Abstract
方塊組合搜尋結合了以下的搜尋技術: 向量預測, 稀鬆式比對, 零向量周 圍之全面搜尋, 多個候選點o對任一個區塊(block) 來說, 前一張畫面所 得的向量, 可以直接拿來做預測(prediction)o 預測中心即是前一張畫面 所得的向量, 以此向量為中心, 由內而外做預測o 預測的正確與否, 須視 影像經所預測之向量做運動補償(motion compensation) 後的品質而定o 如果影像之補償誤差(comp- ensation error) 比預設的容許值( threshold) 小, 則可認定向量為一正確之向量o在兩個區塊的比對誤差( matching errr) 評估策略(criterion) 上, 傳統做法是將區塊中所有的 點都做比對, 稀鬆式比對(coarse matching) 只取其中一半的點做比對, 而影像品質幾乎不受影響o零向量周圍之全面搜尋(full search around V(0,0)) 的意思為: 在向量空間上, 以(0,0) 為中心, 做小範圍的全面搜 尋o 一方面可以對小向量得到精確的向量值, 以改善視覺效果; 另一方面 也基於相當多的向量都不大, 只須以少量的搜尋即可大幅提高影像品質o 第一階段之樣品點取法, 在水平及垂直坐標方向上, 每隔三點取一樣品 點, 如此可兼顧向量之正確性及運算量o第一階段取六個候選點( candidate) 各自做向量微調(vector refinem- ent), 最後再加以選擇最 好之向量o 此法可以得到補償誤差較小之向量o