运动估计（Motion Estimation）是帧率转换中运动补偿内插算法的关键环节，运动估计的精度直接决定内插帧的质量[1～4]，目前三维递归搜索法（3-D Recursive Search,3DRS）是现有通用的运动估计实现方法。但是传统的三维递归搜索算法[5～7]存在以下不足：当视频序列存在场景切换时，相邻帧的相关性下降，这种内插帧的方法就会失效；当视频序列剧烈运动，某一宏块包含多个运动对象时，用此搜索算法估算出的宏块运动矢量不准确，从而导致内插出来的图像存在“块效应”；同时，传统的三维递归搜索算法采用固定位置邻近宏块运动矢量作为候选运动矢量，由于指定宏块的局限性，通常有很多候选运动矢量是相同的，而与当前块运动一致的运动矢量却未进入候选矢量中，从而影响算法收敛速度和运动估计效果。

针对传统三维递归搜索方法的不足，本算法先依据灰度直方图的二阶差分检测场景，将视频序列划分为多个场景片段进行场景内插帧，同时利用灰度直方图的一阶差分获得该场景内的帧序列运动强度，根据运动强度设置匹配块大小。在包含当前块的指定区域中，选取该区域中所有块作为当前块的时空预测块，采用三维递归搜索算法获得当前块所有时空预测块的运动矢量，选出互异的运动矢量作为当前块的候选运动矢量，依据本文给出的比较指标求出最优运动矢量。最后对最优运动矢量进行平滑滤波，补偿重构中间帧。

1 本文算法

1.1 整体结构框图……

登录APP查看全文