一种充分下降的DY共轭梯度法及其收敛性

基于已有的DY方法和HZ方法,提出了一种修正的DY共轭梯度法(MDY算法)。该算法产生的搜索方向为充分下降方向,且这一性质与所采用的线搜索方法无关。在一定的条件下证明了保守MDY算法(CMDY算法)基于Armijo线搜索和Wolfe线搜索求解非凸优化问题的全局收敛性。相关的数值试验结果验证了该方法的有效性。     

一种基于降采样的块匹配三步搜索改进算法

在视频图像处理中,运动估计对于提高视频信号去隔行和降噪的效果具有举足轻重的作用,是整个运动补偿视频图像处理算法的关键部分.在视频处理芯片的硬件实现中,运动估计的性能和算法复杂度直接决定了芯片的速度、面积和功耗;同时,运动估计在视频图像编码中也同样决定了整个编码算法的效率.在新三步算法的基础上权衡运动估计算法的性能和运算复杂度,提出了一种块内降采样的搜索算法(down-sampled diamond NTSS,DSD-NTSS).该算法利用图像的局部相似性特征,对搜索块的内部像素采用交叉采样方式做块匹配的运算以降低算法复杂度.仿真结果表明,在保证了同等的图像处理质量的情况下,该算法与新三步法相比运算量降低了一半左右;而与全搜索、菱形搜索、三步搜索等其他快速算法相比,该算法在性能和算法复杂度上的综合表现更为优秀.     

一种修正PRP共轭梯度法的全局收敛性

PRP共轭梯度法是众多求解无约束优化问题的共轭梯度法中数值效果表现最好的算法之一.提出一种修正的PRP共轭梯度法,该算法始终产生充分下降方向,并且该充分下降性的产生不依赖于任何线搜索.在一定的条件下,证明了该算法在Armijo型线搜索下求解无约束优化问题时具有全局收敛性.最后,给出了相应的数值结果,证明了该算法的有效性.     

十字模板的梯度快速运动估计算法

H.264标准中的运动估计部分占了50%以上的运算开销.在分析了图像运动矢量的中心偏置特性的基础上提出了基于十字模板的梯度快速搜索算法(CGS).该方法提取搜索中两个点蕴含的矢量梯度,配合十字模板,能够快速确定搜索方向和范围,逼近最优匹配点.运动搜索点数比六边形算法降低了36%以上,图像PSNR值比全搜索只下降了0.01dB.通过实验分析也证明了运动矢量中心偏置特性,该算法具有一定的应用价值.     

一种充分下降的共轭梯度法及其收敛性

基于经典的共轭梯度法,提出一类具有充分下降性的共轭梯度法,并给出了该算法在弱Wolfe步长搜索下的全局收敛性.最后,进行了数值实验,数值效果和算法的全局收敛性表明该算法是有效的.     

基于多幅图像恢复单幅图像的快速算法实现

为解决传统的单幅图像恢复算法效果不理想的情况,现有理论利用多幅图像之间的信息互补这一条件,在图像配准的基础上,通过多幅退化图像对单幅图像进行恢复,比较流行的是使用M估计(M-estimation)对图像进行配准,然后利用L1范数进行图像融合,进而提升图像恢复的鲁棒性,但其收敛速度并不理想。为了实现算法的快速收敛,通过对下降算法的搜索梯度方向改善的探究,出了基于共轭梯度下降法(conjugate gradient descent, CGD)的图像恢复算法。在此基础上对CGD图像恢复算法进行改进,利用前后估计的值之间的差信息来优化迭代时的搜索方向,也就是在后面这次搜索梯度上面加前1次和前2次估计值的差,以此增大搜索梯度值,进一步缩短迭代到最小值的时间。仿真结果表明,所提出的改进算法比基于最速梯度下降法(batch gradient descent, BGD)的图像恢复算法的收敛速度更快。     

MWWP线搜索下的新共轭梯度法

随着计算机技术的革新和生产生活中大规模无约束优化问题的涌出,为寻求高效快速的方法,本文构造新共轭梯度算法.将一种修正弱Wolfe-Powell线搜索称为MWWP线搜索,使其与具有良好的充分下降性的DPRP共轭梯度法相结合,证明了该算法在新型线搜索下的全局收敛性,并将该算法与传统共轭梯度法进行了数值实验对比,数值实验结果表明了新方法是有效可行的.     

一种充分下降的CD共轭梯度法及其收敛性

基于已有的CD方法,提出了一种改进的CD共轭梯度法(MCD算法).该算法产生的搜索方向为充分下降方向,且这一性质与所采用的线搜索方法无关;并在一定的条件下证明了该算法基于Wolfe线搜索求解非凸优化问题的全局收敛性.     

前馈网络的混沌梯度搜索耦合学习算法及应用

针对BP神经网络易陷入局部极小的问题,提出了混沌梯度优化的神经网络的学习算法,其原理是采用梯度下降进行"粗搜索",混沌搜索进行"细搜索",并建立规则将两者结合起来,以构成BP神经网络的基于规则的混沌梯度耦合学习算法.它有效地利用了梯度下降算法的快速性和混沌寻优的全局性,将该算法应用于某智能决策支持系统模型库中的模型学习,有效地提高了前馈神经网络的学习效率.     

基于遗传算法的BP网络及其非线性逼近能力研究

提出了一种基于遗传算法(GA)的BP神经网络模型优化方案,指出了遗传算法和标准BP算法各自的优缺点。首先采用自适应交叉概率的遗传算法优化网络的权值,在进化结束时,能够寻到全局最优点附近的点。在遗传算法搜索结果的基础上,利用局部寻优能力较强的梯度下降法,从此点出发,进行局部搜索,进而达到网络的训练目标。仿真表明与单一的梯度下降法比较,混合优化算法的收敛速度快,逼近的效果好,因而所给出的算法可行有效。     

一种基于梯度的非完整十字钻石模型搜索算法

十字钻石模型搜索算法利用了视频序列运动矢量的十字中心分布特性．作者在此基础上,增加了梯度信息,提出了一种基于梯度的非完整十字钻石搜索算法,在保证信噪比的情况下可使平均搜索点数大幅度降低．     

混沌变步长量子遗传算法

针对多数量子遗传算法在搜索解时没有充分利用搜索过程中的先验知识的问题,结合混沌运动的遍历性和量子遗传算法的群体搜索性,提出一种基于混沌变尺度梯度下降的量子遗传算法.算法采用梯度下降法对量子遗传操作获得的优良个体进行局部搜索,引导种群的进化.结合混沌优化策略产生自适应步长,在搜索初期加快寻优速度,随着搜索逐渐接近最优点,混沌产生的小步长实现在最优解所在的小范围内进行精确搜索.实验结果表明,该方法的综合性能优于传统的量子遗传算法及遗传算法.     

基于小波变换的块匹配运动估计方法

将小波变换引入低码率视频图像序列的运动估计研究中，提出了基于小波变换的块匹配搜索方法．该方法的特点是可根据运动物体的大小和运动程度，用可变宏块进行运动估计，统一了匹配块和匹配点的搜索，发展了一种改进的三步搜索算法．实验结果表明，该算法比三步法有更高的精度，更适应低码率和多细节视频图像传输中的运动估计．     

基于遗传搜索和模板匹配的快速运动估计

基于遗传算法的运动估计具有较好的全局寻优能力,但其过高的算法复杂度需要很大的计算和存储开销,增加了编码时间;另一方面,传统的基于遗传算法的运动估计普遍采用较低的遗传迭代次数,降低了遗传算法的搜索精度。为解决传统算法搜索时间长和搜索精度低的缺陷,提出了一种基于遗传搜索和模板匹配的混合算法。该算法结合多种运动矢量的预测方法...     

基于新型十字-菱形搜索的块匹配算法

指出了块匹配算法是运动估计的有效方法，搜索模板的类型、大小很大程度上影响了搜索的效果，对运动向量的分布进行了深入研究，提出了以新型非完全对称的搜索模板为基础的十字-菱形搜索算法，该算法以十字搜索模型对小运动矢量进行搜索，而使用非完全对称菱形对大运动矢量进行搜索．理论分析和实验表明：新十字菱形算法和原有的十字菱形算法相比，其搜索的速度可以提高20％左右．     

一种基于传统全搜索法的运动估计改进算法

提出了一种称为准全搜索法的块匹配改进算法。该算法在传统全搜索法的基础上引入了差值块DCT系数为0的判断条件，在螺旋搜索的遍历过程中可以最快地搜索到满足条件的匹配块，在大大提高搜索速度地同时也保证了一定的搜索精度。     

一种适用于低码率图象压缩的运动估计算法

三步搜索法已经广泛地应用于低码率图象压缩中．由于三步搜索法第一步过于粗糙,容易陷入局部最小,对于那些小的运动矢量往往效果不太好,在此基础上提出了新三步搜索法,它在一定程度上弥补了三步搜索法的不足．针对低码率图象编码的特点,提出了一种新的运动估计算法,它具有与新三步搜索法相当的效果,速度上比新三步法和三步法有较大的提高．     

电视信号运动估值算法的改进

本文提出了一种改进的用于电视信号运动估值的块匹配算法。这种算法是在交叉块匹配法的基础上提出的，并且可用于提高其它几种快速块匹配算法的准确率。该算法运算量较小，运动估值的准确率较高。另外，本文也给出一些实验结果来证明该算法的可行性和有效性。     

基于离散粒子群优化算法的块匹配运动估计

文章提出了一种基于离散粒子群优化算法的块匹配运动估计算法.该算法将块匹配运动估计的局域性搜索与离散粒子群算法的全局性搜索结合起来,并针对运动矢量的特点,采用了Gray码编码、运动矢量预测以及有效的迭代提前终止准则等策略,克服了以往快速搜索算法容易落入局部最优的问题,在获得与全搜索算法相近的搜索精度的同时,降低了平均搜索...     

基于起点预测的单位十字快速运动估计算法

复杂且耗时的运动估计运算给实时视频编码系统的实现带来了困难.为提高视频编码的实时性,文中分析了运动矢量的分布特性和空间相关性,提出了一种基于起点预测的单位十字快速运动估计算法.该算法结合提前中止准则,通过块匹配绝对误差比较法来选择起始搜索点,然后采用单位十字搜索模式进行搜索.实验结果表明,在保持图像质量基本不变的情况下,该算法搜索速度是三步法的3～17倍,是菱形搜索法的2～9倍,是自适应十字搜索法的1.19～4.42倍.该算法计算量小,实时性强,易于硬件实现,在小运动序列运动估计方面具有明显优势.