创新的高效方向性菱形-弧形快速块匹配运动估计算法

针对传统运动估计算法的缺点,本文提出了一种采用弧形、小十字、大菱形模板进行快速块匹配运动估计的新算法.该算法(NOADS)充分利用序列图像中运动矢量场中心偏置分布特性,使用小十字模板,进一步搜索根据情况自适应调整扩展为水平菱形或是垂直菱形模板,处理中心区域小运动矢量和静止运动矢量的搜索.使用大菱形-弧形模板处理大运动矢量的搜索.实验结果表明NOADS有效减少了搜索点数,提高了搜索速度,能同时适应于小运动块和大运动块的搜索,速度上比DS提高约20%,比3SS提高30% ～60%.     

一种有效的三步运动估计算法

为了减小运动估计算法的计算复杂度和提高红外图像超分辨率重建的可靠性,提出了一种有效的三步搜索算法.该算法采用多步搜索策略,根据运动矢量分布的中心偏移性及并行处理的思想,在最佳匹配点所在的区域使用菱形小模板代替新三步法中的正方形小模板来进行精细搜索,以提高算法的搜索精度.实验结果表明,与全搜索法、菱形搜索算法和预测性菱形搜索算法相比,该算法能在保证搜索精度的同时大大缩短消耗时间.     

基于三步搜索法的特征相关目标跟踪算法

针对相关匹配跟踪算法,提出一种新的基于三步搜索法的特征相关跟踪算法。该算法利用Moravec算子提取目标灰度特征,并根据特征点选取相应的子模板,然后利用三步搜索法进行多子模板的相关匹配。该方法可以在大幅度缩短相关匹配的搜索过程的基础之上适应运动目标的旋转、缩放等情况。实验证明该算法实际应用的可行性。     

一种预测菱形运动估计算法

在保证估计质量的情况下,为了降低运动估计算法的搜索次数,提出了一种预测菱形搜索算法.该算法保留了菱形算法的简易性和规则性,在菱形搜索算法中加入了对运动矢量的预测.实验表明和菱形算法比较,该算法减少了搜索次数,提高了估计质量.     

快速菱形搜索运动估计方法

提出一种快速菱形运动估计算法,利用运动矢量的中心偏移特性,在第一步搜索时设立一个门限值,减小获得运动矢量所需的搜索次数。实验结果表明,算法在降低计算复杂度的同时,保持了较好的图像质量。     

一种基于自适应预测的菱形搜索算法

运动估计中菱形算法是一种高效的搜索方法,但它没有利用视频序列中运动矢量的中心偏置分布特性和相邻宏块在时间和空间上的相关性,因此还有很大的空间可以进一步提高该算法的性能.在充分利用运动矢量的中心偏置分布特性和相邻宏块运动矢量的相关性的基础上,提出了一种基于自适应预测的菱形搜索算法(APDS),与传统的起点预测方法不同的是,该算法对所有宏块搜索起点的预测并不是按照一种固定的方法求取,而是通过分析其相邻宏块运动矢量的特性来自适应求得搜索起点和决定搜索策略.实验证明,同传统的菱形法相比,这种方法提高了搜索准确度,同时大幅降低了搜索时间,是一种高效率的搜索算法.     

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.     

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。     

改进的空间下采样视频转码快速运动估计算法

提出一种基于输入码流信息和已转码码流信息的视频转码快速运动估计算法。本算法利用Alpha-激励均值滤波通过输入码流的运动矢量合成作为备选预测运动矢量之一,并利用H．264标准中帧间预测的方法通过已转码码流信息合成另一个备选预测运动矢量,共同作为EPZS运动估计算法的预测中心。结合图像的运动活跃性．自适应的调整运动估计的搜索策略。该算法比传统的运动矢量方法相比提高了1dB左右的PSNR,保持了较高的转码图像质量并与菱形搜索算法相比能够降低18％左右的转码时间。     

基于变尺度全局搜索的运动目标跟踪算法

为了获得更加理想的运动目标跟踪效果,提出一种基于变尺度全局搜索的运动目标跟踪算法。首先对于没有发生严重遮挡运动目标,采用MS算法实现目标跟踪,然后当目标受到严重遮挡时,通过全局搜索策略缩小搜索窗尺度,逐渐逼近跟踪目标,实现对目标准确跟踪,最后采用多个实验对算法的性能仿真测试。仿真结果表明,相对其它的目标跟踪算法,本文算法不仅提高了运动目标的跟踪精度,而且加快运动目标跟踪速度,尤其对于严重遮挡目标跟踪问题,具有十分明显的优势,具有较强的鲁棒性。