Page 298 - 《软件学报》2020年第11期

宋传鸣 等:采用自适应缩放系数优化的块匹配运动估计 3613

5.1 运动估计/补偿质量的比较
表 2 给出了 5 种对比算法和本文算法对每个视频序列前 90 帧的亮度分量进行运动估计/补偿的平均 PSNR.
Table 2 Motion-compensated PSNR comparison
表 2 运动补偿的 PSNR 比较
块匹配 块匹配 块匹配全搜索+ 基于缩放 [50]
视频序列 [50] 3D-ZPDS 本文算法
全搜索 菱形搜索 自适应缩放系数预测 模型的全搜索
Akiyo 42.67 42.65 43.31 43.23 43.11 43.29
Coastguard 29.71 29.19 30.22 30.45 30.32 29.69
Container 38.35 38.35 38.84 37.78 37.77 38.84
Foreman 33.52 32.47 34.04 33.94 30.59 33.10
Hall 34.48 34.37 34.93 35.02 34.92 34.85
Highway 36.08 34.63 36.62 36.83 33.56 35.15
Husky 19.70 19.17 20.26 20.64 20.53 19.78
Ice 30.99 30.11 31.54 31.70 31.51 30.89
Intros_cif 37.30 36.36 37.64 37.29 34.33 37.05
Mobile 23.96 23.58 24.93 25.59 25.29 24.59
Mother & Daughter 40.26 39.95 40.89 41.07 40.89 40.67
News 37.83 37.71 38.41 38.36 38.21 38.29
Pamphlet 43.12 41.87 43.35 43.21 43.15 42.36
Paris 30.70 30.50 31.33 31.35 31.21 31.15
Sign_irene 33.56 32.95 33.99 34.28 34.04 33.38
Silent 35.95 35.58 36.69 36.17 31.81 35.98
Soccer 28.60 27.79 30.17 30.37 30.20 28.63
Students 39.49 39.40 40.04 40.18 40.07 39.96
Tempete 27.75 27.37 28.40 28.82 28.63 28.08
Tennis 28.91 27.16 29.52 29.65 29.51 28.05
Vtc1nw 44.70 44.70 44.94 44.51 42.40 44.94
Waterfall 35.53 35.52 36.39 36.48 36.37 36.38
Crew 32.36 31.64 32.97 33.21 33.06 32.41
City 30.86 29.46 31.65 32.03 31.77 30.29
Harbour 28.10 27.79 28.84 29.04 28.86 28.58
BQmall 29.63 28.22 30.06 30.26 30.12 28.84
Flowervase 37.42 37.34 38.06 38.41 38.23 38.00
FourPeople 38.43 38.17 38.93 39.12 38.96 38.76
Johnny 38.83 38.61 39.42 39.76 39.51 39.28
KristenAndSara 39.38 39.16 40.03 40.35 40.11 39.89
BQTerrace 25.51 25.31 26.20 26.65 26.52 26.04
Cactus 29.53 28.95 30.02 30.34 30.23 29.63
ParkScene 29.98 29.57 30.51 30.93 30.81 30.06
平均 33.73 33.20 34.34 34.46 33.84 33.84

由表 2 可知:
• 尽管块匹配全搜索是平移模型下补偿质量最高的运动估计算法,可是由于其仅能预测物体在 2D 空间
的刚体平移运动,其平均 PSNR 比基于缩放模型的全搜索 ZFS 和快速搜索 3D-ZPDS 分别降低了
0.73dB 和 0.11dB.这说明在运动估计中引入缩放分量能够有效地提高运动补偿的质量,与表 1 的分析
结果一致.
• 作为一种典型的快速、次最优运动估计算法,菱形搜索的平均 PSNR 比块匹配全搜索降低 0.53dB.这源
于菱形搜索只计算搜索窗口中一部分候选向量的匹配误差,难免陷入局部最优.然而,当在菱形搜索的
基础上引进了自适应缩放系数后,本文算法的平均 PSNR 比菱形搜索提高了 0.64dB,甚至优于块匹配
全搜索(比后者高出 0.11dB).可见,在快速块匹配运动估计中引入缩放系数来克服平移模型的不足,是
一种合理且行之有效的优化方案.同时,本文算法与 3D-ZPDS [50] 均是考虑了缩放因素的快速运动估计,
不同之处在于,本文算法的缩放运动系数是直接预测得到的,而后者的缩放系数却是通过 3D 菱形搜索
获得,且本文算法的运动补偿性能比后者平均高出 0.008dB.这表明本文的自适应预测方法能够充分利