DE60032452T2

DE60032452T2 - Verfahren zur globalen bewegungsschätzung

Info

Publication number: DE60032452T2
Application number: DE60032452T
Authority: DE
Inventors: Michel Bonnet; Cecile Dufour
Original assignee: Koninklijke Philips Electronics NV
Current assignee: Entropic Communications LLC
Priority date: 1999-09-21
Filing date: 2000-09-11
Publication date: 2007-10-11
Anticipated expiration: 2020-09-12
Also published as: JP2003510910A; CN1322443A; KR100798283B1; CN1164121C; KR20010080523A; US6707854B1; EP1131955B1; EP1131955A1; WO2001022733A1; DE60032452D1; ES2276696T3

Description

BEREICH DER ERFINDUNG
Die vorliegende Erfindung bezieht sich auf ein Verfahren und eine entsprechende Anordnung zur Bewegungsschätzung zwischen einem eintreffenden Frame F(n) einer Sequenz von Frames und einem großen statischen Bild M(n-1), wobei das genannte große statische Bild aus vorhergehenden Frames F(1)...F(n-1) der genannten Sequenz konstruiert wird, wobei das genannte Schätzungsverfahren ein Bewegungsmodell benutzt, basiert auf einer zweidimensionalen schaubildlichen Transformation mit acht Bewegungsparametern und mit einem Optimierungsschritt einer Kostenfunktion.
Eine derartige Erfindung kann nützlich sein für Applikationen in Bezug auf den MPEG-4 Standard und insbesondere auf den MPEG-7 Standard, wie Sprite-Erzeugung oder Mosaikerzeugung.
HINTERGRUND DER ERFINDUNG
Ein Verfahren der oben genannten Art ist aus der Patentanmeldung WO 98/59497 bekannt. Diese Patentanmeldung beschreibt ein Verfahren, das bei Videocodierung zur Erzeugung eines Sprites aus den Video-Objekten in dem Frame einer Videosequenz angewandt wird. Das Verfahren schätzt die globale Bewegung zwischen einem Videoobjekt in einem aktuellen Frame und einem aus Videoobjekten vorhergehender Frames konstruierten Sprite. Insbesondere berechnet das Verfahren zur globalen Bewegungsschätzung Bewegungskoeffizienten einer zweidimensionalen Transformation, welche die Intensitätsfehler zwischen Pixeln in dem Videoobjekt und entsprechenden Pixeln in dem Sprite minimiert. Das Levenberg-Marquardt-Verfahren wird für den Minimierungsschritt angewandt, der aus der Minimierung einer analytischen Funktion in Bezug auf die Intensitätsfehler besteht und es ermöglicht, dass die am meisten repräsentativen Punkte selektiert und die anderen als Ausreißer zurückgewiesen werden.
Dennoch hat das oben beschriebene globale Bewegungsschätzungsverfahren mehrere Nachteile. Der Hauptnachteil ist, dass es sehr empfindlich ist für Ausreißer, wobei es sich um Pixel handelt, die der globalen Bewegung nicht folgen und mit Objekten übereinstimmen, die eine eigene Bewegung heben. Dies bedeutet, dass das Verfahren zur globalen Bewegungsschätzung bei einigen bestimmten Videosequenzen manchmal ausfällt. Ein anderer Nachteil ist auch die Unfähigkeit, sich für eine bestimmte Art von Videosequenzen auf effiziente und schnelle Art und Weise anzupassen.
ZUSAMMENFASSUNG DER EERFINDUNG
Deswegen ist es u. a. eine Aufgabe der vorliegenden Erfindung ein anderes Verfahren zur globalen Bewegungsschätzung vorzuschlagen, das sehr robust für Ausreißer ist, das aber auch eine effiziente und schnelle Anpassung ermöglicht.
Dazu weist das Verfahren nach der vorliegenden Erfindung das Kennzeichen auf, dass die genannten acht Bewegungsparameter die Koordinaten der vier Eckpunkte des eintreffenden Frames sind, wobei die genannten Eckpunkte nacheinander in zwei Richtungen verlagert wird um eine Schätzung der Bewegungsparameter zu finden, die mit einer optimalen Kostenfunktion übereinstimmt.
Das Bewegungsschätzungsverfahren basiert auf einer geometrischen Annäherung, die nacheinander und wiederholt die acht Bewegungsparameter durch Optimierung einer numerischen Funktion behandelt, während die Annäherung nach dem Stand der Technik auf Basis des Levenberg-Marquardt-Algorithmus, die acht Bewegungsparameter simultan durch Minimierung einer analytischen Funktion behandelt. Dadurch hat es sich herausgestellt, dass das Bewegungsschätzungsverfahren auf Basis der Verlagerung der vier Eckpunkte robuster ist für Ausreißer als das Verfahren, das bisher angewandt wurde.
Das Verfahren nach der vorliegenden Erfindung weist auch das Kennzeichen auf, dass das genannte Bewegungsschätzungsverfahren ein erstes iteratives Verfahren umfasst, das bei jeder Iteration den genannten Optimierungsschritt zum Ermitteln einer Schätzung der acht Bewegungsparameter umfasst, wonach ein Schritt zum Berechnen der zwei Bewegungsrichtungen jedes der vier Eckpunkte folgt, und zwar dadurch, dass die letzte Verformung berücksichtigt wird, wobei das genannte iterative Verfahren durchgeführt wird, bis ein definiertes Kriterium erreicht ist.
Das iterative Verfahren basiert auf dem Powellschen Algorithmus, der die Konvergenz des genannten Verfahrens verbessert.
Das Verfahren nach der vorliegenden Erfindung weist zum Schluss das Kennzeichen auf, dass der genannte Optimierungsschritt ein zweites iteratives Verfahren umfasst, das bei jeder Wiederholung einen parabelförmigen Interpolationsvorgang von Werten der genannten Kostenfunktion durchführt, und zwar zum aufeinander folgend Schätzen der Bewegungsparameter.
Die Anwendung eines parabelförmigen Interpolationsvorgangs macht die Konvergenz des Bewegungsschätzungsverfahrens schneller, insbesondere in dem Fall einer großen Bewegung.
Dadurch könnte das vorliegende Bewegungsschätzungsverfahren auf vorteilhafte Weise in einem Verfahren zum Erzeugen eines großen statischen Bildes, wie eines Sprites oder eines Mosaiks vorgesehen, und in einer Anordnung zum Erzeugen eines derartigen großen Statischen Bildes implementiert sein.
Diese und andere Aspekte der vorliegenden Erfindung dürften aus nachstehend beschriebenen Ausführungsformen hervorgehen.
KURZE BESCREIBUNG DER ZEICHNUNG
Ausführungsbeispiele der Erfindung sind in der Zeichnung dargestellt und werden im Folgenden näher beschrieben. Es zeigen:
1 eine geometrische Darstellung des Quantisierungsschrittes für die erste Wiederholung,
2 ein Flussdiagramm für den Prozess, angewandt zum Durchführen der automatischen Auslösung der Bewegungsparameter für die zwei ersten Bilder,
3 ein Flussdiagramm für den iterativen Prozess, angewandt zum Optimieren der Bewegungsparameter,
4 eine geometrische Darstellung des Optimierungsschrittes für die Wiederholung (1+1),
5 ein Schema einer Anordnung zur Erzeugung eines großen statischen Bildes.
BESCHREIBUNG DER ERFINDUNG
Die vorliegende Erfindung schlägt ein neues Verfahren zur globalen Bewegungsschätzung zwischen einem eintreffenden Frame F(n) einer Sequenz von Frames und einem großen statischen Bild M(n-1) vor, das aus vorhergehenden Frames F(1), F(2), ..., F(n-1) der Videosequenz konstruiert wird.
Das Prinzip des Bewegungsschätzungsverfahrens ist in 1 dargestellt. Das genannte Bewegungsschätzungsverfahren benutzt ein Bewegungsmodell auf Basis einer zweidimensionalen schaubildlichen Transformation, das auch als das schaubildliche Modell bezeichnet wird, damit die Bewegung zwischen zwei Frames gekennzeichnet wird. Dieses Modell enthält acht Bewegungsparameter und wird vorzugsweise gewählt, weil es mehr Kamerabewegungsmöglichkeiten als die anderen, wie beispielsweise Translation, Zoom oder Rotation, gestattet. Die Verwendung des schaubildlichen Modells gilt in den zwei nachfolgenden Fällen:
– Alle Bilder teilen sich dieselbe optische Mitte. Dies ist mehr oder weniger der Fall, wenn eine Kamera auf einem Stativ steht; die Drehungsachse kann durch die optische Mitte der Kamera gehen oder nahe daran sein. Wenn die eingefangenen Objekte von der Kamera sehr weit entfernt sind, ist diese Annahme immer wahr.
– Die eingefangene Szene entspricht einer ebenen Fläche.
Eine schaubildliche Projektion transformiert ein Rechteck in ein Viereck. Die zweidimensionalen Koordinaten der vier Eckpunkte des Vierecks definieren die acht Bewegungsparameter a₀ bis a₇ des schaubildlichen Projektion völlig. Auf diese Weise sind die acht Bewegungsparameter in der vorliegenden Erfindung die zweidimensionalen Koordinaten der vier Eckpunkte, die am Anfang des Prozesses A(0)(a₀(0), a₁(0)), B(0)(a₂(0), a₃(0)), C(0)(a₄(0), a₅(0)) und D(0)(a₆(0), a₇(0)).
Das Bewegungsschätzungsverfahren nach der vorliegenden Erfindung ermöglicht jede beliebige Verlagerung der vier Ecken des ursprünglichen rechteckigen Bildes um zu dem Nächsten zu passen, durch Optimierung einer Kostenfunktion. Ausgehend von einer Ausgangslage für diese vier Eckpunkte, entsprechend einem Ausgangssatz von Bewegungsparametern, versucht das Verfahren die Kostenfunktion zu optimieren durch geringfügige Verlagerungen der vier Eckpunkte. Jeder Eckpunkt wird um einen geringfügigen Betrag um die Ausgangslage herum verlagert um ein örtliches Optimum für die Kostenfunktion zu finden. So wird beispielsweise A(0) in der Richtung d₁(0) verlagert, was in diesem speziellen Fall eine horizontale Richtung ist, damit ein Optimum der Kostenfunktion gefunden wird. Danach wird der gefundene Punkt in der Richtung d₂(0) verlagert, was in diesem speziellen Fall eine vertikale Richtung ist, bis ein anderes Optimum gefunden wird, was einen neuen Eckpunkt A(1) (a₀(1), a₁(1)) ergibt. Dieser Vorgang wird danach nachein ander für die anderen Eckpunkte durchgeführt und es wird ein neues viereckiges Bild erhalten.
In der bevorzugten Ausführungsform bezieht sich die Kostenfunktion auf die verlagerte Framedifferenz (DFD) ("Displaced Frame Difference"). Die DFD-Messung wird an den Pixeln berechnet, die zu dem Bereich S gehören, der das eintreffende Frame F(n) und das aktuelle große statische Bild M(n-1) überlappt, und zwar wie folgt:
wobei r_p eine Differenz zwischen dem ursprünglichen und dem vorhergesagten Wert eines Pixels p ist, definiert wie folgt: rp = L(x,y) – L(x',y')wobei:
– L(x,y) der Leuchtdichtewert des Videosignals ist, entsprechend dem Pixel p(x,y) des eintreffenden Frames F(n),
– L(x',y') der Leuchtdichtewert des Videosignals ist, entsprechend dem Pixel p'(x',y') des großen statischen Bildes M(n-1),
– (x',y') der Gleitkommawert des Pixels p' ist, der aus dem großes statischen Bild extrahiert werden soll. Der Wert der Leuchtdichte entsprechend diesem Pixel wird in Bezug auf die vier nächsten ganzzahligen Koordinaten in dem Bild berechnet, die (x₀,y₀), (x₁,y₁), (x₂,y₂), (x₃,y₃) mit betreffenden Leuchtdichtewerten L0, L1, L2 und L3 sind, und zwar unter Anwendung einer bilinearen Interpolation: L(x',y')= L0 + (x' – x0)(L1 – L0) + (y' – y0)(L2 – L0) + (x' – x0)(y' – y0)(L3 – L2 – L1 + L0)
Die Optimierung der Kostenfunktion ist in diesem Fall eine Minimierung der verlagerten Framedifferenz. Die DFD wird hier mit den Leuchtdichtewerten der Videosignale berechnet, kann aber auch mit den Farbartwerten der Videosignale berechnet werden.
In einer anderen Ausführungsform bezieht sich die Kostenfunktion auf die verlagerte Framekorrelation (DFC) ("Displaced Frame Correaltion"). Die DFC Messung wird an den Pixeln berechnet, die zu dem Bereich S gehören, der das eintreffende Frame F(n) und das aktuelle große statische Bild M(n-1) überlappt, und zwar wie folgt:
Die Optimierung der Kostenfunktion ist in diesem Fall eine Maximierung der verlagerten Framecorrelation. Die DFD wird hier mit den Leuchtdichtewerten der Videosignale berechnet, kann aber auch mit den Farbartwerten der Videosignale berechnet werden.
Das Bewegungsschätzungsverfahren nach der vorliegenden Erfindung umfasst zwei Hauptschritte:
– Ein erster Schritt wird durchgeführt zum automatischen Auslösen der Bewegungsparameter für die zwei ersten Teilbilder.
– Während eines zweiten Schrittes wird jeder Bewegungsparameter unabhängig optimiert, und zwar durch Minimierung einer Kostenfunktion in Bezug auf die DFD. Diese Kostenfunktion cost() ist in der bevorzugten Ausführungsform ein gewichteter mittlerer quadratischer Fehler, wie folgt definiert:
wobei w_p ein Gewichtungskoeffizient ist, der wie folgt definiert wird:
wobei ρ eine symmetrische, positiv definite Funktion mit einem einzigartigen Maximum bei r_p=0 ist.
Die ρ Funktion ist derart gewählt, dass der Einfluss von Ausreißern reduziert wird. In der bevorzugten Ausführungsform ist die ρ Funktion eine Lorentz-Funktion, definiert wie folgt:
wobei σ ein Skalierungsfaktor ist.
Andere ρ Funktionen können für die vorliegende Erfindung geeignet sein, wie beispielsweise die German und McClure Funktion, die wie folgt definiert wird:
In einer zweiten Ausführungsform ist die Kostenfunktion ein anderer gewichteter mittlerer quadratischer Fehler, wobei eine Information über den Gradienten eines Pixels p (grad_p) wie folgt berücksichtigt wird:
wobei T eine Schwelle nahe Null ist und wobei der Gewichtungskoeffizient w_p wie folgt definiert wird:
In dieser zweiten Ausführungsform wird der Gewichtungskoeffizient w_p des mittleren quadratischen Fehlers normalisiert durch Teilung desselben durch die Summe der Gewichtungen bei jeder Pixelstelle zugunsten kleiner Verlagerungen mit kleinen Fehlern statt großer Verlagerungen mit großen Fehlern. Weiterhin ermöglicht die Einführung einer Gradienteninformation Folgendes:
– Gebiete, in denen der Gradient höher ist als die Schwelle T werden wichtiger, wobei diese Gebiete für Anpassungszwecke geeigneter sind,
– Gebiete, in denen der Gradient unterhalb der Schwelle T liegt, werden ausgeschaltet, wodurch es auf diese Weise ermöglicht wird, die Geschwindigkeit der Kostenschätzung zu steigern.
2 ist ein Flussdiagramm, das das Verfahren zeigt, das angewandt wird zum Durchführen der automatischen Auslösung der Bewegungsparameter für die zwei ersten Teilbilder.
In der bevorzugten Ausführungsform wird eine Translationstransformation angwandt, die nur zwei Bewegungsparameter braucht, um eine erste Annäherung der Verlagerungen zwischen den zwei ersten Teilbildern der Videosequenz zu erhalten, wobei keine Prädiktion verfügbar ist.
Der automatische Auslösungsschritt umfasst:
– einen Auslösungssubschritt INI) der Pixelposition xx_min entsprechend dem Minimum der Kostenfunktion in einer horizontalen Richtung: xx_min = 0,
– einen Berechnungssubschritt (CALC) des Wertes j der Pixelposition entsprechend dem Minimum der Kostenfunktion cost(), wenn Translationen bei dem eintreffenden Teilbild in einer horizontalen Richtung angewandt werden, wobei die Amplitude i des Translationsvektors zwischen –5 und +5 Pixeln liegt:
wobei Argmin die Funktion ist, die die Abszisse entsprechend dem Minimum der Kostenfunktion zurücksendet, wobei hier die Verlagerung zwischen den zwei Teilbildern für die betreffende Richtung gegeben ist,
– einen Test (Cj) an dem Wert von j,
– wenn der Test nicht befriedigend ist (j ist nicht gleich Null), einen Subsatz der Neuberechnung (INC) des Wertes xx_min: xx_min = xx_min + j,
– wenn der Test befriedigend ist (j=0) das Ende des Prozesses (RES), was die schlussendliche Translation xx_min in der horizontalen Richtung ergibt.
Derselbe Algorithmus wird in der vertikalen Richtung durchgeführt, damit die durchzuführende Translation yy_min gefunden wird.
3 ist ein Flussdiagramm, das den iterativen Prozess zeigt, der durchgeführt wird zum Optimieren der Bewegungsparameter. Dieses Verfahren basiert auf dr Konvergenzmethode von Powell.
Der Satz von acht Parametern entsprechend den Koordinaten der vier Eckpunkte, wird ausgelöst für Werte, gegeben durch die Prädiktion der globalen Bewegung, in a_k(0) mit 0 ≤ k ≤ 7.
Der Schritt der Optimierung der Bewegungsparameter umfasst:
– einen Initialisierungssubschritt (INIk1) von k und von einem Zähler 1: k = 1 = 0,
– einen Test (Ck) an dem Wert von k,
– wenn der Wert von k zweifellos niedriger ist als 8(y), einen Berechnungssubschritt (PI) des Wertes des Bewegungsparameters a_k(1+1), der einem Minimum der Kostenfunktion cost() entspricht:
wonach ein Inkrementierungssubschritt um Eins von k folgt (INCk),
– in dem entgegengesetzten Fall (n) einen zweiten Test (Ca) an dem Maximum M für die jeweiligen Werte von k, des absoluten Wertes der Differenz zwischen a_k(1+1) und a_k(1):

– wenn der Wert von M kleiner ist als eine Schwelle (y), das Ende des Prozesses (RESa), was die Werte von a_k(1+1) ergibt,
– in dem entgegengesetzten Fall (n), einen Subschritt zur Berechnung neuer Richtungen der Minimierung (DIR), wonach ein Inkrementierungssubschritt um Eins von 1 (INCI) und ein Neuinitialisierungssubschritt von k (INIk) folgen.
Der Berechnungssubschritt (PI) des Wertes a_k(1+1) wird unter Anwendung parabelförmigen Interpolationen durchgeführt. Eine erste parabelförmige Interpolation wird an den Werten der Kostenfunktion durchgeführt, entsprechend drei aufeinander folgenden Pixeln. Danach wird eine neue parabelförmige Interpolation an den drei Pixeln durchgeführt, die dem Minimum der vorher gefundenen Parabel am nächsten liegen. Der Prozess endet, wenn das Minimum der Parabel in dem Fenster enthalten ist, das durch die drei untersuchten Pixeln definiert wird. Ein derartiges Berechnungsverfahren steigert die Konvergenz des Optimierungsschrittes. Wenn ein parabelförmige Interpolationsvorgang nicht möglich ist, (das ist, wenn die Parabel ein Maximum statt eines Minimums hat), wird die Berechnung des Wertes von a_k(1+1) unter Anwendung eines Gradientenabstiegs durchgeführt, der aus aufeinander folgenden Vergleiche von Werten der Kostenfunktion aufeinander folgender Pixel besteht, bis ein Minimum der genannten Kostenfunktion erreicht ist.
Wenn 1 = 0 ist, sind die Richtungen, denen die acht Parameter zur Minimierung der Kostenfunktion folgen, horizontal für Abszissen oder vertikal für Ordinaten, wie in 1 beschrieben. Wenn 1 ≥ 1 ist, werden die Richtungen, die zur Optimierung befolgt werden, neu betrachtet, was die letzte Information gibt, wie in 4 beschrieben. Die Optimierungsrichtung wird als die Richtung d₁(1) definiert, gehend von dem Eckpunkt A(1-1) zu dem Eckpunkt A(1) und ist senkrecht d₂(1) usw. für die drei anderen Eckpunkte.
Dieses Bewegungsschätzungsverfahren kann bei einer Methode und deren entsprechender Anordnung zum Erzeugen eines großen statischen Bildes M(n), wie eines Sprites oder eines Mosaiks, angewandt werden. Ein derartiges Verfahren ist in 5 beschrieben.
Drei Hauptschritte können ein großes statisches Bild M(n) erzeugen. Erstens soll der globale Bewegungsschätzungsschritt ME) nach der vorliegenden Erfindung durchgeführt werden, damit das eintreffende Frame F(n) mit dem großen statischen Bild M(n-1), das bereits aus den vorhergehenden Frames F(1), F(2), ..., F(n-1) zusammengesetzt worden ist, vermischt wird. Der genannte globale Bewegungsschätzungsschritt (ME) ergibt die Bewegungsparameter a_k. Das aktuelle Frame wird danach unter Verwendung der Bewegungsparameter kompensiert; dieser zweite Schritt wird auch als Verwerfung ("Warping") (WAR) bezeichnet. Das verworfene aktuelle Frame F(n) wird zum Schluss mit dem großen statischen Bild M(n-1) vermischt (BLE), und zwar zum Bilden eines neuen vergrößerten großen statischen Bildes M(n), was ein panoramisches Bild der Szene ergibt, das in einem Speicher MEM) gespeichert wird, damit es mit dem nächsten eintreffenden Frame F(n+1) vermischt werden kann, usw.

Claims

Verfahren zum Schätzen von Bewegung zwischen einem eintreffenden Frame F(n) einer Folge von Frames und einem großen statischen Bild M(n-1), wobei das genannte große statische Bild ein Sprite oder ein Mosaik ist, konstruiert aus vorhergehenden Frames F(1)...F(n-1) der genannten Folge, wobei das genannte Bewegungsschätzungsverfahren ein Bewegungsmodell benutzt, und zwar auf Basis einer zweidimensionalen schaubildlichen Transformation mit acht Bewegungsparametern und mit einem Optimierungsschritt einer Kostenfunktion, dadurch gekennzeichnet, dass die genannten acht Bewegungsparameter die Koordinaten der vier Eckpunkte des eintreffenden Frames sind, wobei jeder Eckpunkt der genannten Eckpunkte nacheinander und wiederholt in zwei Richtungen verlagert wird um eine Schätzung der Bewegungsparameter zu finden, die mit einer optimalen Kostenfunktion übereinstimmt.
Bewegungsschätzungsverfahren nach Anspruch 1, dadurch gekennzeichnet, dass die Kostenfunktion durch
definiert wird, wobei r_P eine Differenz zwischen ursprünglichen und vorhergesagten Werten eines Pixels p ist und wobei w_p ein Gewichtungskoeffizient ist.
Bewegungsschätzungsverfahren nach Anspruch 2, dadurch gekennzeichnet, dass der Gewichtungskoeffizient w_p eine Funktion des Reziprokwertes von r_p ist und die Ableitung von ρ(r_p) ist, wobei ρ eine symmetrische, positiv definite Funktion mit einem einzigartigen Maximum bei r_p=0 ist.
Bewegungsschätzungsverfahren nach Anspruch 1, dadurch gekennzeichnet, dass die Kostenfunktion durch
definiert wird, wobei r_p eine Differenz zwischen ursprünglichen und vorhergesagten Wertes eines Pixels p ist, wobei T eine Schwelle ist und wobei w_p ein Gewichtungskoeffizient ist.
Bewegungsschätzungsverfahren nach Anspruch 4, dadurch gekennzeichnet, dass der Gewichtungskoeffizient w_p durch
definiert wird, wobei grad_p ein Gradient eines Pixels p ist und wobei σ ein Skalierungsfaktor ist.
Bewegungsschätzungsverfahren nach Anspruch 1, dadurch gekennzeichnet, dass das genannte Bewegungsschätzungsverfahren einen Verfahrensschritt der automatischen Auslösung der genannten Bewegungsparameter für die zwei ersten Frames unter Anwendung einer zweidimensionalen Translationstransformation umfasst.
Bewegungsschätzungsverfahren nach Anspruch 1, dadurch gekennzeichnet, dass das genannte Bewegungsschätzungsverfahren ein erstes iteratives Verfahren umfasst, das bei jeder Iteration den genannten Optimierungsschritt zum Ermitteln einer Schätzung der acht Bewegungsparameter umfasst, wonach ein Schritt zum Berechnen der zwei Bewegungsrichtungen jedes der vier Eckpunkte folgt, und zwar dadurch, dass die letzte Verformung berücksichtigt wird, wobei das genannte iterative Verfahren durchgeführt wird, bis ein definiertes Kriterium erreicht ist.
Bewegungsschätzungsverfahren nach Anspruch 7, dadurch gekennzeichnet, dass der genannte Optimierungsschritt ein zweites iteratives Verfahren umfasst, das bei jeder Wiederholung einen parabelförmigen Interpolationsvorgang von Werten der genannten Kostenfunktion durchführt, und zwar zum aufeinander folgend Schätzen der Bewegungsparameter.
Verfahren zum Erzeugen eines großen statischen Bildes M(n), wie eines Sprites oder eines Mosaiks, wobei dieses Verfahren ein Verfahren umfasst zum Schätzen einer Bewegung nach einem der Ansprüche 1 bis 8.
Anordnung zum Erzeugen eines großen statischen Bildes M(n), wie eines Sprites oder eines Mosaiks, mit einer Bewegungsschätzungsschaltung, die ein Bewegungsschätzungsverfahren nach einem der Ansprüche 1 bis 8 implementiert.