基于H.264的一种混合运动搜索算法

为减少H.264中运动估计的时间,提出一种混合运动搜索算法,采用矩形窗口、大菱形窗口以及小六边形窗口。首先使用矩形窗口进行初步搜索;若最佳匹配点位于中心,则使用小六边形窗口进行最终搜索,否则以上一步最佳匹配点为中心构造一个大菱形窗口进行进一步搜索;若最佳匹配点位于中心,则以此中心点构造一个小六边形窗口进行最终搜索,否则重复这一步。实验结果表明,该算法在保持较好的编码质量的同时,可以有效减少平均运动搜索点数,提高编码效率。     

一种用于H.264的改进UMHexagonS算法

在运动估计中,H.264以增加的编码复杂性为代价获得了非常好的性能.基于对现有文献的研究,提出了一种改进的UMHexagonS算法.首先,在UMHexagonS的非对称十字交叉搜索中增加了8个搜索点,以改善算法在垂直方向上运动的适应性;其次,为提高编码效率,将UMHexagonS算法的小矩形窗口全搜索分为两个步骤;然后,在UMHexagonS的非均匀多层次六边形网格搜索中采用了一种并行算法,进一步提高算法的运动估计性能;最后,采用三点搜索法来替代小菱形搜索,原始的小菱形搜索只作为满足提前终止最佳情况的跳转对象.仿真表明,相比于UMHexagonS算法,提出的改进算法在视频压缩编码速度和重建图像的质量都具有更好的性能.     

一种基于自适应模板的运动估计算法

在对H.264参考模型JM10.2中采用的非对称十字多重六边形网格搜索(UMHexagonS)运动估计算法进行详尽分析的基础上,提出了针对非对称动态十字搜索、5×5模板搜索和非均匀多层次六边形格点搜索模式三方面的改进措施来优化算法.该自适应模板运动估计算法可显著减少运动估计所需搜索点数,实验表明,本文算法可在图像质量和码率基本不变的前提下平均可节省30％运动估计时间.     

基于图像拼接的全帧视频稳定算法

结合改进的比特平面匹配运动估计方法和图像拼接技术得到一种全帧视频稳定算法.基于菱形搜索的灰阶编码比特平面局部求精匹配方法在保证匹配精度的前提下,利用二进制布尔运算和菱形搜索降低了运动估计的计算复杂度,得到近似最优的估计精度.针对静态、平面场景视频序列,算法利用图像拼接技术得到全帧稳定视频.仿真实验验证了算法的有效性.     

一种基于H．264的有效运动估计算法

运动估计算法是实时视频编解码技术的研究重点，高精度的匹配和补偿可以减少预测误差，提高视频图像的压缩效果．为降低在视频编码标准H．264中运动估计的高计算复杂度问题，提出了采用一种基于节点模型的可变形块匹配运动估计算法来搜索最佳运动矢量．该算法充分利用了H．264运动矢量的的统计特性和相关性，并采用基于像素差值分类的运动估计匹配准则．实验表明，在编码性能损失很小的条件下，该算法有效降低了视频压缩编码中运动估计的运算复杂度．     

不依赖时空相关性的UMHexagonS改进算法

针对UMHexagonS算法存在重复搜索和搜索点数较多的问题,提出了一种UMHexagonS改进算法.算法利用模版间的互补性以及模版搜索规律分别对UMHexagonS算法中的5×5模版和小六边形模版进行了改进,避免了模版间的重复搜索;设计了一种只与搜索过程相关的提前终止策略,减少了非对称多六边形格点模版不必要的搜索点.实验结果表明,在输出码流码率及峰值信噪比基本不变的前提下,改进算法能有效提升各类视频序列的编码效率,特别是对复杂背景、复杂运动及剧烈运动视频序列编码效率的提升较显著,可以减少20％左右的运动估计时间.     

基于H.264视频编码的运动估计算法研究

运动估计是视频编码中最重要且最耗时的一部分,它占用整个视频编码60％～80％的时间.研究高效的、快速的运动估计算法是目前视频压缩技术中的重要研究课题.基于H.264视频编码标准,选择x264作为测试编码器,分析了x264的4种运动估计算法,通过加入非对称小菱形搜索,降低搜索点数,部分算法优化,对非对称十字型多层次六边形格点搜索算法(UMHexagonS)进行了改进,提高了运动估计算法效率.提出了非对称十字型多层次八边形格点搜索(x264_ME_UMO)算法.通过对各种视频序列的测试表明,在基本保持原有编码性能和图像质量的情况下,优化后的算法编码速度平均提高了约17％,能更好地满足实际应用的需求.     

一种改进的分形图像压缩算法

为了提高分形图像压缩编码的速度,针对在基本分形图像压缩算法中值域块编码匹配搜索时需要对变换后的定义域块一一对应,导致编码时间较长的缺点,提出了一种基于菱形搜索算法的分形图像压缩编码新算法.菱形搜索算法是一种运动估计的快速搜索算法,主要过程是在所有的候选块中搜索当前块的最优匹配块.通过运用菱形搜索算法中的大小菱形模板进行匹配搜索,实验证明文中算法在提高编码速度和降低编码复杂度是有效的.     

一种不依赖时空相关性的UMHexagonS改进算法

针对UMHexagonS算法存在重复搜索和搜索点数较多的问题,提出了一种UMHexagonS改进算法。算法利用模版间的互补性以及模版搜索规律分别对UMHexagonS算法中的5?模版和小六边形模版进行了改进,避免了模版间的重复搜索;设计了一种只与搜索过程相关的提前终止策略,减少了多六边形格点模版不必要的搜索点。实验结果表明,在输出码流码率及峰值信噪比基本不变的前提下,改进算法能有效提升各类视频序列的编码效率,特别是对复杂背景、复杂运动及剧烈运动视频序列编码效率的提升较显著,可以减少20%左右的运动估计时间。     

一种基于UMHexagonS运动估计的优化算法

视频编码系统在不断提高编码质量的同时,也提高了其复杂性。运动估计时间要占到编码时间的80%左右。在对H.264/AVC中运动估计的UMHexagonS算法进行研究和分析的基础上,在动态搜索范围、非对称十字搜索、5×5小矩形搜索、非均匀多层次六边形搜索和小菱形搜索等方面进行了改进。通过对不同测试序列的实验证明,新算法与UMHexagonS算法相比,在图像质量和码率基本不变的前提下,运动估计时间上有了明显减少,从而大大缩短了编码时间。     

Low complexity motion estimation utilising spatial correlation

An efficient algorithm is proposed to reduce the computational complexity of block matching motion estimation by using the characteristics of spatial correlation. The proposed algorithm is to skip the motion vector search of inside macroblocks surrounded by identical motion vectors. Experimental results show that the proposed algorithm reduces computational complexity by 52.5% compared to conventional motion estimation at the cost of negligible performance degradation.     

一种用于视频编码的块运动估计算法——块特征匹配预测搜索算法

本文提出了一种块特征匹配预测搜索ＢＦＭＰＳ算法,可以用于视频压缩的一些国际标准,如Ｈ．２６１,Ｈ．２６３,ＭＰＥＧ１,ＭＰＥＧ２,ＨＤＴＶ中,ＢＦＭＰＳ算法充分利用了序列图像的实际矢量与预测矢量之间距离的空间分布特征,中心偏置分布特性和时间上的相关特性,并采用了中止判决准则,可以明显地减少了运动搜索复杂度,ＢＦＭＰＳ算法在匹配运算中采用 简单有交的块特征匹配准则函数,相应的块匹配计算复杂度,数据读     

一种粗到精分块金字塔预测连续排除算法

提出一种粗到精分块金字塔连续排除算法用于减少块匹配运动估计所需计算量.金字塔可以方便地从当前搜索窗的积分帧构建,连续的排除从金字塔顶层到底层逐级进行,将最小SAD值与金字塔提供的一系列越来越紧的界值相比较,可以跳过不必要的SAD计算.这样,算法在保证获得与全搜索算法相同精度的前提下,计算复杂度大大降低.仿真实验结果验证了本文算法与全搜索算法和几种快速搜索算法相结合的有效性.     

Efficient tree structured motion estimation using successive elimination

In H.264/AVC, tree structured motion estimation enhances the coding efficiency significantly while dramatically increasing the computational complexity of block matching. In the paper, a successive elimination algorithm (SEA) is implemented in tree structured motion estimation with a simple and effective method to determine the initial motion vector, which exploits the strong correlation among the partially overlapped variable-size blocks. With identical performance to a full search algorithm, computations for block matching can be reduced to 1%-20%. Further, the SEA can be improved by incorporating two early termination conditions, then named 'Quick SEA'. Finally, a novel fast motion estimation algorithm, successive elimination diamond search (SEDS), is proposed by efficiently integrating the Quick SEA and a modified diamond search pattern. Simulation results show that the proposed Quick SEA can reduce the computational complexity of block matching by 3-5 times compared to the basic SEA. SEDS further reduces by about one-half the computations of Quick SEA. With similar rate distortion performance, 0.2%-1% block matching distortion is calculated for SEDS with corresponding speed-up factors of 100 to 500 in comparison with the full search algorithm.     

Enhanced partial distortion search algorithm for block motion estimation

A block matching algorithm for fast motion estimation based on partial block distortion is presented, which can reduce the computational complexity and provide accurate motion vectors. Simulation results show that the proposed algorithm offers a performance very close to that of the full search scheme and is about 18 to 22 times faster.     

一种基于生物地理优化的快速运动估计算法

为了提高视频编码中运动估计的性能,该文提出了一种新的基于生物地理优化的快速运动估计算法。该算法以运动矢量的特性为基础,通过生物地理优化算法的迁徙和变异操作搜索全局最优解,克服了以往快速搜索算法容易陷入局部最优的缺点,同时采用了早期和迭代终止策略,进一步简化运算复杂度。实验表明,该算法的整体性能高于以往快速搜索算法,可以有效兼顾搜索精度和速度的要求。由于实现简单和适用面广,该算法能满足实时视频编码的需求。     

基于运动矢量预测的六边形块运动估计搜索算法

在保证图像质量的前提下,为了降低运动估计算法的计算量和搜索点数,提出了一种基于运动场预测的六边形块运动估计搜索算法(PMVHEXBS)。这种算法结合“足够好就停止搜索”的思想和六边形搜索模式(HEXBS)的高速特性,并且在块失真度量中使用部分失真准则(PDC),进一步加快了计算速度。仿真结果显示这种算法和菱形算法(DS)、PM- VFAST算法相比,计算量和搜索点数都有了明显的下降。同时,该算法的图像质量要好于DS算法,和PMVFAST算法相比只有较小的下降。     

A multilevel successive elimination algorithm for block matchingmotion estimation

An efficient algorithm is proposed to reduce the computation cost of block matching algorithms for motion estimation in video coding. Based on a new insight in block matching algorithms, we extend the successive elimination algorithm to a multilevel case. By using the sum norms of the blocks and the subblocks, tighter and tighter decision boundaries can be obtained for eliminating the search positions. The efficiency of the proposed algorithm combined with the full search algorithm and several fast search algorithms is verified by simulation results.     

Fast full search motion estimation algorithm using various matchingscans in video coding

To reduce the amount of computation in a full search (FS) algorithm for fast motion estimation, we propose a novel and fast FS motion estimation algorithm. The computational reduction without any degradation in the predicted image comes from fast elimination of impossible motion vectors. We obtain faster elimination of inappropriate motion vectors using efficient matching units from localization of the complex area in image data. We show three properties in block matching of motion estimation. We suggest two fast matching scan algorithms, one from adaptive matching scan and the other from fixed dithering order. Experimentally, we remove the unnecessary computations by about 30% with our proposed algorithm compared to conventional fast matching scan algorithms     

Fast full search motion estimation algorithm using early detection of impossible candidate vectors

To reduce the amount of computations for a full search (FS) algorithm for fast motion estimation, we propose a new and fast FS motion estimation algorithm. The computational reduction of our FS motion estimation algorithm comes from fast elimination of impossible motion vectors. We obtain faster elimination of inappropriate motion vectors using efficient matching units from localization of a complex area in image data. In this paper, we show three properties in block matching of motion estimation. We suggest two fast matching scan algorithms: one from adaptive matching scan and the other from fixed dithering order. Experimentally, we remove the unnecessary computations by about 30% with our proposed algorithm compared with the conventional fast FS algorithms.