运动矢量场自适应搜索算法

运动估计是影响基于帧间视频压缩速度的关键 ,快速运动估计算法一直是视频压缩中的研究热点 .该文从运动矢量的均匀性出发 ,提出了由搜索起点预测、自适应搜索模式和高效搜索中止准则等策略构成的运动矢量场自适应搜索算法 .实验表明 ,该文算法以极小的搜索代价得到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MPEG 4最新推荐的快速运动估计算法 .

一种新的基于运动矢量场及弹性模板的自适应快速搜索算法

该文提出了一种新的基于运动矢量场及弹性模板自适应快速搜索算法 ,它是以视频运动具有高度时空相关性为基础 ,从运动矢量场的均匀性出发 ,综合采用了快速块匹配、自适应弹性模板选择策略、自适应阈值与搜索中止准则等一系列技术 ,是一种具有伸缩性结构的自适应快速运动估计算法 .实验结果表明 ,该算法以极小的搜索代价得到了与全搜索相当的效果 ,并在搜索速度和搜索效果方面明显优于MPEG 4最新推荐的快速运动估计算法 ,特别是在中低码率压缩时有着更优良的性能 ,非常适合于低码率实时视频压缩领域的应用 .

运动图像的自适应多重搜索算法

提出新的图像块匹配算法,将归一化运动图像匹配准则用于心肌细胞特征点的运动矢量检测。针对图像局部极值问题,提出了多重三步搜索及自适应选择候选点算法,以及优选帧策略,以提高匹配精度和运算速度。

基于嵌入式监控系统的运动估计算法

基于对监控视频序列运动矢量分布的方向特性和起始点预测搜索技术的研究,提出了一种运动估计算法—自适应三分级搜索算法(ATLS),并结合Inter XScale微处理器架构对算法进行优化,解决了传统运动估计算法在嵌入式系统中搜索速度低的问题,算法运算复杂度低。实验结果显示,与运动矢量场自适应搜索算法相比,在图像质量几乎不下降的情况下,该算法平均搜索速度明显提高,综合性能优于运动矢量场自适应搜索算法(MVFAST)算法。

一种视频运动目标精确分割新算法

针对视频图像中单个运动目标的分割问题,提出了一种基于Kirsch边缘算子的视频运动目标分割算法,该算法将Kirsch算子检测到的边缘作为主分割信息,运动矢量场作为次要分割信息;首先利用双重尺度的运动矢量场进行累加和滤波处理来获得辅助分割信息;然后将Kirsch算子的模板分解为差值模板和公共模板以提高边缘的抗噪性;最后用自适应状态标记的方法将边缘信息和运动矢量信息相融合来准确地分割运动目标;实验结果表明该方法分割比较精确。

基于运动信息的镜头切变检测与关键帧提取

提出一种基于运动信息的镜头切变检测方法。在运动估计得到的运动矢量场中定义角度直方图熵和幅度2个运动特征,作为视频帧间差异度量的标准。设计自适应阈值策略,得到候选切变点,针对摄像机闪光和旋转变焦带来的干扰,设计时域窗策略,剔除虚假切点。在提取关键帧时,根据镜头内的视频帧间差异程度,自适应地选取具有不同提取帧数上限的算法。实验结果表明,该方法具有准确性高和鲁棒性强的特点。

一种基于灰度投影的电子稳像改进算法

通过分析电子稳像中灰度投影算法及其相关函数的特点,提出了一种基于单峰特征的改进算法,即三点自适应局域搜索算法:在搜索区间2n+1内以中点为中心,搜索宽度为n选取两个端点和中点共3点,计算并比较其相关值,并以最小值为中心,搜索宽度减半再确定两个端点值,再次比较,直到搜索完毕,找到最佳匹配点的最小值.同全局搜索算法相比,在搜索区间长度为2n+1时,全局算法运算量为2n+1,该算法仅为3n,运算量显著减少.该算法在船载稳像系统中验证表明,该算法的计算量大大降低,较好地满足了稳像系统的实时性要求.

基于时空信息融合的视频显著性区域检测算法

针对目前显著性区域检测算法处理存在背景扰动的视频时鲁棒性较差的问题,本文提出一种基于时空信息自适应融合的视频显著性区域检测算法。在时间上,利用光流法提取运动矢量场,综合像素点在连续多帧的运动熵以及与邻域点的方向一致性值表征时间显著性;在空间上,通过区域间的颜色对比度计算空间显著性值,以保证显著性区域的空间完整;最后,提出时、空显著图的自适应动态融合方法,以适应不同情形视频的显著性检测要求。实验结果表明:本文算法能够较为准确地检测出视频中的显著性区域,在精确度和鲁棒性等方面均具有较好的效果。

基于增强位平面的自适应运动估计算法

提出了一种基于增强位平面的自适应运动估计算法(ABPS)。算法采用位平面的思想,将图像分解为8个增强位平面,在图像的位平面中完成运动矢量的搜索,匹配准则使用简单的布尔函数就可以实现;根据运动矢量场自适应选择搜索起始点和不同的搜索策略进行搜索,同时设定阈值对静止块直接中止搜索。实验结果表明:该算法的搜索点数比全搜索算法提高了95%以上,搜索速度优于绝大多数现有的运动估计算法;且PSNR值比全搜索算法仅相差0.05dB左右,具有较高的搜索精度。