目前主流的编码标准的压缩性能比以往的任何标准都提高了一倍以上。但是在网络带宽受限情况下,这些视频编码技术仍旧难以达到令人满意的效果。因此如何在网络带宽受限情况下进一步提高视频编码的效率引起人们越来越多的关注。帧率提升和插值算法性能上的好坏直接影响到这种视频编码方案的压缩效率。在帧率提升领域中,MAAR模型是一种非常有效、理想的自适应方法。在MAAR模型中,插值帧中的每一个像素都是由一个样本空间中的像素作线性组合得到。在MAAR模型中,插值窗口的大小需要事先指定,因为处于同一个块内的所有像素都将采用同样的权值进行插值,让块的大小可以根据视频序列的特点进行调整可以让基于MAAR插值算法对视频序列的处理更加精细。基于上述思考,观察到失真宏块与待插块通过双向运动估计所得都的对应块的残差之间的强联系,本文提出了一种基于MAAR模型的参数自适应方法。首先,我们通过计算每个宏块的残差能量,对插值帧中的宏块进行分割。在细化了块的大小之后,我们对原始宏块中的子块依据运动矢量的可信度进行划分,再将不可信的块进行融合。通过建立运动矢量的可信度图和宏块的融合图两个辅助的结构,对子块的运动矢量进行重建和修正,最后得到更为准确的运动矢量。将其用在算法迭代的开始,不仅提升了插值的效果,还有利于算法的收敛,提高算法的效率。算法是自适应的,避免了原来需要实现指定参数的约束,使算法在处理不同分辨率的序列上更具备普适性,并拥有更好的插值效果。因此,作为一种实用的自适应技术,本方法具备重要的创新意义和实际应用价值。