基于GPU的快速运动估计算法研究与实现

摘要

运动估计是视频压缩编码的关键技术之一。它采用相邻帧的像素作为参考来预测当前帧的像素，并直接决定了压缩编码速度与效率。运动估计也是视频压缩编码统中计算复杂度最高的模块，因此运动估计快速算法通常利用帧序列与运动矢量分布特性来减少不必要的搜索点，从而降低计算复杂度。
　　 本文以视频压缩编码系统中运动估计模块在GPU并行处理器上的实现为研究目的，一方面利用视频序列特性与运动矢量分布特性来减少不必要的搜索点，另一方面结合GPU通用计算特点，提出了一种适合于GPU处理器的高精度并行快速运动估计方法-基于GPU的局部全搜索(GPU-based Local Full Search，GLFS)。整个运动估计过程划分为整像素精度搜索与1/4像素精度搜索，且搜索过程中的每个步骤都采用一种局部全搜索思想；并根据视频序列的运动特征，将搜索域划分为背景域和运动域。首先，利用局部全搜索以最大概率判定当前块是否为运动域；然后，对于运动域通过降低搜索域分辨率来提升搜索步长，执行低分辨率的局部整像素全搜索来捕捉最优运动矢量分布范围，即粗定位；最后，利用高密度、高精度搜索模板逐级细化运动矢量，完成1/4像素精度的运动估计，即细定位。此外，GLFS算法在搜索过程中还采用了中止判别技术，且搜索过程中每一步的搜索点数都不会发生变化。
　　 本文采用CUDA C在Windows平台上编程实现了基于GPU处理器的视频编解码器。实际测试结果表明，在相同的图像质量下采用GLFS算法的搜索精度很接近FS算法。此外，在运算速度上，与GPU上实现的FS算法相比，GLFS算法提高了约9倍。