专利名称：块匹配方法中采用遗传算法进行运动矢量初始化的方法
技术领域：
本发明涉及一种图像压缩方法，更具体地说，涉及块匹配方法中采用遗传算法进行运动矢量初始化的方法。其中，根据与从图像参考帧中检测到的预定形状的关系，来划分特征块，并且根据被划分的各个特征块执行不同的初始化运算。
在图像压缩技术中有两种类型。一是帧内编码，即利用在图像中存在的空间冗余度压缩信息；二是帧间编码，即利用时间顺序上图像之间的时间冗余度压缩信息。
特别是，当传输一幅运动图像时，应用帧间编码的运动补偿编码被典型地用来减少数据传输量。
运动补偿编码涉及传输表示一个运动目标的位移值的运动矢量和根据在时间上相邻图像帧的运动补偿的预测误差。
块匹配算法(BMA)被用在涉及硬件的实时运动图像传输系统中，作为测量目标运动量的方法。
全搜索方法，三步搜索方法，应用高速算法的逐次搜索方法，和分层的BMA方法被用在块匹配算法中。在全搜索方法中，数据流是规则的，这样，与其它方法相比，硬件上易于实现，并且具有好的预测特性。但是，全搜索方法有一个缺点，它需要大量的计算。
遗传算法是基于自然选择和遗传结构的搜索算法，其中通过人工系统，实现了自然界的自适应现象。
为了实现遗传算法，被优化的主题必须通过一组参数表达，即，含有遗传信息的有效位组。这组参数在遗传算法中是重要的。位组必须被确定为与自然目标类似的，这样足以能表示出希望的信息。
当确定的遗传信息被传到下一代时，遗传特征被改变了。按照适配性(fitness)，即用于改变遗传特征的传输函数，来确定所要选择的算子。遗传算法是一种优化含有不同遗传信息的群体的方法，它利用内在的遗传信息而不是被其它搜索方法使用的直接现象。
遗传算法是一种随机搜索方法。然而，不象其它的随机搜索方法，在遗传算法中，除了简单的随机特性，也存在自然界的遗传特征。遗传算法被表达为一个表示遗传信息的集合，例如遗传特征(DNA或染色体)和遗传特征的进化和改变。因此，遗传搜索算法不是被随机函数确定的而是指表示遗传信息的集合的自然现象。对于运一点，遗传再生(reproduction)、交叉(crossover)、变换(mutation)的函数被确定了并且生物的特征被应用了，因为遗传特征从一代到另一代进化，改变致使熵减小。正如上所述，遗传算法是随机函数，局部特性的影响被减少，被本质行为决定的作为自然现象的整个特性被有效搜索。
在遗传算法中，按照适配性，群体的遗传特征从一代到另一代改变了。按照适配性，遗传算法仅选择一个合适的遗传特征。对于这样一个过程，改变遗传特征的遗传算子是必须的。在实际应用问题表现好结果的简单遗传算法是由再生、交叉、变换三个算子构成的。
再生是按照它们的被叫作适配性函数的目标函数复制遗传特征到下一代的操作。目标函数能够是一个预测函数表(barometer)，它按照所应用的问题显示最优状态。按照适配性复制遗传特征，意味着很可能具有高适配性的遗传特征保持到下一代。
再生之后，以二步执行交叉。在任意地偶合新产生的遗传特征和选择任意遗传特征的任意位置之后，遗传特征与对应遗传特征交换到最后一位。
然后，有通过给定的概率产生的变换，这是从0到1或从1到0改变遗传特征任意位的算子。在遗传算法中，变换起辅助作用，仅仅通过再生和交叉不用变换就能得到最优的结果。
本发明的目的是提供一种依据在应用了遗传算法的块匹配方法中被检测形状的特征块的初始化方法。用这种方法通过按照与在一个图像参考帧中检测形状的关系特性来划分宏块，并且按照被划分的块执行合适的初始化，可以减少运动矢量的计算量。
因此，为了达到第一个目标，提供了一种在块匹配方法中应用遗传算法进行初始化的方法，包含下列几步(a)从一个图像的参考帧中检测一个预定的形状，并且分段图像成为预定的块；(b)依照各块与该形状的关系特征来划分各个被分段图像的块；和(c)通过将一个适合的运动矢量应用到各特征块中来初始化运动矢量。在步骤(b)中，各块被划分成与检测形状无关的块、重叠了被检测形状轮廓线的块、在被检测形状里的块。在步骤(c)中，DPC(动态群体控制)方法被用到与检测形状无关的块中，具有加权值的相邻块的运动矢量被应用到与检测形状轮廓线有重叠的块中，相邻块的运动矢量被应用到在检测形状内的块中。
通过参考附图详细描述一个优选实施例，本发明的上述目标和优点将会更清晰，其中；
图1描述了一个应用遗传算法的块匹配方法；图2描述了依照本发明的初始化方法；图3描述了依照图2的各种类型应用了遗传算法的初始化方法；和图4表示了一个搜索块。
图1描述了应用遗传算法的块匹配方法，它是一个利用相邻块的运动矢量的相关性应用遗传算法的一个实施例。
首先，确定参考块的运动矢量(S10)。当不考虑图像特征时，将随机产生的运动矢量确定为初始值。然而，在与相邻块有相关性的运动图像中，应用相关性将相邻块的运动矢量的平均值确定为初始值。当平均值被确定为初始值时，通过减少遗传算法的迭代次数和所要搜索的块数，可以减少计算量。
采用均方差(MSE)来基于初始化的运动矢量计算适配性(S12)。即，随着误差变小适配性变大。
具有用来计算适配性的最小均方差MSE的一对群体，即最优群体被选择(S14)。
通过组合或交换步骤S14所选择群体的基因，执行交叉过程(S16)。这里，交叉处理是通过一个叫做均匀交叉(UX)的掩码操作来执行。即，产生一个与父组的染色体相同长度的掩码(mask)。这些位的值是被随机确定的。当一位的值是1时，子代的值等于两个群体的染色体之一的值。当一位的值是0时，子代的值等于另一个染色体的值。其它子代的值通过反转掩码被确定。
因为由于统计的原因可能有很多特征从父组丢失，所以为了补偿这一点，执行变换过程，反转染色体的值(步骤S18)。即，能找出整体最优值，而不仅仅是一个局部最优值。
最后，重复步骤S10到S18，直到获得一个预先确定的最优值，产生最强的染色体并且该染色体的值就是整体最优值(S20步骤)。
图2描述了依照本发明的初始化方法，示出了一个简化的人像，即从图像的参考帧中被检测的目标。
这里，从参考帧中被分段的宏块被分成下列块不属于被检测形状的块，象块A1-B1(A类块)；包含被检测形状轮廓线的块，象块A4-B2(B类块)；完全被包含在被检测形状里的块，象块A5-B3(C类块)。
在A类块中，它的运动矢量是很难预测的，参考邻块的运动矢量确定初始值。由于在很多情况下，一个B类块至少有一个运动矢量，利用邻块预测运动不是有效的。C类块有相同的运动矢量具有一个高的概率。在某些部分有一个微小不同的运动。特别是，人的眼睛和嘴巴是好的例子。C类型块适合于应用遗传算法。
图3描述了依据图2的类型应用了遗传算法的初始化方法。有构成二个父染色体和两个子染色体的四个群体。
首先，与被检测形状有关的宏块的特性被确定(S30)。
根据在S30步骤判定结果，动态群体控制(DPC)方法被应用到与检测块无关的块，即A类块中。即，在这种方法中，与前一帧相同位置的块的一个运动矢量和位于该块的上、下、左、右的每个块的一个运动矢量被定义为父染色体。从图4所示的搜索区的块中任意选择两个运动矢量，并且被六种选择中具有最小适配性的两个染色体替换。每三代执行一次DPC。每个任意值从第三代的第一和第三搜索区中被选择。每个任意值从第六代的第二和第四搜索区中被选择。在第九代和第十二代中以上述的次序重复选择搜索区域。考虑到人的眼睛在垂直方向上更敏感，才这样确定次序。
与步骤S30中检测的形状有关的块是否重叠轮廓线被确定(步骤34)。如果不重叠轮廓线，具有加权值的相邻运动矢量被用到初始化中(S36)。即，既使形状的某些部分位于块中，形状的运动也会影响整个块。然而，存在背景运动不能被忽略的情况，则将不同的加权值附给这两种情况。从相邻块中的A类块和C类块中，选出作为父染色体的每个运动矢量。执行交叉，以便更有效地跟随属于C类的父染色体的特征。即，不是通过执行任意掩码而是通过给予加权值来产生子代，这样能更有效地跟随C类块。
根据步骤S34确定的结果，在块不重叠轮廓线的情况下，相邻运动矢量被用到初始化中(S38)。在这种情况下，最好能够在被分段形状内的块中搜索微小的运动。因为除了考虑到整体运动，很可能形状的运动也变成了块自身的运动。这时，在从C类块中选择一个运动矢量和从与前一帧相同位置的块中选择一个运动矢量作为父染色体之后，可以利用例如交叉或变换的算法来搜索微小运动值。
在本发明中，为了预测最优运动矢量，对一幅图像的特征采用了遗传算法。用于预测运动矢量的最精确的方法是全搜索方法，它需要太多的运算。为了解决上述问题，一个简化的方法被应用，但是缺少精确性。即，整体最优值可能没被发现，仅集中于局部最优值。而应用遗传算法，可以找到整体最优值，却没有不正确的假设。然而，在遗传算法中有相对大量的运算。为此，在根据图像块的特征的块匹配方法中，采用了遗传算法。这种方法，比利用仅基于相邻块运动矢量的遗传算法的方法，产生最优运动矢量的计算量小，而且应用这种方法可以计算正确的运动矢量。
权利要求
1．一种在块匹配方法中应用遗传算法进行初始化的方法，包括(a)从一幅图像的参考帧中检测一个预定形状，并且将该图像分段成预定块；(b)按照各块与该形状的关系特征，划分被分段图像的各块；和(c)通过应用合适的运动矢量到各特征块中来初始化运动矢量。
2．如权利要求1的初始化方法，其中，在步骤(b)，各块被划分成与检测形状无关的块、与检测形状的轮廓线有重叠的块、在检测形状内的块。
3．如权利要求2的初始化方法，其中，在步骤(c)，对与检测形状无关的块采用DPC(动态群体控制)方法，对与检测形状轮廓线有重叠的块采用有加权值的相邻块运动矢量，对在检测形状内的块采用相邻块的运动矢量。
全文摘要
按照被检测形状的特征,提供了在应用遗传算法的块匹配方法中初始化的方法。该方法包括有步骤:(a)从一幅图像的参考帧中检测一个预定形状并且将该图像分段成预定块,(b)按照各块与该形状的关系特征划分被分段图像的块,和(c)通过应用合适的运动矢量到各特征块中来初始化运动矢量。这种方法比利用仅基于相邻块运动矢量的遗传算法的方法,找出最优运动矢量的计算量小,而且应用该方法可以计算正确的运动矢量。
文档编号G06N3/00GK1222041SQ98118490
公开日1999年7月7日 申请日期1998年8月20日 优先权日1997年12月29日
发明者姜相旭 申请人:三星电子株式会社