基于时空相关性的自适应运动估计快速算法

针对视频编码中的核心技术运动估计,提出一种基于运动矢量特性的运动估计快速算法。算法分析视频序列运动矢量的特性,对静止块设定自适应阈值直接终止搜索,自适应选择搜索起点。采用2种模式进行搜索,依据当前块与邻近块的空间相关性大小,即局部运动性是高还是低,自适应地选择搜索模式和搜索终止门限。实验结果表明,该算法的搜索速度和搜索精度优于现有的快速运动估计算法,搜索精度非常接近于全搜索法。     

基于矢量相关性的自适应运动估计搜索算法

为了减少运动估计的计算量,提高视频压缩编码的效率,提出了一种基于矢量相关性的自适应运动估计搜索算法(简称NAME算法),该算法通过判断当前所要编码块的左、上、右上3个相邻块所对应的运动矢量之间的相关性,将所要编码的块划分为相关类型块和独立类型块,并自适应地对相关类型块和独立类型块采用不同的搜索方式以减少搜索点数并保证搜索准确度。仿真结果表明,该算法与全搜索、菱形搜索和六边形搜索等快速算法相比,在保证图像质量的前提下,搜索速度有了明显的提高。     

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。     

基于时空相关性预测的运动估计的优化

运动估计的方法不仅在视频压缩技术中得到广泛的应用,而且也在高质量的视频帧频转换中起到了越来越重要的作用。如何提高运动估计所得到的运动矢量的质量,从而得到更高质量的插入帧图像,是文中研究的目的。在分析比较了现有的几种运动估计算法的基础上,提出了一个优化方法。该方法利用了分水岭算法对视频图像的物体进行正确分割,得到了被识别物体的最优的运动矢量。实验结果表明,该优化方法能够优化所有基于时空相关性预测的运动估计的算法的运动矢量,得到的插入帧图像的质量更高,因而具有较强的实用性。     

基于时空相关性预测的运动估计的优化

运动估计的方法不仅在视频压缩技术中得到广泛的应用,而且也在高质量的视频帧频转换中起到了越来越重要的作用。如何提高运动估计所得到的运动矢量的质量,从而得到更高质量的插入帧图像,是文中研究的目的。在分析比较了现有的几种运动估计算法的基础上,提出了一个优化方法。该方法利用了分水岭算法对视频图像的物体进行正确分割,得到了被识别物体的最优的运动矢量。实验结果表明,该优化方法能够优化所有基于时空相关性预测的运动估计的算法的运动矢量,得到的插入帧图像的质量更高,因而具有较强的实用性。     

基于时空预测向量相关性的运动估计算法

针对UMHexagonS算法体现出来的问题,利用时间预测向量和空间预测向量的位置映射关系,提出了一种新的运动估计算法--基于时空预测向量相关性的运动估计算法。该算法首先在小范围得到最优点后,继续利用预测矢量的时空方向相关性进行特定方向的扩展搜索,避免了提前落入局部最优点,并减少了搜索点数,从而提高了搜索质量。实验结果表明,与UMHexagonS算法相比,该算法在保持码率基本不变的情况下,能有效地减少运动估计时间,并且能一定程度地提高单帧的峰值信噪比。关键词：     

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。     

基于运动估计与回溯自适应正交匹配追踪的视频压缩传感

为了解决传统视频压缩传感方法中对视频逐帧单独重构所产生的图像模糊,将压缩传感理论与MPEG标准视频编码的相关技术相结合,提出了一种基于运动估计与运动补偿的视频压缩传感方法,以消除视频信号在空域和时域上的冗余。该方法在充分考虑视频序列时域相关性的同时,首先对视频图像进行前、后向和双向预测和补偿,然后采用回溯自适应正交匹配追踪(BAOMP)算法,对运动预测残差进行重构,最后实现当前帧的重构。实验结果表明,该方法较逐帧重构的视频图像质量有较大改善,且可获得更高的峰值信噪比。     

自适应运动估计搜索算法

MPEG-4作为新一代的视频图像编码器有着广泛的应用前景,运动估计与运动补偿技术为MPEG-4的关键技术之一,由于运动估计非常耗时,因此对编码的实时性影响很大.在分析视频图像时空域相关性和已有的运动估计算法的基础上提出了自适应运动估计搜索算法,并经测试表明该算法在编码速度和质量上都有较大改进.     

基于自适应SIFT算法的全局运动估计方法

为了更好地实现全局运动估计快速、准确的处理,根据全局运动中视频图像序列的时间冗余特性,提出一种自适应SIFT(Scale-invariant feature transform)算法。基于最近三次模型匹配的结果,采用Lagrange抛物线插值来预测需要匹配的参考帧和当前帧图像的重叠区域。在重叠区域上提取特征点和进行特征匹配,既能够消除视频图像序列中存在的大量信息冗余,加快每帧图像的处理速度,又可以提高待匹配特征点的有效性,减少误匹配。实验结果表明,改进后的算法自适应能力强、速度快、匹配精度高,基本满足实时定位。     

基于空时置信关系的运动检测方法

为了提高运动目标检测的准确度和精度,提出一种基于空时置信关系的运动检测方法。该方法利用快速核密度估计对图像像素点与其邻域像素点的空时关系进行建模,并根据样本值的离散度为背景模型分配对应的权重,最后依据像素值的背景隶属度权重均值,判断当前像素点属于运动前景还是背景。实验结果表明该方法的运动检测性能优于主流代表性算法。     

自适应的动态搜索范围运动估计算法

为更加有效地提高运动估计速度,提出一种自适应动态搜索范围运动估计算法,从后续快速运动估计算法的运动矢量预测集中自适应地选择与当前编码块相关性最强的运动矢量预测值作为搜索范围的中心点,根据预测集中运动矢量预测值的大小、方向自适应地决定水平、垂直及正负方向的非对称搜索范围。将该算法融合到UMHexagonS和FFS算法中进行广泛的实验测试,结果表明其能在基本保持重建图像质量的同时,至少分别减少运动估计运算量的22.13%和76.57%。     

基于运动空间相关性和时间连续性的运动估算快速算法

运动估算是视频信号的帧间预测编码中的一个重要环节,其效率和精度直接影响到编码器的性能。由于全搜索算法搜索速度较低,而很少采用,故目前普遍采用三步法、交叉法等各种快速近似算法,但是这些算法匹配精度较低,而且某些情况下应用效果不好。为解决上述算法存在的问题,在对视频编码中运动物体的空间相关性和时间连续性进行分析的基础上,给出了一种利用运动物体的空间相关性和时间连续性来进行运动估算的快速算法。实验结果表明,该算法计算每个宏块运动矢量所需的平均搜索次数低于三步法,而匹配精度则非常接近于全搜索算法,并且采用该算法的编码器,其总的编码输出位数少于采用全搜索算法的编码器。     

基于自适应搜索模式的运动估计算法

提出一种可自适应选择搜索模式的运动估计算法。将非零运动块分为大、中、小3种类型,相应地利用基于六边形、基于标准菱形及基于小菱形的搜索策略实现运动估计。实验结果表明,该算法减少了块匹配的搜索点数,在保证运动估计精确度的同时,降低算法复杂度,提高搜索效率。     

基于相位相关法的全局运动估计算法

提出了一种基于鲁捧统计和相位相关法相结合的全局运动估计算法;由于相位相关法利用图像的功率谱信息,减少了对图像内容的依赖,具有一定的抗噪能力,因此该算法将块匹配法与相位相关相结合来计算图像间的运动矢量场,不仅减少了运算量而且能得到更加准确的矢量场;为了提高模型参数估计精度和运算效率,运用多分辨率鲁棒统计的方法来计算运动估计模型参数;航拍视频图像配准与独立运动检测的仿真结果均验证了算法的有效性。     

基于自适应Kalman预测器的运动估计算法

利用图像序列估计目标运动速度是机器人视觉中的一项重要研究内容。它应用在机器人操作、导航、视觉跟踪等多项领域中。这些应用一般均要求运动估计算法具有较好的实时性和抗噪能力。卡尔曼滤波器和预测器正符合上述要求。该文基于运动图像的仿射模型,探讨从序列图像中预测目标三维平动速度的卡尔曼预测算法。首先建立运动目标的“当前”统计模型,然后根据运动图像的仿射模型找出图像运动参数与目标三维速度间的关系(图像运动参数由目标图像的几何矩计算获得)。最后结合自适应卡尔曼滤波和卡尔曼一步预测算法设计自适应卡尔曼一步预测器。为减轻预测器的发散性,对初始状态进行估计。仿真结果表明,基于“当前”统计模型和运动图像仿射模型设计出的自适应卡尔曼一步预测器具有较高的精度。     

基于时空域相关预测的步长自适应运动估计算法

为了更好地消除视频中空间和时间冗余,快速并有效地获得足够精度的运动矢量,本文提出一种改进的自适应十字搜索算法。本文算法利用时间空间域相关来预测当前块的运动矢量,对于视频的边缘图像采取固定小步长来进行十字搜索,对于图像的非边缘部分则采取由粗到精的方式进行搜索,搜索模板的自适应臂长为预测得到的目标运动矢量的横纵坐标的最大值。通过实验仿真比较传统的自适应十字搜索算法及其他几种经典的运动估计算法,结果表明本文算法增强了搜索预测的准确性,减少了平均每块搜索的次数,提高了搜索速率。