基于 SIMD-MCC 的图象块匹配并行算法

图像块匹配操作是图像处理中很多基于窗口任务的典型操作之一。文章提出了一种在SIMD-MCC计算机上实现的全搜索图像块匹配的并行算法,此算法对实时图中的每一个参考块和参考图中搜索区中的候选块进行比较,以确定一个最小的位移矢量。这个位移矢量所对应的位置就是匹配位置。该算法计算复杂度为O(log2N)。     

运动估计块匹配两级搜索算法

根据视频图像相邻块在空间上具有很大的相关性,吸收了矢量预测块匹配的核心思想,提出一种两级块匹配运动估计算法,在第一级中,首先根据矢量预测确定一个小区域,然后在此区域内进行快速搜索,如果在第一级中没有搜索到匹配块则进行第二级搜索,该算法可大大提高搜索速度.     

一种基于时空相关性的运动估计算法

研究了一种基于时空相关性的运动估计方法。提出在块匹配法中,对于运动相关性好的块根据相邻块或前一帧图像的运动预测出它的初始运动矢量,然后在小范围内搜索,做运动矢量的变化。对传统的块匹配运动估计,给出了提高运动矢量一致性的修正准则。实验结果表明,本文算法所得的运动矢量一致性远高于传统块匹配法,同时能保持和全局搜索法相媲美的预测质量,而运算时间则有较大幅度缩短。     

数字视频处理中的块匹配运动估计技术

阐述了用于运动图像位移估计的块匹配技术,通过计算机模拟对各种算法性能进行了分析比较,提出了块匹配运动跟踪和补偿算法的改进方法.     

DVC边信息估计中块匹配准则算法的研究

对在采用插值法生成边信息的过程中通常用到的块匹配算法进行了分析,指出了常用算法存在的问题即对于运动比较剧烈的视频序列或采用的搜索步长比较大的情况下,通常的匹配准则方法估计出来的运动矢量与实际的运动矢量之间存在较大的偏差,因此为了提高运动矢量的精度,采用一个平滑系数将运动矢量的代价值应用到加权SAD中作为新的块匹配的估计准则,实验结果表明,该方法能有效去除图像的方块效应并能提高边信息的质量。     

一种基于时空相关性的运动估计算法

研究了一种基于时空相关性的运动估计方法。提出在块匹配法中,对于运动相关性好的块根据相邻块或前一帧图像的运动预测出它的初始运动矢量,然后在小范围内搜索,做运动矢量的优化。对传统的块匹配运动估计,给出了提高运动矢量一致性的修正准则。实验结果表明,本文算法所得的运动矢量一致性远高于传统块匹配法,同时能保持和全局搜索法相媲美的预测质量,而运算时间则有较大幅度缩短。     

一种基于H．264的有效运动估计算法

运动估计算法是实时视频编解码技术的研究重点，高精度的匹配和补偿可以减少预测误差，提高视频图像的压缩效果．为降低在视频编码标准H．264中运动估计的高计算复杂度问题，提出了采用一种基于节点模型的可变形块匹配运动估计算法来搜索最佳运动矢量．该算法充分利用了H．264运动矢量的的统计特性和相关性，并采用基于像素差值分类的运动估计匹配准则．实验表明，在编码性能损失很小的条件下，该算法有效降低了视频压缩编码中运动估计的运算复杂度．     

实现图像稳定的快速算法

从舰载光电系统的图像稳定的要求出发,介绍了稳像技术的种类;分析了电子稳像的原理、算法。提出一种新算法,实现了电子图像稳定。该算法利用最小均方误差和块间运动矢量的空间相关性作为匹配函数,采用四步搜索法计算运动矢量,并和全搜索算法得到的运动矢量进行比较。实验表明,该算法能较好地实现图像序列的稳定。     

一种改进的完全搜索块匹配算法

完全搜索块匹配算法是图像序列稳定中常用的运动估计方法,在传统的完全搜索块匹配算法中,在搜索区域中图像序列的当前帧和参考帧对应的像素对对匹配结果的贡献是完全一样的,这样使得算法的性能容易受到待稳定的图像序列中各种噪声的影响。针对这个不足,提出了一种改进的完全搜索块匹配算法。在新的匹配准则中,搜索区域中图像序列的当前帧和参考帧对应的像素对对匹配结果是否有贡献取决于它们灰度值之差的绝对值与预先设定的门限值进行大小比较的结果,对应的灰度值之差的绝对值不超过该门限值的像素对对匹配结果有贡献,而且贡献大小受到与像素对位置相关的加权处理,否则该像素对对匹配结果无贡献。实验结果证明了该算法的优越性。     

电子稳像技术在DM642上的实现

实现了一种基于块匹配法（Block Matching Algorithm）的电子稳像系统。系统使用TI公司的TMS320DM642专用图像处理芯片,稳像算法采用求和绝对误差（SAD,the Sum of Absolute Difference）作为块匹配的匹配准则来估算原始视频图像的运动矢量,SAD准则便于硬件实现。系统利用运动矢量对图像进行运动补偿后得到稳定的视频图像输出。     

基于结构信息约束法则耦合匹配模型的图像修复算法

针对当前较多图像修复算法依靠固定大小样本块来搜寻最优匹配块,忽略了样本块的结构信息,使修复图像出现间断现象以及振铃现象等不足,利用样本块与其邻域块的近似度,设计了一种采用结构信息约束法则与匹配模型的图像修复算法。将图像的信息熵特征引入到待修复块的优先权计算过程中,获取优先修复块。通过样本块与其邻域块的近似度构造结构信息度量模型,对样本块的结构信息进行度量,并根据度量值建立结构信息约束法则,实现样本块大小的自适应调整。最后,利用图像的色彩及灰度特征构造匹配模型,利用调整后的样本块大小在已知区域中寻找最优匹配块,从而对待修复块进行修复。实验结果显示,所提算法得到的修复图像具备较好的纹理连续性,不存在信息间断现象,对应的结构相似度较高。     

一种改进的块匹配准则

块匹配算法是视频图像编码的核心技术。通过块匹配算法得到当前块和匹配块之间的残差和运动矢量,并对它们进行编码,从而大大提高了编码效率。在分析常用块匹配准则的基础上,提出一种改进的准则用于视频编码中的运动估计。相对于原始像素灰度值计算均方误差,同时在该准则中加入了一个反映灰度值变化符号的惩罚项。仿真实验表明该准则是有效的。     

一种块匹配的图像修复算法

在研究Criminisi算法的基础上,提出了一种新的图像修复算法。根据图像待修复点梯度的大小,在源区域中确定其匹配区域的范围,减少搜索次数;以到待修复点距离从小到大的方式搜索匹配块,应用最近最优匹配块对图像进行修复;提出新的置信度更新方法,使更新后的置信度与累积误差成反比。实验表明,本文提出的图像修复算法具有较好的图象修复效果,并且计算复杂度低,效率高。     

复杂背景下运动目标检测方法

利用相邻两帧图像的运动信息更新特征块提取阈值，实时地提取出当前帧图像中最能体现背景运动特征的特征块。采用块匹配的运动估计方法获取了各块的运动矢量，再依据所有特征块运动矢量的统计特性提取出背景运动矢量来配准差分，实现了目标的检测。实验结果表明，此方法能有效地检测复杂背景下的运动目标。     

一种改进的运动估计算法

运动矢量估计问题是当今一个热点问题，它在诸如视频编码、目标实时跟踪等众多领域都有着广泛的应用，目前普遍采用的估计算法是块匹配算法（BMA）。经典的块匹配算法有顺序排除算法（SEA）和多级顺序排除算法（MSEA），文章在分析两种算法的基础上。对MSEA算法做了两点改进．实验结果表明改进后的算法计算量得到有效的减少，并且保证了估计的准确性。     

创新的高效方向性菱形-弧形快速块匹配运动估计算法

针对传统运动估计算法的缺点,本文提出了一种采用弧形、小十字、大菱形模板进行快速块匹配运动估计的新算法.该算法(NOADS)充分利用序列图像中运动矢量场中心偏置分布特性,使用小十字模板,进一步搜索根据情况自适应调整扩展为水平菱形或是垂直菱形模板,处理中心区域小运动矢量和静止运动矢量的搜索.使用大菱形-弧形模板处理大运动矢量的搜索.实验结果表明NOADS有效减少了搜索点数,提高了搜索速度,能同时适应于小运动块和大运动块的搜索,速度上比DS提高约20%,比3SS提高30% ～60%.     

块匹配算法中特征块的选取方法研究

运动背景补偿是红外序列图像目标跟踪的基础,首先分析块匹配法原理及其误匹配现象产生的原因;然后提出3种定义块的复杂度的方法,据此快速选取用于背景运动估计的特征块群;最后经过外场实测图像验证,基于图像梯度特征定义块的复杂度能够比较准确地估计出背景的运动矢量,且性能优于其他两种方法.     

BM3D算法中块匹配模块的架构设计

BM3D（块匹配和3D去噪）算法是目前降噪性能最高的通用图像/视频降噪算法,这种算法利用的视频的空间相关性和时间相关性进行有效的降噪。BM3D算法的第一步是块匹配,但是块匹配的计算量相当大。文中提出了一种用于BM3D算法的块匹配模块的架构,该架构只需要系统频率为98MHz,带宽为177MB/s的硬件就可以实现720＊576的PAL场格式BT656的视频的实时块匹配。     

基于块匹配的运动对象检测算法

针对交通监控视频图像的特点，本文对传统的块匹配算法做出改进，提出了一种新的块匹配算法。算法的改进主要在两个方面：引进了零运动阚值；采用自顶向下逐步细化的搜索算法。仿真结果表明，提出的算法对图像的噪声适应性强．而且跟踪对象准确。     

动态前景干扰下的电子稳像算法

针对存在动态前景目标的抖动视频序列,提出了一种以块匹配为基础的块差分平方前景目标去除的电子稳像方法。首先,将图像分成大小为16×16的特征块,通过设定阈值筛选出具有足够梯度信息来估计运动矢量的特征块,从而减少参与计算的特征块数量以提高处理速度;然后,采用归一化互相关(Normalized Cross Correlation,NCC)匹配算法和迭代搜索策略来完成特征块的匹配;最后,采用牛顿迭代法计算仿射变换模型下的帧间运动参数,并根据这些参数完成运动补偿,实现图像序列的稳定。实验表明,算法成功地去除了视频序列中动态前景目标的干扰,对存在平移及旋转运动的视频序列,能够快速有效地去除抖动,获得稳定的视频序列。