视频图像运动估计中的一维块匹配算法

运动估计是视频图像压缩和视频图像修复等领域的基础问题,传统的块匹配法搜索质量较好,但搜索速度不够快.针对传统块匹配法搜索速度上的不足,提出一种快速的一维块匹配运动估计算法.首先对运动矢量正交分解,使用特殊权重系数矩阵对二维匹配块做降维处理,得到2组一维特征矩阵;然后选择一维三步搜索法作为搜索策略,最小绝对误差和准则作为匹配准则,使用2组一维特征矩阵搜索匹配运动矢量的2个分量;最后将分量组成完整的运动矢量.通过多组对比实验的结果表明,该算法在保证定量评价PSNR的前提下,显著提升运动估计的搜索速度,视频清晰度越高、匹配块像素尺寸越大,运动估计搜索速度提升越明显.     

自适应选择编码模式的快速运动估计算法

针对目前运动估计算法中分割块选择与阈值造成的算法搜索冗余现象,提出一种自适应选择编码模式的快速运动估计算法。在阈值的选取上通过提出自适应的阈值选取方式,来提高算法的搜索精度。而在模块的选取上,则是通过结合视频图像的空间相关性与运动特性来对其进行择优,并采用几种搜索模板来对分割块进行搜索,进而降低运动估计模块的计算复杂度。实验结果表明,该算法能够在得到与全搜索算法相近重构图像质量的情况下减少97%的运算时间。     

快速而有效的块运动估计算法

为了提高基于块匹配的运动估计的速度和精度,提出了一种带中心偏置点检测模式的自适应快速块运动估计算法。该算法根据图像序列的运动向量基于中心偏置分布的特点和相邻块运动向量间的高度相关性,依据块的不同运动内容来确定其搜索起点、搜索范围和搜索策略,从而实现块运动向量的快速而有效地估计。同时,对于大运动块,采用了多侯选者方式,进一步提高了搜索精度。实验结果表明,该算法的搜索速度接近N3SS,N4SS,而搜索精度比它们高,与HSS相似,接近FSBM。     

基于时空域相关预测的步长自适应运动估计算法

为了更好地消除视频中空间和时间冗余,快速并有效地获得足够精度的运动矢量,本文提出一种改进的自适应十字搜索算法。本文算法利用时间空间域相关来预测当前块的运动矢量,对于视频的边缘图像采取固定小步长来进行十字搜索,对于图像的非边缘部分则采取由粗到精的方式进行搜索,搜索模板的自适应臂长为预测得到的目标运动矢量的横纵坐标的最大值。通过实验仿真比较传统的自适应十字搜索算法及其他几种经典的运动估计算法,结果表明本文算法增强了搜索预测的准确性,减少了平均每块搜索的次数,提高了搜索速率。     

基于多模板的快速运动估计算法

针对现有H．264／AVC编码器的运动估计时耗问题,提出一种基于多模板搜索的快速运动估计算法。将当前块划分为准静止块、小运动块和大运动块,根据运动块的类型选择相应搜索模板和搜索策略。实验结果表明,该算法在保证图像质量基本不变的情况下,提高了编码速度。     

基于块运动类型的自适应菱形运动估计搜索算法

基于对图像序列运动矢量时空相关性和中心偏置特性的研究，对传统的菱形算法进行了改进，设计了自适应大菱形搜索模板，提出了一种基于块运动类型的自适应菱形运动估计算法，对大运动块进行起始点预测，再划分相对运动类型，对不同运动类型的块自适应地采用不同的搜索策略。实验结果证明，图像质量较好时，该算法相比运动矢量场自适应搜索算法，加快了搜索速度，降低了计算复杂度。     

一种适用于可视电话的快速运动估计算法

本文提出了一种适用于可视电话视频特性的快速运动估计算法。针对可视电话低码率的要求和头肩序列小运动的特性设计了一种计算量更小的块匹配方案。经过实验证明,这种算法可获得接近于全搜索算法的图像质量和信噪比。     

用于块匹配运动估值的正方形-菱形搜索算法

运动估值在视频图像编码中占有重要地位，该文首先研究了运动估值中的经典搜索算法并重点分析了菱形（DS）算法；然后设计了一种新的综合模板（SDP），它体现了粗定位和准确定位并行处理的思想，在此基础上提出了一种新的用于块匹配的运动估值搜索算法－－正方形－菱形搜索（SDS）算法。最后通过实验验证了该算法的有效性。     

基于全局运动补偿的多运动目标检测方法研究

提出了一种动态背景下的对多个运动目标检测的完整方法.利用基于宏块匹配的六参数全局运动估计方法进行全局运动补偿,有效地消除了摄像机在非稳定运动情况下对目标检测性能带来的不利影响.同时在宏块匹配前进行了预处理,通过预判提取纹理信息丰富的宏块,并在宏块匹配的过程中采用九点十字搜索算法取代传统的三步搜索算法,减少了匹配数据量....     

视频标准帧速率上变换的自适应运动补偿方案

提出了一种自适应的运动补偿方案，首先利用预测三步搜索算法进行运动估计，由于此运动估计算法能够很好地利用运动向量的时空相关性．从而能得到更加平滑的运动向量场。其次．为了能够抑制运动向量场中个别奇异向量以及块匹配算法所固有的块效应问题，对向量场进行中值滤波，并采用了一种特殊的向量分配算法。方案的最后一个环节是运动补偿插值，它综合考虑插值帧的局部图像质量以及全局图像质量，利用一种白适应性较强的中值滤波操作来达到一定的综合效果。实验结果证明，此算法与运动补偿时间插值(MCTI)算法相比，插值得到的图像更加平滑，而且，两者的信噪比指标对比也充分说明了本算法的优越性。     

An efficient multi-layer reference frame motion estimation for video coding

Most of the fast search motion estimation algorithms reduce the computational complexity of motion estimation (ME) greatly by checking only a few search points inside the search area. In this paper, we propose a new algorithm—multi-layer motion estimation (MME) which reduces the computational complexity of each distortion measure instead of reducing the number of search points. The conventional fast search motion estimation algorithms perform ME on the reference frame with full distortion measure; on the contrary, the MME performs ME on the layers with partial distortion measures to enhance the computational speed of ME. A layer is an image which is derived from the reference frame; each macro-pixel value in the layer represents the sum of the values of the corresponding pixels in the reference frame. A hierarchical quad-tree structure is employed in this paper to construct multiple layers from the reference frame. Experimental results on different video sequences show evidence that many motion vectors have been found similar both in the reference frame and the layers. The effectiveness of the proposed MME algorithm is compared with that of some state-of-the-art fast block matching algorithms with respect to speed and motion prediction quality. Experimental results on a wide variety of video sequences show that the proposed algorithm outperforms the other popular conventional fast search motion estimation algorithms computationally while maintaining the motion prediction quality very close to the full-search algorithm. Moreover, the proposed algorithm can achieve a maximum of 97.99 % speed-improvement rate against the fast full-search motion estimation algorithms which are based on hierarchical block matching process. The proposed MME performs the motion estimation on the layers by using three types of search patterns. The derivation of these search patterns exploits the characteristic of the center-biased motion vector distribution and that of less intensive block distortion measurement of the layers.     

多解析度自适应零块判决算法

在视频会议等应用中,视频编码的速度是保证系统实时性的关键.为了减小视频编码的运算量并提高系统的整体性能,提出了多解析度的自适应零块发现判决算法.多解析度通过对图像的子采样从而大幅度降低了搜索最佳匹配块的次数;而自适应的零块判决算法使得运动搜索速度收敛的更快,在不影响图像质量的前提下提高了编码的效率,并且减少了后续模块(DCT、量化等)所占用的时间.利用H.263算法进行了测试,结果显示在图像主客观质量基本不变的前提下,编码时间最多减少了近40%.     

基于并行处理的快速运动估计算法

运动估计是视频编码的一项关键技术。该文针对传统搜索算法串行处理的缺点,提出了一种基于并行处理的快速运动估计算法。该算法利用序列图像的相邻块运动矢量的高度相关性和运动矢量的中心偏移特性,在搜索过程中根据图像的内容(运动类型)进行并行处理,加速了块匹配的快速搜索策略。实验结果表明,该算法在速度和准确性方面都有了很大的提高。     

基于SIFT算法的物体运动方向快速识别方法

为了解决成像设备只能在较低的分辨率成像且不能区分运动方向的问题,提出了一种基于SIFT算法的快速识别物体运动方向的方法。首先,根据块匹配算法中的角点特征提取法确定块的位置,并将该块命名为检测块。然后,用已经确定的块遍历下一帧图像,找到相匹配的块,命名为目标块并确定检验块与目标块之间的运动方向。最后,采用SIFT算法对2幅图像的特征点进行匹配,选取3个特征点构建三角形,对2个对应三角形的变换关系构建数学模型,做出运动方向的判断。实验结果表明,与块匹配相比,运动方向判断速度提高了3.3倍,匹配的准确程度提高了2.9倍,获得了更高的判断速度和准确度。2种方法的比较结果显示,基于SIFT算法的识别方法具有较强的可行性,能够更快地确定多帧图像中物体的运动方向。     

基于整数变换的全零块判决方法

H．263中的运动搜索和变换域编码是运算量很大的部分，也是影响系统实时性能的瓶颈，为了减少图像编码的运算量，在采用整数变换代替浮点DCT变换的基础上，提出了一种全局判决方法，即在运动搜索中和变换前进行全零块判决。该方法是根据整数变换和量化结果为零的特点，在运动搜索中，对差值块先进行全零块判决，如果找到全零块，就停止搜索，以省却以后的搜索运算和全零块的整数变换以及相应的量化运算，由于其可在基本保持H．263原有编码算法图像质量的同时，减少运算量和缩短码流，从而大幅度提高了编码器的编码效率。     

自适应阀值静止块检测的快速运动估计研究

基于H.264/AVC标准的运动估计研究一直是视频压缩研究的重点,提出一种自适应阀值静止块检测的运动估计算法。根据图像序列的统计特性提前中止搜索,提出菱形-小交叉-十字综合搜索算法,对不同的视频序列采取不同的搜索策略。与常规快速搜索算法相比较,实验结果表明,搜索速度提高了10倍,图像质量也得到了保证。     

运动矢量加速度预测起始搜索点的块匹配算法

块匹配运动估计是去除图像序列时间冗余的重要手段,在MPEG-4、H.264/AVC等视频编码标准中都得到了应用,但消耗了巨大的运算量.论文阐述了块匹配算法原理,归纳了当前运动估计中采用的各种手段,建议使用一种运动矢量加速度预测搜索起点的算法,利用相邻的若干参考帧中对应块的运动加速度来预测待编码块的起始运动矢量.仿真结果证明该方法效果明显,减少了搜索次数且准确度高.     

H．264中带有中途停止的多层逐次消元运动估计算法

H．264视频压缩标准采用多模式运动估计，可以有效减少块匹配预测误差，但随着模式选择的增多，算法计算量成倍增加。为此，提出一种带有中途停止的多层逐次消元运动估计算法(MSEHS)。该算法根据模式分布规律，使用多层逐次消元法加速大块模式的搜索过程，并且提出中途停止准则，判断是否继续进行小块模式的搜索。这样既保证了多模式运动估计的优点，又减少了冗余计算。实验结果表明，该算法比全搜索算法整体速度提高了近4倍，同时可以保持与全搜索算法非常接近的图像质量和比特率。     

Block matching algorithm for motion estimation based on Artificial Bee Colony (ABC)

Block matching (BM) motion estimation plays a very important role in video coding. In a BM approach, image frames in a video sequence are divided into blocks. For each block in the current frame, the best matching block is identified inside a region of the previous frame, aiming to minimize the sum of absolute differences (SAD). Unfortunately, the SAD evaluation is computationally expensive and represents the most consuming operation in the BM process. Therefore, BM motion estimation can be approached as an optimization problem, where the goal is to find the best matching block within a search space. The simplest available BM method is the full search algorithm (FSA) which finds the most accurate motion vector through an exhaustive computation of SAD values for all elements of the search window. Recently, several fast BM algorithms have been proposed to reduce the number of SAD operations by calculating only a fixed subset of search locations at the price of poor accuracy. In this paper, a new algorithm based on Artificial Bee Colony (ABC) optimization is proposed to reduce the number of search locations in the BM process. In our algorithm, the computation of search locations is drastically reduced by considering a fitness calculation strategy which indicates when it is feasible to calculate or only estimate new search locations. Since the proposed algorithm does not consider any fixed search pattern or any other movement assumption as most of other BM approaches do, a high probability for finding the true minimum (accurate motion vector) is expected. Conducted simulations show that the proposed method achieves the best balance over other fast BM algorithms, in terms of both estimation accuracy and computational cost.     

基于H.264的自适应快速运动估计算法

提出了一种基于H.264的快速自适应运动估计算法。利用视频序列的统计特性和SAD在空间上的相关性提前结束搜索;根据块的运动量来确定搜索方式;提出了一种新的非对称综合的菱形搜索模式,与快速全搜索算法相比较,该算法的峰值信噪比只下降了0.017 dB,码率只上升了0.45%,而搜索速度提高了15倍;与H.264参考程序中的运动估计算法相比,在图像质量相同的情况下,搜索速度提高了35%。