亚象素运动估值快速算法

高精度的匹配和补偿可以减少预测误差，提高视频图像的压缩效果。文中提出了一种亚象素精度视频运动估值的快速算法，根据半象素精度运动估值的中间结果，直接推算出更高精度的运动估值。该算法为高精度亚象素运动估值的研究提供了算法保证。     

一种基于硬件实现的快速运动估计半像素级搜索算法

研究了在绝对差和准则下的整像素级块匹配和半像素级块匹配的联系，对绝对差和进行了合理的数学曲线拟合，通过数学曲线来预测最小绝对差和所在半像素位置，从而得到半像素级最佳匹配矢量。分析了三种不同的凹函数预测模型，提出了一种适合硬件实现的运动估计快速半像素级搜索算法。该算法直接根据整像素级运动估计的结果来推算半像素级运动估计结果，在很大程度上降低了半像素级运动估计的运算复杂度，从而利用低码率视频编码的实时实现。试验结果表明该算法可获得较好的重建图像质量。该算法利于硬件实现，可以方便地集成到现有的视频编码器中，具有较好的实用价值。     

一种基于H．264的有效运动估计算法

运动估计算法是实时视频编解码技术的研究重点，高精度的匹配和补偿可以减少预测误差，提高视频图像的压缩效果．为降低在视频编码标准H．264中运动估计的高计算复杂度问题，提出了采用一种基于节点模型的可变形块匹配运动估计算法来搜索最佳运动矢量．该算法充分利用了H．264运动矢量的的统计特性和相关性，并采用基于像素差值分类的运动估计匹配准则．实验表明，在编码性能损失很小的条件下，该算法有效降低了视频压缩编码中运动估计的运算复杂度．     

AVS视频编码中子像素运动估计算法的优化研究

由于在AVS技术标准的帧间预测方案中提供了1／4子像素精度的运动估计,这部分运算量较大,运行时间长,有进一步改进的必要。本文通过对AVS视频编码标准中子像素运动估计算法的分析,针对子像素运动估计算法运算量较大的问题,提出了一种新的基于整像素SAD的快速子像素运动估计算法,它对现有的AVS技术标准子像素运动估计算法进行了较大的改进与优化。实验结果证明该方法在保持相同性能的前提下,较大程度地降低了AVS技术标准运动估计算法的复杂度。     

H．26L标准中1／4像素精度运动估计的优化

为了提高H．26L中1／4像素精度运动估计的速度，提出了基于快速SAD(Sums of Absolute Difference)优化算法。这种算法在保证图像质量的前提下，使H．26L视频编码的速度大大提高。     

流场可视化中的运动矢量估计方法

本文提出了一种新的运动矢量估计的方法,其基本思想是先对流体图象进行了处理,再采用贯相似性检测算法快速得到像素精度的位移量,最后再在像素范围内使用相位拟合算法快速且方便地估计出亚像素的位移精度。虽然本方法是基于流体运动分析的数字粒子图像测速,但基本原理可广泛地用于一般的运动矢量估计。     

H．264中亚像素运动估计算法的优化

通过对H．264参考模型JM61e中运动估计算法进行分析，对整像素、1／2像素和1／4像素搜索提出了改进策略。采用自适应阈值搜索停止算法，减少了运动估计的搜索次数，且保持运动估计的精度不变。采用自适应阈值搜索停止算法，减少了运动估计搜索次数，并且基本保持运动估计的精度不变。实验结果表明，该策略在重建图像质量略有下降的情况下明显提高了编码速度。     

基于模糊量化和2 bit深度像素的运动估计算法

提出了一种2 bit深度像素的运动估计算法。首先,将像素深度的降采样过程形式化为区间分划和区间映射2个步骤,其中前者为多对一映射,决定着运动估计性能,后者为一一映射;其次,提出一种非均匀量化方法求解区间分划的3个初始阈值,并利用隶属度函数对初始阈值细化,从而克服信号噪声等因素导致的初始阈值周围像素值的误匹配;再次,讨论了适用于2 bit深度像素运动估计的误差度量准则,进而提出了基于模糊量化和2 bit深度像素的运动估计算法;最后,借助信号自相关函数,建立比特深度转换误差—运动向量精度模型来估计该算法所能达到的预测精度。实验结果证明,对于多种类型的视频序列,尤其是场景细节和物体运动比较复杂者,该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传统2 bit深度像素的运动估计提高0.27 dB。     

H.264/AVC中快速1/4像素运动估计算法

提出了一种快速1/4像素的运动估计算法.该算法基于运动补偿预测误差模型,与传统的1/4像素的分层运动估计算法不同,仅通过一步计算就能直接得到1/4像素精度的运动矢量,而且完全避免了运算量很大的分数像素内插运算和整像素搜索完成后的分数像素搜索.实验结果表明,该算法在保持图像质量的前提下极大地减少了1/4像素运动估计的运算量.     

一种基于KLT-RANSAC全局运动估计的电子稳像算法研究

全局运动估计是电子稳像的核心,很大程度上影响整个稳像系统的性能.提出了一种基于KLT-RANSAC全局运动估计的电子稳像算法,该方法首先通过增加距离约束机制,并进行亚像素级定位,优化Harris特征点,选择KLT快速匹配算法实现特征点的粗匹配,之后引入了RANSAC算法剔除误匹配点,去除视频序列中分布在运动物体上的特征点,避免了局部运动对全局运动估计的影响.实验结果表明:本算法可以有效解决特征点匹配过程中的误匹配问题,避免局部运动对稳像的干扰,快速准确地计算出全局运动参数,最终可以实时处理存在平移和旋转抖动的视频,输出稳定高质量的视频.     

基于H.264的内容自适应分数像素运动估计算法

分数像素精确运动估计的改进是整个运动估计模块优化的关键,本文提出了基于H.264的内容自适应分数像素运动估计算法。首先,提出基于平坦区域宏块预测的无效分数像素运动矢量(MV)搜索省略算法(SMBP);然后,改进H.264采用的基于中心的分数像素搜索算法(CBFPS),提出基于预测矢量的增强型菱形模板(EDSP)搜索算法。实验结果表明,内容自适应分数像素运动估计算法比分数像素全搜索算法(FFPS)在峰值信噪比(PSNR)有微小降低(0.095～0.209 dB)的情况下,平均减少了75.6%的分数像素搜索点,整个运动估计模块平均节省了38.5%的计算量。     

基于光流法的多分辨率电子稳像算法

针对动载体摄像系统中视频序列受载体姿态运动及抖动的干扰而出现的不稳定现象,提出一种基于光流算法的多分辨率电子稳像算法。首先,通过划定有效的运动估算区域取代对整帧图像的计算以降低计算量;然后,利用基于光流算法的多分辨率分层运动估计快速并精确地计算出包含平移、旋转以及缩放运动的相邻帧间仿射变换参数;最后,采用固定帧补偿算法,利用求得的仿射变换参数,对图像进行运动补偿,消除或减轻图像序列帧间的随机抖动,达到稳像的目的。实验结果表明,针对包含运动目标的动态场景,该算法可以精确地检测出视频序列帧间平移、旋转以及缩放等复杂的抖动,水平和垂直方向的稳像精确度小于1pixel,保证视频序列的稳定输出,可应用于目标跟踪系统中。     

Fast Algorithm and Efficient Architecture for Integer and Fractional Motion Estimation

Motion estimation in H.264/AVC, is done in two parts – integer motion estimation, and fractional motion estimation. Hardware reuse for both parts is inefficient due to the differences between them. In this paper we address the hardware reuse problem by proposing a, fast motion estimation algorithm as well as a pipelined FPGA-based, field programmable system-on-chip (FPSoC), for integer and fractional motion estimation. Our results show that the rate-distortion loss of our algorithm is insignificant when compared to full search in H.264/AVC. Its average Y-PSNR loss is 0.065 dB, its average percentage bit rate increase is 5 %, and its power consumption is 76 mW. Our FPSoC is hardware-efficient, even out-performing some state-of-the-art ASIC implementations. It can support up to high definition 1280?×?720p video at 24Hz. Thus, our proposed algorithm and architecture is suitable for delivery of high quality video on low power devices and low bit rate applications which typically use H.264/AVC baseline profile@levels 1–3.1.     

Video Block Motion Estimation Based on Gray-Code Kernels

Motion in modern video coders is estimated using a block matching algorithm that calculates the distance and direction of motion on a block-by-block basis. In this paper, a novel fast block-based motion estimation algorithm is proposed. This algorithm uses an efficient projection framework that bounds the distance between a template block and candidate blocks. Fast projection is performed using a family of highly efficient filter kernels-the gray-code kernels-requiring only 2 operations per pixel per kernel. The projection framework is combined with a rejection scheme which allows rapid rejection of candidate blocks that are distant from the template block. The tradeoff between computational complexity and quality of results can be easily controlled in the proposed algorithm; thus, it enables adaptivity to image content to further improve the results. Experiments show that the proposed adaptive algorithm outperforms other popular fast motion estimation algorithms.     

一种用于视频分割的快速运动估计方法

本文在考虑视频分割特点的基础上,提出了一种分层块匹配的运动估计方法,这处估计方法具有较快的估计速度和较高的峰值信噪比。用这种方法对一帧图像进行一次运行估计约需0．1秒,可以用于实时的视频分割系统中。实验证明这是一种性能良好的运动估计方法。     

Fast Multi-reference Motion Estimation via Enhanced Downhill Simplex Search

Block motion estimation can be regarded as a function minimization problem in a finite-dimensional space. Therefore, fast block motion estimation can be achieved by using an efficient function minimization algorithm instead of a predefined search pattern, such as diamond search. Downhill simplex search is an efficient derivative-free function minimization algorithm. In this paper, we proposed a fast block motion estimation algorithm based on applying the downhill simplex search for function minimization. Several enhanced schemes are proposed to improve the efficiency and accuracy, including a new initialization process, a special rounding scheme, and an early-stop error function evaluation procedure. We also extend the downhill simplex search for the multi-reference frame motion estimation problem. Experimental results show superior performance of the proposed algorithm over some existing fast block matching methods on several benchmarking video sequences.