用于块匹配运动估值的正方形-菱形搜索算法

运动估值在视频图像编码中占有重要地位 ,该文首先研究了运动估值中的经典搜索算法并重点分析了菱形 (DS)算法 ;然后设计了一种新的综合模板 (SDP) ,它体现了粗定位和准确定位并行处理的思想 ,在此基础上提出了一种新的用于块匹配的运动估值搜索算法——正方形 -菱形搜索 (SDS)算法 .最后通过实验验证了该算法的有效性 .

用于块匹配运动估值的预测正方形-菱形搜索算法

在正方形-菱形搜索(SDS)的基础上,再根据视频序列图像帧相邻空间块和对应的运动向量的高度空间相关性,提出了一种预测正方形-菱形搜索算法(PSDS)。该算法在运动估值的过程中引入了预测运动向量的概念,与SDS算法具有相似的计算复杂度,但是视频编码质量优于SDS算法。

基于连续消除的正方形-菱形运动估计算法

在基于搜索起点预测和正方形-菱形算法(SDS)的基础上,结合连续消除算法(SEA),提出了一种新的运动估计算法:基于连续消除的正方形-菱形运动估计算法(SEA-SDS)。实验结果表明,该算法以比较小的代价取得了与全搜索算法(FS)相当的效果;在搜索次数和精度方面均优于菱形(DS)和正方形-菱形(SDS)快速运动估计算法。

基于灰度投影和宏块线性搜索的电子稳像

为减轻因摄像机震动造成的视频序列失稳,提出了一种基于灰度投影和宏块线性搜索的电子稳像方法.该方法首先利用灰度投影进行粗匹配,估计当前图像相对于参考图像的偏移量;再利用块匹配结合正方形线性搜索进行精确匹配,得到较精确的位置偏移量,进而进行运动补偿实现视频稳定.实验结果表明,该方法能使稳像精度得到提高,同时与全搜索法和菱形搜索法相比,计算复杂度有所减小.

基于运动方向预测UMHexagonS算法的改进

为了进一步减少UMHexagonS算法的运算量,在详细分析UMHexagonS算法搜索过程的基础上,对运动方向的预测进行了研究,并将运动方向预测与UMHexagonS算法中的正方形搜索和非均匀多层次六边形搜索相结合,提出了一种改进算法。利用三个不同的序列进行测试仿真,测试仿真结果表明,在搜索精度和码率相似的情况下,改进后的UMHexagonS算法搜索点数明显减少。

一种新的运动搜索算法

根据序列图像中运动矢量的中心偏置分布特性和矢量间的时空相关性,设计了一种基于连续消除的正方形--菱形搜索策略。在此基础上,融合了搜索起点预测和自适应搜索等技术,提出了一种可预测搜索起点的自适应的基于连续消除的正方形--菱形搜索算法(PA-SEA-SDS)。实验表明,该算法以较小的代价取得了与全搜索算法相当的效果,在搜索次数和精度上均优于菱形和正方形-菱形搜索算法。