最优点的附近，在各级搜索模板所对应的多个运动搜索点上进行运动搜索；根据运动搜索的结果找到多个运动搜索点中最小的运动搜索点；再根据这个最小的运动搜索点在第一级初始搜索模板中所处的位置来决定下一步运动搜索所采用的搜索模板。

2.如权利要求1所述的基于运动矢量理想正交分布模型的快速整像素运动搜索方法，其特征在于，首先搜索中心处周围的搜索点，这一步搜索过后，根据当前搜索的最佳匹配点的位置，分别对于两个正交方向采用各自的搜索模板，再次分别进行二级搜索，即二级搜索方法里面嵌套另一种二级搜索的方法，其中嵌套的二级搜索方法是根据正交分布模型而采用的搜索方法。

3.如权利要求1所述的基于运动矢量理想正交分布模型的快速整像素运动搜索方法，其特征在于，依据第一级最佳匹配点的位置，其搜索可分为二级或者三级搜索，具体如下：

(a)将上一级搜索得到的最佳匹配点作为本级搜索的起始点，再依据该点是在上一级搜索模板中的位置决定采用下一级的搜索模板；

(b)如果初始模板搜索得到的最佳匹配点位于初始搜索模板的中心点，则以该点为本级搜索的起始点，直接采用最终搜索模板进行最终的精细搜索，得到每个点的代价函数值，代价函数值最小者即为最终的运动矢量；

(c)如果初始搜索得到的最佳匹配点位于初始搜索模板的垂直或者水平方向上的位置时，则以该点作为新搜索模板的中心点，直接在垂直或者水平轴向上进行快速搜索定位到最接近最终运动矢量的位置，该点为最终搜索模板的中心进行搜索，如果最终搜索模板搜索的最佳匹配点位置不在中心时，就以上级搜索得到的最佳匹配点作为新的最终搜索模板的搜索中心，重新进行最终模板搜索，直到搜索得到的最佳匹配点位于最终搜索模板的中心为止。

4.如权利要求1或2所述的基于运动矢量理想正交分布模型的快速整像素运动搜索方法，其特征在于，所说的模板选取突出了方向的特征，所说的模板定义如下：

首先定义一个基本的5点菱形搜索模板，也就是本发明的初始搜索模板，此模板上的各点的坐标集合Ω_O-5为：

               Ω_O-5＝{(x，y)|(±2，0)，(0，±2)，(0，0)}

当搜索完初始搜索模板的5个搜索点后，得到5个代价函数，如果代价函数值最小对应的搜索点在第一级的5个搜索模板的中心时，则直接搜索下述的小菱形搜索模板，该模板搜索后得到的最佳匹配点即为最终的运动矢量所指向的块，这个小菱形搜索模板的各点的坐标集合Ω_oo-5为：

                  Ω_oo-5＝{(x，y)|(±1，0)，(0，±1)，(0，0)}

当搜索完初始搜索模板的5个搜索点后，得到5个代价函数，如果代价函数最小对应的搜索点在初始搜索模板的5个搜索模板的水平或者垂直方向上时，则分别采用以下模板进行搜索，水平和垂直方向上的搜索模板分别定义如下：

                 Ω_h-2＝{(x，y)|(0，0)，(±2，0)}

                 Ω_v-2＝{(x，y)|(0，0)，(0，±2)}

在水平和垂直方向搜索过后，最终搜索采用的初始搜索后最佳匹配点在中心时的搜索模板一致，即均为Ω_oo-5，只是考虑到最佳匹配点在初始搜索模板过后，最终的匹配块就中心点附近，故一次搜索即可，而水平或者垂直方向搜索后，仅搜索到一个在轴向上比较接近最终匹配块的位置，故要一直迭代搜索直到最佳匹配块位于模板中心为止。故最后一级搜索的模板均为Ω_oo-5，只是不同位置采用的策略不同。

5.如权利要求3所述的基于正交模型的快速整像素运动搜索方法，其特征在于，所述的搜索策略，具体如下：

(a)以当前位置为起点，搜索初始搜索模板的5个点，得到5个搜索点的代价函数值；取代价函数值最小者为本步骤最佳匹配点，作为下一步搜索的起点；如果最佳匹配点在初始搜索模板的中心，则转到步骤(b)；如果最佳匹配点初始搜索模板的水平方向两点时，转到步骤(c)；如果最佳匹配点在初始搜索模板的垂直方向两点时，转到步骤(d)；

(b)以前一步搜索所得的最佳匹配点作为起始点，搜索小菱形模板的5个点，得到5个搜索点的代价函数值；代价函数值最小的点即为最终的运动矢量所指向的点，搜索终止；

(c)以前一步搜索所得的最佳匹配点作为起始点，搜索水平方向搜索大模板的3个点，得到3个搜索点的代价函数值，取代价函数值最小者为本步骤最佳匹配点；如果本步骤的最佳匹配点不位于中心点，则转到步骤(c)；如果本步骤的最佳匹配点位于中心点，则转到步骤(e)；

(d)以前一步搜索所得的最佳匹配点作为起始点，搜索垂直方向搜索模板的3个点，得到3个搜索点的代价函数值，取代价函数值最小者为本步骤最佳匹配点；如果本步骤的最佳匹配点不位于中心点，则转到步骤(d)；如果本步骤的最佳匹配点位于中心点，则转到步骤(e)；

(e)以前一步搜索所得的最佳匹配点作为起始点，搜索最终搜索模板的5个点，得到5个搜索的代价函数值，代价函数值最小的点即为本步骤所得的最佳匹配点；如果本步骤的最佳匹配点不位于中心点，则重复步骤(e)；如果本步骤的最佳匹配点位于中心点，则此最佳匹配点即为最终的运动矢量所指向的点，搜索终止。

6.如权利要求3所述的基于运动矢量理想正交分布模型的快速整像素运动搜索方法，其具体步骤：

步骤一，以当前搜索窗的中心采用初始搜索模板进行搜索，得到MBD点，依据MBD点在初始搜索模板中的位置分别采用不同的搜索模板和搜索策略；

步骤二，若MBD点位于初始搜索模板的中心，则采用最终搜索模板再进行一次搜索，这步得到的即为最终的运动矢量，搜索终止；

步骤三和步骤四，若MBD不位于初始搜索模板的中心，根据本方法提出的一个运运矢量正交分布的模型，则需要在水平或者是垂直方向快速定位到最佳匹配块的附近，即水平方向或者垂直方向搜索，这也是本方法所提到的一个在二级搜索里再嵌套的另一个二级搜索；

步骤五，初始搜索得到的点位置不同导致接下来的搜索模板不同和搜索策略不同，还表现在最终搜索模板的处理上，初始模板搜索后，若MBD点位于中心，则仅仅再搜索一次最终搜索模板即可，而为了提高精度，对于水平或者垂直方向的搜索后，采用的最终搜索却是要一直迭代，直到MBD点位于最终搜索模板的中心点才终止搜索。

Images