一种降低MPEG-4运动估计运算量的方法

分析在MPEG－4图像压缩编码里运动矢量搜索过程中存在的重复运算，并提出一种显著降低其运算量的新方法。     

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。     

一种改进的有效运动估计方法—准菱形搜索法

根据基于对象的MPEG－4视频标准[1]，以对象宏块的运动矢量作类似的多边形匹配，利用相邻帧中运动矢量和图象像素的相关性，提出了一种“准菱形”搜索运动估计方法，该方法在图象运动复杂的情况下，不仅能根据方向选择来扩大搜索范围，而且能有效地降低搜索点数和搜索次数，该算法利用C语言编程，结合Matlab数学工具来处理典型图象序列，其结果表明，该方法与菱形搜索，六角形搜索相比，具有既能够有效地保持图象质量又能降低计算的复杂度等优点。     

基于多模式搜索的运动估计研究

在对已有运动估计算法分析的基础上,利用运动矢量分布特性,综合应用多种搜索模式,改善运动搜索策略,同时根据运动方向性划分搜索区域,从而减少了搜索点数,节省了时间开销,提高系统的压缩性能.仿真实验表明,算法保持了原有率失真特性,与非均匀多层六边形搜索算法相比,运动估计时间平均减少了15％左右,提高了编码速度.     

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。     

采用统计推断的自动视频对象分割

在新一代MPEG－4视频编码标准中，为了支持面向对象编码和实现基于内容的应用，视频对象（VO）的自动分割成为关键技术之一，减背景法是视频对象自动分割的基本方法，但是不同的环境光照条件常常给视频对象的分割带来困难，提出一种基于统计推断的减背景法。该方法首先建立背景统计模型，然后对后续帧进行假设检验，从而分割出视频对象。文中算法采用HSV颜色空间，通过对背景统计模型中各颜色分量的有效分析和区别使用，能够很好地适应不同的环境光照条件。实验表明，文中算法能够在各种光照环境下自动地实现视频对象的准确分割。     

运动估计快速半象素级搜索方法的实验研究

提出了３种运动估计快速半象素级搜索方法。实验分析表明这３种方法具有较好的ＭＳＥ性能和解码图象质量；３种快速方法中最慢的可以节省约２９．１７％运算次数，最快的可节省近５８．３３％运算次数。本文所提出的快速方法可作为运动估计单元中半象素级搜索实时实现的候选算法。     

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 .     

自适应的动态搜索范围运动估计算法

为更加有效地提高运动估计速度,提出一种自适应动态搜索范围运动估计算法,从后续快速运动估计算法的运动矢量预测集中自适应地选择与当前编码块相关性最强的运动矢量预测值作为搜索范围的中心点,根据预测集中运动矢量预测值的大小、方向自适应地决定水平、垂直及正负方向的非对称搜索范围。将该算法融合到UMHexagonS和FFS算法中进行广泛的实验测试,结果表明其能在基本保持重建图像质量的同时,至少分别减少运动估计运算量的22.13%和76.57%。     

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。     

基于块运动类型的自适应菱形运动估计搜索算法

基于对图像序列运动矢量时空相关性和中心偏置特性的研究，对传统的菱形算法进行了改进，设计了自适应大菱形搜索模板，提出了一种基于块运动类型的自适应菱形运动估计算法，对大运动块进行起始点预测，再划分相对运动类型，对不同运动类型的块自适应地采用不同的搜索策略。实验结果证明，图像质量较好时，该算法相比运动矢量场自适应搜索算法，加快了搜索速度，降低了计算复杂度。     

基于菱形搜索的改进的运动估计算法研究

寻找到最优的运动估计算法以提高图像编码效率,一直是图像编解码技术中研究的重点。在分析菱形算法优点和不足的基础上,介绍了改进算法中具有代表性的对大模板作出修改的六边形运动估计算法和基于运动向量预测的高级菱形搜索算法,并通过实验结果对其各自的优点与缺陷进行了具体分析。     

用于块匹配运动估值的正方形-菱形搜索算法

运动估值在视频图像编码中占有重要地位，该文首先研究了运动估值中的经典搜索算法并重点分析了菱形（DS）算法；然后设计了一种新的综合模板（SDP），它体现了粗定位和准确定位并行处理的思想，在此基础上提出了一种新的用于块匹配的运动估值搜索算法－－正方形－菱形搜索（SDS）算法。最后通过实验验证了该算法的有效性。     

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。     

一种运动估计的小菱形􀀁分层快速搜索算

为了进一步提高运动估计的效率,本文提出了一种新的快速搜索算法.利用实际视频图像运动比较平缓的特点,把图像块分为静止块、准静止块和运动块.对静止块采用一步停止法,对准静止块采用小菱形搜索,对运动块利用运动矢量场在空间和时间上的相关性以及多层结构中父子块间的相关性采用多分辨塔的方式进行分层搜索,显著地提高了搜索速度.     

引入搜索预测与阈值决策的改进菱形运动估计算法

为了提高视频的压缩效率,在传统菱形搜索算法基础上提出一种改进菱形搜索算 法。该算法通过引入动态阈值,在起始搜索点预测、菱形搜索模式和搜索中止算法方面进行了 优化,减少了SAD 计算的内部冗余和搜索区域中不相关的块匹配计算,同时采用自适应搜索模 式选择技术减少运输复杂度。实验结果表明：提出的改进菱形搜索算法适合各种运动类型的视 频序列,特别适用于运动变化剧烈的序列,相比于FS 算法,能够在PSNR 值和码率值极其接 近于FS 算法的情况下对所有序列的MET 减少约95%,大大减少运动估计时间。     

一种新的半像素快速搜索算法

提出了一种基于在整像素搜索结果的± 1像素邻域内 SAD函数随着与亚像素全局最小点距离的增加而单调增大的半像素两步快速搜索算法。本算法相继在水平和垂直两个共轭的方向上搜索半像素 SAD值的最小点 ,从而得到运动矢量的半像素分量。同时还采用了在每次计算 SAD值之前按需对块进行插值的方法。仿真结果表明本算法在保持图像质量和码流长度基本不变的同时使运算量下降到原来的一半以下。     

基于自适应搜索模板的快速运动估计算法

为了降低快速运动估计的计算复杂度,避免小菱形搜索算法带来的局部最优点问题,提出了自适应搜索模板的估计算法.该算法在搜索时根据SAD值的变化快慢和相邻帧之间时间相关性自适应选择搜索模板.实验表明,使用该算法编码,码流大小与使用菱形搜索算法和六边形搜索算法差距为±0.6%,搜索点数为菱形算法的72%～77%,六边形算法的83%～86%.在减少搜索点数的情况下有效地避免了局部最优点问题.