H．264视频编码快速运动估计算法研究

快速运动估计算法一直是视频编码技术的研究热点，近年来涌现了许多基于块匹配的快速运动估计算法，包括UMHexagonS及EPZS等算法。视频编码标准H．264已经正式采纳了UMHexagonS算法作为整像素的快速运动估计算法。该算法的运算量相对于快速全搜索算法可节约90％以上，同时能保持较好的率失真性能。EPZS算法在运算速度和率失真性能上与UMttexagonS算法大致相近．因此H．264JM10．0官方参考软件也引入了该算法。本文对UMHexagonS算法和EPZS算法进行了介绍，对其特点及性能进行了分析，并作了比较，同时提出了改进UMHexagonS算法的一些意见。     

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.     

基于快速运动估计算法UMHexagonS的研究

UMHexagonS算法已经被视频编码标准H．264正式采纳作为整像素的快速运动估计算法。该算法的运算量相对于快速全搜索算法可节约90%以上,同时能够保持较好的率失真性能。本文结合JM10．2的源代码对UMHexagonS算法进行了分析,并对该算法进行了改进。通过利用运动矢量间性,采用一种新的自适应的非对称十字形模板来代替原算法中的非对称十字形模板,并将改进的算法在JM10．2测试模型上进行了验证,,实验结果表明,本文建议的方法在保证编码性能的同时,可以有效减少运动估计所需要的时问。     

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.     

求解VRPBTW的变邻域搜索算法

以电子商务环境下物流配送为背景,建立了带有时间窗和回程载货约束的车辆路径问题优化模型,设计了改进的变邻域搜索求解算法.该算法采用改进的Braysy顺序插入法生成问题初始解,再根据变邻域搜索算法机制应用4种不同搜索范围的局域搜索算子对初始解进行改进.通过对多个算例的求解实验,并与采用一般流程的变邻域搜索算法进行比较,结果表明所提出的变邻域搜索算法的求解效果明显优于采用一般流程的变邻域搜索算法,是求解该类问题的有效算法.     

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.     

快速码字搜索算法在G.722.2中的应用

首先介绍了FS算法的原理,然后使用了一种将部分失真搜索算法与超立方体码字搜索算法相结合的快速码字搜索算法,并将其应用于G.722.2中.仿真结果表明:与FS算法相比较,PDS和HAS相结合的PDHAS码书搜索算法可显著降低码书搜索的计算复杂度,从而使语音趑编码时间得到显著降低,且语音编码质量没有显著下降;仿真实验验证本文使用的PDHAS快速码字搜索算法是一种实现矢量量化快速编码的有效方法,对降低码书搜索算法的复杂度、减少语音编码时间具有非常重要的应用价值.     

基于方向信息的快速整像素运动估计优化

针对H.264/AVC标准采用的UMHexagonS整像素运动估计算法,提出了一种进一步降低其运算复杂度的改进方法.通过利用UMHexagonS算法中非对称十字型搜索中水平及垂直方向上的运动估计的成本大小和方向信息,自适应地将25点的正方形搜索修改为最大7点搜索,以及将16点非均匀多层次六边形格点搜索修改为最大4点搜索,从而实现减少搜索点数,节省搜索时间.实验结果表明,提出的算法在保证原有UMHexagonS算法码率失真性能的同时,能节省大约23%~42%整像素运动估计时间.     

一种改进的AMR—WB矢量量化码字搜索算法

AMR—WB是一种高品质的宽带语音编码技术,其矢量量化时一般采用全搜索算法,该算法虽然精度比较高,但却存在计算复杂度高、搜索速度慢的问题．针对以上问题,提出了一种改进的矢量量化码字搜索算法．该算法引入了部分失真搜素算法,并对其初始匹配码字的设置进行了优化．仿真结果表明,改进后的算法在保证语音质量的前提下,提高了码书搜索的速度,从而改善了AMR．WB编码的效率．     

基于邻块预测的H.264快速帧内预测模式选择算法

针对Pan提出的快速帧内预测模式选择算法存在侯选模式不够精简,以及仅利用了块内部纹理信息进行侯选模式的预测等不足,提出了一种改进的基于邻块预测的H.264快速帧内预测模式选择算法。改进算法不仅采用块内部纹理信息预测,而且利用帧内相邻已编码块进行空域预测,以得到更加精简的侯选模式,从而减少参与选择的模式数量,提高了编码速度。实验结果表明,与Pan算法和JM全搜索算法相比,该算法在保持较好的编码图像质量的同时,可有效地提高编码速度。     

有时间窗的车辆路径问题及改进禁忌搜索算法

基于改进的禁忌搜索算法求解有时间窗的车辆路径问题,建立了该问题的通用数学模型.改进算法中,在随机构造的多个可行解中挑选较好的解作为初始解,采用2-opt方法生成邻域,并构造了动态禁忌表,使禁忌表的大小和结构随搜索过程发生改变,提高了整体寻优能力.仿真实验证明了算法的可行性、有效性和优越性.     

基于轮廓跟踪的虹膜定位算法

提出一种基于轮廓跟踪算法的虹膜定位算法. 该算法先通过像素点扫描查找二值虹膜图像中轮廓的起始点, 然后由起始点进行轮廓查找、 轮廓编码、 轮廓筛选确定虹膜内轮廓, 再通过虹膜外轮廓和巩膜间的灰度突变点到内轮廓圆心距离的平均值确定外轮廓半径, 实现虹膜内、 外轮廓的定位. 实验结果表明, 该算法具有较快的定位速度、 较高的准确率, 性能稳定.     

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。     

Powell搜索法和惯性权重非线性调整局部收缩微粒

提出一种求解无约束最优化问题的新的混合算法Powell搜索法和惯性权重非线性调整局部收缩微粒群算法的混合算法. 该算法不需要计算梯度, 容易应用于实际问题中. 通过对微粒群算法的修正, 使混合算法具有更加精确和快速的收敛性. 首先利用20个基准测试函数进行仿真计算比较, 计算结果表明, 新混合算法在求解质量和收敛速率上都优于其他算法（PSO, GPSO和NM PSO算法）. 其次, 将新混合算法和最新的各种协同PSO算法进行分析比较. 结果表明, 新混合算法在解的搜索质量、 效率和关于初始点的鲁棒性方面都远优于其他算法.     

喷丝板单孔图像的检测算法

运用计算机图像处理方法检测化纤喷丝板单孔孔径和堵塞.使用二维转台和CCD摄像头采集喷丝板单孔图像,并提出一种新的图像检测算法:先对喷丝孔图像进行傅里叶变换,再采用Sobel算子边缘检测和Sobel算子边缘细化法,依据圆孔几何特征判定喷丝孔是否堵塞,依据其图像所占像素量确定堵塞面积比,并求得未堵塞喷丝孔的直径.实际应用表明,所提算法合理、有效,达到了一定的测量精度。     

基于检测点失效检测算法的研究与改进

对利用二次检测模式构建的基于检测点的失效检测算法进行改进: 利用误判概率调整二次检测延迟时间的计算方法, 动态计算二次检测时间, 从而提高分布式网络中失效检测的准确性. 通过实验将传统的失效检测算法以及基于检测点的失效检测算法与本文提出的改进算法进行对比, 验证了在分布式系统失效检测应用中, 改进的算法能够提高失效检测的准确性.     

识别转录因子结合位点的新方法

采用进化计算的方法, 实现了在共表达基因上游非编码区寻找转录因子的结合位点. 将此方法应用在已知的受同一种转录因子调控的基因上游启动子序列集合, 结果显示, 该算法能正确识别具有单一保守序列的调控位点; 与经典的Gibbs采样方法比较显示, 本文算法在识别较短的结合位点时更有效.     

一种改进的Adaboost训练算法

针对传统的Adaboost训练算法在训练过程中可能出现训练退化和训练目标类权重分布过适应的问题, 提出一种改进的Adaboost训练算法. 改进算法通过调整加权误差分布限制目标类权重的扩张, 并且最终分类器输出形式以概率值输出代替传统的离散值输出, 提高了训练结果的检测率. 实验结果表明, 改进的Adaboost算法在Inria数据集上取得了较好效果.     

基于聚类和局部信息的离群点检测算法

针对目前大部分离群点检测算法未考虑数据的局部信息, 导致离群点检测的准确率低问题, 提出一种新的基于聚类和局部信息的两阶段离群点检测算法. 通过定义新的局部离群因子作为判断数据对象是否为离群点的衡量标准, 改进了传统离群点检测算法的过程. 实验结果表明, 该算法在保持线性复杂度的同时, 能更准确、 有效地挖掘出数据集中的离群点.