mv

目前为止，我研究的主要是块匹配运动估计方法。

精度最高的是全搜索法，但是计算复杂度庞大，人们提出了许多快速算法。常见的有：子采样法、连续排除法、中止准则、模板法、运动矢量预测等。

一般而言，子采样法在速度上有所提高，但精度难以保证，可以与任何一种快速方法相结合，工程应用较多，论文涉及较少；连续排除法速度提升效果不明显，一般用于全搜索法的快速计算上；常见的是后几种算法及其组合。

中止准则使用很多，门限值可以设定固定值也可为变化值。固定值一般设为512左右（对宏块而言，如MVFAST、ARPS）；变化值一般根据量化系数（如UMHexagonS）或邻块SAD值（如EPZS）设定。当然，很多算法中使用多个门限值用于不同时期的中止判断（如EPZS）。

运动矢量预测是研究的热点之一。一般而言，可利用的运动矢量来自四个：相邻块、前帧中相同位置块、上层块（比如16×16块的运动矢量为8×8提供预测，但反过来是否效果更好？）、不同参考帧的矢量预测。得到这些运动矢量集合后，一般计算得到一个（加权平均值或中值或较小SAD值的运动矢量）或多个预测矢量用以加快搜索速度。

模板法一直在不断的发展演化。最初的三步法就是不断降低模板步长，限定搜索点数。其后梯度下降法、四步法、菱形法、六边形法用了运动矢量的中心偏移特性，提高了搜索速度，但是对于运动剧烈的序列，效果不好，对运动缓慢的序列，搜索点数也比较多；随后，模板法出现了两个趋向：一是非对称模板，搜索重点依次放在水平、垂直、其他方向，非对称模板的使用可以特定步骤（如ARPS、UMHexagonS中的十字模板），也可以根据最佳点出现在模板的位置灵活变换（如CDHS）；二是模板的半径根据SAD（EPZS）或邻块运动矢量估计（MVFAST）做自适应的变化，一般该步骤紧接在MVp检测之后。

注：局部精细搜索一般使用菱形小模板，广度搜索时六边形比大菱形模板速度更快。

 

 

一般而言，就是运动估计得到的块就是运动补偿块。

但是，为了更好的逼真原始图像，可以更精细的处理方法：多假设运动补偿（时间），如B帧（是否可以参考更多的帧，或者帧内帧间加权结合？）；重叠块运动补偿（空间），是将当前块和邻块运动矢量处的参考值加权得到（权值是否可以与SAD和运动矢量相关？），对运动物体边界可能有效。

为了消除运动估计产生的“虚像”，还可以对运动补偿的图像进行中值滤波（在H.264中应该没有必要，因为已经有了环状滤波）。

 

 

另外，将实验用的运动估计代码共享，程序中默认是宏块运动补偿，改为其他块尺寸时，需修改部分门限值（如MVFAST）。包括FS、4SS、DS、HS、ARPS、MVPAST、CDHS等运动估计算法的实现，在QQ群 “H.264乐园”（12923082）共享区下载。