采用块匹配的多视点视频编码算法的改进

利用相邻已编码宏块的模式对当前编码宏块的模式选择进行优化,减少部分细化小块的分割及搜索.然后结合传统单视点视频编码中的简化非对称十字型多层次六边形格点搜索,对运动估计搜索算法进行改进.实验表明:在保证其重建视频质量及码率开销的前提下,两种改进算法使不同特性的视频序列的编码时间平均减少78%.     

基于H.264运动估计的自适应算法

针对在H.264的多宏块运动估计中,计算繁琐,无法达到实时要求的缺陷,提出一种自适应的运动搜索算法.利用相邻宏块间的相关性和中值预测来更加精确地预测搜索初始点和确定搜索区域.实验表明,在编码性能基本不损失的情况下,该算法减少了搜索的运算量.     

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.     

一种基于HEVC视频编码的快速运动估计方法

运动估计是影响下一代视频编码标准高效率视频编码(HEVC)性能的关键因素,它通常利用当前帧的图像块在多重参考帧中对应的搜索窗口中寻找最佳匹配块来完成的.针对HEVC编码标准提出了一种快速的运动估计方法快速分级搜索(FHS).首先,根据多个备用的运动矢量确定起始搜索点的位置,以起点为中心,执行搜索半径依次扩大的三圈钻石搜索,如果执行了内部两圈钻石搜索,最佳匹配点仍位于起点,则提前终止搜索.否则,根据最佳匹配点在内圈、中圈和外圈菱形边缘的情况,提出了不同的后续搜索策略.测试结果表明,提出的快速运动估计算法相对HM14.0提供的算法,平均搜索较少的点数,同时对编码后视频的质量只造成轻微的损失.     

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.     

H.264中搜索范围的自适应调整算法

为了降低编码的计算复杂度,提出一种H.264中搜索范围的自适应调整算法.首先利用时空相邻宏块的最佳搜索范围对当前宏块的搜索范围进行预测;然后根据相邻宏块的编码模式对预测的搜索范围进行修正;最后根据当前最佳大尺寸宏块模式与相邻宏块率失真代价的关系确定剩余小尺寸宏块模式的搜索范围.实验结果表明:该算法平均搜索点数节省了95.57 %,而平均峰值信噪比PSNR损失仅为0.033 dB.     

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...     

提高图像块运动估计搜索速度的改进算法及其性能

运动估计是视频压缩中帧间预测编码的关键技术之一.由于运动估计具有较大的运算量,因此对压缩性能有重要影响.在研究分析了影响视频编码性能的传统搜索算法基础上,提出了一种基于六边形搜索算法的改进算法.该算法初始步骤使用十字形搜索模式,然后采用六边形搜索模式中的小钻石搜索模式,进行快速块运动估计.并进行了计算机仿真实验证明了改进算法在压缩处理运算量及信号质量方面的优越性.结果表明,改进算法比新三步搜索算法和传统六边形搜索算法有着更快的搜索速度和更小的失真.     

H.264视频编码中的快速失真与速率估计算法

H.264视频编码标准采用率失真优化技术追求更高的编码效率。针对每一个宏块,编码器需要遍历多种帧内和帧间模式,复杂度较大,提出了模式选择中速率和失真的快速估计算法。该算法省去了模式判决中的反变换和熵编码过程,利用频域系数来直接估计宏块的编码失真和速率,且失真的估计能适于不同的宏块类型,速率的估计能自适应于视频的内容。仿真结果表明,对于多种类型的视频序列,该算法相对于参考算法能够提供较高的估计准确度,在保持编码率失真性能下降不多的条件下,节省了约35%的模式决定时间。     

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.     

结合PSO的PF用于雷达海杂波反演大气波导

在利用粒子滤波(PF)进行雷达海杂波反演大气折射率廓线(refractivity from clutter, RFC)时,PF的重要性采样过程中采用的是次优的重要性函数。为了优化采样过程,尝试将粒子群优化算法(PSO)融入PF中(称为PSOPF方法),并将其用于RFC。PSOPF方法是在PF的每一个预测步骤后,把由预测步骤得到的所有粒子作为PSO的初始种群,并把粒子的重要性权重作为其对应的适应度函数值。为了检验PSOPF的可行性和有效性,对PF方法和PSOPF方法分别进行了大量的RFC理想数值试验,并对每次反演的精度进行了方差估计,对所有数值试验结果的方差进行了统计分析。结果显示,基于PSOPF的RFC质量和稳定性总体上明显好于基于PF方法的RFC。     

迭代无迹Kalman粒子滤波的建议分布

对非线性非Gauss系统,粒子滤波是一种有效的状态估计方法。粒子滤波的关键是建议分布的选择,好的建议分布会改进粒子贫化和样本耗尽等粒子滤波存在的普遍问题。该文用迭代无迹Kalman滤波产生粒子滤波的建议分布,提出了一种新的粒子滤波算法——迭代无迹Kalman粒子滤波。给出的建议分布将最新的观测融入样本过程并修正该过程,从而改进了滤波性能。数值模拟结果表明,提出的算法与常用的无迹粒子滤波、扩展Kalman粒子滤波相比,具有数值稳定、估计结果精确的优点。     

改进的粒子滤波在含“开关”的资料同化中的应用

针对粒子滤波(PF)应用到含“开关”过程的资料同化时,在采样过程中次优的重要性函数,为了优化采样过程,将粒子群优化算法( PSO)融入PF中(称为PSOPF方法),并将其用于含“开关”过程的资料同化中.为了检验PSOPF的有效性,利用一个含“开关”的偏微分方程作为控制方程,分别从观测算子为线性和非线性、观测误差为高斯型的情形用PF方法和PSOPF方法进行了数值实验.结果显示,在观测误差为高斯噪声时,无论观测算子是线性的还是非线性的,基于PSOPF的同化方法质量明显好于基于PF方法的同化方法.     

基于优化组合重采样的粒子滤波算法

重采样过程的引入,消除了粒子滤波(PF)过程中的粒子匮乏现象,使PF方法迅速地在多个领域内得到应用,但重采样过程却削弱了粒子的多样性,从而导致滤波性能下降,甚至滤波发散.提出了一种基于优化组合的重采样方法,通过选取粒子和被抛弃粒子的适当线性组合而产生新的粒子,增加了粒子多样性,从而提高PF算法的精度.仿真结果表明,步长系数为零时,该算法等价于基本的PF算法;步长系数很大时,该算法不能收敛;在适当选择步长系数的情况下,该算法的滤波性能高于基本的PF算法.介绍了该重采样算法,仿真结果证明了该算法的有效性.     

壁流式过滤体捕集微细颗粒过程的数值模拟

压降是评价过滤体性能的重要指标。针对壁流式过滤体捕集微细颗粒物的过程,建立了描述通道内流场和颗粒层分布的一维非稳态模型。通过数值计算,研究了颗粒层滑移对颗粒层分布和过滤压降的影响,同时研究了过滤体结构参数与来流参数对过滤压降的影响。研究结果表明:颗粒层分布直接影响过滤压降,随着颗粒层滑移效应的加强,颗粒层由平坦转向直线递增型分布,过滤压降则先增后降;增加过滤体长度有助于降低过滤压降;增加过滤体孔目数,增加了过滤体工作初始阶段的压降,但可降低高颗粒沉积量时的过滤压降;此外,随来流流量和颗粒浓度的增加,过滤压降增加。     

单站无源定位中的一种简单粒子滤波算法

提出了一种简单的正则粒子滤波,克服了标准粒子滤波在用于单站无源定位中时出现的粒子匮乏现象,将粒子滤波成功的应用到了无源定位中.通过计算机仿真表明,这种简单的正则粒子滤波能有效缩短定位时间,提高定位精度.     

云层背景下粒子滤波目标跟踪方法研究

对粒子滤波理论及其实现方法进行了研究.通过模拟实验验证了其优于卡尔曼跟踪的性能,并结合基于双正交小波的边缘形心提取方法和粒子滤波跟踪方法,构建了其跟踪框架.通过粒子数和系统状态转移方程的恰当选择,实现了云层背景下对背景简单的点目标和存在遮挡和旋转变化情况下的大目标进行跟踪.最后通过实验分析了粒子数目和状态方程的选取对跟踪精度的影响.实验证明,结合鲁棒性的小波检测方法和具有"多峰"描述的粒子滤波算法构造成的跟踪器,在运动目标存在局部遮挡和旋转变化等情况下能够实现稳定的目标跟踪.     

基于改进粒子滤波算法的Bouc-Wen模型参数在线识别方法

在线模型参数更新是提高结构混合试验中数值子结构模型精度的有效手段。为了提高强非线性模型参数在线识别精度,在标准粒子滤波算法的基础上提出了一种改进的辅助无迹粒子滤波算法。在重要性采样中,基于最新观测信息采用无迹卡尔曼滤波方法计算每一个粒子估计,以提高粒子非线性变换估计精度;在重采样过程中,引入辅助因子修正粒子权值,以丰富粒子多样性、削弱粒子退化现象。采用改进粒子滤波算法针对Bouc-Wen模型进行了在线参数识别,并与标准粒子滤波算法、扩展卡尔曼粒子滤波算法以及无迹粒子滤波算法的参数识别精度和计算效率进行对比分析。结果表明,与其它3种算法相比,辅助无迹粒子滤波算法在单步计算耗时增加的基础上,在线参数识别精度明显提高,参数识别值波动幅度显著降低。最后,通过橡胶隔震支座拟静力试验,验证了采用改进粒子滤波算法在线识别Bouc-Wen模型参数方法的有效性。     

扩展卡尔曼粒子滤波算法的一种修正方法

针对扩展卡尔曼粒子滤波（EKF-PF）算法滤波精度较低的缺点，提出对其建议分布进行高阶修正的新算法．该算法针对非线性系统方程，基于二阶泰勒级数展开，利用高阶项对一阶扩展卡尔曼滤波（EKF）的状态估计向量及协方差阵做出适当修正，同时考虑到协方差阵计算中存在矩阵相减运算、计算误差以及参数不匹配等因素的影响，采用矩阵QR分解技术保证了协方差阵的正定性．新算法在一定程度上减小了局部线形化的截断误差，提高了建议分布的逼近程度．仿真实验表明，新算法在计算量增加不多的情况下，滤波精度有明显的提高．     

改进PF算法对红外图像中瞳孔的跟踪

提出一种基于粒子滤波的红外目标跟踪的新算法. 用该算法对采样粒子进行优化,改进了重采样环节,在不影响跟踪准确率的条件下,提高了算法的速度. 实验结果表明,将此算法运用到瞳孔跟踪中,跟踪比较准确有效. 同时,将Hough变换应用到了瞳孔边缘的定位领域中,此算法有效改进了红外图像中眼睛瞳孔的跟踪效果.