快速块匹配算法研究
基于方向自适应十字搜索的快速块匹配运动估计算法
０ 引言
运动估计是视频编码 中的核心技术 ， 运动估计 的好坏直接 影响到编码 的效率和 图像 恢复 的质量。块 匹配运动估 计算法
（ ＭＡ 是消除视频数据时间冗余最 基本 且最重要 的方法 。由 Ｂ ）
Ｄａ ｎ ｅｒｈ Ｃ Ｓ ［ 。由于运 动矢量 （ ｉ ｍｏ ｄＳａｃ ，Ｋ Ｄ ）６ ｊ ＭＶ） 有 中心分 具
ｃｕｄｓｅｄｕ ４ ６ ％ ， ９７ ％ ， ２ ４ ％ ， ｎ ．４ ｏｅ ｔｅＤａ ｏｄＳａｃ （ Ｓ ，ｏａｅＤ （ Ｄ ） ＣｏｓＤａ ｏｄ ｏ ｌ ｐｅ ｐ７ ．５ ３ ．８ ４ ．４ ａｄ７ ８ ％ ｖｒｈ ｉｍ ｎ ｅｒｈ Ｄ ） Ｓｕｒ—Ｓ Ｓ Ｓ ， ｒｓ—ｉｍ ｎ Ｓａ ｈ Ｃ Ｓ ， ｎ ｍ ｌＣ Ｓ Ｓ Ｄ ）ａ ｏ ｔｍ ， ｅｐｃ ｖｌ， ｎ ｏｌ ａｎａ ｅｓ ｉ ｒ ｅｒｈａｃｒｃ． ｅｒ （ Ｄ ） ａ ｄＳ ａ —Ｄ （ Ｃ Ｓ ｌ ｒｈ ｓ ｒｓｅｔ ｅ ａ ｄｉｃｕｄｍ ｉｔ ｎｔ ｍｌ ａｃ ｃｕａｙ ｃ ｌ ｇｉ ｉ ｙ ｔ ｉ ｈ ｉ ａｓ
关键词 ：块 匹配 ；运动估计 ；方向 自适应十 字搜 索 中图分 类号 ：Ｔ ３ １６ Ｐ ０． 文献标 志码 ：Ａ 文章编 号 ：１ ０ —６ ５ ２ ０ ） ５ ０ ４ ・２ ０ １ ３ ９ （ ０ ７ ０ —０ ４ ０
Ｎｏ ｅ ｉｎ ｅ ａ ｔｖ ｏ ｓＳ ａｃ ｏ ｖ ｌＯｒｅ ｔｄ Ａｄ ｐ ｉｅ Ｃｒ ｓ ｅ ｒｈ ｆｒ
基 于方 向 动估 计 算 法 术
杨 恒 ，王 庆
（ 西北工 业大 学 计算机 学院 ， 西 西安 ７０７ ） 陕 １０ ２
摘
要：提 出了一种方向 自 适应十字搜索算法， 通过 自 适应地使用小十字模板 、 大十字模板和四种方向的 Ｔ形
视频压缩中运动估计块匹配算法分析与研究
应用。 １运动估计 的基本原理 １１ 动估计 的基本思想 ．运 运动估 计的基本 思想是 将帧 分成 许多 互 不重叠的宏块或其 它大小 的块 ，假设 当前帧中 的象素块 是前一 帧或后一帧 图像 中某个象素块 移动而来 ， 未发生移 动， 或 宏块中的每个 象素 均 做相同的运 动并认为宏块 内所有像素的位移 量 都相同 。 然后根据 匹配准则 。 对当前帧中的每一 块到前一 帧或后一 帧在某一给定搜索范围内找 出与当前 块最相 似的块 ， 即最佳匹配块。 由最佳 匹配块与 当前 块的相对位置计算 出运动位 移 ， 该位移即为当前块 的运动矢量。 １ ． 匹配准则 ２块 块匹配准则是判断块相似程度 的依 据 ， 因 此 匹配 准则 的好坏 直接 影响 了运动 估计 的精 参 考 文 献 度， 也是提高运动估计算法 的速度 的一种途径。 算法采用 比较实用 的绝对误差和 Ｄ 准刚。 Ａ ） 与 的运动矢 量之差 的绝对值都小 于给定 的 Ｉ ｌｅ ｏｇ Ｌ ｕＷｅ ｕ ． ｌｃ — ａ ｅ ａｔ — ｌ ￣ ｎ ｉ． ｉ ｎＢ ｏ ｋ Ｂ ｓｄ Ｆ ｓ ｔ Ｓ Ｍｏ ｉｎ ｔ ｍａｉ ｎ ｌ ｏ ｉ ｈ ｎ ｄ， ｏ ｅ— ２ 常见运动估计搜索算法与分析 阈值 Ｌ ，则认为与 ｃ块相邻 的各块之 间运动 的 ｔｏ Ｅｓｉ ｔｏ Ａ ｇ ｒｔ ｍｓ ｉ Ｖｉ ｅ， Ｃ ｍｐｒｓ ｉ ｍ ｈ ￣ Ａｕ ｕ ｓ ４ １ ９８ ８ １ ． 最 简单 的块 匹 配 运 动估 计 是 全 搜 索 法 相关性较高 ，表明该区域的变化 比较 平缓 。否 ｓｏ Ｔ ｅ ， ｇ ｅ ｔ ２ ． ９ ： — ０ （ｕ ｅｒ ， Ｓ ，它穷尽参考帧搜索窗内所 有 则 。 Ｆ ｌ Ｓａ ｈ Ｆ ） ｌ ｃ 认为与 ｃ块 相邻的各块 之问运动 的相关性 【】 ２叶学兵． 视频 压缩 中运 动估计 的研 究【 】 Ｄ．硕 表明该 区域变化 比较剧烈日 。 士 论 文 ： 化 工 大学 ２ ０ ．１ １ 北京 ０５１： ． ３ 可能的点进行比较 。找 到块匹配运动估计最小 较低 ， ｒ１ 德 宝． 于 Ｈ． ４的 帧 内 与 帧 间预 测 方 法 ３王 基 ２ ６ 的匹配块 。Ｆ 是最 直接的搜索方 法 ， Ｓ 也是精度 ３ Ｄ Ａ 法搜 索模板 的选择 ．ＡＳ 算 ３ 最高的搜索方法。但 运算 量大 ， 占到整个编 Ｄ． 硕 合 ０． ９４ ． ５： 由于 Ａ Ｓ Ｄ Ａ算法搜 索过程 中要判 断搜索 方 研 究 『１ 士 论 文 ： 肥 工 业 大 学２０ ７ ３ —４ ４李戌祯． 频压缩中运动估计 算法的研 究【】 视 Ｄ． 码运算量的 ７ ‰ ９ Ｏ ∞ 。 向并按搜索方 向进行探测 ， 以采用 的搜索 模 ｆ】 所 ＳＳ ２ ０ ．４ ５７ Ｆ ｓ巨大的时问开销 不利于视频实 时编码 式应该具有较强 的方 向性。 Ｄ Ｐ方 向性较强符 太原 理 工 大 学硕 士 论 文 ，０ ８ ： ． ５宗 Ｈ． ６ 朔压 的应用 ， 因此 ， 很多学者研 究并提 出了各种类型 合 这一点被本算法采用 ，同时采用了六边形模 『１ 怡． ２ ４视 ｌｉ 缩 关 键 技 术 的研 究 与 应 用 的快速算法 ： 三步搜索法、 交叉搜索法 、 四步法 、 式 ， 并对其搜索方 向进行 了极化 ： 由六边形搜索 ［Ｉ 士论 文： 大 学 ， ０ ． １． Ｄ． 硕 中北 ２ ８ ：３ ０ ５ 作者简介 ： 郭孝存（ ７ －， 山 东成武人 ， １ ７） ９ 男， 菱形搜索法 、 六边形搜索法等。 这些算法 中菱形 得 出的 Ｓ Ｄ值最小点非 中心点 时 ， Ａ 如果最小点 内蒙 古科 技 大 学信 息 工程 学 院在 读 硕 士 ， 搜索算法性能 比较优越 ，被 国际视频压缩标准 的 Ｙ坐标 与 中心 点 同 ，则 直 接 用 中 心 点 到该 点 讲 师 ， 视 Ｈ２４ ． 标准和 Ｍ Ｅ － 标 准所 采用。六边形搜 的方 向为新 的搜索方 向；否则取与中心点 到该 研 究 方 向 ： 频 图像 压 缩 研 究 。 ６ ＰＧ４ 索算法是菱形搜索法的一种改进算法 ，它将菱 点 的方 向相近似 的 Ｙ 轴方 向为新 的搜索方向。 形搜 索法（Ｓ的大菱形搜 索模式（Ｄ Ｐ改成六 Ｉ） ） Ｌ Ｓ） ３４ Ａ Ａ算法的步骤 ． ＤＳ 第一步 ，根据时空上的相关性确定出当前 边形模式 ， 小菱形搜索模式（ Ｓ ）ｊ Ｓ Ｐ 然保 留。 Ｄ ￣ 改 进 后的优点为 ： 六边形模式 更接近于 以 ２为 块的预测运 动矢量 ， 出初始搜索点并 作为搜 得 半 径的圆 ， 使得搜 索效率更高 ．． Ｌ Ｓ ｂ比 Ｄ Ｐ减少 索中心点 。 第 二步 ，由相关性分析判断 出搜索当前搜 ２个搜索点 。 以上算法 中基本都 是先用 大搜索 模式 在 索块与相邻块之 间的运动相关性 ，如果相邻块 则进入第三步 ； 否则进人第 定范 围内搜索 ， 再用小模式进行 “ 聚焦” 位。 之间的相关性 较低 ， 定 但 是这些算法在背景静止的视频序列 中 ， 其 四步搜索。 尤 是 对那 些 运 动 矢 量 近 乎 为 零 的 块 的运 动 估计 搜 第 三步 ，选择六边形搜索模式搜索匹配计 个 Ａ Ａ 索 ， 在很大的计算冗余， 存 而且对所有 的参考 图 算相应 的 ７ 点的 Ｓ Ｄ值 ，如果最小 Ｓ Ｄ值 像都采用固定 的步长 。无法兼顾对运 动剧烈 的 不在中心 ， 则将该点标记 为准最优 匹配点 ， 进入 否则转入第四步。 图像和变化缓慢 的图像 ：对于运动剧烈的图像 第五步 ， 第 四步 ，选择 Ｓ Ｓ 模式 搜索匹配计算相 ＤＰ 会 出现局部最优 现象 。对于变化缓慢 的图像出 应的５ 个点 的 Ｓ Ｄ值 ，如果最小 Ｓ Ｄ值在 中 Ａ Ａ 现计算冗余现象。
基于块匹配的运动估计搜索算法研究与实现
摘 要 ： 了满足运动矢量概率分布特性， 出了非对称双十字形搜索（ Ｄ Ｓ 算法， 为 提 Ｕ Ｃ） 给出了在搜索 的初始阶段使用小十字搜 索模型对小的运动矢量搜索并在相继的搜索过程中使用具有方向性的十字形 搜 索模型对大运动矢量进行搜 索的步骤。介绍 了该算法的实现结构， 并分析 了 该算法搜索性能。 关键词 ： 匹配运动估计 ； 块 非对称十字形搜 索； 十字中心偏置特性 中图分类号： Ｐ ９ ．１ Ｔ ３ １４ 文献标识ｌ ｃｏｓｓａｃ ｇｒｈ （ Ｄ Ｓ ｗ ｓ ｐｏｏｅ ｂｓｄ ｎ ｏｉ ｖｃｏ ｄｓ ｂｔ ｎ ｓ ｃ：Ａ ｎｙ ｅ ａ ｒｓ， ｒｈ ａ ｏｉ ｍ Ｕ Ｃ ） ａ ｒｐ ｓｄ ａｅ ｏ ｍ ｔ ｎ ｅｔ ｉ ｒ ｕｉ ｒ ｉ ｒ ｅ ｌ ｔ ｏ ｒ ｔ ｏ ｉ
１ １ 搜索模型 ．
由于以Ｍ Ｐ的统计分布特性为基础的模型设计方法是获 Ｖ 得最大搜索性能改善的方法之一， 因此本文对 １ ６个含有不同
运动特性的 ＱＦ 式 和 ｓＦ 式 的序列进 行测试 ， Ｉ格 Ｉ格 并使用 Ｆ Ｓ
比 有 代 表性 的算 法 是 三 步 搜 索 法 （Ｓ ） 二 维 对 数 法 较 ３Ｓ 和 （Ｌ Ｇ ） ２Ｏ Ｓ 等。由于这些 算法主要利用运 动矢 量的均匀分布模
２ Ｃ ｌｇ ｌ ｔ ｎｃ ａ ｎｏ ａｉ ｎ ｉ ｅ ｎ ，Ｓ ｕ －ｅｔ ｌ ｎｖｒｔｆｒ ａｉ ｌｉ，Ｗ ｈ ｎＨｕｅ４ ０７ ，Ｃ ｉ ） ． ｏ ｅｅｏ Ｅｅ ｒ ｉ ｎ Ｉ ｒ ｔ ｎＥ ｇｎ ｒ ｇ ｏｔ Ｃｎｒ ｉ ｓｙ ｏ ｔｎ ｉｅ ｌ ｆ ｃｏ ｓ ｄ ｆ ｍ ｏ ｅｉ ｈ ａ Ｕ ｅｉ Ｎ ｏ ｔｓ ｕ ａ ｂｉ ３０ ４ ｈ ａ ａ ｎ
一种基于矢量相关性的快速匹配算法
・图像 与信 号处理 ・
一
种 基 于矢 量 相关 性 的快 速 匹 配算 法
王文 宁 师 磊 ，
（． １ 山东农业大学信 息学 院， 山东 泰安 ２ １１ ；． ７ ０ ８２ 山东泰安供电公司 ， 山东 泰安 ２ ００ ） ７ １０
摘
一
要： 针对传统的基于灰度特征的图像匹配算法的匹配速度慢和对灰度敏感 的问题， 出了 提
Ｗ ＡＮＧ ｅ ｎ ｎ ， ＨＩ Ｌ ｉ Ｗ ｎ． ｉ ｇ Ｓ ｅ
（ ． ｃｏｌ ｆ ｎｏ ｔ ｎＳ ｉ ｃ ｎ ｎｉｅｒ ｇ Ｓａｄｎ ｇ ｃｌ ｒｌ ｎｖｒｔ，ａ ｎ２ １１ ，ｈｎ ； １Ｓ ｈｏ ｏ Ｉ ｒ ｉ ｃ ｎｅａｄＥ ｇ ｅ ｎ ，ｈｎ ｏｇＡ ｒ ｕｔ ａ Ｕ ｉ ｓｙＴ ｉ ７０ ８ Ｃ ｉａ ｆ ｍａｏ ｅ ｎ ｉ ｉ ｕ ｅｉ ａ
种基 于矢 量相 关性 的快速 匹配算 法。该 算 法从 矢量 关 系的角度 分析 图像 间差异 。采用 高维
空间矢量表征图像所含信息， 通过计算矢量之间的角度衡量待 匹配 区与模板 的相关性。实验 验证 了采用的矢量角度作为 图 间关系的测度的合理 性和准确性 ， 明了该算法的图像 匹配 像 表
具有 快速 性和较 高 的准 确性 。 关键词 ： 图像 匹配 ； 边缘 分 割 ； 矢量 关 系； 测算 子 检
中 图分 类号 ：Ｐ ９ ． １ Ｔ ３ １ ４ 文献 标识 码 ： Ａ
Ａ ｓ ａ ｃ ｉ ｇ Ａｌｏ ｉ Ｆａ ｔＭ ｔｈ ｎ ｇ ｒｔ ｈｍ ｓ ｄ ｏ ｃｏ ｒ ｅａ ｉ ｎ Ｂａ ｅ ｎ Ｖｅ ｔ ｒ Ｃｏ ｒ ｌｔｏ
ａｅ ｐ ｅ ｅ ｔｄ Ｆ ｏ ｔ ｅ ｖｅ ｐ ｉ ｔ ｆ ｅ ｔｒｃ ｒｅ ａｉｎ ｉ ｉｈ ｄ ｍｅ ｓｏ ａ ｐ ｃ ， ｅｄ ｆ ｒ ｎ ｅｏ ｏ ｉ ｇ ｓｗ ｓａ — ｒ ｒ ｓ ｎ ｅ ． ｒ ｍ ｈ ｉｗ ｏ ｎ ｃｏ ｏ ｌｔ ｈ ｇ ｉ ｎ ｉｎ ｓ ａ ｅ ｔ ｉ ｅ ｅ ｃ ｆ ｗ ｏｖ ｏ ｎ ｌ ｈ ｆ ｔ ｍａ ｅ ａ ｎ
又快又准的特征匹配方法
又快又准的特征匹配方法又快又准的特征匹配方法是计算机视觉领域中非常重要的一个问题。
特征匹配是指在两个或多个图像中找到具有相似性的特征点，并建立它们之间的对应关系。
特征匹配在很多应用中都有广泛的应用，如图像配准、目标检测和跟踪等。
在过去的几十年中，研究人员提出了许多特征匹配方法，其中一些方法即使在处理大规模数据集时也能提供很高的匹配准确性和效率。
下面将介绍几种又快又准的特征匹配方法。
1.SIFT（尺度不变特征变换）SIFT是一种非常经典的特征匹配算法，在很多应用中都被广泛使用。
它通过将图像中的特征点转换成尺度、旋转和亮度不变的向量，然后使用特征向量之间的欧氏距离来进行匹配。
SIFT算法具有很高的匹配准确性和鲁棒性，但在处理大规模数据集时会存在时间和空间复杂度较高的问题。
2.SURF（加速稳健特征）SURF是一种基于SIFT的改进算法，能够在保持较高匹配准确性的同时提高匹配的速度。
SURF算法用Hessian矩阵来检测特征点，并通过使用积分图像来加速特征描述子的计算。
这种基于加速稳健特征的特征匹配方法比SIFT更快、更鲁棒，适用于处理大规模数据集。
3.ORB（方向倒角二值描述子）ORB是一种在效率和准确性之间取得平衡的特征匹配算法。
它结合了FAST关键点检测器和BRIEF特征描述子，使用方向倒角二进制描述子来表示特征点，从而使得匹配速度更快。
ORB算法在实践中表现良好，尤其适用于移动设备上的实时应用。
4.BRISK（加速鲁棒特征）BRISK是一种能够提供快速、鲁棒特征匹配的算法。
它通过快速角点检测器来检测特征点，并使用二进制描述子来进行特征匹配。
BRISK算法具有较低的计算复杂度和内存消耗，并且能够在保持较高的匹配准确性的同时提供很高的速度。
TCH（局部联合二进制特征）LATCH是一种基于二进制特征匹配的算法，具有很高的匹配速度和鲁棒性。
LATCH算法通过使用快速特征检测器和局部联合二进制描述子来检测和匹配图像中的特征点。
视频编码中的运动估计算法探索
视频编码中的运动估计算法探索视频编码是指将连续的视频信号转换为数字形式，以便于存储、传输和处理的过程。
视频编码的核心任务之一是压缩视频数据，以减小文件大小或减少带宽需求。
其中，运动估计是视频编码中一个关键的环节，它能够找到连续视频帧之间的运动信息，并将其利用于压缩算法中。
本文将探索视频编码中常用的运动估计算法及其原理、优缺点以及应用。
一、运动估计的原理及作用运动估计是基于视频序列中的帧间差异进行的。
它通过比较当前帧与参考帧之间的差异来计算运动矢量（Motion Vector，MV）。
运动矢量表示了目标在时域上的运动特征。
在编码时，只需保留运动矢量和差异帧，从而实现视频压缩。
运动估计的作用是找到当前帧与参考帧之间的最佳匹配，以便能够准确描述目标的运动状态。
通过将运动估计的信息传递给解码器，解码器能够使用这些信息来还原出原始视频帧，从而实现视频的连续播放。
二、全局运动估计算法1. 块匹配算法（Block Matching Algorithm，BMA）块匹配算法是最常用的全局运动估计算法之一。
其基本思想是将当前帧划分为若干个块，并在参考帧中寻找与之最佳匹配的块，从而得到对应的运动矢量。
BMA算法简单有效，但在处理快速运动和复杂运动时存在一定的局限性。
2. 平方和差分算法（Sum of Absolute Difference，SAD）平方和差分算法是BMA算法的一种改进。
它通过计算块中像素值的差的平方和来度量差异，从而找到最小差异的块作为最佳匹配。
SAD算法在提高运动估计的精度方面有所帮助，但在速度上相对较慢。
三、局部运动估计算法1. 区域匹配算法（Region Matching Algorithm，RMA）区域匹配算法是一种基于像素的非全局运动估计算法。
它将当前帧的图像划分为不同的区域，并寻找参考帧的区域进行匹配。
RMA算法能够更好地处理复杂运动情况，但计算量和时间复杂度较高。
2. 梯度法梯度法是一种基于局部像素间梯度变化的运动估计方法。
图像编码中的块匹配算法原理与应用(二)
图像编码是当今数字图像处理领域中重要的研究方向之一。
在图像编码中，块匹配算法是一种常用的技术，它可以有效地减少图像数据的冗余度，提高图像压缩的性能。
本文将介绍块匹配算法的原理与应用。
1. 块匹配算法的原理块匹配算法的基本思想是通过将源图像分成一系列的块，并在目标图像中寻找与源图像块最为相似的块来进行编码。
常用的块匹配算法包括全搜素算法、三步搜素算法、四步搜素算法等。
全搜素算法是最简单直观的块匹配算法。
它通过计算源图像块与目标图像中每个块的差异度，找到差异度最小的块作为匹配块。
然而，全搜素算法需要计算源图像块与目标图像中的所有块的差异度，计算量非常大，在实际应用中不太实用。
为了降低计算复杂度，三步搜素算法被提出。
该算法通过在目标图像中先找到一个与源图像块差异度最小的块，并以该块为中心，向周围搜索，找到差异度更小的块。
然后，以该块为中心再进行一次搜索，直到满足设定的搜索步数。
三步搜素算法减少了计算量，但可能会导致局部最优解的出现。
为了进一步提高块匹配算法的性能，四步搜素算法被提出。
该算法结合了全搜素算法和三步搜素算法的优点。
在四步搜素算法中，首先进行全搜素，然后根据全搜素的结果，进行三步搜素，以获得更准确的匹配块。
四步搜素算法在保证一定压缩比的同时，又能够有效减小计算量。
2. 块匹配算法的应用块匹配算法在图像编码中有着广泛的应用。
首先，它可以用于图像压缩。
通过将图像分块，并使用块匹配算法寻找相似的块来进行编码，可以实现对图像数据的高效压缩，减小图像文件的存储空间。
同时，在网络传输中，图像压缩能够降低传输带宽。
其次，块匹配算法可以用于图像插值和放大。
在图像插值中，块匹配算法可以通过查找相似的块来对图像进行补全，从而实现对图像分辨率的提高。
在图像放大中，块匹配算法可以通过找到相似的块，并进行像素的插值，使得放大后的图像更加清晰。
此外，块匹配算法还可以用于运动估计和视频编码。
在视频编码中，运动估计是一项重要的工作，通过块匹配算法可以找到图像序列中相邻帧之间的运动矢量，从而进一步提高视频压缩的效果。
分数像素快速块匹配运动估计方法综述
分数像素快速块匹配运动估计方法综述陈志江;涂丹【摘要】The basic theory of fractional pel block-matching motion estimation was introduced,because of the high-complexity,fast algorithm is required.This article gave a summarize of existed fastalgorithm,introduced the main four key technique： mathematical model,motion vector prediction,search strategy optimize and early termination.It gave an introduction of representative algorithms.Finally,the paper prospected some future directions of fast fractional pel block-matching motion estimation algorithm.%介绍了视频压缩中分数像素快速块匹配运动估计的基础原理,由于全搜索算法计算量很大,需要发展快速算法。
对现有快速算法进行了研究总结,介绍了所应用的数学模型、向量预测、搜索优化、提前终止4个关键技术及代表算法。
最后对分数像素快速块匹配运动估计方法进行了总结和展望。
【期刊名称】《电子设计工程》【年(卷),期】2011(019)016【总页数】7页(P182-187,192)【关键词】运动估计;块匹配;快速算法;分数像素【作者】陈志江;涂丹【作者单位】国防科技大学信息系统与管理学院系统工程系,湖南长沙410073;国防科技大学信息系统与管理学院系统工程系,湖南长沙410073【正文语种】中文【中图分类】TP391运动估计（Motion Estimation，ME）是根据图像内容估计图像序列相对运动的方法，是计算机视觉领域的关键技术，由于其在压缩编码、视频稳像、目标跟踪、图像配准等方面有着重要应用，一直以来都是研究的热点，各种技术方案推陈出新、快速发展。
运动估计块匹配算法分析与研究
算 法 有其 优缺 点和 适用 范 围． 各
１
运 动 估 计 的块 匹 配算 法 原理
运 动估计 块 匹配 法 的基 本 思想 是 将 每 一 帧 图像 分 割 成 一 系 列 子块 图像 ，宏 块 大 小 为 Ｍ ×Ｎ （ 般 取 一
１ ×１ ） ６ ６ ．计 算 当前 帧 中每一 子块 与相 邻帧 中的各子块 的误差 函数 ，把 具有 最小误 差 的相邻 帧 的对应子 块
Ｖｏ ２ ＮＯ ３ ｋ２ ．
Ｊ ｎ ０ ６ ｕ ｅ２ ０
运 动 估 计块 匹 配 算 法 分析 与研 究
乔 月圆 ，冯 贵 良 兰安 怡 ，
（ ．山 西 大 同 大 学 ，山 西 大 同 ０ ７ ０ ；２ １ ３ ０ ３ ．河 北 北 方 学 院计 算 机 科 学 系 ， 河 北 张 家 口 ０ ５ ０ ） ７０ ０
关 键 词 ：运 动估 计 ；块 匹 配 ；算 法 中 图 分 类 号 ：Ｔ ０ ． Ｐ３１６ 文 献 标 识 码 ：Ａ 文 章 编 号 ：１７ －４ ２ （０ ６ ３０ ６－４ ６ ３１９ ２ ０ ）０ －０ ７０
Ｔｈ ｓ ａ ｃ ｆＢｌ ｃ ａ ｃ ｉ ｇ Ａｌ ｏ ｉｈ ｓ ｆ ｒ Ｍ ｏ ｉ ｎ Ｅｓｉ ａ ｉ ｎ ｅ Ｒｅ ｅ ｒ ｈ ｏ ｏ ｋ Ｍ ｔ ｈ ｎ ｇ ｒ ｔ ｍ ｏ ｔｏ ｔｍ ｔｏ
ＱＩ ＡＯ ｅｙ ａ ＦＥ Ｙｕ — ｕ ｎ ， ＮＧ ｉｌ ｎ ， Ｌ Ｇｕ—ｉ ｇ ａ ＡＮ — ｉ Ａｎ ｙ。
（ ． Ｓ ａ ￣ Ｄａ ｏ ｇ Ｕｎ ｖ ｒ ｉ １ ｈｎ ｔ ｎ ｉ ｅ ｓｔ ｙ， Ｄａ ｏ ｇ Ｓ ａ ｘ ３ ０ ３ Ｃｈ ｎ ； ｔｎ ， ｈ ｎ ｉ ７ ０ ， ０ ｉａ
２ Ｄｅ ａ ｔ ｎ ｆ ｍｐ ｔｒＳ ｉｎ ｅ ． ｐ ｒｍｅ ｔｏ Ｃｏ ｕｅ ｃｅ ｃ ，Ｈｅ ｅ ｒｈ Ｕｎｖ ｒｉ ｂ ｉＮｏ ｔ ｉｅｓｔ ｙ，Ｚ ａ ￣ｉｋ ｕ，Ｈｅ ｅ ０ ５ ０ ｈ ｎ ａｏ ｂ ｉ ７ ０ ０，Ｃｈｎ ） ｉａ
基于块匹配的视频图像运动估计技术研究_
基于块匹配的视频图像运动估计技术研究_2.4经典的块匹配算法2.4.1全搜索法（Full Search Method, FS）全搜索法（Full Search Method, FS）也称为穷尽搜索法，是对（M＋2dx）×（N＋2dy）搜索范围内所有可能的候选位置计算MAD (i,j)值，从中找出最小MAD，其对应偏移量即为所求运动矢量。
此算法虽计算量大，但最简单、可靠，找到的必为全局最优点。
FS算法描述如下：从原点出发，按顺时针螺旋方向由近及远，在逐个像素处计算MAD值，直到遍历搜索范围内听有的点，然后在计算的所有点的MAD中找到最小值，该点所在位置即对应最佳运动矢量。
FS算法是最简单、最原始的块匹配算法，由于可靠，且能够得到全局最优的结果，通常是其它算法性能比较的标准，但它的计算量的确很大，这就限制了在需要实时压缩场合的应用，所以有必要进一步研究其它的快速算法。
2.4.2三步搜索算法（Three – Step Search，TSS）此搜索算法如图2-2所示，每一步搜索9个位置点，对每一个位置计算MSE （最小均方误差）来确定最小失真方向（DMD），在最小失真方向上搜索区域减少一半进行第二步的搜索匹配，然后继续沿最小失真方向将搜索区域又减少一半第一步第二步第三步图2-2 三步法（TSS）搜索步骤来进行第三步的搜索匹配，由于第二步和第三步的9个搜索点中均有一个点是在上一步中已经计算过MSE值，所以第二步与第三步均只要计算8个点而已，所以TSS算法的计算次数是9＋8＋8＝25次，同直接匹配需要169次比较，计算量大大减少。
2.4.3新三步搜索算法[26]（New Three – Step Search, NTSS）大部分近似的快速BMA算法（如TSS、2D-LOG等）假设BDM 随搜索窗口内当前检查点与最优BDM点之间的距离的增大而单调增加（当BDM为MSE或MAD时），然而这个假设并非总是正确，原因是：①孔径问题；②分块时引起的运动物体和背景的不连续分割；③周期性纹理形状的图像内容；④光线改变。
块匹配运动估计算法研究与进展
Ｎ －Ｉ Ｎ—ｌ
素运动估计精度 ， 多帧参考。 这些新的特点一方面带 定 义 如下 。
来更大的压缩效率 ，另一方面对块匹配运动估计算
法 提 出了更 高 的要求 。
ＳＤ ， ∑ ∑ ｌｉ－（ｍ＋） （ Ａ （ｎ ｍ） ： ’ ｂ＋’ｎ １ ａｊ ｉ ｊ ｌ ） （）
ｉ： ０ ｊ ＝ ０
一
本文首先描述传统 的块匹配运动估计算法 ， 然
基金项 目： 湖北 自然科 学基金 资助项
Ｐ≤ ｍ ． ｎ≤ ｐ－１
５ 璺 堑 ｌ 圆 ０ 箜 塑 圆 １
ｈｔ ｌ ｔ ｌ ｐ： ｗｗｗ，ｉｍａ ．ｏ ｃｃ ｇｃ ｍ
维普资讯
■ ●】集ｔｉ 【■ｌＩ成Ｃｉ ！ 国ｇｄｕ ● 【 ｒ ｒ ｉ ｈｎａ 路 ■ ｉｔｅｃ Ｃ ｅ 电 ｔ ｎ ａ
作 了总述 ， 并提 出了改进 的方 向 。
关键 词 ： 匹配 ， 动 估计 ， 频编码 块 运 视
Ｒｅ ｅ ｒ ｈ ａ ｄ ｐ ｏ ｒ ｓ ｎ ａ ｇ ｒｔ ｍ ｏ ｏ ｌ ａ ｃ ｉ ｇ ｍ ｏ ｉ ｎ ｅ ｔｍ ａ ｉ ｎ ｓ ａ ｃ ｎ ｒ ｇ ｅ ｓｉ ｌ ｏ ｉｈ ｆ ｒ ｂ ｃ ｋ ｍ ｔ ｈ ｎ ｔｏ ｓｉ ｔ ｏ
块匹配算法原理及过程
块匹配算法原理及过程
块匹配算法是一种用于字符串匹配的算法，它的原理是将文本串和模式串分成若干个块，然后逐个比较块之间的相似度，从而确定匹配位置。
块匹配算法的优点是可以减少比较次数，提高匹配效率，特别适用于长文本串和长模式串的匹配。
块匹配算法的过程如下：
1. 将文本串和模式串分成若干个块，每个块的长度相等，一般取2-4个字符为一块。
2. 对于每个块，计算它与模式串中对应位置的块的相似度，可以使用哈希函数或其他相似度计算方法。
3. 从文本串的第一个块开始，逐个比较它与模式串中对应位置的块的相似度，如果相似度达到一定阈值，则认为匹配成功。
4. 如果匹配成功，则继续比较下一个块，直到所有块都匹配成功，返回匹配位置。
5. 如果匹配失败，则将文本串向右移动一个块的长度，重新开始匹配。
6. 如果文本串已经到达末尾，但是模式串还没有匹配成功，则认为匹配失败。
块匹配算法的时间复杂度为O(n/m)，其中n为文本串的长度，m 为块的长度。
由于块的长度比较小，因此块匹配算法的效率比传统的字符串匹配算法要高。
块匹配算法的应用非常广泛，例如搜索引擎中的关键词匹配、文本编辑器中的查找替换等。
在实际应用中，可以根据具体情况选择不同的块长度和相似度阈值，以达到最优的匹配效果。
图像编码中的块匹配算法原理与应用
图像编码中的块匹配算法原理与应用图像编码在现代通信技术中扮演着重要角色，它可以将图像信号有效地压缩，以便在带宽有限的信道中传输或存储。
在图像编码中，块匹配算法是一种常用的方法，它能够在保证图像质量的前提下，大幅度减小编码后的数据量。
本文将探讨块匹配算法的原理及其应用。
一、块匹配算法的原理块匹配算法是一种利用图像自身的冗余性来进行压缩的技术。
它的核心思想是将图像划分为一系列大小相等的块，并通过寻找最相似的块来达到压缩的目的。
其中最常用的块匹配算法是全搜索算法和快速搜索算法。
全搜索算法是一种暴力搜索的方法，它将每一个块与图像中的所有可能位置进行比较，找到最相似的块作为匹配结果。
虽然全搜索算法能够保证最佳的匹配效果，但由于其计算复杂度过高，使其在实际应用中不太实用。
为了克服全搜索算法的计算复杂度高的问题，快速搜索算法应运而生。
快速搜索算法利用了图像中的空间局部性原理，将搜索范围限制在一个较小的区域内，通过一系列策略和优化手段来加快搜索速度。
其中最常用的快速搜索算法有三步搜索算法和六步搜索算法。
三步搜索算法将图像分为若干个重叠的小块，通过三个步骤来逐层搜索最佳匹配。
首先，在粗搜索阶段，通过在一个较大的搜索范围内进行比较，找出与目标块相似度较高的区域。
然后，在细搜索阶段，将搜索范围缩小到前一步所找到的区域内，并进行进一步的比较。
最后，在极细搜索阶段，通过更加精细的搜索策略，找到最佳匹配块。
六步搜索算法在三步搜索算法的基础上进行了进一步的优化。
它将图像分为若干个非重叠的小块，通过六个步骤来搜索最佳匹配。
这六个步骤分别是：正常步骤、拓展步骤、水平步骤、垂直步骤、细搜索步骤和跳跃步骤。
六步搜索算法通过多轮的搜索过程，逐步接近最佳匹配块，从而提高了搜索效率。
二、块匹配算法的应用块匹配算法在图像编码中有着广泛的应用。
其中最典型的应用是运动估计和运动补偿。
运动估计是通过比较当前帧与参考帧之间的差异，找到两帧之间的运动信息。
运动估计算法比较 块匹配 全搜索 四步法 三步法
大作业运动估计算法比较一、实验内容简要介绍各种运动估计算法，并比较不同运动估计算法的性能，主要考虑各算法的运算速度和精度。
二、实验背景视频原始图像中存在着大量的信息冗余，如时间冗余、空间冗余、信息熵冗余、谱间冗余、几何结构冗余、视觉冗余和知识冗余等等。
运动估计是视频压缩编码中的核心技术之一，采用运动估计和运动补偿技术可以消除视频信号的时间冗余以提高编码效率。
如何提高运动估计的效率，使运动估计算法的搜索过程更健壮、更快速、更高效成为目前研究的热点。
运动估计的基本思想是尽可能准确地获得序列图像帧间的运动位移，即运动矢量。
因为运动估计越准确，预测补偿的图像质量越高，补偿的残差就越小，补偿编码所需位数越少，需要传输的比特率就越小。
利用得到的运动矢量在帧间进行运动补偿。
补偿残差经过变换、量化、编码后与运动矢量一起经过熵编码，然后以比特流形式发送出去。
运动估计算法多种多样，大体上可以把它们分成四类：块匹配法、递归估计法、贝叶斯估计法和光流法。
其中块匹配运动估计算法因其具有算法简单、便于VLSI实现等优点得到广泛应用。
所以本文将重点介绍块匹配运动估计算法，并对各种块匹配算法在计算速度和估计精度上进行简单比较。
三、实验原理（一）、像素递归技术像素递归技术是基于递归思想。
在连续帧中像素数据的变化是因为物体的移位引起的，郑么如果沿着梯度方向在某个像素周圈的若干像素作迭代运算，运算会最后收敛于一个固定的运动估计矢量，从而预测该像素的位移。
（二）、块匹配运动估计块匹配运动估计是把图像帧划分为若干互不重叠的块，并以块为单位寻找目标帧中每块在参考帧（上一帧或者其它帧）中最优匹配的块的相对位置，假设图像中每块的大小为M×N，dxmax为参考块水平方向可搜索最大位移而dymax为参考块垂直方向可搜索最大位移那么基于块匹配的运动估计就是在参考帧（或者其它上一帧）的(M+2dxmax)×(N+2dymax)候选区搜索窗口中找到和目标帧的当前大小为M×N的块的最匹配的块则参考块的运动矢量可用如下的数学公式描述：R表示相关性评价函数，f(m,n)表示目标或当前帧图像的灰度值。
一种块匹配的快速运动估计算法
一种块匹配的快速运动估计算法
邹晓春;冯燕;赵歆波
【期刊名称】《中国图象图形学报》
【年(卷),期】2006(011)007
【摘要】为了减小运动估计算法的计算复杂度及提高视频压缩编码的效率,提出了一种新的快速、有效的块匹配运动估计算法.该算法首先采用多步搜索策略,并利用相邻块的运动矢量来预测当前块的搜索起点,然后用梯度下降的方向来指导搜索方向,以节约计算资源,对于最佳匹配点所在区域,则采用菱形与正方形相结合的模板来进行精细搜索,以提高算法的搜索精度.实验结果证明,该算法在降低计算复杂度的同时,还能有效地保证搜索精度.
【总页数】5页(P938-942)
【作者】邹晓春;冯燕;赵歆波
【作者单位】西北工业大学电子信息学院,西安,710072;西北工业大学电子信息学院,西安,710072;西北工业大学现代设计与集成制造技术教育部重点实验室,西安,710072
【正文语种】中文
【中图分类】TN919.81
【相关文献】
1.一种高效率的快速块匹配运动估计算法 [J], 何书前;张学平;邹昉楠;桂占吉
2.一种基于块匹配的自适应快速运动估计算法 [J], 舒振宇;高智勇;陈心浩;刘海华
3.一种改进的快速块匹配运动估计算法 [J], 汪烈军;覃锡忠
4.一种新的快速块匹配运动估计算法 [J], 王明辉;彭立中
5.一种新的快速两级块匹配运动估计算法 [J], 陈维强;高文
因版权原因，仅展示原文概要，查看原文内容请购买。
快速运动估计中一种改进的块匹配免疫算法
的抗 体被确定性 地选择参与进化。
第 ３步 细胞 克隆 ， 使被 选择 的抗体依 据其 亲和度 高低
繁殖克隆细胞 ， 同时其 中部分 克隆可作 为记忆 细胞更 新记忆
池， 即记 忆 细 胞 的演 化 ； 忆 细 胞 的 获 取 是 从 记 忆 池 中选 择 一 记
ｃ ｍｐ ｔｔ ｎ ｌ ａ ｎ ｒ ａ ｅ ｃ ｎ ｉ ｅ ａ ｌ ．Ｉ ｈ ｅ ｌｏ ｔ ｍ， ｔ ｏ ｅ ｂ ｏ ｋ ｆｂ ｉ ｇ ｕ ａ ｌ ｏ ｍａｃ ｌ ｂ ｉｋ ｄ ｏ ｔａ ｄ ｏ ｕ ａ ｉ ｏ ｄ ｉ ｃ ｅ ｓ ｏ ｓｄ ｒｂ ｙ ｎ ｔｅ ｎ ｗ ａ ｇ ｒ ｈ ｏ ｉ ｈ ｓ ｌ ｃ ｓ ｏ ｅ ｎ ｎ ｂ ｅ ｔ ｔｈ ｗｉ ｅ ｐ ｃ ｅ ｕ ｎ ｌ
Ｚ Ｎ ａ ，Ｇ Ｏ Ｘｕｊａ ，Ｚ Ｎ ｉ －ｉ Ｅ Ｇ Ｈ ｏ Ａ ｉ－ ｎ Ｅ Ｇ Ｘ ａ ｐ ｇ ｕ ｏ ｎ
（ ｏｅｅｏ ｏ ｕ ｉ ｔ ｎＥ ｇｎｅｎ ，Ｃ ｏｇ ｉ ｎｖ ｓｙ ｈｎ ｑ ｇ４ ０ ３ ，Ｃ ｉａ Ｃ ｌｇ Ｃ ｍｍ ｎｃ ｉ ｎ ｉ ｒ ｇ ｈ ｎｑｎ Ｕ ｉｒｉ，Ｃ ｏｇｉ ０ ０ ０ ｈｎ ） ｌ ｆ ａｏ ｅｉ ｇ ｅ ｔ ｎ
Ｋｅ ｒ ｓ ｙ ｗｏ ｄ ：ｍｏ ｉｎ ｅ ｔ ｔ ｎ ｍｍｕ ｅ ａ ｇ ｒｔ ｍ；ｂ ｏ ｋ ｍａｃ ｔ ｓ ｍａｉ ；ｉ ｏ ｉ ｏ ｎ ｌｏ ｈ ｉ ｌｃ ｔｈ
０ 引言
文献［ ］ １ 首先把 免疫算 法应用 到 图像 的运动 估计 中 ， 相 对于 传 统 三 步 法 （ ｒｅ Ｓｅ ｓ Ｓａｃ ， Ｓ 、 形 搜 索 ｈ Ｔ ｅ ｔ ｅ ｈ Ｔ Ｓ） 菱 ｐ ｒ （ ｉ ｏ ｄＳａｃ ， Ｓ 算法等传统快速运动 估计算法 ， 高了 Ｄａ ｎ ｅ ｈ Ｄ ） ｍ ｒ 提
块匹配算法原理及过程
块匹配算法原理及过程
块匹配算法是一种用于查找文本中特定模式的算法。
其核心原理是通过将文本和模式划分为不同的块，然后对每个块进行匹配，最终得到匹配结果。
该算法通常用于大规模文本搜索和数据压缩。
块匹配算法的具体过程如下：
1. 划分块：将文本和模式分别划分为多个块，每个块的大小可根据具体情况来确定。
2. 块匹配：从文本的第一个块开始匹配，比较文本块和模式块是否匹配。
如果匹配，则继续匹配下一个块，直到匹配完整个模式或者某个块不匹配为止。
3. 窗口移动：如果当前块与模式不匹配，则将窗口向右移动一个块。
继续进行块匹配，直到找到匹配的块或者窗口超出文本的范围为止。
4. 匹配确认：如果找到了一个匹配的块，需要确认该匹配是否正确。
在确认阶段中，需要对匹配块和模式进行全文匹配，以确保匹配的正确性。
5. 匹配输出：如果确认匹配正确，则输出匹配结果，并将窗口移动到下一个块的位置，继续进行匹配。
否则，将窗口移动到下一个块的位置，继续进行匹配。
总之，块匹配算法是一种高效的文本搜索算法，通过将文本和模式划分为不同块，能够大大减少匹配的次数，从而提高搜索效率。
一种精确而快速的块匹配算法
［ ｂ ｔａｔ ｎｏｄ ｒＯｉ ｒｖ ｅｓａｃ ｃｕａ ｙｐ ｒ ｒ ｎ ｃ ｔ ｎｅｔ ｔ ｎｂｓｄｏ Ｉｃ ．ｈｓｐｐ ｒ ｅｅ ｃ ｅ ｅｂｏ ｋｍａｃｉｇ Ａ ｓｒｃ］Ｉ ｒｅ ｏ ｅｔ ｅｒｈａｃ ｒｃ ｅ ｏｍａ ｅｏ ｍｏｉ ｓ ｍａｉ ａｅ ｎｂｏｋ ｔｉ ａ ｅ ｓａ ｈ ｓｔ ｌｃ ｔｈｎ ｔ ｍｐ ｈ ｆ ｆ ｏ ｉ ｏ ｒ ｒ ｈ
Ａｃ ｕ ａ ｅａ ｄ Ｆａ ｔ ｏ ｋ Ｍ ａ ｃ ｎ ｇ ｒ ｔ ｍ ｃ ｒ ｔ ｎ ｓ ｃ ｔ ｈｉ ｇＡｌ ｏ ｉ Ｂｌ ｈ
ＹＡＮＧ ｉｙ ＨＡＯ ｎ － ｉ， Ｚｈ ．ｕｎ， Ｈｏ ｇ ｗｅ ＣＨＥＮ ｉ ｊ
（． ｅ ａｔ ｎ ｆｎｏｍａｉｎＥ ｇｎｅｉｇＢｅ ｉｇ ｉｅｓｙｏ ｃｅ ｃ ｎ ｅｈ ｏｏ ｙＢ ｉｎ ０ ０ ３ １Ｄ ｐｒｍｅ ｔ ｆｒ ｔ ｎ ｉｅｒｎ ， ｉｎ ｖｒｉ ｆ ｉｎ ｅ ｄ ｃｎ ｌｇ， ｅｊ ｇ１０ ８ ； ｏＩ ｏ ｊ Ｕｎ ｔ Ｓ ａ Ｔ ｉ
前块在上一帧 中进行预测搜索 ，搜索 区间为（ ２ ）（＋ ｐ ， 斛 ｐ ｘｎ ２ ） 搜索到 目标块 Ｃ ｎ ｉａｅＢ ｏｋ 目标块与 当前块的水平和垂 ａ ｄｄｔ ｌｃ ， 直距离 ，即为运动 向量 。
用块匹配中相邻像素点误差之间相关性 ，将块 内各像素误差按一 定顺 序进行差分 ， 除了相邻点误差之 间的冗 余。该算法 更精确地 表达 了
块与快之间的相似程度 。实验结果表 明，该算法可 有效降低码率 ，提 高 Ｐ Ｎ Ｓ Ｒ值 ，而且其鲁棒 性好 ，可适 甩干各种 序列 。 关健诃 ：运动补偿 ；运动估计 ；块 匹配 ；绝对差 分误差和 ；视频压缩
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
快速块匹配运动估计算法的探索与分析——浙江大学第13期srtp研究报告指导教师：陆系群组员：金鑫、徐洋、徐超快速块匹配运动估计算法的探索与分析摘要：本文介绍了块匹配运动估计算法及对现已实现的三种算法（新三步法、四步法、钻石算法）进行分析及对比。
关键词：运动估计算法、块匹配、三步法、四步法、钻石算法Exploration and Analysis of Fast Block Matching Algorithms forMotion EstimationAbstract: This article introduces Fast Block Matching Algorithms for Motion Estimation, and analyzes three implemented algorithms (New three-step search algorithm, Four-step search algorithm, diamond search algorithm).Key Words:Motion Estimation Algorithms, Fast Block Matching, Three-step search algorithm, Four-step search algorithm, diamond search algorithm第一部分概述1.研究背景视频压缩(Video Compression)技术是计算机处理视频的前提。
视频信号数字化后数据带宽很高，通常在20MB/秒以上，因此计算机很难对之进行保存和处理。
采用压缩技术以后通常数据带宽能降到1-10MB/秒，这样就可以将视频信号保存在计算机中并作相应的处理。
视频图像数据有极强的相关性，也就是说有大量的冗余信息(Redundant information)。
冗余信息可分为空域冗余信息和时域冗余信息。
压缩技术就是将数据中的冗余信息去掉。
它包括帧内图像数据压缩技术(Intra-frame image data compression)、帧间图像数据压缩技术(Interframe image data compression)和熵编码压缩技术(Entropy Encoding compression)。
帧间编码可去除时域冗余信息，它包括三部分：运动补偿(Motion estimation)、运动表示(Motion representation)、运动估计(Motion compensation)。
在现有的各类快速运动估计方法中，块匹配运动估计算法(Block matchingalgorithms for motion estimation)因具有算法简单、便于实现等优点得到广泛应用，它的基本思想是：将图像序列的每一帧分成许多互不重叠的块(Block)，并认为块内所有象素的位移量都相同。
然后对每一当前帧(current frame)的每个块到参考帧(reference frame)某一给定特定搜索范围内，根据一定的匹配准则找出与当前块最相似的块，即匹配块(matching block)。
匹配块与当前块的之间的空间位置的相对偏移量即为运动矢量(motion vector)。
运动矢量和经过运动匹配后得到的预测误差(difference)共同发送到解码端。
在解码端按照运动矢量指明的位置，从已经解码的邻近参考帧中找到相应的块，和预测误差相加后，就得到了块在当前帧中的位置。
运动估计算法是视频压缩领域一个非常重要的研究热点，运动估计所要花费的时间占据了整个编码过程中相当大的比重，各国学者提出了诸多快速算法以减少运动估计的计算复杂度，同时保持原有视频质量。
目前，搜索精度最高的块匹配运动估计算法是全搜索法( Full search)，它对搜索范围内的每一个像素点进行匹配运算以得到一个最优的运动矢量。
但它的计算复杂度太高，不适合实时应用。
为此必须提出快速快匹配运动估计算法(Fast block matching algorithms for motion estimation)。
目前已知的一些快速快匹配运动估计算法是三步法(Three-step search algorithm)、四步法(Four-step search algorithm)、钻石算法(diamond search algorithm)等。
本项目的主要任务就是用编程实现以上三种算法，并对算法复杂度和结果质量加以分析比较。
2.研究目的学习有关视频编码的知识，重点学习运动估计中的快速快匹配运动估计算法，对现有的快速块匹配算法的进行比较分析。
3.研究方法1)图像(视频截图)的输入与输出2)编程实现三步搜索块匹配运动估计算法、四步搜索块匹配运动估计算法、钻石搜索块匹配运动估计算法。
3)简单交互界面的设计、实现，以便于对算法进行测试。
4)对上述算法的算法效率、结果的精度进行比较。
当前帧n （current frame n ）第二部分 研究结果1. 研究内容1) 块匹配运动估计的基本原理:运动估计的基本思想是将图像序列的每一帧分成许多互不重叠的宏块，并认为宏块内所有像素的位移量都相同，然后对于当前帧中的每一块到前一帧某给定搜索范围内根据一定的匹配准则找出与当前块最相似的块，即匹配块，由匹配块与当前块的相对位置计算出运动位移，所得运动位移即为当前块的运动矢量。
示意图如下：宏块大小为M ×N ，一般取M=N=16、8或4。
搜索范围一般由最大偏移矢量来决定，设可能的最大偏移矢量为(dx max ,dy max )则搜索范围为(M+2*dx max )* (N+2*dy max )。
常用搜索最佳匹配准则有绝对误差和(Sum of Absolute Difference ，SAD)、平均绝对误差(Mean Absolute Difference, MAD)、方差和(Sum of Sequence Error, SSE)、均方差(Mean Sequence Error, MSE)、绝对变化误差和(Sum of Absolute Transformed Difference , SATD)和归化互相关函数(NCCF)。
我们在实现程序中用了绝对误差和(SAD)作为匹配准则，其公式如下：( ) ∑∑| ( ) ( )|其中，(i , j)为位移矢量分别在水平、垂直坐标上的分量，f n , f n-1分别为当前帧和参考帧的像素值，M x N 为宏块的大小。
参考帧n-1（reference frame n-1）图 1 图 22)新三步法：step1：新三步法首先建一个以起始点为中心，包括最大搜索范围的窗口。
计算如图3(a)所示8个步长等于或者略大于最大搜索范围的一半的点，8个相邻点和起始点的匹配误差。
A.如果匹配误差最小的点是起始点，以起始点作为搜索结果，搜索结束。
B.如果匹配误差最小的点是起始点周围相邻的点，以这个点为中心，找出如图3(b)所示的3个黑色点或如3(c)所示的5个黑色点的匹配误差。
此时的匹配误差最小的点即为最终搜索结果。
C.否则，跳到第二步。
step2：以第一步中匹配误差最小的点为中心，步长为原来一半，计算如图3(d)所示的9个点的匹配误差。
step3：重复第二步直到步长为1。
从如图3(e)所示的9个点中找出最小匹配误差点，即为最终搜索结果。
(a) (b)(c) (d)(e)图 3 图4是三个新三步法路径的例子。
图43)四步法：step1：对于最大搜索范围为7的搜索，四步法首先建一个以起始点为中心的5×5的窗口并计算如图5(a)所示9个点的匹配误差。
如果最小匹配误差点为中心，跳到第四步，否则跳到第二步。
step2：以找到最小匹配误差点为新的窗口中心，新建5×5的窗口。
A.如果之前找到的最小匹配误差点为四角，计算新窗口中如图5(b)所示5个黑色点的匹配误差，找到匹配误差最小的点。
B.如果为四边的中点，计算新窗口中如图5(c)所示3个黑色点的匹配误差。
如果这些点的匹配误差都比中心点大，跳到第四步，否则跳到第三步。
step3：和第二步相同，但终将会跳到第四步。
step4：搜索窗口缩小为3×3。
从如图5(d)所示的9个点中找出最小匹配误差点，即为最终搜索结果。
(a) (b)(c)(d)图5图6是两个四步法路径的例子。
图64)钻石算法：step1：对于最大搜索范围为7的搜索，钻石算法首先建一个以起始点为中心的5×5的窗口并计算如图7(a)所示9个点的匹配误差。
如果最小匹配误差点为中心，跳到第三步，否则跳到第二步。
step2：以找到最小匹配误差点为新的窗口中心，新建5×5的窗口。
A.如果之前找到的最小匹配误差点为四角，计算新窗口中如图7(b)所示5个黑色点的匹配误差，找到匹配误差最小的点。
B.如果为四边的中点，计算新窗口中如图7(c)所示3个黑色点的匹配误差。
如果这些点的匹配误差都比中心点大，跳到第三步，否则跳到第二步。
step3：搜索窗口缩小为3×3。
从如图7(d)所示的5个点中找出最小匹配误差点，即为最终搜索结果。
(a) (b)(c) (d)图7图8是两个钻石算法路径的例子。
图82.主要成果为了方便测试，写了一个基于.Net Framework 4.0的演示程序。
程序读入用户选择的参考帧和当前帧，根据用户选择的块匹配算法和块大小，进行运动估计，并根据运动估计的结果生成预测帧。
弹出窗口显示参考帧、当前帧、预测帧和测试信息。
下图为演示程序主界面。
图9点击参考帧之后的…按钮可弹出选择参考帧对话框用于选择一张bmp图片作为参考帧。
图10点击当前帧之后的…按钮可弹出选择当前帧对话框用于选择一张bmp图片作为当前帧。
图11块匹配算法之后的下拉框用于选择块匹配算法类型。
图12块大小之后的下拉框用于选择块的大小（4x4, 8x8, 16x16）。
图13点重置按钮，清空已选参考帧、当前帧、块匹配算法和块大小，重新进行选择。
图14任何一个选项为空，点开始，都会弹出提示信息。
图15选择好参考帧、当前帧等信息后，点开始，开始进行快速块匹配，结果存在参考帧所在目录下的以参考帧名_record.txt 命名的文件中，预测帧为参考帧所在目录下以参考帧名_pred.bmp 命名的文件。
同时弹出如下窗口显示参考帧、当前帧、预测帧和算法信息。
图16点击图片可以在弹出窗口查看原图。
图173.分析与讨论为了比较这3种算法，我们在程序实现算法后用2组图片来测试了算法。
2组图片每组9张，均来自于电影，图片分辨率1920*1080.第一组是动态的连续帧，第二组是静态的连续帧，以此来衡量3种算法在2种情况下的优劣。
新三步法：图18四步法：图19钻石算法：图20从上面三张图可观察出以下几点现象：首先，不同的测试图片对测试结果的影响。