0 导言
H.264选用了削减视频图画各帧间冗余度的运动估量算法。运动估量算法传统的有全查找(FS)、三步查找(TSS)、新三步查找(NTSS)、四步查找(FSS)等;常用的是钻石查找(DS)和非对称十字穿插多层次六边形格点运动查找算法(UMHexagonS)。运动估量是整个视频编码中运算量最大的模块，可占整个软件编码器运算量的70%以上。因而视频体系中编码器的杂乱部分取决于运动估量算法体系结构的杂乱性。
1 运动估量算法剖析
1.1 钻石查找(DS)算法
DS算法即钻石查找算法，被MPEG-4世界规范选用并收入验证模型VM(Verification Model)中，是MPEG-4主张选用的快速运动估量算法。 DS算法选用了两种查找模板，分别是有9个检测点的大模板和有5个检测点的小模板。查找时先用大模板LDSP在查找区域中心及周围8个点处进行匹配核算，当最小块差错出现在中心点处时，将大模板LDSP换为SDSP，再进行匹配核算，这时5个点中的MBD(Minimum Block Distortion)即为最优匹配点;不然，改动中心方位，仍用LDSP重复核算。
1.2 菱形十字查找(DCS)算法
菱形十字查找算法(DCS)算法是在DS算法基础上改善而来，DCS的匹配模板是建立在两种不同的查找模板之上的，即大菱形十字型(LDCSP)和小菱形十字型(SDCSP)，如图1所示。其间，十字型能够对应于实践的运动的矢量散布，而穿插型则是为了加快查找效果。
DCS算法在进行运动估量匹配运算时，有三种或许的状况：
(1)若MBD点坐落LDCSP中心方位，阐明图画是停止的，DCS算法一步完毕;
(2)若MBD点坐落LDCSP小十字方位，阐明图画的运动较小，则在此基础上依照SDCSP模板重复进行穿插查找。
(3)若MBD点坐落LDCSP大十字方位，阐明图画的运动较大，则在此基础上依照LDCSP模板重复进行穿插查找。
由此能够看出，DCS算法的长处是，能够依据图画的运动类型(如上述三种状况)，白习惯挑选下一步相应的查找模板，使查找与图画内容有关(依据内容的查找)，然后得到较好的查找效果；DCS算法的查找并不一定要阅历模板由大到小的必定进程，有时一步即可完结查找；用DCS查找时，十字形模板对应于实践的运动矢量散布，穿插形模板则有准确性“聚集”特性，这从本质上表现了DCS是粗定位和准确认位的有用结合。
Script type=text/javascript> function ImgZoom(Id)//从头设置图片巨细避免撑破表格 { var w =
$(Id).width; var m = 650; if(w m){return;} else{ var h = $(Id).height; $(Id).height = parseInt(h*m/w); $(Id).width = m; } } window.onload = function() { var Imgs = $(content).getElementsByTagName(img); var i=0; for(;i
视频图画的运动矢量大部分为零矢量或运动很小的矢量。运动矢量为零的块称为停止块；运动矢量很小的块(以查找窗口中心为圆心，两像素为半径的圆内)称为准停止块：而其他的称为运动块。假如有超越80％运动矢量很小的块可被看作停止或准停止块。因而，可设一个阀值T，当运动矢量的值小于T时，可用SDCSP查找法直接进行准确认位，找出最长处；当运动矢量的值大于T时，可用LDCSP查找算法找出最长处。
运动矢量空间域的猜测方法有运动矢量中值猜测、空间域的上层块形式运动矢量；在时刻域的猜测方法有前帧对应块运动矢量猜测和时刻域的附近参阅帧运动矢量猜测。本文选用运动矢量中值猜测方法。依据与当时E块相邻的左面A块，上边B块和右上边C块的运动矢量，取中值作为当时块的猜测运动矢量。如图2所示。
设当时要编码块E的运动矢量为MVp。假如运动矢量的值MVp≥T，则与E块相邻的各块间运动的相关性较高，标明该区域的改变比较陡峭；假如运动矢量的值MVpT，则与E块相邻的各块间运动的相关性较低，标明该区域改变比较剧烈。经过对missa、grandmother、carphone、salesman的检测可知，取阈值T=2。
3 自习惯运动估量算法
结合上述DCS算法和阈值的确认，可采纳先对视频图画的运动块进行阈值的判别，再依据判别成果进行最佳匹配块的查找。详细查找过程描绘如下：
Step 1：判别当时块运动矢量MVp和阈值确巨细。若MVp≥T，则进入Step 2；若MVpT，则进入Step 5。
Step 2：用LDCSP在查找区域中心及周围8个点进行匹配运算，然后判别，找出MBD点。若MBD点坐落中心点，阐明宏块是停止的，DCS算法一步完毕，得到最优匹配块；不然进行Step 3。
Step 3：若MBD点为LDCSP模版的小十字处，以该点为中心构建SDCSP进行匹配核算，若MBD点坐落中心点，所得MBD点为所求。不然，进入Step 4。
Step 4：若MBD点为LDCSP模版的大十字处，以该点为中心构建LCSP进行匹配核算，进入step 2。
Step 5：用LDCSP在查找区域中心及周围5个点进行匹配运算，然后判别，找出MBD点。若MBD点坐落中心点，所得MBD点为所求；不然持续Step 5。
算法流程图如图3所示
type=text/javascript> function ImgZoom(Id)//从头设置图片巨细 避免撑破表格 { var w =$(Id).width; var m = 650; if(w m){return;} else{ var h = $(Id).height;$(Id).height = parseInt(h*m/w); $(Id).width = m; } } window.onload = function(){ var Imgs = $(content).getElementsByTagName(img); var i=0; for(;i4 试验成果及阐明用查找时刻和PSNR值两个目标来验证DCS的功能。本节试验用到的一切视频文件均为QCIF(Quartet commonintermediate format)格局。试验以主频1.8GHz的PC机上运转的VisualC++6.0为渠道。测验目标为：missa、salesman、news、grandmother、foreman、carphone、claire，查找规模为16×16的矩形框，量化规模为2～12，测验序列中每帧图画的巨细为176×144。
4.查找时刻的比较
为了时刻测验的准确性，测验时选用的是VC++供给的两个准确时刻函数：QueryPerformanceFrequency()和OuerPerformanceCounter()精度对规范测验序列missa、salesman、news、grandmother、foreman、carphone进行准确测定，得表1(数据均为三次丈量所求得的均匀值)。
试验成果及阐明
用查找时刻和PSNR值两个目标来验证DCS的功能。本节试验用到的一切视频文件均为QCIF(Quartet commonintermediate format)格局。试验以主频1.8GHz的PC机上运转的VisualC++6.0为渠道。测验目标为：missa、salesman、news、grandmother、foreman、carphone、claire，查找规模为16×16的矩形框，量化规模为2～12，测验序列中每帧图画的巨细为176×144。
4.1 查找时刻的比较
为了时刻测验的准确性，测验时选用的是VC++供给的两个准确时刻函数：QueryPerformanceFrequency()和OuerPerformanceCounter()精度对规范测验序列missa、salesman、news、grandmother、foreman、carphone进行准确测定，得表1(数据均为三次丈量所求得的均匀值)。
从表1可知：a.FS查找效果最佳，但耗时太长；DS算法有较大改善，能够完成实时紧缩；DCS比DS，运转时刻都有不同程度的削减，故DCS算法 在查找速度有优势。b.从单个序列来看，DCS算法对missa和salesman时刻优化最为显着，分别只占FS算法的7.42％、7.50％和DS算 法的98.17％、97.49％；对carphone序列的查找速度也有很大优化，占FS查找算法的7.97％和DS算法的97.82％。归纳视频特性可 知：DCS算法针对运动陡峭的视频目标查找速度优化显着。
4.2 信噪比的比较
对规范测验序列claire和carphone序列进行测定，核算PSNR得表2。
表 2中FS的均匀PSNR最高，到达42.38，但查找时刻最长；DS的PSNR最低，为42.31，而DCS为42.35，高于DS算法，且仅低于FS算 法0.03dB。从单个序列来看，DCS算法对claire的优化程度最大，超越了FS的PSNR值，阐明DCS算法身体停止仅面部表情运动特色视频适 用。用DCS算法核算得到的carphone的PSNR值尽管低于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算法在查找速度、图画质量上均有确保。
5 完毕语
本文从查找时 间和图画质量两方面对各种块匹配运动估量算法进行了功能剖析比较。试验成果标明，将菱形十字穿插查找算法和阈值判别结合，在查找速度方面，有很大程度的优化，并且能得到与FS、DS查找算法适当的图画质量。DCS算法针对运动陡峭的视频效果显着，由此推知该算法适用于电视电话、远程教育等实时视频紧缩。
…………………………………………………..
与非深度解读系列:
半导体公司“大学方案”的诘问和本相
大环境的不景气是工作环境恶化的首恶，可是也让咱们不由诘问半导体公司的大学方案关于学子们的真实含义。厂商们的大学方案都在做些什么？那么多的联合试验室有得到充分利用吗？大学方案的直接体会者–教师和学生们是否真实从中获益…….【专栏作者：高扬】
本乡IC公司查询笔记
全球经济不景气的大环境下一些本乡IC公司的立异才能、办理才能、抗危险才能、盈余才能，乃至公司创建的动机都受到一些质疑。一方面官方的音讯总是告知咱们我国的半导体工业得到了长足的前进；而街巷小道中又不停撒播多少本乡IC公司关闭，多少公司靠诈骗，底子没有中心竞争力….本相只要一个，或许会随《本乡%&&&&&%公司查询笔记》渐渐敞开…【专栏作者：岳浩】
电子屌丝的技能人生系列
在这个系列里，每个故事都会向你展现一个一般工程师的阅历，他们的青翠年月和技能岁月，和咱们每个人的的日子都有交集。对自己、对公司、对工业、对现在、对未来、对技能、对商场、对产品、对办理的观点，以及他们的阅历或正在阅历的工作，咱们能够看到自己的影子，也看清未来的姿态……【专栏作者：任亚运】
细说电子分销江湖的那些事
关于从事电子分销职业的同仁们来说这是一个最坏的时代，也是一个最好的时代，咱们即面对世界分销巨子在办理、资金、货源等方面对咱们形成的冲击，又迎来本乡集成电路的兴起，个性化服务盛行的机会，经过这个系列，我想以“榜首现场”的阅历带我们一同了解国内%&&&&&%分销的那些年、那些事，以及哪些慨叹…..【专栏作者：张立恒】
与非网专栏作者请求
联系人：高扬
邮箱：gaoyang@eefocus.com
