作者：李 娟侯 強 吳題 李云強

0 引言

H．264采用了減少視頻圖像各幀間冗余度的運動估計算法。運動估計算法傳統(tǒng)的有全搜索(FS)、三步搜索(TSS)、新三步搜索(NTSS)、四步搜索(FSS)等；常用的是鉆石搜索(DS)和非對稱十字交叉多層次六邊形格點運動搜索算法(UMHexagonS)。運動估計是整個視頻編碼中運算量最大的模塊，可占整個軟件編碼器運算量的70％以上。因此視頻系統(tǒng)中編碼器的復雜部分取決于運動估計算法體系結(jié)構(gòu)的復雜性。

1 運動估計算法分析

1．1 鉆石搜索(DS)算法

DS算法即鉆石搜索算法，被MPEG-4國際標準采用并收入驗證模型VM(Verification Model)中，是MPEG-4建議采用的快速運動估計算法。  DS算法采用了兩種搜索模板，分別是有9個檢測點的大模板和有5個檢測點的小模板。搜索時先用大模板LDSP在搜索區(qū)域中心及周圍8個點處進行匹配計算，當最小塊誤差出現(xiàn)在中心點處時，將大模板LDSP換為SDSP，再進行匹配計算，這時5個點中的MBD(Minimum Block Distortion)即為最優(yōu)匹配點；否則，改變中心位置，仍用LDSP重復計算。

1．2 菱形十字搜索(DCS)算法

菱形十字搜索算法(DCS)算法是在DS算法基礎(chǔ)上改進而來，DCS的匹配模板是建立在兩種不同的搜索模板之上的，即大菱形十字型(LDCSP)和小菱形十字型(SDCSP)，如圖1所示。其中，十字型可以對應(yīng)于實際的運動的矢量分布，而交叉型則是為了加速搜索效果。

DCS算法在進行運動估計匹配運算時，有三種可能的情況：

(1)若MBD點位于LDCSP中心位置，說明圖像是靜止的，DCS算法一步結(jié)束；

(2)若MBD點位于LDCSP小十字位置，說明圖像的運動較小，則在此基礎(chǔ)上按照SDCSP模板反復進行交叉搜索。

(3)若MBD點位于LDCSP大十字位置，說明圖像的運動較大，則在此基礎(chǔ)上按照LDCSP模板反復進行交叉搜索。

由此可以看出，DCS算法的優(yōu)點是，可以根據(jù)圖像的運動類型(如上述三種情況)，白適應(yīng)選擇下一步相應(yīng)的搜索模板，使搜索與圖像內(nèi)容有關(guān)(基于內(nèi)容的搜索)，從而得到較好的搜索效果；DCS算法的搜索并不一定要經(jīng)歷模板由大到小的必然過程，有時一步即可完成搜索；用DCS搜索時，十字形模板對應(yīng)于實際的運動矢量分布，交叉形模板則有準確性“聚焦”特性，這從本質(zhì)上體現(xiàn)了DCS是粗定位和準確定位的有效結(jié)合。 function ImgZoom(Id)//重新設(shè)置圖片大小 防止撐破表格 { var w = $(Id).width; var m = 650; if(w

2 運動估計的閾值確定

視頻圖像的運動矢量大部分為零矢量或運動很小的矢量。運動矢量為零的塊稱為靜止塊；運動矢量很小的塊(以搜索窗口中心為圓心，兩像素為半徑的圓內(nèi))稱為準靜止塊：而其他的稱為運動塊。如果有超過80％運動矢量很小的塊可被看作靜止或準靜止塊。因此，可設(shè)一個閥值T，當運動矢量的值小于T時，可用SDCSP搜索法直接進行精確定位，找出最優(yōu)點；當運動矢量的值大于T時，可用LDCSP搜索算法找出最優(yōu)點。

運動矢量空間域的預測方式有運動矢量中值預測、空間域的上層塊模式運動矢量；在時間域的預測方式有前幀對應(yīng)塊運動矢量預測和時間域的鄰近參考幀運動矢量預測。本文采用運動矢量中值預測方式。根據(jù)與當前E塊相鄰的左邊A塊，上邊B塊和右上邊C塊的運動矢量，取中值作為當前塊的預測運動矢量。如圖2所示。

設(shè)當前要編碼塊E的運動矢量為MVp。如果運動矢量的值MVp≥T，則與E塊相鄰的各塊間運動的相關(guān)性較高，表明該區(qū)域的變化比較平緩；如果運動矢量的值MVp

3 自適應(yīng)運動估計算法

結(jié)合上述DCS算法和閾值的確定，可采取先對視頻圖像的運動塊進行閾值的判斷，再根據(jù)判斷結(jié)果進行最佳匹配塊的搜索。具體搜索步驟描述如下：

Step 1：判斷當前塊運動矢量MVp和閾值確大小。若MVp≥T，則進入Step 2；若MVp

Step 2：用LDCSP在搜索區(qū)域中心及周圍8個點進行匹配運算，然后判斷，找出MBD點。若MBD點位于中心點，說明宏塊是靜止的，DCS算法一步結(jié)束，得到最優(yōu)匹配塊；否則進行Step 3。

Step 3：若MBD點為LDCSP模版的小十字處，以該點為中心構(gòu)建SDCSP進行匹配計算，若MBD點位于中心點，所得MBD點為所求。否則，進入Step 4。

Step 4：若MBD點為LDCSP模版的大十字處，以該點為中心構(gòu)建LCSP進行匹配計算，進入step 2。

Step 5：用LDCSP在搜索區(qū)域中心及周圍5個點進行匹配運算，然后判斷，找出MBD點。若MBD點位于中心點，所得MBD點為所求；否則繼續(xù)Step 5。

算法流程圖如圖3所示

function ImgZoom(Id)//重新設(shè)置圖片大小 防止撐破表格 { var w = $(Id).width; var m = 650; if(w

4 實驗結(jié)果及說明

用搜索時間和PSNR值兩個指標來驗證DCS的性能。本節(jié)實驗用到的所有視頻文件均為QCIF(Quartet commonintermediate format)格式。實驗以主頻1．8GHz的PC機上運行的VisualC++6．0為平臺。測試對象為：missa、salesman、news、grandmother、foreman、carphone、claire，搜索范圍為16×16的矩形框，量化范圍為2～12，測試序列中每幀圖像的大小為176×144。

4．1 搜索時間的比較

為了時間測試的準確性，測試時采用的是VC++提供的兩個精確時間函數(shù)：QueryPerformanceFrequency()和OuerPerformanceCounter()精度對標準測試序列missa、salesman、news、grandmother、foreman、carphone進行精確測定，得表1(數(shù)據(jù)均為三次測量所求得的平均值)。

從表1可知：a．FS搜索效果最佳，但耗時太長；DS算法有較大改進，可以實現(xiàn)實時壓縮；DCS比DS，運行時間都有不同程度的減少，故DCS算法在搜索速度有優(yōu)勢。b．從單個序列來看，DCS算法對missa和salesman時間優(yōu)化最為顯著，分別只占FS算法的7．42％、7．50％和DS算法的98．17％、97．49％；對carphone序列的搜索速度也有很大優(yōu)化，占FS搜索算法的7．97％和DS算法的97．82％。綜合視頻特性可知：DCS算法針對運動平緩的視頻對象搜索速度優(yōu)化明顯。

4．2 信噪比的比較

對標準測試序列claire和carphone序列進行測定，計算PSNR得表2。

表2中FS的平均PSNR最高，達到42．38，但搜索時間最長；DS的PSNR最低，為42．31，而DCS為42．35，高于DS算法，且僅低于FS算法0．03dB。從單個序列來看，DCS算法對claire的優(yōu)化程度最大，超過了FS的PSNR值，說明DCS算法身體靜止僅面部表情運動特點視頻適用。用DCS算法計算得到的carphone的PSNR值雖然低于FS算法，但高于DS算法；missa序列的DCS算法的PSNR值和FS、DS法的相差不大。故DCS算法在搜索速度、圖像質(zhì)量上均有保證。

5 結(jié)束語

本文從搜索時間和圖像質(zhì)量兩方面對各種塊匹配運動估計算法進行了性能分析比較。實驗結(jié)果表明，將菱形十字交叉搜索算法和閾值判斷結(jié)合，在搜索速度方面，有很大程度的優(yōu)化，而且能得到與FS、DS搜索算法相當?shù)膱D像質(zhì)量。DCS算法針對運動平緩的視頻作用明顯，由此推知該算法適用于電視電話、遠程教育等實時視頻壓縮。