[論文レビュー] A Fast Block Matching Algorithm for Video Motion Estimation Based on Particle Swarm Optimization and Motion Prejudgment

Ran Ren, Madan mohan Manokar+2 more|ArXiv.org|Sep 24, 2006

Video Coding and Compression Technologies参考文献 13被引用数 13

ひとこと要約

本稿では、粒子群最適化（PSO）とゼロモーション予測を統合することで計算負荷を低減する高速ブロックマッチングアルゴリズム、PSO-ZMPを提案する。静的マクロブロックを早期に特定し、PSOを用いて効率的な運動ベクトル探索を行うことで、ダイアモンドサーチより10倍以上、アダプティブルードパターンサーチより5倍の計算削減を達成した。高運動度シーケンスではPSNRのわずかな低下を伴うが、全体として良好な性能を示した。

ABSTRACT

In this paper, we propose a fast 2-D block-based motion estimation algorithm called Particle Swarm Optimization - Zero-motion Prejudgment(PSO-ZMP) which consists of three sequential routines: 1)Zero-motion prejudgment. The routine aims at finding static macroblocks(MB) which do not need to perform remaining search thus reduces the computational cost; 2)Predictive image coding and 3)PSO matching routine. Simulation results obtained show that the proposed PSO-ZMP algorithm achieves over 10 times of computation less than Diamond Search(DS) and 5 times less than the recent proposed Adaptive Rood Pattern Searching(ARPS). Meanwhile the PSNR performances using PSO-ZMP are very close to that using DS and ARPS in some less-motioned sequences. While in some sequences containing dense and complex motion contents, the PSNR performances of PSO-ZMP are several dB lower than that using DS and ARPS but in an acceptable degree.

研究の動機と目的

• 動画圧縮におけるブロックマッチングアルゴリズムの高い計算コストを低減すること。通常、エンコード時間の70–90％を占める。
• 知能的最適化技術と動き予測ヒューリスティクスを統合することで、動き推定の探索効率を向上させること。
• リアルタイム応用に適した高い動画品質を維持しながら、計算複雑性を顕著に低減する手法を開発すること。
• PSOを動き推定に応用する可能性を検討し、グローバルサーチ能力とハードウェア実装の簡便さを活用すること。

提案手法

• 静的マクロブロック（MB）を特定し、動き検索を不要とするゼロモーション予測（ZMP）ルーチンを導入し、探索空間を削減する。
• 残りの候補ブロック内で最適な運動ベクトルを探索するために、粒子群最適化（PSO）を適用する。粒子の群れが探索空間を探索する。
• 収束性と探索精度を向上させるために、PSOにおける粒子の初期化パターンを新規に定義する。
• PSOベースのマッチングと予測画像符号化を組み合わせることで、冗長な計算をさらに削減する。
• 運動ベクトルが最小化する一致誤差 $\varepsilon(\mathbf{d}_m)$ を満たす、予め定義された探索領域 $\mathcal{P}$ を使用する。
• 動き推定問題を、探索空間 $\mathcal{P}$ 内で $\varepsilon(\mathbf{d}_m) = \sum_{\mathbf{n} \in \mathcal{B}_m} \Phi(I_k[\mathbf{n}] - I_{k-1}[\mathbf{n} + \mathbf{d}_m])$ を最小化することとして定式化する。

実験結果

リサーチクエスチョン

• RQ1 PSOに基づく最適化は、ブロックマッチング動き推定における計算コストを低減しつつ、妥当な動画品質を維持できるか？
• RQ2 ゼロモーション予測は、静的マクロブロックに対して不要な動き検索をどれほど効果的に排除できるか？
• RQ3 ダイアモンドサーチ（DS）やアダプティブルードパターンサーチ（ARPS）といった既存の高速アルゴリズムと比較して、PSO-ZMPは計算量とPSNRの点でどの程度優れているか？
• RQ4 PSOは、遺伝的アルゴリズムベースの手法（例：GA-ZMP）と比較して、スピードと正確性の両面で優れているか？
• RQ5 PSO-ZMPは、高密度または複雑な動きを示すシーケンスにおいて、どの程度の動画品質を維持できるか？

主な発見

• Akiyoシーケンスにおいて、PSO-ZMPはダイアモンドサーチ（DS）と比較して12.04倍、ARPSと比較して4.94倍の計算削減を達成した。
• Akiyoシーケンスでは、PSO-ZMPのPSNRは42.39 dBであり、DSの43.50 dBと比較してわずか1.09 dB低いが、12.04倍の高速化を達成した。
• Silentシーケンスでは、PSO-ZMPのPSNRは32.64 dBであり、ARPSの36.46 dBと比較して4.04 dB低いが、30 dBを超えており、妥当な品質を示している。
• PSO-ZMPは、すべてのシーケンスにおいてGA-ZMPよりも平均PSNRと計算効率の両面で優れており、計算量は全シーケンスで1.47×から2.17×まで低減された。
• 全5つのテストシーケンスにおいて、PSO-ZMPは大多数のフレームでPSNRが30 dBを超えて維持されており、わずかな劣化を伴いながらも、妥当な動画品質を示している。
• 本アルゴリズムは、低運動度から高運動度シーケンスにわたり、一貫した性能を示し、スケーラビリティとロバスト性に優れている。