本发明是关于模式处理，更具体地是关系到视频信号编码这样的处理的应用，尽管这不是专用的。 一个例子是在视频编码中为了运动图象的传输采用帧间有条件的补充编码。在图象单元值与预计值（即从前面帧得来的值）之间会发生差值。该差值给一个阈值电路，对于每一个差值阈值电路都产生一个“1”或“0”以指示是否超过了阈值，因此形成一个“运动矩阵”。只有在运动矩阵的相应单元中那些具有“1”的单元值（如更优选的，或者单元差值）才进行编码以便传输。
在接收端，接收到的信息被用来更新本地帧存贮器中的已贮存的图象。为此，接收机能正确地解码接收到的信息侧边的指示信息，已给出的系数必须被包含在传输中。所有运动矩阵的比特的发出代表一个基本的准备时间，因此建议将图象分成8×8块，每个8×8运动矩阵的矢量匹配到最接近32模式一组的一个，接收机只用5个传输的比特就能识别出这32模式。迄今为止，这种匹配已经用一个与模式相关地方法来实现;这就是计算上的浪费，甚至高速度处理32个模式在实际时间上也是最大程度上可行得通的。
该技术也可用于所谓一个变换编码的混合视频编码器和帧间有条件的补充编码。转换编码包括将一个两维转换例如Hadamard或离散的余（DCT）转换到（例如8×8）的图象单元块，以产生转换系系数的相应矩阵（为了实时的处理，同时完整帧的转换是很慢的）。这里运动矩阵是基于现在帧的矩阵的系数与前面帧的系数之间的差值。
在该程序的变化中，取帧间差值可以超前转换而不是跟随它。
按照本发明的一个方面，提供了一种将代表了一个两维模式的一组数值分类的方法，包括形成一个那些值的加权总和、模X，X是一个小于2p的整数，p是这组数值的个数，并用该总和作为地址输入到一个具有X个单元且每个单元包含一个分类识别字的存贮器中。
原理上，这些参考值可能是与模式的每一单元相关的值，值求和可以简化，而且加权系数和模数的求导很容易通过第一次形成的，每一值表示若干单元的一组值来得到。因此本发明的一个优选实施例包括用识别来导出一组值，还包括各个复杂的预先确定这样群的组之一的模式单元群，每一个群有一个与它相结合的编码，群的大多数严密地类似于一个预定的标准，编码与群相结合，从而识别形成的组的（大小）值。
尽管其他选择也是可能的，但这些群应是一个矩形模式矩阵的行（或列）。
本发明的一个实施例用举例的方法参考下列附图将要描述：
图1是运动矩阵矢量量化装置的方块图;
图2图示出了一组标准行矢量;
图3图示出了一组标准模式;
图4是模式区域变换概念的示意图;
图5和6是系数和模数推导的程序流程图;
图7是运动矢量产生的示意图。
所要描述的装置是被用于假设形成的视频编码器中，该编码器对每一个8×8点块都形成一个8×8的运动矩阵，其每一单元是一个单一比特以指示相应的图象单元（或变换系数）是否在帧之间有本质上的变化。
上面讨论的问题之一是将264个可能模式指定为若干个较小的分类数目（32）的模式。理论上，这可用有264个单元的查阅表来达到，每个单元包含一个指示把模式分类属于哪种的5比特指示数，但显然，一个如此规模的表是不切实际的。甚至如果用5比特来表示每个8比特行，用矢量量化矩阵行来予处理矩阵，这个表的规模仍然是240。建议的方法是用模X求和函数将264（240）个模式变换到一分类较小的数目X。求和函数的系数值和模数X必须选择到适合所要求的模式组，正如下面所描述的那样。而在例外情况一个特殊模式组可能使X等于若干个等级（classes），通常是不会如此的，实际中会发现X可能足够小，以使能构成与每包含识别32个等级之一的5比特数目的查阅表。
图1显示出一个装置，形成视频编码器的一部分，该装置用于识别32种标准模式中的那一种，输入的8×8×1比特的运动矩阵大部分很相似。每单元有一比特b（i，j）的运动矩阵，假设已产生并且存贮到64比特的缓冲存贮器1中。一个6比特的地址计数器2同步地发生从0到63的地址送到存贮器1的地址输入端。存贮器1的数据输出b（i，j）和行地址j送到产生5比特行矢量编码9（i）的行量子化（变换）器3。行地址i被送到有8个单元且每单元包含一个8比特系数C（i）的只读系数存贮器4的地址输入端。行矢量编码9（i）和存贮器4的数据输出送到产生乘积的乘法器5。该乘积送到由模X加法器和其输出端反馈到加法器一个输入端的16比特锁定器7组成的存贮器。当然该模数不会超过216。存贮器的输出形成地址输入到查阅表，它包括另一个有216＝64K单元（只用X）的只读存贮器8，每个单元包含识别32种模式中的一种的5比特字，这些模式都是输入运动矩阵所指定的。
因此，存贮器7的数据输出8提供按照模X总和从表选择的5比特字。
更仔细地考虑这个过程，假设输个模式包括一个8×8矩阵B，每个单元b（i，j）都是单一比特以指示相应的图像元素（Pixel）是否被判断为运动（“1”）还是不运动（“0”），这是寻找类似标准的一个重要因素，因为当它不是像静止那样表示运动图象元素时，它比像运动表示图象元素更可取。
在行量化（变换）器3中，8×8×1矩阵的信息内容被“行”量化即每一个8×1比特的水平行与用接近的8×1基本矢量之一进行比较。假设的6个基本矢量在图2中示出。注意在理论上是不必需的。8比特群容易受到从输入矩阵推导出来的过程的支配;另外的选择也是可能的。每个基本矢量用编号V0……V5来表示。理论上这些都应是整数0到6，可是其他的选择将发现产生更好的结果。特别地、相隔较宽的数字，主要基本数字在0到255范围里找比较好。例如：141，95，111，173，237，29，192，224，或149，97，113，173，239，29，137，43。
该数据组必须用人工来选择，而有可能被选中的组的与比较可用下面分别描述的系数逐次接近算法来比较（每种情况都用同一个随机数）。那些有最快的收敛的组相信是更优良的。
比较过程需求在任何位置是“1”的输入行不能与那个位置是“0”的基本矢量相比较。例如：图2所示的例子输入E，不能与V4（表面上最接近的）相比较，因为它在位置7上是“1”，它必须与V0相比较。
因此，识别在输入行有“1”的所有位置也是“1”的基本矢量（S）。如果这样的矢量不只一个，就根据矢量与输入行相应比特之间有最小的不同比特数选择最接近的。
现在该8×8的输入矩阵已经转换成有8单元的矢量〔9（ⅰ）〕。
该矢量经过乘法器5和借助于由形成它的单元的加权总和h的系数存贮器4的存贮器6，7被进一步量化，模X即：
h=Σi = 0N - 19( i ) · C(i )MODX]]>
（该定义参见下面的求和函数的描述）。
由此得到的输入行被转换成一个标量和（范围从O到X），然后用于存取存贮器8的查阅表，从存贮器8可读出指示要用的标准模式之一的编码字符。
14个标准模式例子在图3中显示，用相应的编号Z0……Z13表示。
用没有模X限制且由存贮器产生的加权总和来代表这些可能模式的变换是能够实现的，其中一些模式用如图4中的A到E的交叉表示，其中概念上的模式领域P，进入“总和”领域S，其大小取决于系数C（j）和行矢量编码V0……V5的值。如果系数在数字上间隔较宽，那么有的模式都将变换到领域S的不同位置。如果这种条件没有满足，那么一些模式将在S领域内以相同的模式出现（见模式C，E）当然，这只有当两个模式属于同一类时才是所希望的。
模X存贮的使用减小了领域S的大小，因为将它对折了一次或几次。一个简单的折叠显出图4中，那儿模B已经和C、E在领域H内重迭了。
这些系数和模必须进行选择，以便使保证达到一个可被接收的低的模值，如可能只有属于同类的那些模才能变换到相间的H值（尽管象下面所描述的可能有一些错差，实际中这也是可容忍的）。发明人知道理论上没有证明这是能达到的，也没有任何理论方法来产生C（ⅰ）和X的值。可是，实验表明用逐次接近程序来获得这些数值可得到满意的结果。
下面将描述获得系数C（ⅰ）和模X的合适值的一种方法。用一种逐次接近方法用来获得系数C（ⅰ），这需要给模式的测试系列上提供加法函数来（没有模数限制）进行逐次接近系数的周期性测试。
显然，测试所有264个可能的8×8模式或者测试表示行量化矢量的240个可能模式是不实际的。因此，试验被限制在标准模式本身并且一个模式更进一步分级定义为不同的标准模式。一个不同的模式确定为具有两个中一个的矢量代替的一个或多个分矢量的标准模式（以基本矢量形式）。每个基本矢量只有一定的可代替的范围，即那些在原矢量是“1”的位置也是“1”的矢量。图2列出了与每个基本矢量相关的不同的矢量。这不同的模式组包括所有这些代替的可能组合。变量的确定表示不同的模式与基本模式之间的相似性;即当进行图象编码时完成不同的模式能产生象所做的不同标准模式所产生的相同的编码数。
为了获得总和h′（最初表示这和数不是一个模数和数）通过给标准和不同的模式提供求和来进行系数C＝〔C（ⅰ）〕组的测试。如果完整的话，该过程将在于qmin∑c（ⅰ）到qmax∑C（ⅰ）范围内提供一组h′值，其中qmin和qmax是q（或V）的最小和最大值。
然而，每一个新产生的h′要用来检验前面的h′值。如果能产生那些值的模式具有同样的标准的模式/不同的模式群（即它们有相同的编码数）前面的h′值可容许重复出现。否则这就意味着不同的模式变换到相同的h′值，并认为是一个“冲突”，在测试中出现的“冲突”数作为被测试的系数组C品质因数TEST（C）的测量。
逐次接近过程是在图5的程序流程中说明。Cn＝〔Cn，O……Cn17〕是系数组的第N次逐次反复。RND（r，s）表示在γ到S范围内随机数的产生。程序的进行如下：
最初的估计Co成为（1）。这可能完全是随机的，或操作者对合适的起始点的推断得到一个启发，那么该过程可能变短。然后是测试（2）以及逐次逼近和暂停计数器被预置（3、4）。通过随机选择一个系数（Cn，R）以及对它进行一个随机的变化P，一个新的Cn值由Cn-1推出（5）。第一次逐次逼近采用一个大的变化（比如：系数值在0到255范围内，在8到255范围内）而以后的一次则只采用一个小的变化（比如：在1到7范围内）。可用模256加法来做到这点，以保持系数的范围内。
新的系数组是现在的测试（6）;如没有冲突发生（7），该过程是完全的。否则暂停计数器是导前的（8），测试结果Gn与前面的测试的Gn-1进行比较（9）。如果已经得到改进，循环计数器是导前的（10）并且循环是不断重复直到获得一组没有发生冲突结果的系数。然而这种要求可能是不严格的。不是因为它是不可达到的，就是为了要减少逐次逼近的时间或者当测试中冲突的次数小于给定的比例。比如测试模式数量的百分之5或10时逐次逼近将终止。否则逐次逼近的次数可能受到限制。那儿用这种方法，冲突是可允许的，必需决定变换到特定的h′值的两个分类（或更多的）中的那一种，该h′的值是要被说明的。为减少分类的误差数目，通常将选择在典型图象中发生具有最高概率的分类。
如果，在任何一个时间改进都不能得到，在试图进一步改变之前（11）增加循环计数器是无效的，最后系数组将被放弃。如果十次为改善特殊的系数组的赏试都不成功，这表明该过程是在错误的方向上进行的。循环计数器将减少（12），因此，最后的和前面的两个组将被放弃。当然（13、14）这种限制不会应用到第一次逐次逼近中（或者后面的情况，这过程不回到GO）。
在测试中，模式限制应用加法时，当给出不冲突时（或限制冲突的数目）逐次逼近的终止提供一组系数Cn。用假设（6a）已被存贮并且现在处理寻找模数X的系数组，得到h′j（j＝0……T-1，T是测试模式的数目）值的组。为了从M起始的连续的X值，M是标准模式的数目，通过转变h′数据组，这是能达到的。
不会导至冲突的最小的X值（如上面的定义）或限制冲突数目是所需要的结果。该过程在图6的程序流程图中说明。外面的循环A依次检查每一个X值，当它找到一个不导至冲突的值时就终止。为了现在的模X中间的循环B计算每一个连续的hk值，而里面的环C在这个X值上用前面所有的h值来检查hk，看是否有冲突。
在系数和模数的求导中，将注意到不是所有可能输入模式都已经被测试。打算选择那些标准模式和它们的不同的模式来覆盖最大兴趣的模式。例如：用标准的“全1”模式（Z13）来表示所有一半以上位置包含“1”的模式。这些和其他的未测试的模式在操作时导至假的结果，因此本方法包括更进一步的校验结果的步骤标准模式相应于与输入模式相比较得到的编码。如果后者在前者不是“1”的任何位置都是1那么校验失败，并且Z13以得到的编码代替。该操作在图1中通过测试单元9和转换开关10图示地表明了。参见上面，采用缓和冲突的方法也是这过程为了补偿误差的原因。
本发明的另一个应用是产生运动矢量。这包括将前面的图象帧的一个方块与现在图象帧（反过来也一样）移动的方块相比较，以便确定现在图象帧内与在前的方块非常接近的方块的位置，并形成一个表示运动的大小和方向的运动矢量。该技术的一个应用例子是用在帧间编码系统，其中运动矢量可传输给接收机并象预测值一样用来改进前面帧的效率，用图象移动的适当部分来代替以前的帧。
象前面一样，相关方法是慢的。这样运动矢量的使用，不需要移动方块和非移动方块之间的匹配是很精确的，只要求有比前面没有改进的帧有好的结果。
对于常规的运动矢量产生方法，该将要描述的运动矢量产生的结果被直接采用或形成第一个估计值以限制“搜索面积”。
假设按上面描述的方式，给所有的图象方块分配编码数（基于单元值而不是转换系数）。首先一个过程是确定具有“所有运动”编码Z13的一个或多个方块，即识别图象的那些面积，在那儿发生的运动真实总数。
对于每一个这些的方块，为了确定方块在现在的和在前的帧内位置，编码之间进行比较，以便确定编码所代表的运动的方向（下面将更详细地描述）。8个环绕的方块进行类似的检测查，如果得到一致（例如如果推论的方向一半以上是相同的）的话，那么这个方向是像所要求估计的一样。
在图7中，说明了比较的过程。如果前面的和现在的图象帧的编码是Z11和Z6代表标准模式是在图7（a）中说明，那么运动的方向被定为箭头所示的方向。图7（b）和（c）说明更进一步的范例。一个查阅表有相应于每一编码对的运动矢量参数的设备。
当然，如果两个方块的比较表明它们全是运动的，那么就不能获得信息，这决定是基于环绕那个方块的比较作出的，或者在两个帧中，相邻的方块也全都是运动的，就是围绕这样方块的一群的方块。