一种基于H.264的自适应块匹配运动估计快速算法

提出了一种基于H.264/AVC视频编码标准的自适应块匹配运动估计快速算法。该算法是根据当前参考帧、当前宏块分割模式、初始预测搜索距以及预测平均像素差阈值的不同而动态采用相应的搜索策略和终止准则,并能够根据检测点块失真和搜索距统计特性来进行实时更新,提高预测的准确性。模拟试验表明,提出算法能获得与全搜索十分接近的视频质量,但搜索速度却有成倍提高。     

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。     

H.264中运动矢量特征分类的快速运动估计算法

提出了一种应用在H.264中的快速运动估计算法(TAMV)。该算法根据运动矢量自身特性，将宏块分为3种运动类型：大运动快，中等运动块和小运动块。对每类宏块自适应地选择一种或者几种编码模式进行预测，有效地减少了由7种宏块(亚宏块)模式所引起的计算量；同时选用精确而且快速的方向性菱形模板，对不同的模式采用不同的搜索策略。实验分析表明，该算法搜索精度接近于全搜索算法，而搜索时间只为全搜索算法的5.4%～10.5%。     

结合遗传分割的多分辨率预测匹配算法

为了减小视频压缩算法的计算复杂度和提高恢复图像的准确性,提出一种新的多分辨率预测搜索匹配算法.利用遗传算法首先对视频图像进行分割,划出分界线,然后判断所选择块内是否有边界,若没有,不做运动估计匹配,直接将当前块运动矢量置为零;若有,则进行多分辨率预测估计.预测搜索起点,采用大小不同的搜索匹配宏块,减少搜索点数目.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7.6ms,信噪比平均提高1.2dB.     

一种新的基于H.264的快速运动估计算法

提出了一种自适应十字形模板进行快速块匹配的方法。该方法解决了单一模板对于垂直运动宏块搜索的薄弱性,它提前预测当前块的运动,并根据预测结果自适应地选择十字形模板,因而能更有针对性地增加搜索点数,从而提高搜索速度。与此同时新算法还采用了提前终止准则和线性搜索技术。实验表明,新算法相比已被H.264标准采用的UMHexagons算法,编码速度提高了20%以上。     

H.264帧间块模式选择与快速运动估计算法

该文提出了一种基于H.264的快速运动估计算法。首先,基于当前宏块的纹理特征和局部运动性选择一组有效的预测块模式;其次,基于运动矢量的时空相关性建立一个预测运动矢量集合;最后,采用六边形模板和正方形模板进行运动搜索。另外,在匹配搜索过程中采用提前终止技术,进一步减少计算量。实验结果和分析表明,该算法能够显著提高运动估计的搜索速度,而图像质量和比特率只有少量变化。     

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。     

一种基于概率矩阵的快速运动估计算法

基于块匹配的运动向量估计算法已被多种国际视频编码标准所采用,但其计算复杂度一直是一个研究热点。为了提高运动向量估计算法的速度和精度,提出了一种新的基于概率矩阵的快速块匹配运动估计算法,该算法首先根据之前宏块的运动向量来估计当前宏块各可能的运动向量对应的概率值,以组成和搜索窗口同样大小的概率矩阵,然后依据概率大小限制搜索的次数,以平衡算法的速度和精度。仿真实验结果表明,和标准菱形搜索法相比,该算法在精度略有提高的同时,还有效地提高了搜索效率。     

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。     

一种基于自适应扁平搜索模板的改进ARPS算法

针对ARPS算法中初始预测运动矢量不够精确并且ARPS算法针对不同宏块采用相同搜索策略的问题,在深入研究ARPS算法原理的基础上,提出一种基于自适应扁平搜索模板的新的快速运动估计算法.本文在算法的初始预测运动矢量、算法提前终止准则等方面提出了新的观点和方法,同时针对物体的不同运动趋势采用不同的搜索模板.实验证明,本文提出的改进算法在不影响图像编码效率的前提下较大地降低了计算复杂度.     

Block-matching algorithm based on differential evolution for motion estimation

Motion estimation is one of the major problems in developing video coding applications. Among all motion estimation approaches, block-matching (BM) algorithms are the most popular methods due to their effectiveness and simplicity for both software and hardware implementations. A BM approach assumes that the movement of pixels within a defined region of the current frame (macro block, MB) can be modeled as a translation of pixels contained in the previous frame. In this procedure, the motion vector is obtained by minimizing the sum of absolute differences (SAD) produced by the MB of the current frame over a determined search window from the previous frame. The SAD evaluation is computationally expensive and represents the most consuming operation in the BM process. The most straightforward BM method is the full search algorithm (FSA), which finds the most accurate motion vector, exhaustively calculating the SAD values for all the elements of the search window. Over this decade, several fast BM algorithms have been proposed to reduce the number of SAD operations by calculating only a fixed subset of search locations at the cost of poor accuracy. In this paper, a new algorithm based on differential evolution (DE) is proposed to reduce the number of search locations in the BM process. To avoid computing several search locations, the algorithm estimates the SAD values (fitness) for some locations using the SAD values of previously calculated neighboring positions. As the proposed algorithm does not consider any fixed search pattern or any other different assumption, a high probability for finding the true minimum (accurate motion vector) is expected. In comparison with other fast BM algorithms, the proposed method deploys more accurate motion vectors, yet delivering competitive time rates.     

改进的自适应快速整像素搜索算法

提出了一种改进的自适应快速整像素搜索算法。算法使用CSP进行粗定位搜索,并且根据分割块的尺寸,在SDSP和SSSP中选择合适的模板作为精确定位搜索的模板。为了进一步减少搜索点数,在粗定位搜索过程中加入由补偿数据和3个相邻块的SAD值确定的判断阈值,实现阈值的自适应变化。实验结果显示,与UMHSA和DSA相比,算法的搜索速率有较大的提高,同时亮度信号的平均峰值信噪比和编码字节数的变化不大。     

Block matching algorithm for motion estimation based on Artificial Bee Colony (ABC)

Block matching (BM) motion estimation plays a very important role in video coding. In a BM approach, image frames in a video sequence are divided into blocks. For each block in the current frame, the best matching block is identified inside a region of the previous frame, aiming to minimize the sum of absolute differences (SAD). Unfortunately, the SAD evaluation is computationally expensive and represents the most consuming operation in the BM process. Therefore, BM motion estimation can be approached as an optimization problem, where the goal is to find the best matching block within a search space. The simplest available BM method is the full search algorithm (FSA) which finds the most accurate motion vector through an exhaustive computation of SAD values for all elements of the search window. Recently, several fast BM algorithms have been proposed to reduce the number of SAD operations by calculating only a fixed subset of search locations at the price of poor accuracy. In this paper, a new algorithm based on Artificial Bee Colony (ABC) optimization is proposed to reduce the number of search locations in the BM process. In our algorithm, the computation of search locations is drastically reduced by considering a fitness calculation strategy which indicates when it is feasible to calculate or only estimate new search locations. Since the proposed algorithm does not consider any fixed search pattern or any other movement assumption as most of other BM approaches do, a high probability for finding the true minimum (accurate motion vector) is expected. Conducted simulations show that the proposed method achieves the best balance over other fast BM algorithms, in terms of both estimation accuracy and computational cost.     

基于起点预测和SAD分布的快速运动估计算法

基于块的运动估计是视频压缩国际标准中广泛采用的关键技术。文中提出了结合相邻块运动向量相等和SAD值比较的起点预测方法,减少了起点预测时计算SAD的开销;利用SAD分布的方向性,对SAD值偏小部分重点搜索,加速了块匹配的快速搜索策略。在此基础上设计了一种新的快速运动估计算法,该算法在大幅度提高搜索效率的同时,得到了与全搜索非常接近的搜索结果,从而减少或避免了不必要的搜索。     

Discrete multi-objective artificial bee colony algorithm for green co-scheduling problem of ship lift and ship lock

This paper investigates a multi-objective green co-scheduling problem of ship lift and ship lock (GCP-SL&SL) at the Three Gorges Cascade Hub (TGCH). A mathematical model of GCP-SL&SL with objectives of the average utilizations rate of the lock chamber, average waiting time and total energy consumption of vessels, is proposed by separating it into three sub-problems: the facility assignment, lockage assignment and lockage operation scheduling. To solve this problem, a discrete multi-objective artificial bee colony (DMOABC) algorithm is developed. Within the DMOABC, a two-dimensional matrix encoding scheme is designed to encode and a group right-shift decoding scheme is specifically proposed to decode each food source. Then, a novel fitness evaluation mechanism based on fuzzy relative entropy is introduced to hand this multi-objective problem. Next, the food sources are improved from three aspects: (1) the employed bee phase uses new evolutionary operators for fast local search; (2) the onlooker bee phase adopts a modified tabu search for strong global search; (3) the scout bee phase embeds chemical reaction optimization for disturbing population. Finally, extensive experiments are conducted with the real data from historical traffic at TGCH. The results demonstrate our proposed algorithm is significantly better at solving the GCP-SL&SL than other five well-known multi-objective algorithms. The effect analysis under different scenarios indicates that the average waiting time of vessels at the dam is greatly reduced because of considering the synchronous moving process.     

一种基于块分割结构的运动估计新算法

运动估计是剔除视频压缩中的时间冗余的关键,现有算法大都是基于全搜索策略的SAD匹配算法,这些算法虽然压缩性能很好,但计算复杂,实时性差。提出一种快速运动估计新算法,将块分割成多个子块,计算每个子块的灰度值之和与灰度值的平方和,将其整体作为一个参数再结合提出的三个匹配准则,求出当前帧和候选帧之间的最优运动估计。通过实验表明,采用该算法后计算的复杂度明显减小,实时性得到较大提高,其压缩性能却非常接近基于全搜索策略的SAD算法。     

自适应阀值静止块检测的快速运动估计研究

基于H.264/AVC标准的运动估计研究一直是视频压缩研究的重点,提出一种自适应阀值静止块检测的运动估计算法。根据图像序列的统计特性提前中止搜索,提出菱形-小交叉-十字综合搜索算法,对不同的视频序列采取不同的搜索策略。与常规快速搜索算法相比较,实验结果表明,搜索速度提高了10倍,图像质量也得到了保证。     

基于最小匹配误差方向预测的快速半像素运动估计

为了减小半像素搜索的计算量,本文提出了一个基于最小匹配误差方向预测的快速半像素运动估计算法.本文提出的算法利用亚像素搜索窗内的匹配误差单峰曲面的特性来预测半像素搜索区域中最小匹配误差方向,从而避免了大量不必要的匹配运算量.实验结果表明,对于各种不同运动程度和空间细节的视频序列,本文提出的算法在保证和半像素全搜索法相同图像质量的同时,平均节省73%的计算量,很适合实时应用.     

一种快速半像素运动矢量搜索算法

由于快速整像素搜索算法的提出和采纳,致使半像素搜索过程在整个编码过程中占用的比重更为显著。为了减小半像素搜索的计算量,提出了一种快速半像素运动矢量搜索算法。该算法是利用半像素搜索窗内的误差匹配曲面具有的单峰特性,通过比较整像素运动矢量周围4个整像素点的绝对误差和(SAD)来实现可能的最小匹配误差半像素点的预测,以排除大量不必要的计算量。实验结果表明,该算法对于各种不同运动程度和空间细节的视频序列,在保证和半像素全搜索法有相同图像质量的同时,至少可节省66%的计算量。     

H.264中基于全零块检测的快速运动搜索算法

为了降低视频编码标准H．264中运动搜索的复杂度，提出了一种新的基于全零块检测的运动搜索提前中止算法。根据整数离散余弦变换（DCT）和量化的特点，该算法给出了自适应的检测门限和提前中止条件。通过检测门限与绝对差和（SAD）的比较来判断是否停止运动搜索。实验结果表明，在图像质量基本不变的情况下，此方法可以有效减少运动搜索的计算量。