基于相邻运动矢量相关性的运动矢量预测算法

运动矢量的预测是视频编码技术中的一个重要组成部分,它直接关系到运动估计的精度和码率大小。本文提出了一种新的基于运动最相似性的运动矢量预测及其简化算法,通过对相邻块运动矢量的优化,选择运动特征最相似的运动矢量生成预测运动矢量的预测方向缩放因子和预测值。通过在中国音视频编码标准-AVS-中的实现验证和性能比较,这种预测算法相对于中值预测法,系统的平均PSNR值有一定提高,平均码率有所下降。     

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：     

基于矢量预测和MDGDS的运动估计算法

在充分考虑了各种图像序列的运动特性的基础上,提出一种基于矢量预测和多方向梯度下降搜索（MDGDS）的运动估计算法。该算法首先利用运动矢量的时间和空间上的相关性来得到预测矢量的搜索起始点,再通过使用自适应阈值来判断当前块的运动类型,以此智能地选择不同的搜索策略。实验结果表明,与FS、UMHexagonS、简化UMHS以及EPZS等传统算法相比,该算法能在保证精度的同时节约大量的编码时间。     

基于运动特征的自适应运动估计算法

提出了一种新的基于运动特征的自适应运动估计算法。该算法主要基于两方面：（1）建立具有自适应特性的搜索起点预测模型,根据运动相关性的变化调整模型参数,使预测结果更加接近最佳运动矢量。（2）采用的搜索模板可以根据物体的运动特征调整大小和形状,从而提高搜索效率。实验结果表明,该算法在PSNR和搜索速度两方面均明显优于常用的快速算法。     

基于并行处理的快速运动估计算法

运动估计是视频编码的一项关键技术。该文针对传统搜索算法串行处理的缺点,提出了一种基于并行处理的快速运动估计算法。该算法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,在搜索过程中根据图像的内容(运动类型)进行并行处理,加速了块匹配的快速搜索策略。实验结果表明,该算法在速度和准确性方面都有了很大的提高。     

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。     

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。     

基于运动矢量预测性程度的快速运动估计算法

针对复杂剧烈运动视频信号在进行运动估计时出现的预测误差问题,提出基于运动矢量预测性程度的快速运动估计算法。根据局部运动矢量的一致性程度与运动矢量在时间上相关性程度的关系,决定运动矢量的可预测性程度,将待估计的运动矢量分类为不可预测、中度可预测和高度可预测,不同的可预测性采用不同的搜索策略进行运动估计。实验结果表明,该算法能提高运动估计的速度,并且具有与其他快速运动估计算法近似或更好的PSNR性能。     

基于维纳线性预测的Horn-Schunck光流运动矢量优化算法

针对Horn-Schunck光流运动估计的矢量中可能出现局部错误估计点的问题,提出一种基于维纳线性预测的光流运动矢量优化算法。首先,将光流运动矢量从笛卡尔坐标转换到极坐标下;其次,根据制定的判决规则,对于判决中的可疑点做进一步判定,而对于判决中的错估点采用维纳线性预测的方法进行重新估值;最后,将极坐标下的光流矢量转换到笛卡尔坐标下,到此就完成了光流运动矢量的优化。与直接求出的Horn-Schunck光流矢量相比,优化后的Horn-Schunck光流矢量中幅度和角度错估点的误差明显减小,光流矢量的准确性获得了一定程度的提高。将直接求出的Horn-Schunck光流矢量和优化后光流矢量分别应用到图像和视频序列的运动补偿中。结果表明:基于维纳线性预测的Horn-Schunck光流运动矢量优化算法取得了比较好的效果。     

一种基于预测性运动向量的菱形搜索方法

块匹配算法是运动估计中一项重要的技术。块匹配中多数算法没有充分利用运动向量之间的时间和空间的相关性就进行快速搜索,从而影响了图像的质量和搜索的速度。为更好的解决这一问题,论文提出一种基于预测性运动向量的菱形搜索方法,有效的提高了视频压缩的性能。     

基于滤波的运动向量的快速估计算法

基于块匹配的运动向量的估计算法被多种国际视频编码标准所采用,其计算复杂度一直是一个研究的热点。为了提高运动向量估计算法的速度和精度,从运动向量的均匀性出发,提出了一种由宏块分类、运动向量滤波和高效搜索中止准则等策略构成的运动向量场自适应搜索算法,从而实现了块运动向量快速而有效地估计。实验表明,本算法搜索速度接近N3SS和N4SS,而搜索效果方面优于MPEG-4最新推荐的快速运动估计算法PMVFAST和MVFAST。     

一种基于运动预测的蒙特卡罗定位算法

以蒙特卡罗算法为基础的无线传感器网络移动节点定位算法普遍存在定位误差较大的问题.针对实际应用中一般的运动模型,提出一种基于运动预测的蒙特卡罗定位(MCLMP)算法,通过构建节点运动模型,进行位置预测和滤波,并对过滤后的值进行加权计算.仿真结果表明,MCLMP算法相比以往算法定位精度提高了30％以上.     

基于联合运动补偿的边信息预测算法

传统块运动补偿算法仅利用单一运动向量场,该运动向量场中总会存在一定的运动异常,而过多的运动异常会严重衰退内插帧质量。为了解决该问题,提出了一种基于联合运动补偿的边信息内插算法,该算法使用双向运动估计计算出内插帧的运动向量场,接着采用当前块和其八个邻域块的运动向量联合预测出目标块。由于运动向量场的局部平滑特性会使八邻域块的运动向量十分接近当前内插块的真实运动向量,实验结果表明提出算法比传统算法有更好的容错性能。     

卫星云图预测的运动矢量方法

现有的云迹风提取方法只提供了对云覆盖的简单二值灰度估计,该文利用运动矢量估计的思想提出了一种云覆盖（云图）预测的新方法,这种方法可实现对卫星云图的灰度预测,这种新的方法是通过将一幅ＧＭＳ云图分割成为许多大小相同的小块,并将它们分别匹配到一幅参考云图中以获取云的运动矢量,进而实现对卫星云图云覆盖的量化预测,进而还对该方法进行了优化,从而提高了算法运行速度,并对算法实现中出现的“马赛克”问题提出了解决