基于H.264的帧间运动估计算法研究与改进

来源 :武汉理工大学 | 被引量 : 1次 | 上传用户:xinglink
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着数字化技术、网络信息技术以及多媒体通信技术的不断发展,视频图像的传播越来越广泛,传输的信息量也逐渐增大,因此对视频文件进行压缩编码成为视频领域的研究热点。H.264标准是ITU-T的VCEG和ISO/IEC的MPEG组成的JVT联合开发的视频编码国际标准。H.264标准在视频压缩方面提供了很好的技术支持,具有较高的编码效率和良好的编码性能。运动估计技术是视频压缩编码的核心技术之一。运动估计和运动补偿技术能够消除视频中的时间冗余提高编码效率。然而H.264标准中运动估计实现的运算量都非常大,这使得视频编码的实时实现效果并不理想。因此研究设计出高效、快速的运动估计算法对提高视频压缩编码的性能具有重要意义。论文所研究的运动估计算法是目前为止应用最为广泛的块匹配算法。论文的主要任务是在分析和研究基于H.264标准的经典帧间运动估计算法的基础上提出改进的算法。论文首先描述了H.264视频编码标准、H.264标准与其他国际编码标准的比较及各种标准的优缺点,接着介绍了H.264标准相关的关键技术,如:熵编码、整数变换和量化、SP帧和SI帧、帧内预测和帧间预测等。然后对基于块匹配的运动估计算法的原理进行了阐述,并详细介绍了几种经典的块匹配运动估计算法包括全搜索法和几种快速搜索法,分析了这些算法的原理和流程并进行了比较,评价了各个算法的优缺点。通过对几种经典算法的研究,论文提出了一种基于六边形搜索算法的改进算法,改进算法利用运动矢量中心偏置的特性和SAD值沿某一方向变化的特性将六边形搜索算法的初始模板改为十字形模板消除了局部最优的缺陷,并将六边形模板改为八边形模板,由上一步的MBD值判断只搜索八边形模板某一方向的四个点,总体上减少了平均搜索点数,减小了计算复杂度从而提高了运动估计的速度。最后在H.264参考模型JM平台上进行了仿真实验,通过对几种算法进行实验,根据实验数据进行分析、比较,验证改进的搜索算法无论在搜索速度还是在搜索的准确性方面都比其他的经典块匹配算法有一定的改善,因此改进的算法有效的提高了编码的效率。
其他文献
人群动画合成研究始于上世纪80年代初,至今已取得了较大的发展,并在影视制作、视频游戏、军事仿真、公共安全等诸多领域得到了成功应用。随着以GPU为代表的计算机硬件性能的快
随着科技的不断发展和进步,计算机网络也逐渐成为了人们生活中不可缺少的部分。然而计算机网络却是危机四伏的,每天都有成千上万次的网络攻击事件发生,同时新的攻击手法也是
随着计算机网络以及流媒体技术的迅猛发展,视频压缩技术也跟着受到与日俱增的重视,各种视频标准成为了当今的研究热点。H.264视频编码标准是当今最流行的国际标准,在原有的H
传统的流媒体架构在可扩展性、成本控制、部署难易程度等方面存在诸多问题,限制了大规模流媒体应用的部署。对等网络(Peer-to-Peer, P2P)与流媒体技术相结合,产生了P2P流媒体
如今这个技术时代每分每秒都在产生大量数据,对PB、EB甚至ZB的存储需求并不难见,数据的量级也在不断突破我们的想象。个人或企业搭建属于自己的私有云存储服务需要巨大的前期投入以及后期维护成本,而公有云存储服务更加符合目前大部分个人和中小型企业的需求。公有云存储服务的使用者只需要向服务提供商支付少量费用即可获得高度可靠性、鲁棒性和扩展性的云存储服务。目前,许多公司提供的云存储服务需要用户提前支付费用以
学位
教育观念的提升,学习方法的多样化,使社会对教学模式的需求大大提高。而计算机网络发展迅猛,即时通讯技术日新月异,又为多媒体远程教育系统奠定了技术和理论基础。网络白板,
IB(Information Bottleneck)方法起源于率失真理论,是一种有效解决复杂优化问题中数据压缩和信息保存的方法学。在机器学习领域中,IB方法多用于模式提取,并形成了多个版本的I
随着计算机通信网络、流媒体和压缩等技术的发展和应用,数字内容服务己成为软件产业乃至整个信息产业中发展最快、最具市场前景的领域。但是数字内容很容易就被复制、篡改和
稀有类分类问题是数据挖掘与机器学习的一项难点任务,在典型的二元分类问题中,稀有类(或正类)的样本数远小于多数类(或负类)的样本数。传统的分类方法倾向于最小化训练误差,
图像的两大基本特征是颜色和形状,研究表明大脑对颜色和形状的处理是分开进行的,为了最后识别图像大脑必须把颜色和形状最终进行特征绑定。脑认知一直以来是人们的研究热点,