模型基编码中一种可靠的实时运动估计算法

分析了PLS算法的本质,并针对其缺点提出了一种改进形式;将改进算法同PLS及EKF进行了实验对比. 结果表明,此算法不但能实时地估计运动参数,而且还具有良好的稳定性和准确性.

模型基辅助编码中实时运动估计的自适应方法

在长序列运动估计中,常用的预测最小均方力法(PLS、MPLS)和扩展的卡尔曼滤波方法(EKF)对误差敏感,鲁棒性差。本文提出一种新的自适应实时三维运动估计方法(MEKF):即设计一个实时自适应调整参数的扩展卡尔曼滤波进行运动估计,然后对其经过数据处理,消除估计的振荡误差。文中还将该方法与前三种估计方法进行了模拟和真实序列实验的对比,实验结果表明本文所提出的估计方法具有很好的稳定性利很高的精度。

模型基编码中实时三维运动估计的新方法

将自适应迭代松弛搜索算法RSA引入到MPEG4模型基编码的三维运动参数估计中 ,解决了估计算法的稳健性问题 .经过简化计算的复杂度 ,得出一种快速算法 ,大大提高了估计速度 .同时设计有效的参数初值设置和调整方法 ,改善了估计的准确性 ,使之更适用于长序列实时运动估计 .通过与预测最小均算法PLS和扩展的卡尔曼滤波算法EKF进行模拟数据和真实序列实验比较 。

基于尺度变化的图像灰度投影算法

为了延拓灰度投影算法计算时间上的优越性能,解决传统投影法无法估计视频序列缩放参数问题,本文提出了一种新的基于尺度变化的灰度投影算法。算法根据缩放下投影矢量的特征,采用对数映射其坐标空间的方法,将矢量缩放参数降维成平移参数估计,再使用一维矢量互相关运算求解偏移量。实验结果表明,算法具有较好的鲁棒性,缩放系数位于0.7<a<1.3时,256×256图像块的解算时间为0.031s;参数求取精度<0.03,能够较好的应用于视频帧序列的实时处理。