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。     

一种视频转码快速运动估计算法

提出一种基于输入码流信息的视频转码快速运动估计算法。该算法利用输入码流的运动矢量和系数信息合成预测运动矢量,分析当前宏块对应转码前区域宏块运动矢量的一致性,结合图像的运动活跃性,自适应地调整编码运动估计的搜索策略。实验结果表明,与菱形搜索算法相比,该算法能够降低20%以上的编码时间,同时保持良好的图像质量;与AMVR-DIM算法相比,其运算性能和图像质量均有所提高。     

基于H．26L的运动估计算法的一种改进

H．26L是当前提出的一种有效的低比特率编码方案，但它在运动估计部分需要大量的时间。为了减少运算量，本文对H．26L在使用多参考帧下的运动估计算法提出了一种改进，并结合搜索顺序大大减少了块匹配时的计算开销，可获得与全搜索一样的效果。     

基于梯度式菱形搜索的快速运动估计算法

在基于搜索起点预测和梯度式菱形搜索方法的基础上，提出了一种运动矢量场自适应搜索算法（MVFSAS），实验结果表明，该算法以较小的搜索代价取得了与全搜索相当的效果，并在搜索速度和搜索效果方面优于三步（3SS）和四步（4SS）快速运动搜索算法。     

一种综合搜索策略的快速运动估计算法*

提出了一种综合搜索策略的运动估计算法。该算法首先采用中值预测提前终止判断策略,然后基于块运动类型确定搜索起点,最后采用小十字模板与基于块的梯度下降搜索法(BBGDS)相结合的方法进行局部搜索。搜索过程中多处引入提前终止策略,进一步提高搜索速度。通过与综合性能代表当前国际先进水平的运动矢量场自适应搜索法(MVFAST)进行对比实验发现,该算法在基本保持搜索精度的情况下,有效提高了搜索速度,对于运动较大序列速度提高尤为明显,可以达到20%48%。     

一种快速分类搜索运动估计新方法

在视频编码中 ,基于块的运动估计算法被广泛应用 .在保证估计质量的前提下 ,为了降低运动估计算法的搜索次数 ,提出了一种对于不同类型的块采用不同的搜索范围和搜索步骤的分类快速搜索 (CFS)运动估计新算法 .该算法首先对块进行分类 ,然后确定其搜索范围和搜索步骤 ,在应用分类搜索法时 ,根据运动矢量的中心偏置特性 ,将第 1步和第 2步的搜索窗采用 5× 5的窗口 ,第 3步采用 3× 3的窗口 .结果表明 ,该分类快速搜索新算法在运动矢量的估计质量上 ,明显优于传统三步搜索法 ,且搜索次数与传统三步搜索法相比 ,降低了 2 3% ,与全搜索法相比 ,降低了 91% .实验结果证明 ,该算法尤其适用于快速运动、复杂运动序列的运动估计 .与传统的全搜索法和三步搜索法相比 ,其更适合于用硬件实现 .     

一种运动适应性快速运动估计算法

文中给出了一种适应性运动跟踪块匹配算法，利用相邻块的相关性确定搜索的初始点，根据相领块的运动性质确定当前块采用的搜索算法，实验表明此算法计算复杂度低，预测精度高。     

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。     

使用提前结束策略的部分失真搜索快速运动估计算法

和传统的快速块匹配运动估计算法相比,部分失真搜索运动估计算法通常会带来较低的视频图像质量下降,但它获得的计算加速比有限。本文提出一种新的快速部分失真搜索运动估计算法,它在搜索点检测过程中使用两种提前结束策略：早期搜索结束策略和中途搜索终止策略。提前结束策略的使用能够显著减少搜索点的个数,弥补了规格化部分
分失真搜索算法只能降低失真计算量的不足,两种策略的结合使用能够在保证较高视频质量的同时,大大降低运动估计的计算复杂性。实验结果及分析表明：新算法的性能优于传统的运动估计算法,在视频质量接近全局搜索算法的同时,获得比传统的运动估计算法更高的计算加速比。     

基于新方向性菱形-弧形搜索的运动估计算法

提出一种采用弧形、小十字和大菱形模板进行快速块匹配运动估计的算法NODAS,利用序列图像中运动矢量场中心偏置分布特性,将小十字模板扩展为方向性菱形模板处理中心区域的搜索,使用大菱形-弧形模板处理大运动矢量的搜索。试验结果证明,在搜索精度基本相同的情况下,NODAS算法能有效减少搜索点数,提高搜索速度,较好地应用于小运动矢量和大运动矢量的搜索中。     

确定单峰搜索区间的新算法-前进法

现有的一维寻优算法是以已知目标函数的单峰区间为前提的 ,而如何由变量的取值区间确定目标函数的所有单峰区间却很少有优化算法涉及。为了解决这一问题 ,提出了前进法 ,详细介绍了其基本原理和搜索步骤并绘制了程序流程图。最后 ,用一个简单的双峰函数检验了所提出的算法     

基于实例模板的产品杂交配置设计

产品杂交配置设计是产品智能与创新设计方法的研究热点。基于产品模板配置设计概念,结合产品杂交配置设计需求,定义了面向杂交配置设计的知识库模型,提出了基于实例模板的机械产品杂交配置总体框架,给出了需求驱动、知识制导的产品杂交配置设计算法。该方法提供了统一的模型和框架,可有效支持各类机械产品杂交配置设计系统的研究和开发。     

基于宽度优先搜索的路径生成算法

宽度优先搜索和深度优先搜索是图论中常用的两种搜索算法.两者各有优势,但深度优先搜索算法的效率在低连通度图中会大大降低,这时更适合采用宽度优先搜索算法.本文提出了一种基于宽度优先搜索的路径生成算法,具有较好的时间复杂性和空间复杂性.     

一种新的小波域快速搜索算法

经典快速搜索算法能够有效地降低搜索量,但其有选择地进行搜索容易陷入局部最优误差。多分辨率运动估计(MRME)、小波域多分辨率运动估计(WMRME)的提出能够在一定程度上降低局部最优误差,但也会相应增加运算量。基于传统小波域多分辨率运动估计,提出一种小波域越级多分辨率运动估计(WLMRME)算法,并在同传统小波域多分辨率运动估计比较时提出一种快速搜索算法评价标准。最后在数据比较中得出,相比传统WMRME而言,基于WLMRME的快速搜索算法能够在运算复杂度和视频编码效果中取得平衡。     

基于预测码矢的快速搜索新算法

在ｋ维欧氏空间Ｒｋ中，给定一个有限子集Ｗ及一个向量ｘ，如何搜索Ｗ中与ｘ距离最近的向量，具有重要的实际应用价值，尤其在图象的矢量量化编码、神经网络模式识别［１］等问题中，快速搜索起决定性的作用。在分析已有快速搜索算法的基础上，给出一种新的快速搜索算法，该算法利用图象相邻块的码书地址，作为当前块的预测值，使搜索空间缩小更快。     

基于模板的关联规则挖掘算法

借用粗糙集理论中α-约简的概念,提出了一种新的基于模板的启发式关联规则挖掘算法.在已获得模板T和原信息表的基础上创建一张新的决策表,先将组成模板的描述子的知识量作为启发函数,知识量大的描述子优先成为候选α-约简集中的元素,再对候选α-约简集中的元素进行计数,从而选择满足阈值的约筒集作为最终的近似最短α-约简,即通过启发式算法求描述子集的近似最短α-约简来获取近似最优强关联规则,并以示例验证了该算法.     

脉动变换的一个新的快速搜索算法

介绍了搜索脉动变换的一个快速方法，使用数据相关性法将循环算法映射成脉动阵列，主要任务是搜索脉动变换T-[∏，S]，为此需要对选定的∏和所有可能的矩阵K解方程SD=PK，本文指出如下事实并依据该事实提出一个搜索变换S的新方法：如果变换S满足[0…0 0…0]≤SD≤[L L]其中L=[[∏δ1/2]]……[[∏δm/2]]。则存在矩阵K满足方程SD=PK。因此通过验证不等式即可得出变换S，避免了矩阵K的枚举和反复解方程组SD=PK，使搜索效率显著提高。     

一种新的自适应布谷鸟搜索算法

为提高布谷鸟搜索(cuckoo search)算法(CS)的局部与全局搜索能力和收敛速度,提出了一种新的自适应布谷鸟算法。在该算法中,提出一种自适应参数控制策略来动态地调整CS中的步长因子,以增强CS的搜索性能。另外,把类似差分进化算法变异策略引入到CS中,以进一步提高CS的种群多样性。仿真实验表明,改进的CS算法的优化性能得到了明显改善。     

随机游走的布谷鸟搜索算法

布谷鸟搜索(Cuckoo Search,CS)算法是一种简单方便的仿生群优化算法。它虽然具有明显的优点,但在处理高维复杂问题时,不能收敛到最优解。针对算法后期收敛速度降低、易陷入局部最优的问题,本文在布谷鸟搜索算法中加入偏好随机游走机制,使得算法不容易陷入局部最优,还改变了发现概率pa的值来提高算法的各种性能。对单目标基准函数进行仿真测试,仿真结果表明,优化后的算法可以有效地提高布谷鸟算法的寻优能力。     

一种基于梯度搜索的全局优化新算法

本文以神经网络为背景，提出了一种以“惯性搜索”为核心的全局优化新算法，在证明了算法的稳定性、最优性及可行性之后，给出了算法的具体步骤和电路实现模型，最后的仿真结果也表明，本算法能够克服梯度下降法停留在局部极小值的缺点。