A High Efficient Algorithm for the Estimation of Block Motion Vectors

• Main Authors: Chung, Nung Su, 蘇群能
• Other Authors: Chow, Ben Shen
• Format: Others
• Language: zh-TW
• Published: 1996
• Online Access: http://ndltd.ncl.edu.tw/handle/02079306381226529206

碩士 === 國立中山大學 === 電機工程研究所 === 84 === MPEG系列是目前最主要的動態影像壓縮標準, 提供了系統,視訊與聲音三 部份的壓縮標準. 有關視訊壓縮方面, 位移補償是整體壓縮過程的關鍵 技術, 其中對於區塊位移向量的獲得所耗費的時間最大, 也是整個壓縮 效能的瓶頸, 所以如何更準確且迅速的搜尋出位移向量決定了 MPEG壓縮 效能的成敗.光流估測是應用在計算機視覺中檢測物件位移的技術, 其基 本觀念是基於假設像素在移動過程中其亮度守恆, 因而應用了亮度函數 之梯度性質, 以位移補償獲得同亮度的像素位置. 這種位移補償的觀念 與 MPEG所用到的位移補償類似. 在本論文我們將光流估測中像素亮度 函數的角色, 轉化為區塊間亮度差的總和之純量失真函數, 並為區塊位 移推導出相對應的限制線方程式，藉由梯度資訊的擷取, 透過對此限制 線所做的 簡易投影」後所得的結果來判斷下一步所要搜尋的方向, 直接 逼近最佳匹配區塊的位置.對數法是目前最常被使用的快速搜尋法, 其演 算法則是每一階段先在某一範圍內之八方鄰居中找尋出最佳點, 然後再 以此點為出發點, 對數遞減搜尋範圍後重複運算. 我們觀察其演算特性 後, 發覺其缺點在於前幾階的搜尋過程中, 由於所採樣的鄰居點間隔距 離過大而可能造成往後最佳搜尋方向上的誤判. 為了改進這個缺點, 我 們提出一種「疏密合度的慎始取樣」模式來解決這個問題. 在第一階做 初始搜尋時, 謹慎的從25個初始取樣點中找出一個「最佳出發點」, 之 後再以所找到的出發點為起點, 利用前述的分析失真函數梯度資訊的方 式來判斷下一步所要搜尋的方向. 與對數法比較起來, 我們的方法是屬 於「直接逼近」的方式, 有別於其「間接逼近」的方式, 而且在搜尋速 度與準確度上都有更優異的表現. MPEG is an important standard for dynamic image compression. The main point of video compression about MPEG is that it uses the motion compensation technique to reduce the temporal redudancy; therefore the motion vector estimation, which needs to be efficient in accuracy and speed, is the key technique of MPEG coding. The technique of optical flow estimation has been applied to the field of computer vision. The optical flow is the displace- ment of every pixel in subsequent image estimated by the gra- dient information of the brightness function. In this paper, we apply the concept of optical flow estimation, use the gradient information of block distoration function to estimate the block motion vector. Logarithmic search , which searches the block of eight- neighbors by a strategy of binary search, is the most popular one on block motion estimation. We find the drawback of Log search is the longer distance between the first searching neighbors may cause a wrong decision on the direction of opti- mum point. we proposed a " moderiate initial sampling model" to solve the problem. After the initial smapling, we choose the best one as a starting point and apply the gradient analysis of distoration function to quickly find the best matching block.