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.      

H.264中多参考帧快速运动估计算法

针对H.264的运动估计计算量太大的问题,通过研究并验证视频多帧参考时的运动连续性,提出了一种基于有效区域的快速运动估计算法(VRF,Valid-Region-based Fast Motion Estimation). 该算法在第一个参考帧中用三步搜索(3SS,3-Step Search)快速估计整像素精度运动矢量, 并以此定义一个有效区域, 参考其它帧时, 在该有效区域内作改进的3SS估计; 然后选择最佳参考帧; 最后在所选择的最佳参考帧的有效区域内作全搜索和相应的分数像素精度估计. 实验证明, 和H.264全搜索相比, 本算法的运动估计搜索点数降低了82%以上, 而恢复质量(用峰值信噪比(PSNR,Peak Signal to Noise Ratio)表征)平均只下降0.24 dB,且码速率只增加8.81%; 和另一个经典的帧选择快速算法相比, 本算法的搜索点数降低了39%,且码速率平均下降了5.17%, 而恢复质量只下降0.08 dB.      

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.      

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.      

基于FPGA的可变尺寸块运动估计高效结构

针对可变尺寸块运动估计(VBSME,Variable Block-Size Motion Estimation)的硬件结构在现场可编程门阵列(FPGA, Field Programmable Gate Array)上实现时消耗资源多且速度慢的问题,提出了一种面积和速度优化的VBSME硬件结构.其中,绝对差累加和(SAD,Sum of Absolute Differences)的计算采用基于随机存储器(RAM,Random Access Memory)的累加计算方式,比基于寄存器合并的方式节省了面积并增加了速度;通过采用脉动比较链而非总线结构,增强了多个SAD值的比较能力,并能高效地实现对部分差排除算法(PDE,Partial Difference Elimination)的支持.基于Virtex-II型FPGA器件,本结构消耗了2261个slice,时钟频率达到164MHz,在搜索窗口为16×16时可实时处理标清格式的视频.与同类设计相比,设计的面积可减少77%,速度增加218%,FPGA的硬件效率显著提升.     

一种基于角点引导的快速立体边缘匹配方法

提出了一种新的基于角点引导的快速立体边缘匹配方法.在匹配过程中,为了保证其快速性引入了两种新约束:角点约束与边缘约束.首先,利用匹配的角点信息引导边缘的匹配,对如何利用已匹配的角点引导边缘匹配进行了详细的阐述,同时,在引导过程中提出了只利用8个方向的区域扩张方法,进一步保证快速性.其次,提出边缘约束实现点与点的匹配,使搜索范围仅限制在几个像素内,再利用极线约束实现点的匹配,必要时可结合灰度相关约束.结果表明:该算法取得比较好的匹配效果,引入的两种约束在很大程度上提高了速度和正确率,边缘点匹配的正确率高达97%以上.      

一种面向无线视频流的包调度算法

以终端系统为研究对象,给出了一种端到端的无线网络视频流系统结构.在一个GOP(Group Of Picture)中,各个视频包VP(Video Packet)对视频解码质量影响不同,据此定义了视频帧 的重要性系数.在此基础上提出了一种基于视频帧重要性的无线视频流包调度算法WV SPSA(Wireless Video Streaming oriented Packet Scheduling Algorithm),该算法能够根据视频帧的重要性动态调整视频帧的发送次序.仿真结果表明,所提出的视频流系统结构合理,WVSPSA算法性能优于目前主流的EDF(Earliest Deadline First )算法.      

基于区间估计与透射率自适应约束的去雾算法

针对去雾算法透射率估计不足与结果偏色等问题,提出了一种基于最小通道区间估计与透射率自适应约束模型的图像去雾算法。首先,采用不同尺寸最大值操作得到有雾图像的亮通道,并结合均值处理和频域滤波得到大气光估计;其次,从大气成像理论出发,以有雾图像最小通道为约束,分别以平面模型和自适应映射模型拟合无雾图像最小通道上下边界,并获得无雾图像最小通道和透射率初始估计;最后,对透射率作滤波平滑与自适应边界约束,得到优化透射率,并根据大气散射模型得到复原结果。实验表明:所提算法复原结果颜色自然、亮度适宜、去雾彻底、细节信息丰富且时间复杂度较低,有效解决了透射率估计不足和偏色等问题。      

基于视频帧间运动估计的无人机图像车辆检测

基于人工智能(AI)芯片搭建轻量化深度神经网络,可以在无人机(UAV)机载端实现视频中车辆目标的自动检测,具有重要的应用前景。为此,提出了一种针对无人机图像车辆目标的检测方法,并在AI芯片上进行部署与测试。方法具体包括:结合无人机图像中车辆目标的尺寸范围,对MobileNet-SSD网络进行裁剪,构建轻量化单帧图像检测器;为解决小目标特性在轻量网络框架下引发的检测性能下降问题,引入帧间运动矢量估计,根据相邻帧信息辅助预测当前帧丢失目标的位置范围,并利用检测结果进行修正,实现丢失目标的再召回。通过对多个数据集进行融合与自动补充标注,搭建了一个高质量的无人机图像车辆目标数据集;同时将方法在基于RK3399芯片计算的嵌入式开发平台上进行实验验证,结果表明:搭建的网络能够显著减少存储资源占用,具有轻量化的特点;同时相比于单帧检测法,引入视频帧间运动估计方法可以有效提高检测精度,并在AI芯片上实现125.3 ms/帧的检测速度。      

多网络约束下NNS分布式融合估计器设计

针对节点量测增益衰减、节点能量受限与系统模型不确定3种网络约束下具有随机通信时滞和非固定丢包率的组网导航系统(NNS)分布式状态融合估计问题,将增益衰减程度描述为统计特性已知的随机变量,将模型不确定描述为系统矩阵中的乘性有色噪声,将减小能耗描述为降低节点数据传输率。分别在邻节点端和目标节点端引入2种不同的线性编码器以解决丢包与时滞问题。建立丢包率与同时传输信息的节点数目之间的函数关系,将邻节点在过去有限个时刻的量测值进行线性编码后再传输,以补偿丢包与降低传输率导致的信息损失。目标节点把在同一采样周期内获取的来自同一邻节点的多个量测值按时间戳进行线性编码,以解决通信时滞导致的信息多余。基于2次线性编码建立增广系统模型,设计最小方差意义下局部无偏估计器,利用最优矩阵加权融合法得到全局融合估计器,推导得到融合估计误差协方差收敛的充分条件及次优传输率。通过算例仿真验证所提算法的有效性。     

基于模板匹配整帧屏幕视频帧内无损编码方法

当前主流的视频压缩标准,如H.264、HEVC等,主要是针对摄像机拍摄的视频而设计的.而屏幕内容(SC)的视频是由计算机生成的,无噪声,要求更高的压缩效率,同时与摄像机拍摄的视频相比包含更多的结构相似性.提出了一种利用屏幕视频中相似性的模板匹配帧内编码方法,采用由21个像素点组成的模板,以像素点为最小单位对整帧进行模板匹配,并使用哈希函数实现高效的模板查找,最后对残差图像进行熵编码.实验结果显示,与标准的HEVC扩展方法相比,该方法在无损编码上压缩率可以提高一倍,编码时间减小了近一半.      

基于扩展卡尔曼滤波的舰机相对位姿估测

通过将基于扩展卡尔曼滤波的长序列图像分析方法与单目视觉技术相结合,把无人机自主着舰视觉导引中舰机间相对位姿的估测,转化为机载摄像机对着舰靶标平面3D位姿的实时估测问题.首先根据透视投影理论,建立了以摄像机的透镜中心为原点且Z轴与光轴重合的摄像机坐标系和世界坐标系,然后利用机载摄像机连续拍摄的靶标图像序列,选择描述相对运动的3个欧拉角、平移向量及它们的速度作为状态变量;由靶标角点的提取和帧间匹配,建立了反映着舰靶标上特征点的图像坐标和状态变量之间关系的观测方程,带入扩展卡尔曼滤波器,估测出舰机的相对运动参数.计算机数据仿真和基于DSP平台的半实物仿真试验验证了算法的有效性和鲁棒性.