基于起点预测和SAD分布的快速运动估计算法

基于块的运动估计是视频压缩国际标准中广泛采用的关键技术 .文中提出了结合相邻块运动向量相等和SAD值比较的起点预测方法 ,减少了起点预测时计算 SAD的开销 ;利用 SAD分布的方向性 ,对 SAD值偏小部分重点搜索 ,加速了块匹配的快速搜索策略 .在此基础上设计了一种新的快速运动估计算法 ,该算法在大幅度提高搜索效率的同时 ,得到了与全搜索非常接近的搜索结果 .

基于梯度式菱形搜索的快速运动估计算法

在基于搜索起点预测和梯度式菱形搜索方法的基础上,提出了一种运动矢量场自适应搜索算法(MVFSAS)。实验结果表明,该算法以较小的搜索代价取得了与全搜索相当的效果,并在搜索速度和搜索效果方面优于三步(3SS)和四步（4SS)快速运动搜索算法。

一种H.264/AVC中的快速运动估计算法

在UMHexagonS算法的基础上,最新的H.264/AVC视频编码采用一种简单、有效的混合快速运动估计算法。该文介绍一种新的快速搜索算法,初步研究和分析其综合性能的优越性,并提出改进策略,如增加终止搜索的判定、进一步划分运动类型、采用自适应的方向性搜索模板。实验结果表明,改进的策略能减少“简化UMHexagonS算法“8%-30%的搜索时间,而码率和率失真性能的变化可以忽略不计,对一些特殊序列,率失真性能略优于“简化UMHexagonS算法”。

一种搜索形状可变的快速运动估计算法

本文提出了一种以菱形和六边形联合搜索为基础的搜索形状可变(ＶＳＳ)的运动估计快速算法,何用于Ｈ．２６３、ＭＰＥＧ２、ＭＰＥＧ４中的视频编码。试验结果表明,在获得与现有ＴＳＳ、ＮＴＳＳ、４ＳＳ和ＤＳ等快速算法相当的图像质量和信噪比的情况下,该算法有效减少了搜索次数,提高了搜索效率,尤其对于中大运动量的视频图像运动估计效果更为明显。

基于运动矢量时—空特性的快速运动估计算法研究

通过运动矢量在时—空特性的分析,根据时—空关系采用不同的搜索模式;实验结果表明该算法有效提高了运动估计的速度并避免了现有运动技术的不足,同时具有与相关算法近似或更好的性能。

一个健壮的用于低比特率视频编码的快速运动估计算法

提出一个用于低比特率视频编码的快速块匹配运动估计算法 .该算法能够自适应调整搜索起点使其接近全局最优位置 ,并采用有效的搜索模式来防止搜索过程陷入局部最小 ,同时用灵活的中止准则来控制运动估计精度与计算量 .实验结果表明 ,该算法非常健壮 ,所需的计算量仅为全搜索算法的 1/ 5 0 ,但能够取得与其相似的运动估计性能 .

针对多视角视频编码的快速运动估计方法

为了提高多视角视频编码系统中运动估计速度,提出了一种基于马尔科夫链模型的快速运动矢量估计算法。该算法充分利用帧间、视角间相关性,建立预测矢量状态集合。通过马尔科夫链模型的状态转移概率,对预测矢量进行提前测试。然后利用提前退出准则,实现快速运动矢量估计。实验结果表明,与单独采用全搜索算法比较,该算法对于多视角视频序列运动估计速度可以提高99%以上,PSNR平均降低0.16dB。提出的算法对多视角视频编码系统的运动估计效率提升明显。

一种移动视频通信的快速运动估计方法

提出一种基于运动矢量中心偏移特性的快速运动估计方法,利用运动矢量的方向和强度信息,确定搜索方向,切换搜索模式。该方法无须保存搜索记录,存储开销小,同时搜索策略快速有效,适用于移动视频通信中终端设备存储能力有限且实时要求较高的场合。

基于偏振约束的立体视频快速运动估计算法

分析了平行双目立体摄像系统的偏振约束特性,提出了一种基于偏振约束的立体视频快速运动估计算法.左通道和右通道分别作为基本层和增强层,对右通道结合视差估计和运动估计得到最优的运动矢量预测值初值,采用不同的运动搜索方法,确定右通道最终运动矢量.若最优的运动矢量预测值是由视差估计得到的左通道运动矢量,则根据偏振约束,左右通道图像对应编码块的运动矢量在垂直方向上的分量相等,因而右通道只在水平方向上进行小范围的运动估计搜索,从而大大降低了右通道运动估计的计算复杂度.实验结果表明,在相同条件下,采用该算法编码一帧图像的运动估计平均时间分别只有采用全搜索块匹配算法、钻石搜索法和三步搜索法的0.27,0.58和0.67倍,编码速度得到显著提高.

一种运动适应性快速运动估计算法

文中给出了一种适应性运动跟踪块匹配算法 ,利用相邻块的相关性确定搜索的初始点 ,根据相邻块的运动性质确定当前块采用的搜索算法。实验表明此算法计算复杂度低 ,预测精度高。

基于H.264的快速运动估计算法研究

在研究H.264多宏块运动估计特点的基础上,提出了一种针对宏块模式的快速搜索准则算法。研究结果表明,在运动估计中加入此准则算法,搜索速度有较大幅度提高,而图像质量和码流基本保持不变。

一种适用于MPEG-4形状编码的快速运动估计算法

运动估计是MPEG-4形状编码的一项关键技术,本文提出了一种适用于形状编码的快速运动估计算法。算法首先在参考帧中进行扫描,得出视频对象的二值边界掩模;在匹配运算时使用lbit的异或运算代替原有的加法运算;设定有效的中止准则,对于静止点直接中止搜索;在搜索过程中采用了渐进消除算法,能够在不影响搜索精度的前提下减少搜索点。实验结果表明使用本文的快速搜索算法,运动估计中的运算量比MPEG-4 VM原有搜索算法有较大幅度的降低,且编码后的码字长度与原算法基本一致。

自适应方向菱形搜索快速运动估计算法

在运动矢量分布特性研究的基础上提出了一种自适应方向菱形搜索算法.该算法利用图像序列的空时相关性,对搜索起始点进行预测,设定阈值,针对匹配块提前终止搜索,根据运动方向特性自适应的选择小菱形模板和方向菱形模板,大大增强了搜索的方向性.实验结果显示,在保证图像质量的前提下,该算法大幅减少了平均搜索点数,提高了搜索的速度.

视频处理中的快速运动估计

运动估计是视频编码中最耗时的模块。为了提高编码效率,研究者们提出了许多快速块匹配算法,本文在分析现有算法的基础上提出了一种新的快速块匹配算法。这种方法综合了钻石形法(DS)和六边形法(HEXBS)的优点。实验结果显示,编码效率相比于钻石形法提高了约37%,并保持了同等的预测质量。

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UMHexagonS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。

一种改进的快速运动估计算法

针对当前H.264/AVC典型快速运动估计算法缺少与其他编码特征相结合的情况,提出融合多参考帧选择和帧间模式判决的快速运动估计算法,综合考虑整数变换与量化、矢量预测、搜索范围、参考帧及其各个块模式之间的相关性。实验结果表明该算法在码率变化不大的条件下,可显著提高编码器的运算速度。

一种用于MPEG-4形状编码的快速运动估计算法

提出了一种新的形状快速运动估计算法,用于加快MPEG-4视频对象的形状编码过程.该算法充分利用了邻近形状块的运动向量之间的相关性、边界形状块的匹配特性.与MPEG-4验证模型中的形状运动估计算法以及现有的改进算法相比,该算法大大提高了形状运动估计的速度,而形状的编码效率并没有降低.

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UMHexagonS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。

多搜索中心的运动估计快速算法

块大小可变的运动估计方法能提高视频编码性能,但也增加了计算时间.为了加快运动估计计算,本文提出了一种基于多搜索中心预测和搜索范围动态调整的快速算法.多搜索中心预测方法对当前宏块时间和空间上相邻块的运动向量进行分析,得出多个预测向量作为运动估计的搜索中心.相比传统预测方法,多搜索中心预测最高可提高约14.6%的预测精度.依据预测运动向量的数目和大小,本文算法对搜索范围进行动态调整,进一步降低了计算复杂度.实验结果显示,相比H.264参考软件中的快速全搜索算法,UMHS算法和EPZS算法,本文算法分别节省约96.22%,59.50%和39.06%的计算时间,且具有相近的率失真性能.

基于预测模式搜索的快速子像素运动估计算法

针对超分辨率重建中运动估计准确度低、计算量大等问题,提出一种快速有效的子像素运动估计算法。在运动向量的计算中,提出综合利用运动的空时相关性、中心偏置性、并融合局部偏差搜索策略,同时得到整像素和子像素的预测运动向量,在获得最佳整像素匹配位置后,提出基于控制表面模型的高阶预测算法对绝对误差和表面模型化进行子像素运动估计,选择其中绝对误差和最小的点作为子像素运动估计位置。与现有标准快速运动估计算法相比,仿真结果表明所提算法计算量更小、匹配准确度更高。