基于起点预测的不连续十字形快速搜索算法 *

提出了一种基于起点预测的不连续十字形块搜索算法。该算法首先利用图像帧的时间相关性和空间相关性预测出一个点作为不连续十字形搜索模板的初始中心点 ,再根据运动矢量概率分布的中心十字偏置特性,采用不连续十字形搜索模型 ,对运动矢量进行估计 ,得出最佳运动估计结果。在保证图像质量的前提下 ,该搜索算法与完全搜索算法 ( FS)、三步搜索算法 ( TSS)和钻石搜索算法 ( DS)相比 ,搜索速度显著提高。     

嵌入式视频监控系统的快速运动估计算法

耗时的运动估计运算给实时视频编码带来较大困难,为提高监控视频编码的实时性,提出一种用于嵌入式视频监控系统的快速运动估计算法。该算法根据监控背景相对固定的特点,使用多层提前终止准则,通过运动矢量时空相关性的特性来预测搜索起点,采用改进型的十字搜索模板进行搜索。实验表明,与自适应十字搜索算法相比,该算法在平均峰值信噪比略有下降的情况下,搜索速度得到提升,符合嵌入式视频监控的实时性优先原则。     

改进BP神经网络的自适应预测算法

针对视频编码中的耗时和图像不精确问题,提出改进BP神经网络的自适应预测算法。以区域生长、边缘检测和BP神经网络相结合,首先对图像进行对象分割,采用优化的传输结构,自适应调整学习率;然后在分割的基础上,进行自适应预测搜索编码。判断所选择块内是否有边界,若没有,不做运动估计,直接将当前块运动矢量置为零;若有,则进行自适应预测估计。根据不同的宏块特点,自适应地采取相应的搜索模式,减少搜索时间。实验结果表明,该算法与经典搜索算法相比,可取得良好的编码效果。     

多层次十字菱形快速整像素搜索算法

为提高运动估计速度,提出一种面向H.264的多层次十字菱形快速整像素搜索算法.利用绝对误差和值的空间相关性,自适应地设置阈值,运用运动矢量场的时空相关性预测初始搜索点.根据当前最小代价值和阈值的关系,进行提前终止判断和自适应搜索模板选择,同时精确定位多层次十字模板.实验结果表明,该算法在保持搜索精度的同时降低了运动估计时间.     

一种基于块运动类型和方向预测相结合的快速搜索算法

根据序列图像中相邻块运动矢量的时间和空间相关性,本文提出一种基于块运动类型和方向预测相结合的快速搜索算法。该算法对块的运动类型和相对运动类型进行预测,并根据不同的运动类型自适应地采用不同的搜索策略进行搜索,对相对大运动块进行运动方向预测,并根据块的运动方向选择相应的方向搜索模板进行搜索。实验表明,该算法能在保证搜索准确度的同时节省大量的搜索时间。     

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。     

基于高斯金字塔的图像运动估计算法

运动估计是图像超分辨率重建中的关键环节,直接影响超分辨重建的结果质量。为减少运动估计搜索点数,提高搜索速度,提出一种基于高斯金字塔分层思想的小十字形搜索算法。算法把图像构建成一个两层高斯金字塔,在上层使用小十字形搜索算法估计初始运动矢量,并通过提前终止策略来提前结束搜索;在下层以上层估计结果作为初始值,估计最终图像运动矢量。在标准图像序列上进行的实验结果表明,该算法在保持搜索精度的前提下能明显提高搜索速度;特别对于在运动偏差较大的情况下,提高效果更显著。     

基于视频压缩的多分辨率预测菱形搜索算法

为了减小视频压缩编码标准中运动估计算法的计算复杂度和提高运动补偿的准确性,考虑到视频图像质量和算法运行时间两者之间的关系,提出一种多分辨率预测菱形运动估计搜索算法,利用同一视频图像中的相邻宏块运动矢量相似的特征,预测当前块的搜索起点,采用大小不同的搜索匹配宏块,减少搜索范围和搜索点数目。实验结果表明,该算法与经典菱形搜索算法相比,搜索时间平均减少了0.5 ms,信噪比平均提高了0.5 dB。     

基于DS-CDS 的改进运动估计算法及实验

为了提高视频的压缩效率,在菱形搜索算法和十字菱形搜索算法的基础上,结合实 际运动图像中的运动向量以水平方向向量为主的特点,提出了一种利用偏水平十字模板搜索与偏 向双菱形模板搜索相结合的改进搜索算法。为检验本文改进算法的效果进行了对比实验,结果表 明：本文提出的基于偏水平十字及偏向双菱形搜索法适合各种运动类型的视频序列,更适用于运 动变化剧烈的序列,并且能够在PSNR 值和BR 值接近最优水平时,大大减少运动估计时间,相 比于FS 算法,对QCIF 格式图像的运动估计时间减少约95%,对CIF 格式图像的运动估计时间 减小约94%。     

一种基于DS与ARPS混合使用的快速运动估计算法

为了减小快速运动估计算法的计算复杂度和改善运动补偿的性能,提出了一种基于菱形搜索（DS）和自适应十字模式搜索（ARPS）两种方法混合使用的块匹配算法。该算法利用DS算法搜索精度高和ARPS算法搜索速度快的特点,综合固定模式搜索和空间相关搜索两方面的优点,对于相邻两帧图像中的不变宏块采用零运动预先判断以减少算法的计算量,并利用运动矢量的空间一致性提高预测运动矢量的质量。实验结果表明,该算法与ARPS算法相比,在保证搜索精度的同时,计算复杂度至少减小了20%。     

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.     

基于矢量预测和MDGDS的运动估计算法

在充分考虑了各种图像序列的运动特性的基础上,提出一种基于矢量预测和多方向梯度下降搜索（MDGDS）的运动估计算法。该算法首先利用运动矢量的时间和空间上的相关性来得到预测矢量的搜索起始点,再通过使用自适应阈值来判断当前块的运动类型,以此智能地选择不同的搜索策略。实验结果表明,与FS、UMHexagonS、简化UMHS以及EPZS等传统算法相比,该算法能在保证精度的同时节约大量的编码时间。     

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。     

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。     

一种结合空间预测和CDS的快速块匹配算法

运动估计是根据视频序列中时间上相关的信息估计场景或目标的二维运动向量场的过程. 因为块运动估计的简单性和有效性, 它已经成为目前使用最广泛的运动估计方法. 本文设计了一种结合空间预测和CDS的快速块匹配算法. 若当前块和相邻块的运动相似, 则选择相邻块的运动向量中使当前块的匹配误差最小的一个作为当前块运动向量的预测估计, 再以该预测值为中心, 比较SDSP上搜索点的块匹配误差. 若当前块和相邻块的运动不相关, 则采用CDS算法从原点开始搜索运动向量. 实验结果表明, 本文设计的算法兼顾了搜索速率和精度, 相比N3SS、DS、HEXBS、CDS、CDHS算法, 更好地适用于超分辨率图像复原.     

基于方向自适应的运动估计混合模板搜索算法

提出了一种基于方向自适应的运动估计混合模板搜索算法。该算法利用了运动矢量的时空相关性,对搜索起点进行预测,与仅利用空间相关性预测起点相比,提高了搜索的 准确性;然后通过自适应阀值静止块判定技术,对静止块直接中止搜索,解决了常量阀值静止块判定技术仅适应于某种特定序列类型的缺点;最后根据运动类型自适应选择采用小 菱形、六边形-小菱形或方向十字-小菱形搜索策略,解决了单一搜索策略模式下,不能兼顾视频压缩图像质量和速度的局限。实验表明,提出算法与H.264标准提供的UMHexagonS算 法相比,在保证编码质量的前提下,大大降低了运动估计时间,提高了编码效率。     

一种综合搜索策略的快速运动估计算法*

提出了一种综合搜索策略的运动估计算法。该算法首先采用中值预测提前终止判断策略,然后基于块运动类型确定搜索起点,最后采用小十字模板与基于块的梯度下降搜索法(BBGDS)相结合的方法进行局部搜索。搜索过程中多处引入提前终止策略,进一步提高搜索速度。通过与综合性能代表当前国际先进水平的运动矢量场自适应搜索法(MVFAST)进行对比实验发现,该算法在基本保持搜索精度的情况下,有效提高了搜索速度,对于运动较大序列速度提高尤为明显,可以达到20%48%。