一种面向H.264/AVC的快速块匹配搜索算法

基于块匹配的运动估计在视频编码中占有很重要的地位.针对H.264/AVC的特点,提出一种快速块匹配搜索算法.该算法充分利用宏块编码模式间的关联特性和运动矢量的统计特征,极大地提高了算法的搜索速度.与经典的搜索算法菱形搜索(DS)、十字-菱形搜索(CDS)和运动矢量场自适应搜索算法(MVFAST)相比,快速搜索算法在保持了与它们相当的搜索精度的同时,搜索速度分别提高了240.5%、149.9%和30.7%.     

基于运动空间相关性和时间连续性的运动估算快速算法

运动估算是视频信号的帧间预测编码中的一个重要环节,其效率和精度直接影响到编码器的性能。由于全搜索算法搜索速度较低,而很少采用,故目前普遍采用三步法、交叉法等各种快速近似算法,但是这些算法匹配精度较低,而且某些情况下应用效果不好。为解决上述算法存在的问题,在对视频编码中运动物体的空间相关性和时间连续性进行分析的基础上,给出了一种利用运动物体的空间相关性和时间连续性来进行运动估算的快速算法。实验结果表明,该算法计算每个宏块运动矢量所需的平均搜索次数低于三步法,而匹配精度则非常接近于全搜索算法,并且采用该算法的编码器,其总的编码输出位数少于采用全搜索算法的编码器。     

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.     

自适应块匹配运动估计搜索算法

为了提高块匹配运动估计快速算法的搜索速度、精度和鲁棒性，提出了一种根据空域相关块的运动水平，自适应选择搜索检查点样式、搜索窗范围以及是否采用多候选值策略的混合算法．本算法中对应于小运动块的基于中心偏置的搜索样式和针对大运动块的多候选矢量亚采样搜索策略，满足了视频编码对运动估计算法在速度和精度上的双重要求．实验结果表明，该算法在速度上和精度上都明显优于性能优越的菱形搜索算法DS，适用于不同运动程度的图像序列．     

H.264帧间预测快速算法

帧间预测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帧间预测误差,提高视频图像的压缩效果．为了降低在视频编码标准H．264中帧间预测的高计算复杂度问题,提出一种帧间预测快速算法．该算法在利用运动矢量的时空相关性对最优匹配点位置进行预测的基础上,依次进行“十”字形分布的五点搜索和九点均布的矩形搜索;并在搜索过程中引入根据最优点和次优点界定搜索方向、搜索窗口自适应伸缩和中途截止等多种优化策略,以提高整像素块匹配的搜索速度．实验结果表明,与全搜索算法相比,文中算法在不降低搜索精度的情况下,其运动估计速度约为全搜索算法的12倍;与UMHexagonS算法相比,在重建图像质量和码率接近的情况下,速度提高了1．87倍．     

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。     

H.264中基于上下文的参考帧选择算法

多参考帧选择技术提高了有暴露背景或新增景物区域的编码效率,但对视频编码性能的提升不大。该文提出基于上下文的多参考帧选择算法,利用宏块的运动特性决定当前宏块搜索的最大参考帧数目,通过分析当前参考帧预测的结果,动态地判断是否需要进行下一参考帧预测。实验结果表明,在编码质量接近全搜索算法的基础上,该算法搜索速度为全搜索算法的2.10倍~2.65倍。     

基于上下文的自适应运动搜索算法

通过分析序列编码结果,根据已编码帧预测模式分布和序列的运动信息,对运动特性不同的宏块选择不同的运动搜索方案。结合提前退出策略以及分层的搜索模式,提出一种新的运动搜索算法。实验结果表明,算法编码质量接近全搜索算法,算法执行时间小于全搜索算法,在速度和质量上都优于钻石搜索算法、新3步法、六边形搜索算法,适用于不同运动特性的视频序列。     

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。     

一种运动搜索算法的优化模型设计*

为了减少运动估计中全搜索过程的运算量,提出了一种运动搜索算法的优化模型。通过对运动搜索区域和搜索顺序的优化,缩小了全搜索范围并提高了匹配块搜索的速度。实验结果表明,在图像质量得到优化的前提下,较全搜索算法,该模型在不同频率的视频序列中搜索速度有了大幅的提高。     

双重跟踪三步法及其在帧频提升中的应用

基于经典的三步法(TSS),提出一种更有效的运动估计方法——双重跟踪三步法(DTTSS)。DTTSS在TSS第1步搜索结束后选取2个最优匹配点为下一步的起始点进行双重跟踪,在保持较高搜索速度的前提下,DTTSS可有效避免TSS中搜索陷入局部最优的问题。将该算法应用于运动估计/运动补偿的帧频提升系统。将实验结果与全搜索法、局部全搜索法、三步法进行对比分析,根据平均每块搜索点数、准确度、内插帧视觉效果及其峰值信噪比验证该算法的有效性。     

Block-matching algorithm based on an adaptive reduction of the search area for motion estimation

The motion estimation and compensation technique is widely used for video coding applications but the real-time motion estimation is not easy due to its enormous computations. In this paper, a new adaptive reduction of search area for the block-matching algorithm is presented to reduce the computational complexity of the full search block-matching algorithm for low bit-rate video coding. The proposed method exploits the correlation of successive video frames and adjusts the size of search area depending on the displaced block difference and the block classification information in the previous frames of the block. Simulation results show that the proposed algorithm has similar mean square error performance to the full search block-matching algorithm but only requires less a half computational complexity than the full search algorithm.     

A real-time motion estimation FPGA architecture

A motion estimation architecture allowing the execution of a variety of block-matching search techniques is presented in this paper. The ability to choose the most efficient search technique with respect to speeding up the process and locating the best matching target block leads to the improvement of the quality of service and the performance of the video encoding. The proposed architecture is pipelined to efficiently support a large set of currently used block-matching algorithms including Diamond Search, 3-step, MVFAST and PMVFAST. The proposed design executes the algorithms by providing a set of instructions common for all the block-matching algorithms and a few instructions accommodating the specific actions of each technique. Moreover, the architecture supports the use of different search techniques at the block level. The results and performance measurements of the architecture have been validated on FPGA supporting maximum throughput of 30 frames/s with frame size 1,024 × 768.     

基于混合POCS的视频图像超分辨率重建

提出混合凸集投影算法HPOCS对视频图像进行超分辨率重建,利用连续视频图像间的互异信息生成更高分辨率的视频图像.该算法首先采用图像匹配估计视频图像间的运动位移;然后进行基于的APEX盲解卷积,估计点扩散函数和理想视频图像;最后在凸集投影的理论框架下进行图像重建.实验表明,HPOCS重建后,视频图像的分辨率相对于原始图像、双线性内插图像和POCS重建图像明显提高,图像边缘更加清晰,细节信息更加突出.     

高效的I帧分区错误隐藏方法

针对现有I帧错误隐藏方法不能平衡恢复图像质量与算法复杂度的问题,提出了一种高效的I帧分区错误隐藏方法。首先,利用视频帧之间的运动相关性将丢失宏块分为运动宏块和静止宏块。对于静止宏块,采用帧拷贝法进行掩盖;对于运动宏块,再根据其周围正确解码宏块的纹理信息将其分为平滑块和纹理块。对平滑块采用双线性插值法进行恢复;对纹理块利用比较精细的指数分布权重的加权模板匹配(WTE)法进行掩盖。实验结果表明,与WTE算法相比,所提方法的峰值信噪比(PSNR)平均提高了2.6 dB,计算复杂度平均降低了90%。对于场景连续的具有不同特征和分辨率的视频序列,所提方法都具有一定的适用性。     

H.264/AVC中基于搜索区域划分及评估的运动估计

目前视频编码器中的快速运动估计搜索算法(如三步法、钻石搜索法)搜索点数少、速度快,但易陷入局部最优。另外一些混合模板搜索算法(如UMHexagons算法)较为有效地克服了这一缺点,然而这种算法需要处理较多的搜索点数导致搜索速度较慢。为了达到在减少搜索陷入局部最优可能的同时尽量降低搜索点数,提高搜索速度的目的,提出了PEOSA算法。首先利用预测运动矢量来区分出需要重点搜索的区域和较为次要的区域,其次依据重要性的不同对区域采用不同的搜索方案。对比实验的结果表明,本文算法在基本不影响图像质量的情况下,使运动估计时间减少了43.84%,提高了搜索速度。在视频实时编解码方面具有较高的实际应用价值。     

视频压缩感知中分级多假设预测算法

目的 多假设预测是视频压缩感知多假设预测残差重构算法的关键技术之一,现有的视频压缩感知多假设预测算法中预测分块固定,这种方法存在两点不足：1）对于视频帧中运动形式复杂的图像块预测效果不佳;2）对于运动平缓区域,相邻图像块的运动矢量非常相近,每块单独通过运动估计寻找最佳匹配块,导致算法复杂度较大。针对这些问题,提出了分级多假设预测思路（Hi-MH）,即对运动复杂程度不同的区域采取不同的块匹配预测方法。方法 对于平缓运动区域的图像块,利用邻域图像块的运动矢量预测当前块的运动矢量,从而降低运动估计的算法复杂度;对于运动较复杂的图像块,用更小的块寻找最佳匹配;对于运动特别复杂的图像块利用自回归模型对单个像素点进行预测,提高预测精度。结果 Hi-MH算法与现有的快速搜索预测算法相比,每帧预测时间至少缩短了1.4 s,与现有最优的视频压缩感知重构算法相比,对于运动较为复杂的视频序列,峰值信噪比（PSNR）提升幅度达到1 dB。结论 Hi-MH算法对于运动形式简单的视频序列或区域降低了计算复杂度,对于运动形式较为复杂的视频序列或区域提高了预测精度。     

Iterative random search: a new local minima resistant algorithm for motion estimation in high-definition videos

Motion estimation (ME) is the most important component of current video encoders, however, it presents a very high computational complexity. To deal with this complexity, fast ME search algorithms are widely used, since they can greatly speed up this process. Fast search algorithms are vulnerable to choose local minima, producing quality losses, and these losses are more significant when high-definition videos are considered. This work presents a new fast search algorithm for motion estimation, focusing on high-definition videos, named Iterative Random Search (IRS). The IRS algorithm randomly chooses candidate blocks from the reference frame, and, for the best candidates, an iterative refinement is done. The central position is also evaluated through an iterative process. By using this combination of strategies, the IRS becomes less susceptible to local minima falls. Achieved results show that, for 1080p sequences, IRS generates the highest quality results when compared to well known fast algorithms, such as Diamond Search, Four Step Search and Three Step Search. The quality gains can be higher than 4 dB, while the number of evaluated candidate blocks may increase, at most, 2.6 times. Additionally, the average quality loss against Full Search is 1.45 dB, while the number of evaluated candidate blocks can achieve a reduction higher than 200 times.     

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。     

帧率提升中的三维递归搜索块匹配改进算法

将基于块匹配的运动估计用于帧率提升会产生内插重叠、空洞等问题。对三维递归搜索（3DRS）块匹配运动估计算法进行改进,结合双向运动估计给出更为精确的运动矢量,采用矢量中值滤波器平滑矢量场,并运用中值滤波运动补偿技术进行插帧。实验结果表明,该算法在主客观方面都具有较好的性能,计算复杂度较低,也便于硬件实现。