导读:本文包含了运动估计算法论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:算法,步长,视频压缩,粒子,数据,低位,混沌。
运动估计算法论文文献综述
宋传鸣,闵新,谢维冬,尹宝才,王相海[1]（2019）在《采用2 b深度像素的弹性运动估计算法》一文中研究指出为降低传统弹性运动估计的计算复杂度,提出一种2 b深度像素的弹性运动估计方法.首先,利用Prewitt算子提取视频帧的梯度,借助梯度模长的均值和标准差将像素深度从8 b降采样为2 b.其次,引进基于位操作的矩阵乘法和基于比较操作的偏导运算,提出了2 b深度像素的弹性运动模型以及求解该模型的简化高斯-牛顿法,避免了黑塞矩阵及其逆矩阵的重复计算.同时,采用1阶线性逼近,得出阻尼步长与运动向量增量、运动补偿误差之间的函数关系以及初始步长的近似计算策略,进而以菱形搜索为初始搜索,给出了2 b深度像素的弹性运动模型的快速求解算法.实验表明:该算法的平均峰值信噪比和计算效率明显优于8 b全搜索、2 b全搜索和传统8 b弹性运动估计.(本文来源于《计算机研究与发展》期刊2019年11期）
张宸,朱娟,王连明,黄继鹏[2]（2019）在《基于非对称的叁步搜索算法的运动估计》一文中研究指出针对运动估计过程中传统的叁步搜索算法的时间复杂度高的问题,提出了基于非对称的叁步搜索算法的运动估计研究.首先将每帧图像按16×16的大小划分宏块作为压缩基本单元;然后,以当前宏块的中心点为中心,用非对称叁步搜索算法搜索最佳匹配块的中心点,得到运动矢量;最后,对运动矢量进行编码作为压缩存储数据.实验表明:此算法与传统的全搜索、叁步搜索算法相比,图像恢复后的信噪比相当;搜索时间比全搜索平均节约了67%,比叁步搜索算法平均节约了40%;搜索点数比全搜索平均减少了89%,比叁步搜索算法平均减少了6.5%.(本文来源于《沈阳大学学报(自然科学版)》期刊2019年03期）
李红杰[3]（2019）在《基于众核平台的运动估计算法性能优化研究》一文中研究指出近年来,视频应用蓬勃发展,已成为人们生活中不可或缺的内容。例如,随着短视频应用(“抖音”、“快手”等)的兴起,人们开始用视频来记录生活中的点点滴滴。但是视频具有存储容量大、传输速度缓慢的特点,而对于高清视频该特点更为明显。视频压缩是降低存储容量和传输速度需求的关键技术,该技术用于去除数据中的冗余信息,保留图像的关键信息,在保证视觉效果的前提下减少视频数据量。运动估计是视频压缩中的核心算法,也是最耗时的算法。因此,对运动估计算法进行性能优化,可以有效地提高视频压缩的执行效率,对于提高相关视频应用的性能具有至关重要的意义。国内外研究人员对运动估计的性能优化开展了大量研究,并取得了一定的成果,但是仍存在以下问题有待进一步解决和完善:(1)缺少对快速搜索算法的数据重用研究。运动估计算法的优化中,存在全搜索的数据重用策略研究,但是较少考虑到快速搜索运动估计算法运行时搜索数据的可重用性。虽然快速搜索算法比全搜索算法的搜索速度更快,但是因为其访存的不规则性,增加了存储器访问的次数,因此仍然需要花费较多的时间。(2)缺少对快速搜索运动估计算法扫描顺序的研究。在快速搜索运动估计的算法优化中,一般是对算法的搜索步骤进行优化,没有充分研究过算法扫描顺序。算法扫描顺序的不同在一定程度上会影响数据重用的效果,对算法的性能产生影响。针对以上存在的问题,本文开展深入研究,对运动估计的算法进行性能优化,主要研究内容和创新点如下:(1)针对快速搜索算法数据重用方法研究不足的问题,结合GPU平台的并行化特点,提出快速搜索运动估计搜索区之间的数据重用方法。在运动估计的算法搜索过程中,两个相邻块的搜索区存在重迭的数据。因此,可以根据运动估计算法相邻块搜索区域的数据重用范围,利用片上存储器存储可重用数据,减少访问片外存储器的次数,降低运行时间。为了提高重迭数据的利用率,本文提出一种面向快速搜索运动估计的数据重用方法。该方法对两个相邻块的搜索区之间的重迭数据进行重用,并将重迭数据进一步划分为两个部分:一个确定的数据重用区和一个可能的数据重用区。实验结果表明,提出的数据重用方法可以有效地减少快速搜索运动估计算法的运行时间,并且有利于降低片上存储器的功耗,是一种效率更高的方法。(2)针对快速搜索算法扫描顺序研究不足的问题,提出基于扫描顺序的快速搜索运动估计性能优化方法。根据全搜索运动估计算法的叁种不同扫描顺序,本文提出了针对于快速搜索运动估计的叁种扫描顺序,环形扫描顺序、弓形扫描顺序和Z形扫描顺序。然后以叁步搜索和菱形搜索为例,研究了不同扫描顺序的实现方法以及它们对数据重用效率的影响。通过对菱形搜索的实验表明,弓形扫描顺序相对于Z形、环形扫描顺序能有效减少运行时间,且峰值信噪比变化不大。(本文来源于《山东师范大学》期刊2019-06-10）
郭元元[4]（2019）在《基于GPU平台的全搜索运动估计算法优化研究与实现》一文中研究指出随着视频应用的快速发展,视频压缩技术越来越受到人们的广泛关注,它在视频存储、视频传输、网络监控及网络视频等领域具有重要意义。视频压缩可以有效减少视频序列中重复的数据信息,有利于降低存储和传输的视频数据量。帧间预测技术可用于寻找相邻帧之间的相同数据,其中运动估计算法是帧间预测技术与视频压缩技术中的核心算法之一。运动估计算法是指为当前帧中的当前块在参考帧中寻找其参考块的过程。在该过程中,需要对当前块进行大量的块匹配,所以块匹配的过程占整个算法大部分的时间。在GPU平台上实现运动估计算法可以有效加快算法的运行速度,降低算法的运行时间。目前已有部分研究工作基于GPU的片上存储器采用数据重用的方法对运动估计算法进行加速。针对国内外研究现状进行分析,其中存在的问题总结如下:(1)当前基于GPU的运动估计数据重用方法主要是在GPU的共享内存上进行相邻搜索窗之间的数据重用。一方面,现有的研究工作没有考虑其它的数据重用方法,当相邻搜索窗之间的可重用数据大于GPU共享内存时,无法采用该重用方法。另一方面,没有考虑利用GPU的其它存储器(例如寄存器)进行数据重用。(2)在基于GPU的运动估计算法的数据重用研究中,没有充分考虑将GPU的多层次存储架构与多种数据重用方法相结合,从而不能充分地利用GPU的片上存储资源进行最大限度的数据重用,也就不能更好的对运动估计算法进行加速。针对以上不足,本文展开深入研究,主要研究内容和创新点如下:(1)提出基于GPU多类型片上存储器的全搜索运动估计数据重用方法。将多种数据重用方法与GPU的多类型片上存储器相结合,一方面可用于选择适合片上存储大小的最快数据重用方法,另一方面可用于选择适合某种数据重用方法的最佳片上存储器。基于GPU的叁种片上存储器实现了四种数据重用方法,通过实验对它们进行了比较分析。(2)针对GPU存储架构的特点,提出了基于GPU多层次存储架构的数据重用方法。对GPU中不同层次的存储器分别采用不同的数据重用方式,例如将在寄存器中采用参考块之间的数据重用与在共享内存中采用参考块条带之间的数据重用相结合。该方法充分利用了GPU片上存储资源,提高了算法运行速度。本文描述了叁种不同的结合方式,并通过实验对它们进行了比较分析。(本文来源于《山东师范大学》期刊2019-06-10）
王雅[5]（2019）在《快速搜索运动估计算法的性能优化研究与实现》一文中研究指出近年来,随着互联网信息技术的迅速发展,人们对于视频信息的需求急速增长,因而对视频质量的要求也越来越高,提高视频质量变得尤为重要。然而,没有经过压缩的视频数据量巨大,难以进行存储和传输。视频压缩是用于消除冗余数据、减少视频存储和传输开销的一项关键视频应用。提高视频压缩的质量和效率,已经成为科研人员和业界关注的热点问题。在视频压缩时可采用帧间预测来去除帧序列中的时间冗余,而运动估计是用于帧间预测的一项核心技术。但是,运动估计算法非常耗时,大约花费70%的编码时间,并且对于高清晰度视频,该比率甚至更高。因此,降低运动估计的时间成本成为整个视频压缩过程得到加速的关键。运动估计算法分为全搜索算法和快速搜索算法。快速搜索算法虽然在速度上优于全搜索算法,但是由于快速搜索运动估计算法数据访问的不规则性,其搜索时间仍然较长。数据重用是提高运动估计算法性能的一种有效手段,国内外学者应用这一方法作了大量的相关研究。然而,目前针对于快速搜索运动估计的数据重用方法研究较少。本文以快速搜索运动估计算法的性能优化方法及其实现为研究目标,以一种典型的快速搜索运动估计算法TZSearch为研究对象,从同一个当前块的不同搜索步骤之间的数据重用和两个相邻当前块的搜索区域之间的数据重用两个方面展开研究工作。通过实验证明本文所提出数据重用方法可以有效地提高算法的运行效率。本文的创新点和贡献包括以下几个方面:(1)提出同一个当前块的不同搜索步骤之间的数据重用方法。结合TZSearch算法的搜索步骤,算法首先进行钻石搜索,然后再以上一步的搜索结果为中心进行光栅搜索,最后进行循环钻石搜索。根据算法的搜索过程,本文提出同一个当前块不同搜索步骤之间的数据重用方法,可以充分地利用搜索过程中数据重用区的数据,从而提高数据处理效率,降低算法的运行时间。本文首先分析了TZSearch运动估计算法及其数据访问特点。然后,分析算法在不同搜索步骤之间的数据重用范围。最后,将可重用数据保存在片上存储器以备后续搜索步骤中使用。在后续搜索步骤中可以直接从片上存储器中读取可重用数据,减少了对片外存储器的访问次数,加快了数据访问速度。实验结果表明,本文所提供的数据重用方法明显提高了TZSearch算法搜索的运行速度,最多将时间降低了62.02%。(2)提出两个相邻当前块的搜索区域之间的数据重用方法。结合TZSearch算法的搜索过程,本文提出两个相邻当前块的搜索区域之间的数据重用方法。该方法将搜索过程中数据重用区的数据在片上合理的利用起来,减少算法访问片外存储器的次数,降低算法的运行时间,进而提高数据处理效率。以TZSearch算法为例,本文首先分析了两个相邻当前搜索块在搜索过程中对应搜索区数据的可重用性,发现当两个相邻的当前块进行搜索时搜索区内的数据会发生重迭;然后预先将重迭区数据保存在片上存储器,以备后续搜索步骤中使用。在算法运行的过程中,可以直接在片上存储器中读取到视频图像重迭区域内的数据,仅需要访问片外存储器来搜索视频图像非重迭区域,从而减少了对片外存储器的访问次数,加快了数据访问速度。实验结果表明,本文所提供的数据重用方法明显提高了TZSearch算法的运行速度,最多将时间降低了54.79%。(3)优化方法的实现。在众核GPU平台上基于CUDA架构对运动估计算法进行性能优化,主要结合TZSearch算法的具体搜索特征和GPU的存储架构,运用数据重用这一优化方法对快速运动估计算法进行具体的分析与优化。通过对提出的优化方法进行实验,并且与相关的研究进行比较,测试提出的优化方法是否能得到最优的实验结果,最后将实验结果进行直观的展示。(本文来源于《山东师范大学》期刊2019-06-10）
梁仲华[6]（2019）在《基于群智能算法的运动估计》一文中研究指出随着科学技术的高速发展和人们日益增长的需求,视频处理技术的研究越来越受到了人们的重视。运动估计是视频压缩与编码过程中的重要环节,能够有效地减少视频序列中相邻帧之间的冗余。然而运动估计的运算量庞大,严重地影响了编码系统的整体性能,因此,运动估计一向都是视频处理技术的研究重点和热点。近十几年来,群智能优化算法因其优越的性能逐渐受到了人们的关注,同时为运动估计的研究开拓了一条新道路。为获取更好的块匹配运动估计性能,本文深入研究了群智能优化算法中性能较为优越的粒子群优化算法和蚁群优化算法,并提出了两种基于群智能优化的运动估计算法。经实验测试与验证,本文所提的两种算法其整体性能均优于经典的快速运动估计算法,其中,基于改进蚁群优化的运动估计算法其性能更为优越。本文的主要研究内容和创新点如下:1.深入研究了运动估计算法,并对几种经典的块匹配运动估计算法进行了分析与总结。2.提出了基于混合粒子群的运动估计算法。该算法在保留系统随机搜索性能的同时根据运动矢量分布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优化算法迭代寻优,其中混沌序列被用于优化差分进化算法的变异算子。通过相同点排查方案和恰当的终止策略有效地降低了算法的运算复杂度。经实验测试与验证,该算法在搜索精度和搜索速度中达到了一种动态平衡的状态,其整体性能比经典的快速运动估计算法要好。3.提出了基于改进蚁群优化的运动估计算法。根据蚁群优化算法的特点,为蚁群设计了特有的搜索方式和初始搜索点群,并根据改进的概率转移公式迭代寻优。通过随机二维扰动策略提高了算法的搜索能力并加入了猴群算法的翻过程以改善蚁群在较差区域中的移动。以蚁群优化算法的禁忌表为基础设计了相同点排查方案,同时配合恰当的终止策略进一步降低了算法的运算复杂度。该算法实现了较高精度和较低运算复杂度的块匹配运动估计技术。(本文来源于《桂林电子科技大学》期刊2019-06-01）
郑运昌,张连连,张红岭,张克辉,黄晓英[7]（2019）在《基于块匹配的视频帧间运动估计算法研究》一文中研究指出运动估计是预测视频帧序列的关键办法,通过运动估计所得的视频帧间的运动矢量是衡量运动估计效果的重要评价标准。本文首先介绍了基于块匹配的预测点选择办法,然后对比了全搜索、叁步搜索法、菱形搜索法几种常用搜索模板的性能优缺点,为将来的进一步研究打下了基础。(本文来源于《科学技术创新》期刊2019年11期）
凃玲英,王塬鹏,秦杰杰,李儒彬,王锐[8]（2019）在《采用运动矢量的视频快速运动估计算法》一文中研究指出提出了利用运动矢量来解决视频编码时间过长的观点。结合H.264标准的UMHexagons算法,在起始点预测和搜索模板部分做出了优化,能够有效地降低搜索过程中的搜索点,提高视屏编码效率。通过对5种运动程度不同的视频序列进行测试,实验证明,对比原算法,优化后的算法视频的信噪比只下降了0.01～0.02dB,运动估计时间却减少了10%～30%。(本文来源于《湖北工业大学学报》期刊2019年02期）
覃远年,梁仲华[9]（2019）在《基于混合粒子群算法的运动估计研究》一文中研究指出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。(本文来源于《计算机工程与科学》期刊2019年04期）
王岩,朱娟,王连明,黄继鹏[10]（2019）在《基于时空域相关预测的步长自适应运动估计算法》一文中研究指出为了更好地消除视频中空间和时间冗余,快速并有效地获得足够精度的运动矢量,本文提出一种改进的自适应十字搜索算法。本文算法利用时间空间域相关来预测当前块的运动矢量,对于视频的边缘图像采取固定小步长来进行十字搜索,对于图像的非边缘部分则采取由粗到精的方式进行搜索,搜索模板的自适应臂长为预测得到的目标运动矢量的横纵坐标的最大值。通过实验仿真比较传统的自适应十字搜索算法及其他几种经典的运动估计算法,结果表明本文算法增强了搜索预测的准确性,减少了平均每块搜索的次数,提高了搜索速率。(本文来源于《计算机与现代化》期刊2019年04期）
运动估计算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对运动估计过程中传统的叁步搜索算法的时间复杂度高的问题,提出了基于非对称的叁步搜索算法的运动估计研究.首先将每帧图像按16×16的大小划分宏块作为压缩基本单元;然后,以当前宏块的中心点为中心,用非对称叁步搜索算法搜索最佳匹配块的中心点,得到运动矢量;最后,对运动矢量进行编码作为压缩存储数据.实验表明:此算法与传统的全搜索、叁步搜索算法相比,图像恢复后的信噪比相当;搜索时间比全搜索平均节约了67%,比叁步搜索算法平均节约了40%;搜索点数比全搜索平均减少了89%,比叁步搜索算法平均减少了6.5%.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
运动估计算法论文参考文献
[1].宋传鸣,闵新,谢维冬,尹宝才,王相海.采用2b深度像素的弹性运动估计算法[J].计算机研究与发展.2019
[2].张宸,朱娟,王连明,黄继鹏.基于非对称的叁步搜索算法的运动估计[J].沈阳大学学报(自然科学版).2019
[3].李红杰.基于众核平台的运动估计算法性能优化研究[D].山东师范大学.2019
[4].郭元元.基于GPU平台的全搜索运动估计算法优化研究与实现[D].山东师范大学.2019
[5].王雅.快速搜索运动估计算法的性能优化研究与实现[D].山东师范大学.2019
[6].梁仲华.基于群智能算法的运动估计[D].桂林电子科技大学.2019
[7].郑运昌,张连连,张红岭,张克辉,黄晓英.基于块匹配的视频帧间运动估计算法研究[J].科学技术创新.2019
[8].凃玲英,王塬鹏,秦杰杰,李儒彬,王锐.采用运动矢量的视频快速运动估计算法[J].湖北工业大学学报.2019
[9].覃远年,梁仲华.基于混合粒子群算法的运动估计研究[J].计算机工程与科学.2019
[10].王岩,朱娟,王连明,黄继鹏.基于时空域相关预测的步长自适应运动估计算法[J].计算机与现代化.2019
论文知识图
