关于亚像素运动估计的二次模型6之AQuadraticPredictionBasedFractionalPixelMotionEstimationAlgorithmforH.264

基于二次预测的H.264分数像素运动估计算法

在这项研究中&＃xff0c;提出了一种基于二次预测的H.264分数像素运动估计&＃xff08;ME&＃xff09;算法。这里&＃xff0c;“简并”二次函数用于确定可变大小块的“最佳”量化预测分数像素运动向量&＃xff08;MV&＃xff09;。基于由全搜索ME算法确定的最佳分数像素MV与由所提出的算法确定的“最佳”量化预测分数像素MV之间的绝对分量差之和的部分概率分布&＃xff0c;小菱形搜索模式&＃xff08; SDSP&＃xff09;用于确定1/4像素精度的最终最佳MV&＃xff0c;SDSP最多应用3次。另外&＃xff0c;如果由所提出的算法确定的最佳量化预测分数像素MV和由中心偏差分数像素搜索&＃xff08;CBFPS&＃xff09;算法确定的最佳量化预测分数像素MV都是相同的&＃xff08;0,0&＃xff09;&＃xff0c;则&＃xff08;0,0&＃xff09;直接确定为1/4像素精度的最佳MV。基于本研究获得的实验结果&＃xff0c;该算法的四种ME性能测量值优于四种比较算法&＃xff0c;平均PSNR和比特率略有下降。

2. Proposed Fractional-Pixel Motion Estimation Algorithm for H.264

在H.264 [1]中&＃xff0c;通过对整数像素位置执行ME搜索过程&＃xff0c;然后进行分数像素细化来确定可变大小块的运动矢量&＃xff08;MV&＃xff09;。 整数像素ME以及分数像素细化将返回最小化匹配误差的MV

2.1 Mathematical Prediction Model for Fractional-Pixel Motion Estimation 

在H.264中&＃xff0c;通过最小化等式1中的匹配误差来确定可变大小块的最佳MV。 &＃xff08;2&＃xff09;。基于前一个整数像素ME过程中确定的“最佳”整数MV&＃xff0c;分数像素ME搜索区域的搜索范围只有一个像素。假设匹配误差函数是平滑的是合理的。 在分数像素ME搜索区域内。 在这项研究中&＃xff0c;“退化”二次预测函数用于模拟分数像素ME搜索区域内的匹配误差函数&＃xff0c;由下式给出&＃xff1a;

 其中A&＃xff0c;B&＃xff0c;C&＃xff0c;D和E是要确定的参数&＃xff0c;x和y是以分数像素精度的搜索位置的局部x和y坐标。如图1所示&＃xff0c;搜索范围&＃61; 1像素的分数像素ME搜索区域包含9个整数像素搜索位置。排除一些特殊的整数像素ME算法&＃xff0c;例如三步搜索&＃xff08;TSS&＃xff09;算法[2]和四步搜索&＃xff08;FSS&＃xff09;算法[3]&＃xff0c;一般来说&＃xff0c;五个整数的五个匹配误差值 - 像素搜索位置C&＃xff0c;H1&＃xff0c;H2&＃xff0c;V1和V2在先前的整数像素ME搜索过程中是已知的&＃xff0c;其可用于确定等式1中的五个参数A&＃xff0c;B&＃xff0c;C&＃xff0c;D和E. &＃xff08;4&＃xff09;。这里&＃xff0c;假设F&＃xff08;x&＃xff0c;y&＃xff09;是“局部”分数像素ME搜索区域内的连续&＃xff08;平滑&＃xff09;函数。在图1中&＃xff0c;五个整数像素位置C&＃xff0c;H1&＃xff0c;H2的局部坐标&＃xff0c; V1和V2分别为&＃xff08;0,0&＃xff09;&＃xff0c;&＃xff08; - 1,0&＃xff09;&＃xff0c;&＃xff08;1,0&＃xff09;&＃xff0c;&＃xff08;0&＃xff0c;-1&＃xff09;和&＃xff08;0,1&＃xff09;&＃xff0c;以及五个相应的匹配误差&＃xff0c;表示为F &＃xff08;C&＃xff09;&＃xff0c;F&＃xff08;H1&＃xff09;&＃xff0c;F&＃xff08;H2&＃xff09;&＃xff0c;F&＃xff08;V1&＃xff09;和F&＃xff08;V2&＃xff09;在先前的整数像素ME过程中计算。然后我们有

基于F&＃xff08;x&＃xff0c;y&＃xff09;在“局部”分数像素搜索区域内连续&＃xff08;平滑&＃xff09;的假设&＃xff0c;为了获得最小F&＃xff08;x&＃xff0c;y&＃xff09;&＃xff0c;可以对F&＃xff08;x&＃xff0c;y&＃xff09;执行差分运算 分别对应于x和y&＃xff0c;然后将其设置为零。 上述微分方程的解&＃xff0c;表示为&＃xff08;xp&＃xff0c;yp&＃xff09;&＃xff0c;是具有最小匹配误差的分数像素位置的&＃xff08;x&＃xff0c;y&＃xff09;坐标。 那是

然而&＃xff0c;对于特定情况&＃xff0c;如果A &＃61; 0&＃xff0c;则xp是无穷大&＃xff0c;如果C &＃61; 0&＃xff0c;则yp是无穷大。 为了处理这两种特殊情况&＃xff0c;可以进行以下修改

另外&＃xff0c;使用局部坐标系的最佳PMV&＃xff08;xp&＃xff0c;yp&＃xff09;必须被量化为1/4像素精度的“最佳”量化PMV。 x和y坐标的量化操作被描述为

注意&＃xff0c;使用局部坐标系的最佳PMV&＃xff08;xp&＃xff0c;yp&＃xff09;可以在没有任何困难的情况下被量化为更高像素精度&＃xff08;例如&＃xff0c;以1/8像素精度&＃xff09;的“最佳”量化PMV。另一方面&＃xff0c;由2阶FS ME算法确定的最佳MV与1/4像素精度之间的绝对分量差之和的部分概率分布[1]&＃xff0c;由中心偏置分数确定的最佳量化PMV- H.264 [10]中的像素搜索&＃xff08;CBFPS&＃xff09;算法&＃xff0c;以及由提出的算法确定的最佳量化PMV&＃xff08;xp&＃xff0c;yp&＃xff09;&＃xff0c;搜索范围R &＃61; 16&＃xff0c;QP&＃xff08;量化参数&＃xff09;&＃61; 28&＃xff0c;参考数量两个视频序列的帧&＃xff08;NRF&＃xff09;&＃61; 1,3和5&＃xff0c;“Akiyo”和“Stefan”如表1所示&＃xff0c;其中d &＃61; | xb-xp | &＃43; | yb-yp |和&＃xff08;xp&＃xff0c;yp&＃xff09;和&＃xff08;xb&＃xff0c;yb&＃xff09;是由所提算法&＃xff08;或H.264 [10]中的CBFPS算法&＃xff09;确定的1/4像素精度的最佳量化PMV并且分别由2级FS ME算法确定的1/4像素精度的最佳MV。如表1所示&＃xff0c;d小于或等于0.75像素的概率大于H.264 [10]中CBFPS算法的88.8&＃xff05;和所提算法的97&＃xff05;。基于最佳量化PMV&＃xff08;xp&＃xff0c;yp&＃xff09;&＃xff0c;在所提算法中以1/4像素精度的最终局部搜索模式可以令人满意地解决1/4像素精度的最佳MV&＃xff08;xb&＃xff0c;yb&＃xff09;。

2.2 Proposed Local Fractional-Pixel ME Algorithm 

在该研究中&＃xff0c;基于由所提出的算法确定的1/4像素精度的最佳量化PMV&＃xff08;xp&＃xff0c;yp&＃xff09;&＃xff0c;使用图2中所示的1/4像素精度的小菱形搜索模式&＃xff08;SDSP&＃xff09;。 以1/4像素精度确定最终的最佳MV&＃xff0c;其中以1/4像素精度的最佳量化PMV&＃xff08;xp&＃xff0c;yp&＃xff09;位于SDSP的中心&＃xff08;标记为