Hochqualitative Bewegungsschätzung unter Verwendung von Meta-Bildinformationen

摘要

Verfahren zur Bewegungsschätzung stellen eine wesentliche Komponente in Multimedia-Systemen dar, und deren Optimierung ist weiterhin Gegenstand aktueller Forschung. Erfolgversprechende Ansätze suchen neben der Bestimmung der Bewegungsinformationen allein auf Basis einer Grauwert-Ähnlichkeitsinformation auch weitere im Bild enthaltene so genannte Meta-Informationen wie zum Beispiel Objekt-, Textur- oder spezielle Vektorfeld-Informationen mit einzubeziehen. Wegen der zum Teil moderaten Qualität dieser Zusatzinformationen muss dies sehr konservativ erfolgen, da sonst die Gefahr einer sogar dramatischen Verschlechterung der Vektorfeldqualität besteht. Im Rahmen dieses Beitrags wird das allgemeine Konzept einer hochqualitativen so genannten „Meta-Informationsgestützten Bewegungsschätzung" präsentiert. Auf Basis dieses Konzepts können robuste Methoden abgeleitet werden, die eine deutlich gesteigerte Qualität der Bewegungsvektorfelder aufweisen, ohne in kritischen Situationen einen Qualitätsverlust zu verursachen. Exemplarisch wird in diesem Beitrag ein Verfahren zur Meta-Informationsgestützten Bewegungsschätzung präsentiert, das sowohl die Integration von Objektinformationen als auch die Erkennung globaler Bewegungsmuster nutzt, um die Qualität der Bewegungsvektorfelder zu verbessern. Die Ergebnisse dieses Verfahrens werden anhand unterschiedlicher quantitativer Bewertungsmetriken analysiert und mit den Ergebnissen häufig verwendeter Ansätze zur Bewegungsschätzung verglichen.%Motion estimation algorithms are a key component for multimedia systems and the optimisations of these algorithms is still a topic of current research. Promising approaches try to integrate not only pure grey level similarities into the motion estimation but also further types of image information e. g. object, texture or special vector field information. Due to the commonly moderate quality of this additional information the integration has to be performed rather conservatively in order to reduce the risk of an dramatic degradation of the vector field quality in some cases. Within the scope of this contribution the new concept of so-called "Meta-lnformation-based Motion-Estimation" is presented. Based on this concept robust methods can be derived featuring a significantly increased quality of the motion vector field, without deterioration in critical situations. By example one implementation of the Meta-Information-based Motion-Estimation is presented using both integration of object-information and the identification of global motion patterns to enhance the motion vector field quality. The resulting motion vector fields are applied to a vector-based image format conversion and analysed on the basis of different objective evaluation metrics. Furthermore, a comparison of these results and the results of commonly used motion estimation algorithms are presented.