Abstract
该块匹配算法（block matching algorithm BMA）用于运动估计。核心思想就是通过连续不断的消除搜索窗口中的块位置，降低计算量，同时获得较为准确的运动向量，准确度极其接近全搜索算法。它不同于其他递增型的搜索算法，也就是从一点出发，搜索周边块，该性质会导致其陷入局部最优。
Principles of the Algorithm
块匹配算法（BMA）的目的就是在参考帧的搜索窗口中找到一个与当前块的最佳匹配。接下来会讲一个不等关系式，用于限制在搜索窗口中搜索过程，但仍然保留了运动向量的最佳选项。
假设一个像素块，其尺寸为N x N，搜索窗口的尺寸为 (2M + 1) x (2M + 1)。f(i, j, t) 代表像素帧 t 中坐标为 (i, j) 的像素值。平均绝对差 (Mean absolute difference MAD) 用于衡量两个块之间的匹配程度。假设参考帧为 t - 1。我们能得到一个基本的不等式：
(1) ∣ ∣ f ( i , j , t ) ∣ − ∣ f ( i − x , j − y , t − 1 ) ∣ ∣ ≤ ∣ f ( i , j , t ) − f ( i − x , j − y , t − 1 ) ∣ . ||f(i, j, t)| - |f(i - x, j - y, t - 1)|| \leq |f(i, j, t) - f(i - x, j - y, t - 1)|. \tag{1} ∣∣f(i,j,t)∣−∣f(i−x,j−y,t−1)∣∣≤∣f(i,j,t)−f(i−x,j−y,t−1)∣.(1)
该不等式与以下两个不等式等效：
(2) ∣ f ( i , j , t ) ∣ − ∣ f ( i − x , j − y , t − 1 ) ∣ ≤ ∣ f ( i , j , t ) − f ( i − x , j − y , t − 1 ) ∣ . |f(i, j, t)| - |f(i - x, j - y, t - 1)| \leq |f(i, j, t) - f(i - x, j - y, t - 1)|.\tag{2} ∣f(i,j,t)∣−∣f(i−x,j−y,t−1)∣≤∣f(i,j,t)−f(i−x,j−y,t−1)∣.(2)
(3) ∣ f ( i − x , j − y , t − 1 ) ∣ − ∣ f ( i , j , t ) ∣ ≤ ∣ f ( i , j , t ) − f ( i − x , j − y , t − 1 ) ∣ . |f(i - x, j - y, t - 1)| - |f(i, j, t)| \leq |f(i, j, t) - f(i - x, j - y, t - 1)|. \tag{3} ∣f(i−x,j−y,t−1)∣−
最低0.47元/天 解锁文章
扫一扫
726
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
