基于双起点十字搜索模型的自适应搜索算法

提出一种基于双起点十字搜索模型的自适应搜索算法。该算法采用大小十字搜索模型、八边形搜索模型和斜交叉十字搜索模型,根据不同情况,使用相应的搜索模型,同时采用中值预测及提前跳出策略,减少不必要的搜索。序列测试结果表明,与UMHexagonS算法相比,新算法在保持相当的峰值信噪比和比特率的情况下,运动估计时间平均节省了15.88%和15.94%。     

双十字搜索算法的快速块匹配运动估计

在块运动估计中,不同形状、不同大小的搜索模型对搜索速度和搜索质量有很大的影响．通过运动矢量概率分布分析,发现了运动矢量概率分布具有除中心十字偏置特性以外的方向性特性,提出了一种快速的双十字搜索（DCS）运动估计算法．该算法首先根据运动矢量概率分布的中心十字偏置性,采用小十字搜索模型（SCSP）和大十字搜索模型（LCSP）对小运动矢量进行搜索,从而减少搜索点数．然后,根据运动矢量概率分布的方向性,使用非完全对称十字搜索模型（NFSCSP）对大运动矢量进行搜索,进一步提高了搜索速度．在保持相当搜索质量的前提下,双十字搜索算法与菱形搜索算法（DS）和十字-菱形搜索（CDS）算法相比,搜索速度分别可提高70％和40％．实验结果证明双十字搜索算法是非常有效的,且具有较强的鲁棒性．     

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%。     

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%.     

改进的十字—菱形运动估计搜索算法研究与实现*

提出了一种改进的十字—菱形搜索(ICDS)算法,给出了在搜索的初始阶段使用小十字搜索模型对小的运动矢量搜索并在相继的搜索过程中使用具有方向性的菱形搜索模型对大运动矢量进行搜索的步聚。介绍了该算法的实现结构,并分析了该算法搜索性能。     

基于块匹配的运动估计搜索算法研究与实现

为了满足运动矢量概率分布特性,提出了非对称双十字形搜索(UDCS)算法,给出了在搜索的初始阶段使用小十字搜索模型对小的运动矢量搜索并在相继的搜索过程中使用具有方向性的十字形搜索模型对大运动矢量进行搜索的步骤。介绍了该算法的实现结构,并分析了该算法搜索性能。     

改进的十字-菱形运动估计搜索算法研究与实现

提出了一种改进的十字-菱形搜索(ICDS)算法,给出了在搜索的初始阶段使用小十字搜索模型对小的运动矢量搜索并在相继的搜索过程中使用具有方向性的菱形搜索模型对大运动矢量进行搜索的步聚.介绍了该算法的实现结构,并分析了该算法搜索性能.     

H.264中UMHexagonS运动估计算法的改进

针对H.264中UMHexagonS算法进行研究,提出了改进的快速运动估计算法。首先对UMHexagonS算法中的固定搜索窗口、非对称十字搜索、5×5的小矩形螺旋搜索、非均匀多层次六边形格点搜索和扩展的六边形搜索进行研究;然后提出了相应的减少搜索点数的优化算法,这些优化算法分别称作动态搜索窗口、自适应十字模型搜索、方向性的3×3小矩形搜索、基于预测方向的密集搜索和改进的扩展六边形搜索,这些优化算法形成了自适应模型方向搜索(APDS)算法。对各种类型的测试序列进行实验,与UMHexagonS算法相比,结果表明APDS算法在重建视频质量和码率基本相当的条件下,运动估计时间平均减少了29.64%,每形成一个运动矢量平均节省搜索了21.64个点数;     

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。     

一种新的基于H.264的快速运动估计算法

提出了一种自适应十字形模板进行快速块匹配的方法。该方法解决了单一模板对于垂直运动宏块搜索的薄弱性,它提前预测当前块的运动,并根据预测结果自适应地选择十字形模板,因而能更有针对性地增加搜索点数,从而提高搜索速度。与此同时新算法还采用了提前终止准则和线性搜索技术。实验表明,新算法相比已被H.264标准采用的UMHexagons算法,编码速度提高了20%以上。     

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。     

一种群模式全局搜索算法

由于模式搜索算法易陷入局部极值且效率低。受群智能算法的启发,结合模式搜索算法,提出一种全局优化算法——群模式全局搜索算法。该算法引入群智能的思想,包含4个操作:模式探测、模式移动、模式学习、模式扩散,具有较强的局部-全局搜索能力,且收敛速度快、稳定性好。对benchmark函数集进行仿真并与其它多个算法对比,实验结果证实该算法的有效性。     

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。     

基于连续消除的六边形自适应搜索算法

结合连续消除算法提出了一种新的运动估计算法——基于连续消除的六边形自适应搜索算法，该算法采用六边形和小菱形搜索模板，并利用连续消除算法对每个待匹配点进行判断，减少待匹配点的个数。试验结果表明，该算法的搜索速度优于现有的快速运动估计算法，搜索精度接近于全搜索算法。     

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H.264的改进十字搜索算法

针对运动矢量的方向性,结合经典的快速算法,提出一种改进的十字搜索算法。设计具有方向性的搜索模板,并利用搜索起始点预测、中止准则、搜索模板、辅助点搜索等技术来减少搜索点数。在H.264实验平台的仿真结果表明,该算法在保持峰值信噪比不变的情况下,能有效提高搜索速度。     

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。