H.264中多模式运动估计算法优化

针对H.264标准的多模式运动估计算法编码模式复杂、计算量大的不足,通过对H.264参考模型JM10中运动估计算法的分析,提出了一种利用时间、空间相关性的模式选择算法和结合一维绝对差值和(SAD,Sum of Absolute Difference)的高效匹配准则,将串行全搜索的运动估计算法改进为并行部分搜索的运动估计算法,把一维SAD和二维SAD匹配准则结合使用,从模式选择和编码速度两个方面对原算法进行优化.实验结果表明:与参考模型JM10的运动估计算法相比,提出的优化算法在恢复质量(用峰值信噪比表征)平均下降0.03 dB、码速率增加不超过1.5%的前提下,编码速率提高20%~30%,表明了该算法在恢复质量略有下降的情况下明显提高了编码速度.      

基于圆周相关扩频信号的快速捕获改进方法

针对大多普勒频偏、低信噪比条件下长周期伪码的扩频信号捕获问题,提出了一种基于圆周相关扩频信号的快速捕获改进方法。该算法对圆周相关后的结果利用快速傅里叶变换(FFT)进行频率估计,扩大了传统圆周相关法的扫频步进,使扫频步进不再受跟踪环路带宽的限制。理论分析及仿真结果表明,在信噪比为-34 dB、多普勒频率为500 kHz条件下算法可以正确地估计出伪码相位和多普勒频偏。在达到相同的灵敏度条件下,所提算法的平均捕获时间与传统的圆周相关法相比缩短了约47%,与基于FFT的并行频率搜索法相比缩短了约88%。另外,用于频率估计的FFT点数仅占圆周相关点数的1%,故额外增加的硬件资源很少。算法逻辑控制简单,尤其适用于大多普勒频偏、低信噪比及长周期伪码的卫星通信系统。     

改进的帧内帧间模式选择快速算法

为提高I帧和P帧的编码效率,H.264视频编码标准采用多模式帧内预测和多子块模式帧间预测,并选择率失真最优的模式进行编码,导致编码复杂度很高.为此,提出一种基于小波变换的帧内模式快速选择结合帧间预测下帧内模式预判断的算法.利用小波变换后的低频子图做帧内模式选择,由此预判断宏块中每个4×4子块可能的预测模式,使原来9次的代价函数计算减少到平均3.75次;使用去均值的差值平方和,预判断宏块是否选择帧间预测下的帧内编码模式,减少P帧编码时间.实验表明,改进算法在峰值信噪比降低不超过0.0644dB的情况下,编码速度平均提高19%左右.      

基于自适应搜索的快速运动估计算法

在MPEG和H.263的运动估计中,全搜索(FS)效果虽好但时间开销巨大,以三步搜索法为代表的一些快速算法不仅在搜索精度方面与FS相比有较大的差距,而且搜索时间仍不能满足实际的需要.提出的基于自适应搜索的快速运动估计算法(ASA)充分利用了视频序列运动矢量在空间分布上的中心偏置特性和相邻块运动的相关性,在大幅度提高搜索效率的情况下,得到了与全搜索非常接近的搜索效果.与现有算法相比,该算法具有高效、鲁棒性强的特点.      

海天混杂闪烁背景下运动点目标检测新方法

针对海天混杂闪烁背景及单像素运动点目标的特征,设计了海天相连区域快速定位及基于模式分类的环域全向差分扩展中-均值滤波的预处理算法,二次进行全向差分均值滤波后,利用基于直方图的自适应阈值分割得到初步侯选目标点.形态学滤波保留有效的单像素侯选点,最后进行帧间侯选目标点之间的相关性分析和目标短时丢失的直接再搜索.仿真实验采用两个实拍场景中加入单像素仿真目标生成的220帧图像,结果为:信噪比≥0.5时单帧检测率为91%,3帧以上的连续检测中检测率达到95%;对照组22帧不含仿真点目标,3帧以上的连续检测虚警数为0.      

基于方向自适应菱形搜索的运动估计算法

基于对运动矢量分布特性的研究,提出了一种基于方向自适应菱形搜索的运动估计算法.该算法对搜索起始点进行预测;设置"双阈值",针对匹配块提前中止搜索;并根据运动特征,自适应地选择小菱形模板和4种新型的方向自适应菱形模板,具有强烈的搜索方向性.实验结果证明,该算法不仅大幅度地减少了平均搜索点数,而且在一定程度上提高了重建图像的信噪比,其搜索速度和精度均优于传统的快速运动估计算法.      

数字电视大范围载波频偏快速捕获算法

根据中国数字电视地面传输标准帧结构特点,提出了一种大范围频率偏差捕获方法.该算法利用PN(Pseudo Noise)序列移位相加后仍为PN序列这一特征,通过帧头PN序列与本地PN序列的差分互相关得到待求的频偏值,然后利用BLUE(Best Linear Unbiased Estimator)方法,在不损失频偏精度的前提下扩大频偏估计范围.该算法能在帧同步前快速捕获大范围频偏,为可靠实现帧同步以及频偏跟踪过程提供了必要条件.仿真结果表明,相对于传统的差分互相关算法,该算法能在一个帧头时间内快速锁定频偏,频偏估计范围扩大了H倍且频偏精度不变.     

利用H.264中运动矢量实现运动目标检测

针对视频压缩和运动目标跟踪同时实现的应用,通过研究H.264压缩标准中运动矢量包含的图像运动信息并分析运动估计原理,提出了一种利用视频压缩中的运动矢量信息实现运动目标检测的方法,确立了H.264编码流中运动矢量与场景中物体运动状态的对应关系.将运动目标从背景中分离是检测算法的核心.对于双门限值的设置,可分离不同运动速度的目标;同时,算法排除了背景运动的干扰,因而可应用于摄像机运动的场合;由于检测算法所用的运动矢量直接来源于H.264编码过程,而大大降低了计算复杂度,利于硬件实现.     

一种面向H.264/AVC的快速帧内预测选择算法

为提高I帧的编码效率,最新的视频压缩编码标准H.264/AVC,在空间域上 从多个方向进行多种模式的帧内预测,并使用率失真优化算法选择最佳模式,算法复杂度很 高.为此,提出了一种快速的帧内预测算法.针对亮度块的模式选择过程,提出了基于图像 熵值和滑动窗口机制自适应地调整熵值阈值的方法对宏块模式进行预判;针对亮度模式中多 个预测方向的选择,充分利用中间结果,预先排除一些可能性小的预测方向;在亮度块和色 度块相结合的率失真统计中,改变算法结构,预先计算色度块最佳模式.实验结果表明,算 法在不降低图像质量的基础上,编码速度平均提高76%,码率平均增加2.6%.      

基于偏振约束的立体视频快速运动估计算法

分析了平行双目立体摄像系统的偏振约束特性,提出了一种基于偏振约束的立体视频快速运动估计算法.左通道和右通道分别作为基本层和增强层,对右通道结合视差估计和运动估计得到最优的运动矢量预测值初值,采用不同的运动搜索方法,确定右通道最终运动矢量.若最优的运动矢量预测值是由视差估计得到的左通道运动矢量,则根据偏振约束,左右通道图像对应编码块的运动矢量在垂直方向上的分量相等,因而右通道只在水平方向上进行小范围的运动估计搜索,从而大大降低了右通道运动估计的计算复杂度.实验结果表明,在相同条件下,采用该算法编码一帧图像的运动估计平均时间分别只有采用全搜索块匹配算法、钻石搜索法和三步搜索法的0.27,0.58和0.67倍,编码速度得到显著提高.     

压缩感知OFDM稀疏信道估计导频设计

为提高稀疏信道估计性能, 基于压缩感知(CS)理论, 研究了正交频分复用(OFDM)系统中的导频设计问题。由于已有方法不能准确衡量采样矩阵重建性能, 从而导致根据已有方法设计的导频具有较差的信道估计性能, 因此提出以互相关矩阵元素的立方和为准则准确评价采样矩阵的重建性能。针对OFDM系统信道估计导频设计为离散组合优化问题, 提出了一种并行完全树分组替换搜索算法用于搜索最优的导频。在算法的每次循环中, 先将导频索引集合分组, 再根据每一组替换的结果更新导频, 提出的方法扩大了导频搜索空间, 避免了导频搜索的局部最优问题。仿真结果表明, 提出的评价方法相比现有方法能够准确评价采样矩阵重建性能, 使用提出的准则设计的导频与现有互相关准则相比信道估计均方误差可减小约3 dB。同时, 所提出的导频搜索算法具有更快的收敛速度和最优的导频搜索性能。      

序列图像编码中的遗传优化块匹配算法

讨论了序列图像编码的运动估值算法。在剖析传统块匹配算法的基础上,针对其非全局最佳的缺陷,将遗传优化算法的思想应用于分层块匹配算法,提出一种遗传优化块匹配算法。算法分析和计算机模拟表明,此算法可较好地解决现有快速搜索算法中存在的非全局最小点问题,提高数据压缩效率,与穷尽搜索算法相比运算复杂程度明显减小。     

TDI-CCD遥感图像条带噪声的消除

针对TDI-CCD遥感图像固有条带噪声的灰度值在原始信息中变化比较缓慢的特 点及小波变换对奇异点检测的优越性, 提出了一种快速傅里叶变换和小波变换 相结合的方法来确定条带噪声频率点所在的位置, 采用改进的陷波滤波器对条 带噪声的频率成分进行消除. 另外, 提出一种基于提升小波变换的改进阈值 函数法, 用以消除图像的条带噪声. 实验结果表明, 在消除条带噪声方面, 改 进的陷波法优于改进的阈值函数法, 而改进的阈值函数法优于硬阈值函数和软 阈值函数法. 利用改进的陷波法消除条带噪声后, 图像的质量得到提高, 其PSNR达到46.4181dB, NMSE减小到0.00007, 相对基于提升小波变换的 几种阈值函数法, PSNR提高了3～4dB, 而NMSE则减小了 0.00007～0.00011. 本文提出的方法能较好地消除遥感图像的条带噪声, 同时能够较好地保持原图像的特征, 具有可行性.      

基于单帧图像质量加权的视频质量评价模型

利用人眼视觉特性与视频序列时空相关特性,提出了基于视频序列内单帧图像质量加权的视频质量评价模型.其中,单帧图像质量利用峰值信噪比和结构相似性度量作为图像质量的描述参数,采用神经网络(NN,Neural Network)与支持向量机(SVM,Support Vector Machines)建立图像质量评价模型;视频序列质量由序列内单帧图像质量加权衡量,加权因子描述了视频序列内运动及场景变化的剧烈程度.仿真实验结果表明,该模型的输出能有效地反映图像的主观质量.模型预测出的单帧图像质量和视频序列质量的单调性相比PSNR分别提高7.42%和10.47%,均方根误差相比则提高了36.06％和10.48%.      

时空域上下文学习的视频多帧质量增强方法

卷积神经网络（CNN）在视频增强方向取得了巨大的成功。现有的视频增强方法主要在空域探索图像内像素的相关性,忽略了连续帧之间的时域相似性。针对上述问题,提出一种基于时空域上下文学习的多帧质量增强方法（STMVE）,即利用当前帧以及相邻多帧图像共同增强当前帧的质量。首先根据时域多帧图像直接预测得到当前帧的预测帧,然后利用预测帧对当前帧进行增强。其中,预测帧通过自适应可分离的卷积神经网络（ASCNN）得到;在后续增强中,设计了一种多帧卷积神经网络（MFCNN）,利用早期融合架构来挖掘当前帧及其预测帧的时空域相关性,最终得到增强的当前帧。实验结果表明,所提出的STMVE方法在量化参数值37、32、27、22上,相对于H.265/HEVC,分别获得0.47、0.43、0.38、0.28 dB的性能增益;与多帧质量增强（MFQE）方法相比,平均获得0.17 dB的增益。      

结构引导的图像修复

针对粗网络引入先验知识较少使得补全的内容存在明显视觉伪影问题,提出了基于边缘结构生成器的两段式图像修复方法。采用边缘结构生成器对输入的图像边缘和色彩平滑信息进行特征学习,生成缺失区域的结构内容,以引导精细网络重构高质量的语义图像。通过在公开的图像修复基准数据集Paris Street-View上进行实验测试,结果表明,所提模型可对掩膜占比达50%的图像进行补全。在客观的量化评价指标上,峰值信噪比、结构相似度系数、L₁和L₂均值误差等数值整体优于EC、GC、SF等方法,其中,掩膜占比为0%~20%时,峰值信噪比指数达到33.40 dB,优于其他方法2.37~6.57 dB,结构相似度系数提高了0.006~0.138。同时,补全的图像纹理更清晰,视觉质量更高。      

单人行走运动参数估计方法

人体运动雷达微多普勒能够为目标识别提供特征。由于行人雷达回波的复杂性,从雷达回波中提取运动参数难度很大。为了实现目标精确识别,提出了一种估计单人行走平动速度、步态周期和步长的方法。首先应用广义S变换(GST)得到雷达回波的微多普勒谱,然后提取出躯干部位的微多普勒分量,并将此分量转为一维时间频率序列,最后从序列中直接估计行走的平动速度和步态周期,用这2个估计值间接估计步长。仿真实验证明:本文方法抗噪声性能好,当信噪比大于4 dB时,估计精度高。