基于H.264的混合模板块匹配运动估计算法

针对现有快速块匹配运动估计算法,提出一种可根据绝对误差和(Surn of Absolute Difference,SAD)大小,自适应地选择不同模板和搜索策略的混合模板运动估计算法.仿真结果表明,与UMHexagonS算法对比,该算法的图像编码质量几乎没有变化,但运动估计时间却减少了40%～50%.     

基于H.264/AVC的快速运动估计改进算法

H.264/AVC中基于块的运动估计是运算量最大的模块.提出了一种基于UMHexagonS的改进整像素快速运动估计算法,该算法改进了UMHexagonS的搜索模板和搜索层,较大幅度减少了整像素运动估计搜索的点数,提高了运动估计效率.实验结果表明,在保持大致一样的率失真性能前提下,算法比UMHexagonS算法减少了20%的搜索点数,更适于实时视频编码.     

一种基于H.264的快速运动估计算法

在视频编码中,运动估计发挥着相当重要的作用,在很大程度上影响图像精度和压缩比例;同时运动估计也是编码器中复杂度高、运算量特别大的一部分,因此影响了H.264视频编码的实时应用.为了降低计算复杂度并保持图像质量,本文提出了一种整像素运动估计算法.结合UMHexagonS(非对称十字型多层次六边形格点搜索)算法和EPZS(增强的区域搜索)算法的特性,本文算法根据图像的运动类型不同采用不同的模板,同时加入了提前终止技术.实验结果证明该算法与FS(全搜索)、UMHexagonS和EFZS算法相比,在峰值信噪比(PSNR)基本相同的情况下减少了运动估计的时间.     

基于线性搜索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提高运动补偿的准确性,提出了一种新的块匹配运动估计算法,称为线性正方形搜索算法.该算法采用运动估计的线性搜索策略,对于不重要的搜索区域利用线性搜索技术进行快速搜索以减小算法的计算复杂度,而对于重要搜索区域,即最佳点所在区域,用9点的正方形模块进行精细搜索以提高算法的搜索精度.实验结果证明,该算法与菱形算法相比不仅计算复杂度减小了10%以上,而且视频编码效率可以提高约0 1dB.     

一种多视点视频编码快速运动估计算法

为了降低多视点视频编码(MVC)的计算复杂度,提出了一种基于运动矢量视点间相关性和空间相关性的多视点视频编码快速运动估计算法.该算法从邻近视点的运动矢量中获得反映真实运动状态的参考运动矢量,从参考运动矢量以及空间相邻运动矢量中选取搜索中心,并利用搜索中心与参考运动矢量的偏离程度自适应预测搜索范围,以达到降低运动估计复杂...     

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CUDA的运动估计算法研究

运动估计是H.264视频编码器中复杂度最高、耗时最长的模块.本文介绍了运动估计的基本原理以及全搜索算法FS(Full Search)和钻石搜索法DS(Diamond Search)等经典的运动估计算法,并引入了基于CUDA的运动估计算法:全域消除GEA算法和基于CUDA的并行FS算法,有效地提高了H.264视频编解码速度.     

基于空间相关预测的快速块匹配运动估计算法

为了提高自适应十字搜索(adaptiveroodpatternsearch,ARPS)算法中运动估计的速度和准确性,提出一种基于空间相关预测的快速块匹配运动估计算法.根据块匹配度量准则,将邻域块中与当前块相似度最高和次高的两个运动向量(motionvector,MV)的均值作为当前块的预测MV,改进了传统ARPS算法的固定单块预测模式,增强了起始搜索中心位置的预测,减小了由于运动变化而引起的预测误差.实验结果表明所提算法与ARPS和其他标准快速块匹配运动估计方法相比,有效地减少了计算复杂度,提高了配准精度.     

基于结构相似度的H.264快速运动估计算法

与传统压缩标准相比,H.264虽然具有更高的压缩性能,但其编码复杂度的大幅增加限制了它的实时应用.为此,文中提出了一种基于结构相似度的快速运动估计算法(FMEBSS).该算法利用结构相似度的特性,通过在运动估计过程中设置阈值,减少不必要的运动搜索点,简化复杂的搜索模式,从而达到了减小运动估计复杂度、改善压缩性能的目的.实验结果表明,在保证压缩质量不下降的前提下,该算法可以有效节约编码时间,同时压缩比也得以改善.     

多目标云分布估计算法

为增强多目标分布估计算法(MEDA)的局部搜索能力,将云模型引入到多目标分布估计算法中,提出一种多目标云分布估计算法(CMEDA).该算法一方面利用分布估计的采样操作对进化种群进行搜索,另一方面利用云滴具有随机性、稳定倾向性等特点,进行外部档案搜索,实现群体间信息交换,从而提高多目标分布估计算法的全局搜索能力.数值实验选取6个常用测试函数,并与NSGA-Ⅱ和MEDA算法进行比较,结果表明,CMEDA算法在收敛性和多样性两方面都有较好的性能.     

一种新的快速块匹配运动估计算法

提出了一种新的快速、有效的块匹配运动估计算法。算法采用多步搜索方法,利用相邻块之间的运动相关性,选择反映当前块运动趋势的预测点作为初始搜索点;用子采样块匹配失真度量来减少计算量;利用运动矢量的中心倾向的分布特性,用多侯选点钻石形状搜索方法来提高运动估计的速度和准确性。实验表明,该算法计算复杂性低,预测质量好。     

运动估计中双模板设计与自适应模板选取

通过编码标准测试序列,分析了运动估计算法中计算量的分配和不同模板的性能,为兼顾速度和准确度,选择了双模板策略,并进一步给出了自适应的模板选取方法.实验结果数据表明,小模板可以提高运动估计算法的效率,大模板可以保证搜索的准确度.该自适应双模板搜索算法能够以151倍于快速全搜索算法的速度,实现与其近似的峰值信噪比、码率性能.     

可预测起始搜索点的自适应准十字菱形搜索算法

分析了视频图像现有块匹配运动估计的技术特点,通过实验数据定量评价了各算法的优缺点,提出的一种改进的自适应运动估计算法:基于起始搜索点预测的准十字菱形搜索算法.该算法根据序列图像中运动矢量的十字中心偏置分布特性和运动矢量间的时空相关性,设计了一种准十字菱形搜索模板,并对静止块设定阈值,直接中止搜索;结合起始搜索点预测,并根据运动类型自适应选择搜索策略,使本文算法在保证了搜索准确性的同时,提高了运动估计的速度.     

基于H.264的UMHexagonS算法研究与改进

运动估计是视频压缩编码中消耗时间最多的部分。H.264标准采纳混合非对称十字多六边形格点搜索(UMHexa-gonS)算法作为其快速运动估计算法。详细介绍了UMHexagonS算法,并从三个方面对算法进行了改进:一是增加一个自适应的提前终止判决门限,二是用一种新的搜索方式替代5×5螺旋搜索,减少搜索点数,三是将多层六边形搜索修改为多层十点搜索。在测试模型JM10.2上进行了算法验证,测试结果表明,在图像质量几乎不变的情况下,改进的算法比原算法节省了7%—14%的运动估计时间。     

基于低比特率应用的快速运动搜索算法

在H.264编码器中,最耗时的部分就是可变块的运动估计模块.为了减少运动估计的复杂度,文中提出了一种快速运动搜索算法.该算法通过分析低比特率应用中视频图像的特征,根据当前参考帧、当前宏块分割模式以及预测残差值的比较,动态地采用相应的搜索策略以及一种有效的终止搜索算法,并且提高了预测的准确性.模拟实验表明,提出的算法在保证视频质量的同时,其搜索速度有成倍的提高,对背景变化少的运动图像的改善尤为显著.     

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.     

基于中心点预测的分数像素运动估计改进算法

针对H.264采用的分数像素运动估计算法存在计算复杂度高的不足,通过探索分数像素点之间相关性强及分数像素搜索范围为单峰值误差曲面的特点,提出了一种基于中心点预测的分数像素运动估计快速算法.测试结果表明:与全搜索分数像素搜索相比,该方法平均减少分数像素搜索点数69.32%,峰值信噪比相同,码率增加4.48%.该算法在保持图像质量不变和码率增加较少的情况下能大大减少搜索点数目,有效提高了分数像素运动估计的速度.     

新的低码率视频编码快速半像素搜索算法

运动搜索一直是混合视频编码方案中最占编码时间的模块。典型的运动搜索由整像素搜索和半像素搜索组成。随着整像素搜索算法的不断改进 ,被普遍使用的半像素全搜索方法在整个运动搜索中所占运算量已经不容忽视。为了加速半像素搜索 ,提出了一种基于抛物面预测的半像素快速搜索算法。实验结果表明该算法能显著地提高半像素搜索速度 ,并且不会对编码效率和图像质量产生明显的影响。在QCIF格式下采用 H.2 6 3编码器时实际节省运算量约为5 7%。该算法的预测过程简单 ,易于实现 ,能够方便地集成到现有的编码系统中