一种基于皇后模板抽样的全局运动估计方法

在目标跟踪、视频编码等领域都需要对全局运动进行快速准确的估计.针对既有摄像机运动又有前景物体运动的视频图像序列的全局运动估计问题,提出了一种新的全局运动估计算法.该新算法先采用3层金字塔进行多分辨率计算;然后在每层运算中都采用基于块的去外点法来有效去除外点.为了提高运算速度,在金字塔下面两层中还分别采用四皇后、八皇后模板抽取背景像素,只有被抽到的像素才参与迭代计算.通过对比试验可以看到,该算法在不降低精度的情况下,大大提高了估计速度,达到了实时性要求.     

一种动态场景下运动对象分割新算法

视频运动对象分割是计算机视觉和视频处理的基本问题。在摄像机存在全局运动的动态场景下,准确分割运动对象依然是难点和热点问题。本文提出一种基于全局运动补偿和核密度检测的动态场景下视频运动对象分割算法。首先,提出匹配加权的全局运动估计补偿算法,消除动态场景下背景运动对运动对象分割的影响;其次,采用非参数核密度估计方法分别估计各像素属于前景与背景的概率密度,通过比较属于前景和属于背景的概率及形态学处理得到运动对象分割结果。实验结果证明,该方法实现简单,有效地提高了动态场景下运动对象分割的准确性。     

图像序列运动估计技术综述

图像序列运动估计是通过对图像序列的分析,得到图像全局运动量或局部物体运动量的一种重要技术方法,它已经广泛应用于国民经济的很多领域中.在对图像序列运动估计定义的基础上,首先将图像序列运动估计算法分为图像块法、像素法、特征法和相位法等四类,对各类方法中主要算法的基本原理进行了详尽的阐述,并比较了各算法的优缺点;然后探讨了图像序列运动估计算法在视频编码、电子稳像和图像配准等领域内的应用;最后展望了图像序列运动估计技术的前景和发展趋势.     

基于全局运动估计的视频对象分割算法

视频全局运动(摄像机运动)所表现的视频序列之间的时间相关性,较其它视频特征更能表达视频序列的高层语义信息.为了能够有效快速的得到视频的全局运动,通过对视频运动估计方法的研究,提出了一种新的基于奇异值分解(SVD)的视频全局运动估计算法.该方法首先通过块匹配法得到局部运动场,利用矩阵的奇异值分解估计全局运动参数,然后运用形态学运动滤波得到前景运动目标的粗略掩摸图像,最后综合利用此掩摸图像和边缘信息分割出运动目标.试验表明,提出的算法能够分割出具有全局运动特征的视频序列中的运动目标.     

一种新的全局运动估计算法

全局运动估计是计算机视觉、视频处理等领域广泛采用的手段之一。该文提出一种直接利用压缩视频码流进行全局运动估计的新算法。就运动模型而言,采用了复杂性与准确性较好均衡的六参数仿射模型。为了提高估计精度和计算效率,文章首先提出一种新的视频背景前景分割方法,基于分割的结果,采用背景宏块的运动矢量进行全局运动参数估计。然后,根据参数估计误差的统计特性,一部分运动矢量会当作局外的样值而被剔除,利用剩余的运动矢量中重新估计参数可以提高估计精度。实验验证了提出的全局运动估计算法的计算效率和精度。     

一种动态场景下基于时空信息的视频对象提取算法

在实际应用中,许多视频序列具有运动背景,使得从其中提取视频对象变得复杂,为此提出了一种基于运动估计和图形金字塔的动态场景下的视频对象提取算法。该算法首先引入了相位相关法求取运动向量,因避免了视频序列中光照变化的影响,故可提高效率和稳健性;接着再根据参数模型进行全局运动估计来得到最终运动模板;然后利用图形金字塔算法对当前模板内图像区域进行空间分割,最终提取出语义视频对象。与现有算法相比,对于从具有动态场景的视频流中提取运动对象的情况,由于使用该算法能有效地避开精准背景补偿,因而不仅节省了计算量,而且提取出来的语义对象精度较高。实验表明,无论是对动态场景中刚性还是非刚性运动物体的分割,该算法都具有较好的效果。     

基于AVS的快速亚像素运动估计算法

数字音视频编解码标准(AVS)采用了可变大小块以及1/4像素精度的运动估计技术以提高编码效率.针对视频编码中运动估计计算量大的问题,提出一种改进的亚像素快速搜索算法,该算法采用分象限预测策略,并通过阈值判断提前结束搜索.该算法可以有效地减少亚像素搜索点数,与AVS参考软件中的亚像素全搜索算法相比较,该算法在保证图像质量和编码效率的同时,亚像素搜索点数减少50％～81.25％,编码时间节省了25.36％～34.51％.     

基于EM聚类的H.264压缩域视频对象实时分割算法

从压缩域直接分割视频对象比传统的像素域分割具有快速高效的特点,目前已有不少从MPEG域分割的方法,但从H.264压缩域分割的甚少。为此提出一种基于H.264域的实时分割运动对象方法,该算法先对当前视频帧进行全局运动估计和补偿,然后对4×4的运动矢量场进行分类处理,最后对非零运动矢量使用改进的EM聚类分割算法。本文算法对多个视频序列进行了实验,结果表明,该算法针对静止背景和运动背景的视频序列都能达到较精确的实时分割。     

高精度亚像素全局运动估计的上采样梯度互相关算法

运动估计在视频图像压缩、超分辨率重建、拼接、目标检测等方面具有重要的应用意义。针对高精度的亚像素运动估计问题,引入一种优化滤波器用于计算图像梯度,并采用上采样与抛物面拟合梯度互相关曲面相结合的方法,探讨一种高精度的亚像素全局运动估计算法。实验结果表明,该算法不仅对噪声影响具有较好的鲁棒性,同时能够有效地提高运动估计的精确性。     

一种改进的快速全局运动估计算法

结合两步法与传统梯度下降算法,提出一种改进的快速全局运动估计算法。采用稀疏抽样的MSEA快速块匹配算法估计局部运动矢量,使用迭代最小二乘法粗估计全局运动参数并排除外点(前景宏块),在排除外点的采样宏块集上选取特征像素,以上述两步法的全局运动估计参数为初始值,利用LM梯度下降算法对全局运动参数进行优化。实验结果表明,改进算法的估计速度达到11.42 ms/f,比FFRGMET算法快1.3倍,具有更高的全局运动估计精度。     

Linear search applied to global motion estimation

Gradient-based algorithms for global motion estimation are effective in many image-processing tasks. However, when analytical estimation of derivatives of objective function is not possible, linear search based algorithms such as Powell perform better than the gradient-based ones. In this paper we propose global motion estimation algorithm that exploits linear search based algorithm, particularly Powell, instead of commonly used gradient-based one. We also introduce a new approach for extracting global motion parameters called Two Step Powell-based GME. Using this approach we further improve the Powell-based GME. The proposed Powell-based GME outperforms Gauss–Newton algorithm (gradient-based) in terms of PSNR. The proposed Two Step Powell GME algorithm outperforms Powell-based GME in terms of PSNR and computational time.     

Fast and accurate global motion estimation algorithm using pixel subsampling

Global motion generally describes the motion of a camera, although it may comprise motions of large objects. Global motions are often modeled by parametric transformations of two-dimensional images. The process of estimating the motions parameters is called global motion estimation (GME). GME is widely employed in many applications such as video coding, image stabilization and super-resolution. To estimate global motion parameters, the Levenburg–Marquardt algorithm (LMA) is typically used to minimize an objective function iteratively. Since the region of support for the global motion representation consists of the entire image frame, the minimization process tends to be very expensive computationally by involving all the pixels within an image frame. In order to significantly reduce the computational complexity of the LMA, we proposed to select only a small subset of the pixels for estimating the motion parameters, based on several subsampling patterns and their combinations. Simulation results demonstrated that the proposed method could speed up the conventional GME approach by over ten times, with only a very slight loss (less than 0.1 dB) in estimation accuracy. The proposed method was also found to outperform several state-of-the-art fast GME methods in terms of the speed/accuracy tradeoffs.     

基于H.264的快速1/4像素精度运动估计算法

提出了一种快速1/4像素精度的运动估计算法。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。同时对最佳整像素点位于图像边缘位置的情况进行了研究。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。     

基于有效运动矢量识别的提前终止算法

为提高H264编码器中运动估计的速度,提出一种提前识别出有效运动矢量来简化运动搜索过程的快速运动估计算法。在统计分析四种预测运动矢量的预测准确率基础上,算法通过判别预测运动矢量之间的关系,有针对性地设置自适应阈值,从而较快识别出有效运动矢量,终止无效的运动搜索。实验结果表明,应用在UMHexagons算法和Simplified UMHexagons算法中,可以将运动估计时间分别节省19%60%和17%45%,且对图像质量和码率影响不大。     

快速而有效的块运动估计算法

为了提高基于块匹配的运动估计的速度和精度,提出了一种带中心偏置点检测模式的自适应快速块运动估计算法。该算法根据图像序列的运动向量基于中心偏置分布的特点和相邻块运动向量间的高度相关性,依据块的不同运动内容来确定其搜索起点、搜索范围和搜索策略,从而实现块运动向量的快速而有效地估计。同时,对于大运动块,采用了多侯选者方式,进一步提高了搜索精度。实验结果表明,该算法的搜索速度接近N3SS,N4SS,而搜索精度比它们高,与HSS相似,接近FSBM。     

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。     

基于线性预测的半像素运动估计

在视频编码系统中,半像素精度的运动估计虽可以明显地改善编码效果,但也因此增加了不少运算量。为了降低运算量和提高半像素运动估计的速度,提出了一种全新的半像素搜索算法(half-pixel motion estimation based on linear prediction,简称BLPHME),其关键思想是通过分析整像素搜索和半像素搜索结果之间的相关性来建立一个线性模型,通过动态调整判决门限,以便预测并跳过那些不能从半像素块匹配搜索中得到好处的块。实验结果表明,该算法不仅可以明显地降低运动估计的运算量,同时还能得到与传统算法非常接近的图像质量和码率。此外,该算法还可以和基于整像素和半像素的快速运动估计算法一起使用,以进一步降低运算量。     

基于视频压缩的多分辨率预测菱形搜索算法

为了减小视频压缩编码标准中运动估计算法的计算复杂度和提高运动补偿的准确性,考虑到视频图像质量和算法运行时间两者之间的关系,提出一种多分辨率预测菱形运动估计搜索算法,利用同一视频图像中的相邻宏块运动矢量相似的特征,预测当前块的搜索起点,采用大小不同的搜索匹配宏块,减少搜索范围和搜索点数目。实验结果表明,该算法与经典菱形搜索算法相比,搜索时间平均减少了0.5 ms,信噪比平均提高了0.5 dB。