基于新方向性菱形-弧形搜索的运动估计算法

提出一种采用弧形、小十字和大菱形模板进行快速块匹配运动估计的算法NODAS,利用序列图像中运动矢量场中心偏置分布特性,将小十字模板扩展为方向性菱形模板处理中心区域的搜索,使用大菱形-弧形模板处理大运动矢量的搜索。试验结果证明,在搜索精度基本相同的情况下,NODAS算法能有效减少搜索点数,提高搜索速度,较好地应用于小运动矢量和大运动矢量的搜索中。     

基于小菱形-线形搜索模板的快速运动估计

提出一种基于小菱形-线形搜索模板的块匹配算法。对于静止块,通过小菱形搜索一步到位。对于运动块,利用已计算的块误差的分布,得到块误差下降方向,并用小菱形-线形混合模板快速定位运动矢量,使搜索点数大幅减少。通过预测搜索中心,使速度和精度进一步优化。实验结果表明,在保持图像信噪比的基础上,搜索点数比菱形搜索法、十字-菱形搜索法等平均减少50%以上。     

基于起点预测的自适应快速搜索算法

提出一种可预测搜索起点的自适应交叉-准菱形搜索算法。该算法采用交叉-准菱形搜索模板,并融合了搜索起点预测、半途中止准则和自适应搜索模式等技术。实验结果表明,该算法对各种类型的运动序列都有很强的自适应性,其搜索速度和搜索精度优于新三步、四步和菱形法等快速运动估计算法,尤其对于大运动序列,具有更明显的优势。     

基于方向自适应十字搜索的快速块匹配运动估计算法

提出了一种方向自适应十字搜索算法,通过自适应地使用小十字模板、大十字模板和四种方向的T形模板,有效地减少了搜索点数,提高了搜索速度.实验结果表明,该算法在保持与菱形搜索(DS)、正方形-菱形搜索(SDS)、十字-菱形搜索(CDS)和小十字-菱形搜索(SCDS)四种算法相同搜索精度的同时,速度上比DS、SDS、CDS和SCDS算法分别提高了74.65%、39.78%、42.44%和7.84%.     

一种高效率的快速块匹配运动估计算法

采用菱形搜索算法对各种视频测试序列中运动矢量的研究,基于H.264视频编码标准提出了一种快速块匹配运动估计算法。它是以图像中相邻宏块之间的时空相关性为前提,结合了分布式菱形搜索,预测搜索和中止阈值等一系列技术而提出的,试验结果表明该算法在运算速度方面优于菱形搜索,而获得与全搜索相当的峰值信噪比。     

一种有效的自适应运动估计搜索算法

提出了一种新的基于运动矢量场、方向自适应和半像素搜索的快速搜索算法(M-DAHS)。该算法根据图像序列运动矢量场的中心偏置性和时空相关性进行预判,对静止块设定阈值直接终止搜索;非静止块根据运动类型自适应选择搜索起始点和搜索策略。搜索模板具有很强的方向自适应性,对于小运动块采用菱形-线性搜索,其他块使用六边形-菱形搜索算法。整像素搜索完毕后,再以十字优先原则进行半像素搜索。实验结果表明,该算法性能优越,搜索速度快,搜索精度高,且搜索精度可以非常接近全搜索算法。     

基于自适应搜索模板的快速运动估计算法

为了降低快速运动估计的计算复杂度,避免小菱形搜索算法带来的局部最优点问题,提出了自适应搜索模板的估计算法.该算法在搜索时根据SAD值的变化快慢和相邻帧之间时间相关性自适应选择搜索模板.实验表明,使用该算法编码,码流大小与使用菱形搜索算法和六边形搜索算法差距为±0.6%,搜索点数为菱形算法的72%～77%,六边形算法的83%～86%.在减少搜索点数的情况下有效地避免了局部最优点问题.     

一种采用内部预测的快速菱形算法

高效的运动估计算法是视频编解码技术的研究重点.为提高视频编码中运动估计的速度,基于误差函数的单峰假设,提出一种采用内部预测的快速菱形算法,通过对菱形算法进行内部预测从而减少运动估计的搜索点数,并利用运动矢量的相关性来进行起点预测,将图像划分为不同运动类型从而选用不同的搜索方式.先排除静止块,对小运动块直接进行一步菱形小模板搜索.大运动块则采用内部预测的快速菱形算法.实验结果证明此算法在保证图像质量的前提下,大大加快了搜索速度.     

基于方向自适应十字搜索的快速块匹配运动估计算法*

提出了一种方向自适应十字搜索算法,通过自适应地使用小十字模板、大十字模板和四种方向的T形模板,有效地减少了搜索点数,提高了搜索速度。实验结果表明,该算法在保持与菱形搜索（DS）、正方形—菱形搜索（SDS）、十字—菱形搜索（CDS）和小十字—菱形搜索（SCDS）四种算法相同搜索精度的同时,速度上比DS、SDS、CDS和SCDS算法分别提高了74.65%、39.78%、42.44%和7.84%。     

一种适于H.264/AVC标准的自适应定向菱形快速搜索算法

基于传统菱形搜索和运动矢量预测算法,在最优匹配点基础上引入次优匹配点和基于图像运动幅度的自适应匹配门限等要素,提出了一种自适应定向菱形快速搜索法。该方法能够快速确定搜索方向和范围,快速逼近全局最优匹配点。实验结果表明,该算法在不降低搜索精度的情况下,搜索时间比传统菱形搜索法减少40%,而且更加适用于新的视频压缩编码标准H.264/AVC。     

Adaptive Double-Layered Initial Search Pattern for Fast Motion Estimation

Multimedia communication relies on data compression technology to reduce the data bits of transmission. Motion compensation is the key function in exploiting temporal redundancy for compression in most video coding standards. For example, fixed search pattern motion estimation algorithms such as hexagonal search (HEXBS) usually spend extra search steps to confirm near-zero motion vectors. Divide and conquer methods such as the efficient three-step search (E3SS) are not optimized for the probability model of motion vectors. This paper proposes a pair of complementary double-layered (inner layer and outer layer) initial search patterns to reduce computational complexity. The inner-layer search is applied first and tests for small motion. Afterwards, the outer layer search serves as a guard line to catch large motion. It is used only when the inner search layer fails to find a good solution. Experimental results of motion estimation on various QCIF/CIF video sequences show that the proposed algorithm achieves image quality similar to diamond search but with the search point cost as low as cross-diamond-hexagonal search     

Dynamic initial search pattern defined on Cartesian product of neighboring motion vectors for fast block-based motion estimation

Block-based motion estimation is widely used in video compression for reducing the temporal data redundancy. However, it is still a main problem to effectively reduce the computational complexity of motion estimation. The median predictor is usually used for initial search center prediction, however it is not always accurate enough, especially for fast motion sequences. In this paper, a novel dynamic initial search pattern algorithm for fast block-based motion estimation is proposed. Based on the observation that the components of the current motion vector are very similar to the corresponding components of its neighboring motion vectors, Cartesian product of neighboring motion vectors is introduced to generate the proposed dynamic initial search pattern (DISP). And then the cross search pattern is employed to search for the best matching block. The number of search points of the proposed DISP is adaptive to the neighboring correlation of the current block. In fact, the proposed DISP can be considered as a generalization of median prediction scheme and it performs better in capturing the best matching block than median prediction. Experiment results show that the proposed DISP method with small cross search pattern can save about 1.71 search points on average compared with adaptive rood pattern search (ARPS) algorithm and can achieve the similar PSNR to full search (FS) algorithm by combining large cross search pattern.     

一种适于实时应用的快速有效的自适应运动估计算法

运动估计是视频编码系统的关键部分,同时也是整个视频编码器中计算量最大的部分,运动估计性能的优劣直接影响到整个视频编码器的运行效率和整个视频序列的重构质量。该文提出了一种适用于实时应用的快速自适应运动估计算法,该算法首先利用运动矢量时空域的相关性预测初始运动矢量,然后对不同运动程度的图像块进行不同大小的菱形搜索,同时采用了高效的提前截止准则。实验结果表明,对于各种不同运动程度的视频序列,该文算法都可以获得和全搜索法基本相同的图像质量,同时可以节省超过99%的计算量,该文算法在搜索速度和搜索精度两方面比快速算法中性能突出的菱形搜索具有更大的优势,更适合实时应用。     

基于改进的十字-菱形搜索算法的运动估计

通过对序列运动矢量概率分布分析，发现了该概率分布的方向性特性，提出了一种新的块匹配运动估计算法——改进的十字-菱形搜索（ICDS）算法。该算法在搜索的初始阶段使用小十字搜索模型对小运动矢量进行搜索，强调运动矢量分布的中心偏置特征；而对于大的运动矢量使用具有方向性的菱形搜索模型进行搜索，强调运动矢量分布的方向性，从而提高了运动矢量的搜索速度。该算法与菱形（DS）和十字-菱形块（CDS）匹配算法相比，在保证搜索质量的前提下，其搜索速度分别可以提高60％和35％。理论分析和实验结果证明ICDS算法有效，且具有较强的鲁棒性。     

一种适用于实时应用的快速运动估计算法

提出了一种适用于实时应用的快速运动估计搜索算法，该算法按照一定的顺序依次搜索候选运动矢量，并且尽可能多地采用小菱形搜索模式，同时采用了高效的提前截止准则。实验结果表明，在保持图像质量基本不变的前提下，该文算法的搜索速度是MPEG-4标准中的快速运动估计算法的两倍左右，该文提出的算法在搜索速度和搜索效果两方面具有很大的优势，更适合实时应用。     

Content adaptive fast motion estimation based on spatio-temporal homogeneity analysis and motion classification

In video coding, research is focused on the development of fast motion estimation (ME) algorithms while keeping the coding distortion as small as possible. It has been observed that the real world video sequences exhibit a wide range of motion content, from uniform to random, therefore if the motion characteristics of video sequences are taken into account before hand, it is possible to develop a robust motion estimation algorithm that is suitable for all kinds of video sequences. This is the basis of the proposed algorithm. The proposed algorithm involves a multistage approach that includes motion vector prediction and motion classification using the characteristics of video sequences. In the first step, spatio-temporal correlation has been used for initial search centre prediction. This strategy decreases the effect of unimodal error surface assumption and it also moves the search closer to the global minimum hence increasing the computation speed. Secondly, the homogeneity analysis helps to identify smooth and random motion. Thirdly, global minimum prediction based on unimodal error surface assumption helps to identify the proximity of global minimum. Fourthly, adaptive search pattern selection takes into account various types of motion content by dynamically switching between stationary, center biased and, uniform search patterns. Finally, the early termination of the search process is adaptive and is based on the homogeneity between the neighboring blocks.Extensive simulation results for several video sequences affirm the effectiveness of the proposed algorithm. The self-tuning property enables the algorithm to perform well for several types of benchmark sequences, yielding better video quality and less complexity as compared to other ME algorithms. Implementation of proposed algorithm in JM12.2 of H.264/AVC shows reduction in computational complexity measured in terms of encoding time while maintaining almost same bit rate and PSNR as compared to Full Search algorithm.     

二值alpha平面辅助的视频对象快速运动估计算法

提出了一种任意形状视频对象的快速运动估计方法.详细分析了alpha平面在视频对象的快速运动估计过程中起到的指导性作用,采用边界扩展和边界掩码技术,提出了一种新的二值alpha平面匹配衡量准则WBAMC (weighted binary alpha-plane matching criterion).结合优先搜索策略,提出了二值alpha平面辅助的视频对象快速运动估计算法BAAME(binary alpha-plane assisted motion estimation),.首先,利用alpha平面和WBAMC准则,将边界宏块的搜索范围缩小至两个搜索起点的单调区域,再采用传统的快速运动估计算法确定其运动向量;然后,用边界宏块的运动向量预测内部宏块的搜索起点;最后,采用快速运动估计算法搜索内部宏块的运动向量.这种方法可与多种空间域和频率域运动估计算法相结合,有效地应用于基于对象的视频编码器中.实验结果表明,对于多种类型的标准测试视频流,BAAME算法始终能够保持较高的估计精度和主观质量,运动补偿的平均PSNR(peak signal-to-noise ratio)较DS(diamosd search)和PSA(pdoety search algorithm)(BAAS(binary alpha-plant assisted search) DS)高出0.1dB～0.SdB,略低于FS(full search),但是其计算复杂度与FS相比降低了20倍.     

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。     

Fast motion and disparity estimation for multiview video coding

Multiview video involves a huge amount of data, and as such, efficiently encoding each view is a critical issue for its wider application. In this paper, a fast motion and disparity estimation algorithm is proposed, utilizing the close correlation between temporal and interview reference frames. First, a reliable predictor is found according to the correlation of motion and disparity vectors. Second, an iterative search process is carried out to find the optimal motion and disparity vectors. The proposed algorithm makes use of the prediction vector obtained in the previous motion estimation for the next disparity estimation and achieves both optimal motion and disparity vectors jointly. Experimental results demonstrate that the proposed algorithm can successfully save an average of 86% of computational time with a negligible quality drop when compared to the joint multiview video model (JMVM) full search algorithm. Furthermore, in comparison with the conventional simulcast coding, the proposed algorithm enhances the video quality and also greatly increases coding speed.     

基于全局运动的非对称快速匹配算法

文章通过对运动矢量分布的研究,在全局运动信息提取的基础上,结合准确可靠的运动矢量预测和尽早中止的技术,提出了一种基于全局运动的非对称十字矢量预测快速匹配算法。实验结果表明该算法在加速比上高于一些主要的快速算法,在不明显降低峰值信噪比的情况下,算法能极大地提高编码速度。