结合低位深像素预测起点的小波域运动估计

提出一种用2b深度的像素预测搜索起点的快速小波域运动估计算法.首先,将像素深度的转换形式化为区间分划和区间映射,采用非均匀量化求解区间分划的初始阈值,再用隶属函数计算量化阈值并完成区间映射,从而获得位深度为2b的视频表示;其次,设计了非均匀的搜索起点分布模板,并以此为基础提出一种基于2b深度像素的搜索起点预测算法;最后,以搜索起点为中心,进一步采用改进的低频子带平移运动估计算法MLBSSME在较小的窗口内完成搜索.实验结果表明,对于具有不同场景特点的视频序列,算法始终能保持较高的估计精度,运动补偿的平均峰值信噪比较之低频子带平移运动估计和直接子带运动估计算法高0.41dB和1.43dB,比空间域全搜索降低0.07dB.但是,算法的计算量仅相当于空间域全搜索的4.66%、低频子带平移运动估计的4.62%、子带直接运动估计的22.70%.

基于起点预测的快速运动估计算法

在研究菱形法等算法的基础上,利用序列图像的相邻块运动矢量的高度相关性和运动矢量的中心偏移特性,提出了一种基于起点预测的快速运动估计算法.该算法设计了菱形和正方形两种模板,在搜索过程中根据图像的内容(运动类型)采用组合模板进行灵活处理,提高了快速块匹配的搜索速度.该算法具有基于内容搜索的特点.实验结果表明,该算法在速度和准确性方面都优于传统的快速运动估计算法.

基于起点预测的改进十字形搜索算法

运动估计是视频压缩算法中最为耗时的模块,运动估计的速度和质量在很大程度上决定了视频压缩的速度和质量。而运动估计中除了运动搜索算法,起点的预测也不可或缺。本文首先设计一种改进十字形运动搜索算法(M CS),然后提出一种之相匹配的运动预测算法,并将预测器的数量减少为两个,根据自适应的阈值法来决定预测后采取的动作——是直接中止还是进入不同的十字模板进行搜索。实验表明,通过这一系列的改进,进一步加强了M CS算法的优势。

基于起点预测的十字-六边形-菱形运动估计算法

为了解决运动估计算法精度不高和运算量大的问题,有必要寻找一种有效的运动估计算法。本文在讨论块运动类型的判定和起始搜索点预测的基础上,分析了针对整像素的六边形-菱形(HDSP)的搜索过程和针对半像素的十字形(CSP)的搜索条件,从而提出了基于起点预测的十字-六边形-菱形的运动估计算法(IPP-CHDS)。文中详细研究了该算法的搜索过程和流程,并利用三个序列进行测试,测试结果表明,IPP-CHDS算法的搜索精度与FS算法接近,但它的运算量却大大的减少。

一种起点预测的十字形快速运动估计算法

基于时运动矢量概率分布的方向性中心偏移特性和起点预测搜索技术的研究,提出了一种起点预测的十字形快速运动估计算法(IPPAFA),在保持搜索精度的同时有效降低了计算复杂度。实验结果表明,在图像质量几乎不下降的情况下,与钻石搜索算法(DS)和运动矢量场自适应搜索算法(MVFAST)相比,该算法在速度和准确性方面都优于传统的快速运动估计算法。

基于选择预测的自适应运动估计算法

依据图像序列的运动矢量的时空相关性和中心偏移特性,首先对宏块进行类型划分,并利用相关块而非相邻块进行初始点预测的选择预测方法,提出了一种对起点进行选择预测的自适应运动估计算法,而在搜索过程中,则根据不同的图像内容对不同的块灵活地采用不同的搜索模式。实验证明,该算法在大大提高搜索速度的同时,还能保证图像性能,还兼顾了运动估计复杂度和精确度的要求。

关注学生学习起点，实现有效建构

数学教学活动应当根据学生的实际情况，寻找学生的最近发展区，准确把握和关注学生的学习起点，让课堂更有效，应从两方面做起：（1）深入了解学生，找准学习起点；（2）运用学习起点，构建有效课堂。

一种基于自适应预测的菱形搜索算法

运动估计中菱形算法是一种高效的搜索方法,但它没有利用视频序列中运动矢量的中心偏置分布特性和相邻宏块在时间和空间上的相关性,因此还有很大的空间可以进一步提高该算法的性能。在充分利用运动矢量的中心偏置分布特性和相邻宏块运动矢量的相关性的基础上,提出了一种基于自适应预测的菱形搜索算法(APDS),与传统的起点预测方法不同的是,该算法对所有宏块搜索起点的预测并不是按照一种固定的方法求取,而是通过分析其相邻宏块运动矢量的特性来自适应求得搜索起点和决定搜索策略。实验证明,同传统的菱形法相比,这种方法提高了搜索准确度,同时大幅降低了搜索时间,是一种高效率的搜索算法。

一种AVS-M整数像素运动估计快速算法

根据AVS—M编码过程中运动估计的特点，在整数像素运动矢量搜索过程中，提出一种基于起点预测和早停止的自适应运动估计快速搜索算法．与MVFAST算法相比，大大减少了搜索点数，加速了搜索过程，平均速度提高了39．9％～45．7％，减少了整数像素运动估计的计算量，在保持较低的编码码率和较好的图像质量的同时，提高了编码速度．

一种基于微元法和分数阶傅里叶变换的VCO非线性度检测方法

非线性度校正技术是实现高精度压控振荡器(VCO)以及高分辨率线性调频连续波雷达的关键技术之一。其中,非线性度的检测精度直接决定了非线性度校正精度。提出了一种基于微元法和分数阶傅里叶变换的VCO非线性度检测新方法。该方法结合一维搜索和离散时间傅里叶变换,检测信号频率及频率变化率,并利用起点预测算法提高其运算速度。仿真结果表明,与基于Wigner-Ville分布的方法相比,该方法能更有效地检测VCO的非线性度。

自适应可变模式搜索算法

充分利用运动矢量的时空相关性,提出一种新的块匹配运动估计算法,称为自适应可变模式搜索算法。该算法充分利用搜索起点预测、中止准则、自适应搜索模板、辅助点搜索等一系列技术。H.264编码平台上的实验表明,该算法可以保持高信噪比和低比特率,其计算复杂度只有UMHexagonS的16%～33%和EPZS的30%～50%。

基于块匹配的运动估计算法研究和优化

为了克服视频编码中运动估计运算量大的困难,对HBS和MVCB算法进行了深入讨论;并利用自适应静止块检测准则和基于运动相关性自适应的初始搜索点预测方法,实现了对MVCB算法的优化,减少了算法的搜索点数,有效提高了搜索速度。实验表明,在保证图像质量的前提下,改进后的算法平均搜索点数比HBS和MVCB算法分别下降了48%和29%。

一种改进的运动矢量场自适应运动估计算法

对MVFAST和PMVFAST算法的分析,提出了一种改进的运动矢量场自适应运动估计算法。该算法基于MVFAST算法分级搜索的思想,优化了运动强度的划分方法,增加了相对运动类型的划分,搜索中尽量使用简单策略,并自适应提前结束搜索。实验结果证明,该算法在保持图像质量的情况下,与MVFAST和PMVFAST相比,不仅有效降低了计算复杂度,而且加快了搜索速度,具有很好的应用价值。

基于块运动类型的自适应菱形运动估计搜索算法

基于对图像序列运动矢量时空相关性和中心偏置特性的研究,对传统的菱形算法进行了改进,设计了自适应大菱形搜索模板,提出了一种基于块运动类型的自适应菱形运动估计算法,对大运动块进行起始点预测,再划分相对运动类型,对不同运动类型的块自适应地采用不同的搜索策略。实验结果证明,图像质量较好时,该算法相比运动矢量场自适应搜索算法,加快了搜索速度,降低了计算复杂度。

基于时空相关性的快速运动估计算法

在分析宏块时空相关性的基础上,对双十字形运动估计算法进行改进,加入了搜索起点预测策略、自适应的搜索模式和自适应搜索终止准则,设计了一种快速运动估计算法。采用JM86算法对改进前后的算法进行比较,实验结果表明,改进后的算法没有明显降低恢复后的图像质量,但计算速度提高了4倍左右,特别适合于处理能力有限的嵌入式系统使用。

一种多时间尺度下的锂离子电池剩余寿命混合预测方法

针对锂离子电池储能系统寿命预测不准确问题,提出了一种多时间尺度下的电池剩余寿命混合预测方法。首先,通过带自适应噪声的完全集成经验模态分解(CEEMDAN),将原始数据分解为多个低频和高频分量。接着,利用GS-LM模型对其低频分量进行拟合预测,再将分解后的高频分量作为LSM-STW模型(滑动时间窗口和长短期记忆神经网络)的输入,得到高频分量预测结果。最后,将所有预测结果相加,得到最终的锂离子电池剩余寿命预测。实验结果表明,所提出的预测方法可以准确地预测锂离子电池容量退化趋势,不同预测起点对预测结果影响较小,并能够捕捉电池容量的再生现象。

基于块特征分类的运动估计算法

运动估计作为H.264中最重要最耗时的部分,大量的算法研究都是通过减少搜索点数来降低计算量。视频序列中,人们感兴趣的往往是运动的物体,背景部分一般拥有大量的静止块,帧间背景间的运动可以认为完全是由摄像机的运动引起的。利用背景块与前景块的图像特征结合MV预测提出一种新算法。该算法包括以下策略:静止块判断、背景块、前景块和边缘块的检测、起点预测和搜索窗口的改进,同时引进了边缘检测技术。实验结果表明,该算法与全搜索算法(FS)、UMHex、SUMHex相比,搜索时间减少了,而搜索精度接近FS,码率只有很小的增加。