一种非插值子像素精度运动估计方法*

为了平衡运动估计中搜索算法的复杂度与搜索精度,基于双模式算法的思想,提出一种结合基于改进的粒子群算法（PSO）和十字搜索算法（ARPS）的双模式运动搜索算法。该算法对不同运动程度的图像采用不同的运动搜索算法（运动剧烈时采用PSO算法,运动平缓时采用ARPS算法）,有效地结合了PSO的全局性特点以及ARPS的局部性特点,同时保持了ARPS的快速性。实验表明,该算法的整体性能高于传统的单模式运动估计算法以及已有的多模式运动估计算法。     

一种用于运动估计的十字六边形搜索算法

提出了一种十字六边形搜索算法用于快速运动估计。该算法利用了运动矢量的中心偏置性和相关性，运动估计时通过预测确定搜索起始点，在搜索前期利用十字模板结合提前退出技术优先搜索起始点附近的局部区域，后期则改用六边形模板扩大搜索范围并完成运动估计。实验证明该算法与原始的六边形搜索算法相比平均减少了45%的搜索点数，与一些新的快速搜索算法相比，在搜索精度基本相似的情况下也有效地降低了运动估计的运算复杂度。     

一种新的正交运动估计算法

本文提出了一种新的基于块匹配的运动估计算法,正交运动估计算法。算法由下列两步组成:1)自适应正交法进行粗定位2)菱形精确定位。本文采用了三种视频序列对新算法进行了测试,并把测试结果和全匹配搜索法,菱形搜索法,三步搜索法的测试结果进行了比较。实验结果表明,本算法的优点在于可以使每个宏块的搜索运算次数大为减少,同时预测的准确性接近三步搜索法和菱形搜索法。     

基于混合粒子群算法的运动估计研究

针对块匹配运动估计算法中传统搜索方法的不足,提出了一种新的基于混合粒子群的块匹配运动估计算法。在保留系统随机搜索性能的同时根据运动矢量特性合理地设计初始搜索种群,并通过混沌差分进化搜索协同粒子群算法迭代寻优,混沌序列用于优化差分变异算子,以提高算法的精细搜索能力。通过相同点检测技术和恰当的终止计划有效地降低了系统的运算复杂度。经实验测试与验证,该算法在搜索质量和运算复杂度中达到了一种动态平衡的状态,其整体性能高于传统的快速运动估计算法,效果更逼近于穷举搜索法。     

一种运动估计的自适应菱形算法

在菱形搜索算法的基础上,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、设定阀值,进一步提出了初始搜索点的预测。实验证明,该算法在保证图像质量的同时,大大提高了搜索速度。     

嵌入式视频监控系统的快速运动估计算法

耗时的运动估计运算给实时视频编码带来较大困难,为提高监控视频编码的实时性,提出一种用于嵌入式视频监控系统的快速运动估计算法。该算法根据监控背景相对固定的特点,使用多层提前终止准则,通过运动矢量时空相关性的特性来预测搜索起点,采用改进型的十字搜索模板进行搜索。实验表明,与自适应十字搜索算法相比,该算法在平均峰值信噪比略有下降的情况下,搜索速度得到提升,符合嵌入式视频监控的实时性优先原则。     

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。     

一种改进的APDZS运动估计算法

在A．M．Tourapis的APDZS算法基础上,提出了一种改进的APDZS算法（IAPDZS）。通过对具体数据的分析,表明原来的APDZS算法存在较大搜索冗余,因此IAPDZS算法对此进行了相应改进。首先是初始候选向量的选择,增加（0,0）向量作为候选初始向量;相应的第二处改进在搜索顺序上,IAPDZS算法去除了以（0,0）为中心进行的第二次搜索;第三处改进在具体搜索过程中,IAPDZS算法根据不同的搜索模式,提出了改进方案。实验结果表明,IAPDZS算法能够在确保视频图像质量的前提下,有效提高搜索效率,总体搜索点数比APDZS算法降低20％左右。     

基于条件判据改进的提前终止运动估计算法

针对运动估计标准算法复杂度高、耗时长等问题,提出一种基于条件判据改进的提前终止运动估计算法。首先利用改进的高级运动向量预测(Advanced Motion Vector Predictor,AMVP)技术选取最佳匹配点,其次依据条件判据选取合适的路径进行初始搜索,再次在不满足条件时采取改进的块匹配提前终止网格搜索,最后采取八边形-“十”字栅格搜索和精细搜索完成算法改进。由实验结果可知,该方法与标准算法相比,平均降低了42%以上的编码时间损耗且基本不影响视频质量。     

一种AVS亚像素运动估计快速算法

为提高图像的质量和压缩率,AVS视频标准中的运动补偿精确到了1/4像素,但采用亚像素全搜索算法的计算量太大,导致整个编码器的编码速率很低。针对该问题,提出一种新的亚像素运动估计快速算法,在保证图像质量的同时,使亚像素搜索点数减少53.0%~ 76.5%,视频序列总编码时间节省了23%~33%。     

一种有效的自适应运动估计搜索算法

提出了一种新的基于运动矢量场、方向自适应和半像素搜索的快速搜索算法(M-DAHS)。该算法根据图像序列运动矢量场的中心偏置性和时空相关性进行预判,对静止块设定阈值直接终止搜索;非静止块根据运动类型自适应选择搜索起始点和搜索策略。搜索模板具有很强的方向自适应性,对于小运动块采用菱形-线性搜索,其他块使用六边形-菱形搜索算法。整像素搜索完毕后,再以十字优先原则进行半像素搜索。实验结果表明,该算法性能优越,搜索速度快,搜索精度高,且搜索精度可以非常接近全搜索算法。     

新的多八边形快速运动估计算法

由于对编码的高精度和低复杂度的要求,H.264视频编码标准已经采用了UMHexagonS算法作为其可行的块运动估计实施方案。提出了一种新的UMHexagonS改进算法,改进主要在三个方面：第一,增加了一个新的初始预测矢量,以避免过早陷入局部最优;第二,一个小八边形搜索和两个后续的小菱形搜索取代了UMHexagonS算法中的5×5全搜索,这在一定程度上减少了计算量;第三,多八边形格点搜索取代了多六边形格点搜索,这不仅减轻了运算量负担,也在方向上能更好更快地搜索到最佳运动矢量。实验结果表明,所提出的方法不仅能保证UMHexagonS算法的编码效果,同时还能减少5%~10%的运算量,从而节省编码时间。     

基于差分的块匹配运动估计算法

通过研究块匹配算法当中菱形算法中的冗余性,提出了一种基于差分的块匹配快速搜索算法（DBS）,利用搜索点的匹配误差之间的大小关系,预测最优点的搜索方向,减少了搜索点数,通过实验表明了该算法在保证了匹配精度的同时获得了更高的搜索速度。     

An efficient three-step search algorithm for block motion estimation

The three-step search algorithm has been widely used in block matching motion estimation due to its simplicity and effectiveness. The sparsely distributed checking points pattern in the first step is very suitable for searching large motion. However, for stationary or quasistationary blocks it will easily lead the search to be trapped into a local minimum. In this paper we propose a modification on the three-step search algorithm which employs a small diamond pattern in the first step, and the unrestricted search step is used to search the center area. Experimental results show that the new efficient three-step search performs better than new three-step search in terms of MSE and requires less computation by up to 15% on average.     

基于块匹配的运动估计搜索算法研究与实现

为了满足运动矢量概率分布特性,提出了非对称双十字形搜索(UDCS)算法,给出了在搜索的初始阶段使用小十字搜索模型对小的运动矢量搜索并在相继的搜索过程中使用具有方向性的十字形搜索模型对大运动矢量进行搜索的步骤。介绍了该算法的实现结构,并分析了该算法搜索性能。     

一种十字形运动搜索算法

近几年,虽然运动估计算法有了很多种的快速算法,但是,运动搜索巨大的计算量依然是视频压缩速率的瓶颈,本文针对运动矢量的分布特点,提出了一种新的运动搜索算法,算法不仅结构简单,而且测试结果表明,该算法比原有DS9(dia-mondsearch)算法在搜索点数和图像质量方面有较大的提高,最好时的搜索点数只有DS算法的3/4。     

Block-matching algorithm based on harmony search optimization 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 can be modeled as a translation of pixels contained in the previous frame. In this procedure, the motion vector is obtained by minimizing a certain matching metric that is produced for the current frame over a determined search window from the previous frame. Unfortunately, the evaluation of such matching measurement is computationally expensive and represents the most consuming operation in the BM process. Therefore, BM motion estimation can be viewed as an optimization problem whose 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 all the elements of the search space. Recently, several fast BM algorithms have been proposed to reduce the search positions by calculating only a fixed subset of motion vectors despite lowering its accuracy. On the other hand, the Harmony Search (HS) algorithm is a population-based optimization method that is inspired by the music improvisation process in which a musician searches for harmony and continues to polish the pitches to obtain a better harmony. In this paper, a new BM algorithm that combines HS with a fitness approximation model is proposed. The approach uses motion vectors belonging to the search window as potential solutions. A fitness function evaluates the matching quality of each motion vector candidate. In order to save computational time, the approach incorporates a fitness calculation strategy to decide which motion vectors can be only estimated or actually evaluated. Guided by the values of such fitness calculation strategy, the set of motion vectors is evolved through HS operators until the best possible motion vector is identified. The proposed method has been compared to other BM algorithms in terms of velocity and coding quality. Experimental results demonstrate that the proposed algorithm exhibits the best balance between coding efficiency and computational complexity.     

Simple and efficient motion estimation algorithm by continuum search

Motion estimation plays a vital role in reducing temporal correlation in video codecs but it requires high computational complexity. Different algorithms have tried to reduce this complexity. However these reduced-complexity routines are not as regular as the full search algorithm (FSA). Also, regularity of an algorithm is very important in order to have a hardware implementation of that algorithm even if it leads to more complexity burden. The goal of this paper is to develop an efficient and regular algorithm which mimics FSA by searching a small area exhaustively. Our proposed algorithm is designed based on two observations. The first observation is that the motion vector of a block falls within a specific rectangular area designated by the prediction vectors. The second observation is that in most cases, this rectangular area is smaller than one fourth of the FSA’s search area. Therefore, the search area of the proposed method is adaptively found for each block of a frame. To find the search area, the temporal and spatial correlations among motion vectors of blocks are exploited. Based on these correlations, a rectangular search area is determined and the best matching block in this area is selected. The proposed algorithm is similar to FSA in terms of regularity but requires less computational complexity due to its smaller search area. Also, the suggested algorithm is as simple as FSA in terms of implementation and is comparable with many of the existing fast search algorithms. Simulation results show the claimed performance and efficiency of the algorithm.     

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%。     

改进的十字-菱形运动估计搜索算法研究与实现

提出了一种改进的十字-菱形搜索(ICDS)算法,给出了在搜索的初始阶段使用小十字搜索模型对小的运动矢量搜索并在相继的搜索过程中使用具有方向性的菱形搜索模型对大运动矢量进行搜索的步聚.介绍了该算法的实现结构,并分析了该算法搜索性能.