HEVC ME之 快速算法论文（AVC）总结（1）

Improvements on Fast Motion Estimation Strategy forH.264/AVC

（主要思想，增加自适应的和与QP、scale相关联的阈值）

I．Introduction和II.  review都是和那一篇总述论文大同小异的。

III．存在问题和分析

1、 整像素快速搜索与不同的QP

随着QP的增加，快速算法的RD表现会越来差。两个原因：

1）  QP的变大，会是MCOST的值得分布变得更分散，根据观察可得，最佳点的MCOST会随QP的增大而略增大，因此，阈值应该随着QP的增大而调整的略大。

2）  QP大时码率小，图像模糊，最优点与次优点的MCOST的差距会变小，也容易造成误判，相反，QP小码率大，图像精细，最优点与次优点更容易区分。

2、 整像素快速搜索与不同的图像尺寸

对于同样的搜索范围，较大尺寸的视频会有更好的RD表现，但是有较差的加速能力。具体原因如下：

 同样大小的一个块在大尺寸的视频中所占的比例很小，会更平滑，所以包含的内容和细节会更少，这样细节少的图像更容易找到更精确地匹配块，所以预测更准确，PSNR损失更小。但是同样的阈值对于大尺寸图像会使ME过程更慢。

3、 ET（提前截止）策略的分析

              ET出现的地方：

1）  开始点选择后

2）  十字搜索后

3）  5*5正方形搜索后

4）  16点复合六边形搜索后

         每当复合符合ET条件后会跳出搜索过程直接进入再求精（refinement）的搜索步骤。

         出现问题：四个步骤用同样的阈值，通过统计发现，以UMHS（十字+六边形搜索算法）为例，16点的六边形搜索基本上根本用不到ET！

4、 子像素快速算法的局限

中值预测作为小尺寸块的快速分像素搜索中准确度更高，CBFPS算法只用了小于等于8*8的块尺寸来保证RD效果。

随着整像素算法的提升，分像素算法的复杂度甚至会超过整像素的复杂度，所以加速分像素算法很有必要。

IV．提出的方法

1、 自适应的ET阈值

常用的三种阈值：

1）  固定值

2）  MCost（论文引用[4][6][8]）

3）  与QP有关的阈值（论文引用[4]）

                      可变的阈值比固定的阈值更有效。

                      提出方法：这种方法是基于UMHS和CBFPS的。

                                                第一个阈值Threshold1在中值预测的起始点

第二个阈值Threshold2在UMHS算法后，即16点的六边形搜索后，用16点的最耗点代价与阈值比较。

                      Threshold代表两个阈值，Thd_Base是最小视频尺寸，最小QP时得出的一个集合。阈值1的Thd_Base比阈值2的Thd_Base略小，因为阈值1比阈值2判断的更早。QP_factor是与QP有关的参数，Scale_factor是与视频大小有关的参数，理论上是为了在QP大Scale小的视频有更大的阈值。A、B是实验中决定的参数，在后续的实验仿真中，可以看到作者在整像素时A=0.9，分像素是A=0.4，B=0.3

2、 快速分像素搜索的改进算法

为分像素算法都添加提前截止。

当块大小大于等于8*8时，进行全搜索，在计算完1/2像素之后添加阈值，如果小于阈值跳过剩余1/2像素直接进行1/4像素的搜索；在1/4像素搜索时添加阈值，如果小于阈值，则跳过其他的1/4像素搜索

当块大小小于等于8*8时，进行的是CBFPS，在中值搜索MP之后，进行与整像素类似的阈值判断。