Page 288 - 《软件学报》2020年第11期

软件学报 ISSN 1000-9825, CODEN RUXUEW E-mail: jos@iscas.ac.cn
Journal of Software,2020,31(11):3603−3620 [doi: 10.13328/j.cnki.jos.005864] http://www.jos.org.cn
©中国科学院软件研究所版权所有. Tel: +86-10-62562563

∗
采用自适应缩放系数优化的块匹配运动估计

1
1
1
宋传鸣 1,2,3 , 闫小红 , 葛明博 , 王相海 , 尹宝才 2
1
(辽宁师范大学 计算机与信息技术学院,辽宁 大连 116029)
2
(大连理工大学 计算机科学与技术学院,辽宁 大连 116024)
3 (计算机软件新技术国家重点实验室(南京大学),江苏 南京 210023)
通讯作者: 宋传鸣, E-mail: chmsong@lnnu.edu.cn

摘 要: 尽管基于平移模型的快速块匹配运动估计算法在一定程度上解决了高计算量的问题,但却是以牺牲运动
补偿质量为代价的,而高阶运动模型尚存在计算量高、收敛不稳定的不足.通过实验统计发现,视频中约有 56.21%的
块包含缩放运动,进而得出缩放运动是除平移运动外最主要的视频运动形式的结论.进而借助双线性插值,在传统的
块平移模型中引进一个缩放系数,将运动补偿误差表示为该缩放系数的一元二次函数,利用韦达定理推导出 1D 缩
放运动下最佳缩放系数的计算方法,并将其进一步推广到 2D 等比例缩放运动的情况下.在此基础上,提出了一种采
用自适应缩放系数优化的快速块匹配运动估计算法.该算法以菱形搜索计算平移矢量,再用自适应缩放系数确定待
预测块的最佳匹配块.在 33 个标准测试视频上的实验结果表明,与基于平移模型的块匹配全搜索和快速菱形搜索相
比,该算法的平均运动补偿峰值信噪比(peak signal-to-noise ratio,简称 PSNR)分别提高了 0.11dB 和 0.64dB,计算量比
全搜索下降了 96.02%,略高于菱形搜索;与基于缩放模型的运动估计相比,该算法的平均峰值信噪比较之 3D 全搜索
下降了 0.62dB,但是比快速 3D 菱形搜索提高了 0.008dB,而计算量仅分别为两者的 0.11%和 3.86%,并且无需向解码
端传输缩放矢量,能够实现编、解码端的自同步,不会增加边信息的码流开销.此外,该自适应缩放系数计算方法还可
与菱形搜索以外的其他快速块匹配运动估计相结合,提高其运动补偿质量.
关键词: 视频编码;运动估计;块匹配;缩放模型;自适应缩放系数
中图法分类号: TP391

中文引用格式: 宋传鸣,闫小红,葛明博,王相海,尹宝才.采用自适应缩放系数优化的块匹配运动估计.软件学报,2020,31(11):
3603−3620. http://www.jos.org.cn/1000-9825/5864.htm
英文引用格式: Song CM, Yan XH, Ge MB, Wang XH, Yin BC. Optimized block-matching motion estimation using adaptive
zoom coefficient. Ruan Jian Xue Bao/Journal of Software, 2020,31(11):3603−3620 (in Chinese). http://www.jos.org.cn/1000-
9825/5864.htm

Optimized Block-matching Motion Estimation Using Adaptive Zoom Coefficient
1
1
1
SONG Chuan-Ming 1,2,3 , YAN Xiao-Hong , GE Ming-Bo , WANG Xiang-Hai , YIN Bao-Cai 2
1 (School of Computer and Information Technology, Liaoning Normal University, Dalian 116029, China)
2 (School of Computer Science and Technology, Dalian University of Technology, Dalian 116024, China)
3 (State Key Laboratory for Novel Software Technology (Nanjing University), Nanjing 210023, China)

∗ 基金项目: 国家自然科学基金(61402214, 41671439, 61632006); 辽宁省自然科学基金(20180550570); 大连市青年科技之星支
持计划(2015R069); 计算机软件新技术国家重点实验室(南京大学)开放课题(KFKT2018B07); 辽宁省高等学校创新团队支持计划
(LT2017013); 辽宁省高等学校创新人才支持计划([2018]478-64)
Foundation item: National Natural Science Foundation of China (61402214, 41671439, 61632006); Natural Science Foundation of
Liaoning Province (20180550570); Program for Youth Science and Technology Star of Dalian City (2015R069); Open Foundation of State
Key Laboratory for Novel Software Technology (Nanjing University) (KFKT2018B07); Program for Liaoning Innovative Research Team
in University (LT2017013); Program for Liaoning Excellent Talents in University ([2018]478-64)
收稿时间: 2018-10-27; 修改时间: 2019-02-25; 采用时间: 2019-05-12