运动估计是视频编码中的关键模块,用于消除视频数据的时间冗余。运动估计需要从搜索窗口中寻找最佳匹配,以减少残差数据,因此,作为衡量目标块和候选块的相似度的匹配标准,对运动估计精度的影响是决定性的。噪声的存在给运动估计带来了挑战:噪声信号增加了运动估计偏离最佳收敛点的可能性,使残差数据增大,降低了压缩性能;更重要的,噪声使生成的运动矢量场并不能真实反映物体的运动,不利于视频检索等应用。因此,对于运动估计的抗噪声研究十分必要。本文旨在通过对噪声特性的研究,提出具有噪声消除的运动估计匹配策略。残差数据首先经过DCT变换到频域再进行量化以及熵编码,因此,对DCT“友好”的运动匹配标准能够得到更好的编码效率。相关研究证明,DCT系数分布与空域方差相关:方差越小,DCT系数越集中。基于这个性质,目前已有研究者提出了平滑度受限的匹配标准。然而,该标准使用的最大最小差(MME)只采用了两点估计,易受噪声干扰;本文对该标准进行改进,用多点绝对值差均值近似方差,提高了算法的鲁棒性。实验表明,对于方差为8的加性高斯白噪声,改进后的匹配标准在相同比特率下,PSNR有0.2dB的提高。MAD匹配标准是匹配精度与计算复杂度的折中,该准则可以看作残差绝对值的算术平均,对于样点均匀分布的情况,它等同于数学期望。随机过程理论证明:在置信度一定的情况下,数学期望的置信区间长度与样点数呈平方根反比关系。本文提出了基于运动分割的自适应OBME匹配算法,该算法使用运动矢量作为运动分割的依据,使得到的超级块扩展更加合理,通过增加样点数量,超级块匹配具有更精确的置信区间。本文通过大量实验证明了该算法的三个基本假设并最终通过数据表明,在有噪声的情况下,本文提出的基于运动分割自适应OBME比参考算法PSNR提高0.1～1.2dB。