CN103237222A - 多模式搜索的运动估计方法 - Google Patents
多模式搜索的运动估计方法 Download PDFInfo
- Publication number
- CN103237222A CN103237222A CN2013101660875A CN201310166087A CN103237222A CN 103237222 A CN103237222 A CN 103237222A CN 2013101660875 A CN2013101660875 A CN 2013101660875A CN 201310166087 A CN201310166087 A CN 201310166087A CN 103237222 A CN103237222 A CN 103237222A
- Authority
- CN
- China
- Prior art keywords
- search
- point
- motion vector
- zone
- ibest
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明公开了一种多模式搜索的运动估计方法，采用基于块匹配方法与多种搜索模式相结合，利用运动矢量分布特性，综合应用多种搜索模式，改善运动搜索策略，充分利用搜索范围和搜索点，获得最佳运动矢量，本发明的运动估计方法考虑方向的自适应性，根据运动的方向性划分搜索区域，减少搜索点数。本发明的方法保持了原有的率失真特性，节省了时间开销，缩短了运动估计时间，提高了视频系统的压缩性能。本发明应用于视频图像处理领域。
Description
技术领域
本发明涉及多模式搜索的运动估计方法，属于视频编码的技术领域。
背景技术
多媒体技术给当今社会人类生活和生产带来了极大的方便，人们希望通过一种更直观的方式获取信息，据统计，人类在日常生活中获取信息的60%通过视觉感知，视频系统的核心在于视频数据的处理，视频数据不同于简单的数据，其特点是信息量大，如果对视频信息不作任何处理，将会给视频传输和存储造成很大的压力，采用视频压缩技术可节省存储空间，同时视频编码时间直接影响视频处理的效率。
视频压缩编码耗时主要集中在运动估计部分，运动估计的计算量占整个编码计算的很大比重，更高效、更快速是研究运动估计方法的目标。目前运动估计搜索方法主要有以下几种：块匹配法、像素递归估计法、亚像素运动估计法、贝叶斯估计法、基于光流方程的算法、多分辨率运动估计法等。其中，块匹配法（Block Match Algorithm，BMA）因算法实现简单和便于硬件实现等优点，应用比较广泛。
运动估计的目标在于获得最佳匹配，得到相对应的运动矢量MV，MV质量的好坏直接影响编码效果和图像质量。在现有的块匹配运动估计算法中，全搜索算法是最直接的运动搜索方法，在此基础上研究的改进快速方法如三步搜索法及新三步搜索法、四步搜索法、菱形搜索算法、基于块的梯度下降算法等，还有一些利用运动矢量特性提出的十字菱形法、十字交叉六边形法、非对称十字型多层次六边形格点搜索算法等。
全搜索算法搜索精度最高，但是运算量大、复杂度高、耗时；三步搜索法是一种比较典型的快速搜索法，与全搜索方法相比，大大降低了复杂度和计算量，但起始搜索点和搜索步长的选择容易导致搜索结果取得局部最优，当运动量较小时，运动性能不佳；钻石搜索法对搜索步数不限制，搜索时考虑各个方向，使用LDSP进行粗定位，最后使用SDSP进行精确定位，该方法可避免搜索陷入局部最优，性能较优，且下一步搜索时无需计算模板的所有点的匹配值，搜索速度提高，但对于运动相对较大的视频序列，在搜索的过程中会产生大量的冗余点；六边形搜索法具有菱形搜索法的优点，但比菱形搜索需要更少的检测点，提高了搜索效率，充分考虑了搜索精度和速度。
综上，运动估计的研究一方面降低方法的复杂度，获得运动矢量，另一方面尽量保证图像质量，不影响主观视觉效果。
发明内容
本发明所要解决的技术问题是，提供一种多模式搜索来进行运动估计的方法，采用基于块匹配方法与多种搜索模式相结合，利用运动矢量分布特性，综合应用多种搜索模式，改善运动搜索策略，同时考虑方向的自适应性，根据运动的方向性划分搜索区域，减少搜索点数。
本发明是通过以下技术方案实现的，本发明的多模式搜索的运动估计方法，其特征在于，该方法包括以下步骤：
步骤一：静止块判断：计算当前块零矢量位置（0，0）的SAD值，与预先设定的阈值进行比较，若小于该阈值，则停止搜索，无需进行起始点的预测，转至步骤七，零矢量位置对应的运动矢量记为最优匹配；若大于该阈值，则转至步骤二；
步骤二：搜索起始点预测：利用相邻块的相关性预测起始搜索点，计算各点的SAD值并进行比较，选取SAD值最小对应的点记为最优匹配点，在此利用现有的提前终止准则计算判决阈值TH，TH＝(1+调节因子)×预测的SAD值，其中，调节因子分别为根据当前块大小设定的两个常数数组，分别为较小的第一调节因子和较大的第二调节因子，根据第一调节因子和第二调节因子分别计算出阈值TH1、TH2；若SAD值小于TH1，转至步骤六（b）；若SAD值小于TH2，转至步骤六（a）；否则转至步骤三；
步骤三：非对称十字搜索：以步骤二得到的搜索结果为中心，采用非对称十字搜索，计算处理方法同上一步，若SAD值小于TH1，转至步骤六（b）；若SAD值小于TH2，转至步骤六（a）；否则转至步骤四；
步骤四：方向性扩展菱形搜索：以步骤三得到的SAD最小值的点为中心，在5×5正方形区域内先进行对称十字搜索，计算9个点的SAD值，根据最小SAD值的点所在半轴确定方向，若该点在水平方向，采用水平扩展菱形搜索；若在垂直方向，采用垂直扩展菱形搜索，得到最优运动矢量；
步骤五：自适应方向的多层八边形搜索：采用多层八边形模板搜索，该模板考虑方向性，根据上一步得到的运动矢量确定运动方向趋势，在各自的划分区域进行搜索，同时考虑搜索空点的加入，得到最优点；
步骤六：（a）小六边形模板搜索：以上一步得到的最优点为中心进行小六边形模板反复搜索，直至最优点位于六边形中心，转至步骤（b）；（b）小菱形模板搜索：以转入该步骤之前得到的最优点为中心进行小菱形反复搜索，直至最优点位于菱形中心；
步骤七：得到最佳匹配点，获得最佳运动矢量，停止搜索。
步骤五中，根据步骤四中得到的最优运动矢量的方向，将后续搜索范围在360度范围内沿轴向均匀分成四个区域，分别记为A1、A2、A3及A4，根据运动矢量的方向性特征，将下一步的搜索范围确定在各自区域中，忽略其它区域的点，直接在该区域进行搜索，减少搜索点数。
所述最优运动矢量记为iBest，水平方向和垂直方向的坐标分别记为iBest.mv_x和iBest.mv_y，令m=abs(iBest.mv_y/iBest.mv_x)，
（1）若m>1且iBest.mv_y>0，运动矢量方向处于A1区域；
（2）若m<1且iBest.mv_x<0，运动矢量方向处于A2区域；
（3）若m>1且iBest.mv_y<0，运动矢量方向处于A3区域；
（4）若m<1且iBest.mv_x>0，运动矢量方向处于A4区域；
根据上述判断的结果确定出一区域，在该区域中进行搜索。
每个区域进行多层搜索，且在每层中增加多个空点进行搜索，得到最优点。
现有的提前终止准则计算判决阈值TH及对调节因子的设定，在文献ZhiboChen,Peng Zhou,Yun He,“Fast Motion Estimation for JVT”,JVT-G016.doc,Joint Video Team(JVT)of ISO/IEC MPEG and ITU-T VECG,7th meeting,PattayaⅡ,Thailand,7-14March,2003中进行了更详细的阐述，本方案仅利用其研究的结果，将提前终止准则计算判决阈值TH应用到本方案中，对现有的提前终止准则计算判决阈值TH的公式及对调节因子的设定理论及过程不做进一步探讨。
本发明所产生的有益效果：
采用该方法保持了原有的率失真特性，节省了时间开销，缩短了运动估计时间，提高了编码效率，有效提高了视频系统的压缩性能。
附图说明
图1a为水平扩展菱形搜索示意图；
图1b为垂直扩展菱形搜索示意图；
图2a为扩展六边形模板示意图；
图2b为八边形模板示意图；
图3a为划分区域示意图；
图3b为自适应方向的八边形搜索示意图；
图4a-图4d为仿真结果示意图。
具体实施方式
下面结合附图对本发明作进一步描述。
实施例1
如图1a、图1b所示，在进行非对称十字搜索和对称十字搜索后，若得到的最优点在搜索中心，则停止搜索；否则需继续搜索。若最优点不在中心位置，则必定在四个方向的半轴上，在各自对应的半轴附近区域进行下一步的搜索，一般菱形搜索（Diamond Search，DS）是搜索中心的上下左右点，为扩大搜索范围，将菱形进行扩展，水平方向或垂直方向扩大一倍，采用扩展菱形搜索（Expand Diamond Search，EDS）模型每次只需增加两个搜索点，根据搜索点所在的方向和半轴分为以下两种情况：
（1）若对称十字搜索后，获到的最优点落于水平方向，则将该最优点作为中心，下一步使用水平扩展菱形搜索模型（如图1a），增加的两个搜索点是与中心点相邻的上下两个点，图1a中白色点不列入搜索范围；
（2）若对称十字搜索后，获到的最优点落于垂直方向，则将该最优点作为中心，下一步使用垂直扩展菱形搜索模型（如图1b），增加的两个搜索点是与中心点相邻的左右两个点，图1b中白色点不列入搜索范围。
虽然该实施例仅增加两个搜索点，但是在该5×5范围内，应用此模板搜索的点都需进行SAD值的比较，计算出的最小SAD值所对应的即为获得的最优运动矢量。
实施例2
在实施例1之后，仍不能确定最佳匹配点所处位置，有关文献提出了非均匀多层六边形网格搜索方法，每层搜索过程中都会进行是否提前终止的判断，其中扩展六边形（Expand Hexagon Search，EHS）模板如图2a所示，该模型每次搜索16个点，搜索四层，总共64个点。运动矢量的分布一般在圆形区域内，虽然16格点六边形的网格已趋于圆形，但是八边形更趋于圆形，本方案中采用八边形与六边形搜索相比，搜索模型更优，八边形模板如图2b所示。图2a与图2b表明八边形的外轮廓比六边形更加接近圆形，搜索点数为12，每层虽然减少4个搜索点，但是若继续进行与非均匀多层六边形网格类似的搜索，总的搜索点数也是相当可观的，其中不可避免存在大量的冗余搜索。
考虑到运动矢量的方向性问题，运动矢量通常集中在搜索范围内某个位置附近，将后续搜索范围分成如图3a所示的四个区域，分别记为A1、A2、A3及A4，根据运动矢量的方向性特征，将下一步的搜索范围确定在各自区域中，即可忽略其它区域的点，直接在该区域进行搜索，无需进行整个360度范围内的全方向搜索，此方法可大大减少搜索点数。其中判断视频序列的运动方向趋于哪一区域的方法如下：
将上一步方向性扩展菱形搜索得到的最优运动矢量记为iBest，水平方向和垂直方向的坐标分别记为iBest.mv_x和iBest.mv_y，令m=abs(iBest.mv_y/iBest.mv_x)（假设中心点为零矢量（0，0）位置）。
（1）若m>1且iBest.mv_y>0，运动矢量方向处于A1区域；
（2）若m<1且iBest.mv_x<0，运动矢量方向处于A2区域；
（3）若m>1且iBest.mv_y<0，运动矢量方向处于A3区域；
（4）若m<1且iBest.mv_x>0，运动矢量方向处于A4区域。
各区域搜索模板如图3b所示，每个区域同样进行四层搜索，搜索长度为搜索范围的1/4，图3b所示的八边形模板12个搜索点被平均分在四个区域，每个区域为3个点，从图3b可观察出，在A1区域（其它三个区域采用相同的方法），m1、m2、m3及m4这四个点是未被搜索到的点（图中正方形的点），为了使搜索结果更为准确，得到更为精确的运动矢量，考虑将空点（图3b中正方形点）加入搜索，且每层仅增加了四个空点，在每个搜索区域搜索点数总共为7×4=28，较之非均匀多层六边形网格方法搜索的64个点，搜索点数大大减少。
实施例3
为了进一步说明本发明的方法，以一仿真实例对本发明的方法进行性能分析。仿真选用H.264官方测试JM参考模型，选取三种运动剧烈程序不同的标准测试序列，分别为：运动相对平缓的akiyo序列，运动一般的foreman序列和运动较为激烈的mobile序列，视频格式为QCIF（176×144），实现基本档次的编码器，主要参数设置如下：采用CAVLC熵编码，编码序列为IPPPP，参考帧为一帧，量化参数QP分别为16、20、24、28，取前100帧进行编码测试。
不同搜索策略及量化参数QP下，对各序列编码时间、运动估计时间、PSNR值、帧率及码率进行统计比较，统计与比较结果分别如表1和表2所示，表1中搜索方法1为非均匀多层六边形法，搜索方法2为本发明方法。
表1编码统计数据表
表2本发明方法各序列编码时间及运动估计时间节省率、帧率提高比例
由表1和表2可以看出，不同的视频序列在本发明方法与非均匀多层六边形法进行编码比较时，编码时间、运动估计时间大大减少，帧率提高，而PSNR变化范围极小，几乎与原来的视频没有很大的质量差别。仿真测试中发现本发明方法对mobile这种运动较为剧烈的视频序列效果优于运动缓慢的akiyo序列，对于akiyo序列，编码时间节省约为1%，运动估计时间节省为5%左右，而对于mobile序列，编码时间节省为20%左右，运动估计时间节省率甚至接近50%，帧率的提高也随着序列剧烈程度的增加而增加。
峰值信噪比（PSNR）一般是评价压缩好坏的客观标准，对序列分别取4个不同的量化参数（16、20、24、28），产生不同的输出码率，获得不同的率失真点，图4a所示为foreman序列使用不同搜索策略进行运动估计时的率失真RD特性曲线比较图，PSNR只考虑亮度部分。从图4a可以得出，本发明算法率失真性能基本保持不变，在某些点率失真性能还会有小幅度的提高。
由图4b和图4c可以更直观地看出，在同一量化系数下，此处QP=28，本发明算法在编码与运动估计方面所需时间明显减少。图4d所示为三个序列在不同算法下的帧率比较。
从以上仿真结果可以得出，应用本发明算法运动估计搜索时间大大减少，但不影响视频图像质量，PSNR值基本保持不变，在很小的率失真变化的情况下，编码系统的运动估计时间减少，运行速度大大提高，并且对复杂运动序列的改进效果优于运动复杂度低的序列，由此运动复杂度高的序列效果比较明显。
Claims (4)
1.多模式搜索的运动估计方法，其特征在于，该方法包括以下步骤：
步骤一：静止块判断：计算当前块零矢量位置（0，0）的SAD值，与预先设定的阈值进行比较，若小于该阈值，则停止搜索，无需进行起始点的预测，转至步骤七，零矢量位置对应的运动矢量记为最优匹配；若大于该阈值，则转至步骤二；
步骤二：搜索起始点预测：利用相邻块的相关性预测起始搜索点，计算各点的SAD值并进行比较，选取SAD值最小对应的点记为最优匹配点，在此利用现有的提前终止准则计算判决阈值TH，TH＝(1+调节因子)×预测的SAD值，其中，调节因子分别为根据当前块大小设定的两个常数数组，分别为较小的第一调节因子和较大的第二调节因子，根据第一调节因子和第二调节因子分别计算出阈值TH1、TH2；若SAD值小于TH1，转至步骤六（b）；若SAD值小于TH2，转至步骤六（a）；否则转至步骤三；
步骤三：非对称十字搜索：以步骤二得到的搜索结果为中心，采用非对称十字搜索，计算处理方法同上一步，若SAD值小于TH1，转至步骤六（b）；若SAD值小于TH2，转至步骤六（a）；否则转至步骤四；
步骤四：方向性扩展菱形搜索：以步骤三得到的SAD最小值的点为中心，在5×5正方形区域内先进行对称十字搜索，计算9个点的SAD值，根据最小SAD值的点所在半轴确定方向，若该点在水平方向，采用水平扩展菱形搜索；若在垂直方向，采用垂直扩展菱形搜索，得到最优运动矢量；
步骤五：自适应方向的多层八边形搜索：采用多层八边形模板搜索，该模板考虑方向性，根据上一步得到的运动矢量确定运动方向趋势，在各自的划分区域进行搜索，同时考虑搜索空点的加入，得到最优点；
步骤六：（a）小六边形模板搜索：以上一步得到的最优点为中心进行小六边形模板反复搜索，直至最优点位于六边形中心，转至步骤（b）；（b）小菱形模板搜索：以转入该步骤之前得到的最优点为中心进行小菱形反复搜索，直至最优点位于菱形中心；
步骤七：得到最佳匹配点，获得最佳运动矢量，停止搜索。
2.如权利要求1所述的多模式搜索的运动估计方法，其特征在于，步骤五中，根据步骤四中得到的最优运动矢量的方向，将后续搜索范围在360度范围内沿轴向均匀分成四个区域，分别记为A1、A2、A3及A4，根据运动矢量的方向性特征，将下一步的搜索范围确定在各自区域中，忽略其它区域的点，直接在该区域进行搜索，减少搜索点数。
3.如权利要求2所述的多模式搜索的运动估计方法，其特征在于，所述最优运动矢量记为iBest，水平方向和垂直方向的坐标分别记为iBest.mv_x和iBest.mv_y，令m=abs(iBest.mv_y/iBest.mv_x)，
（1）若m>1且iBest.mv_y>0，运动矢量方向处于A1区域；
（2）若m<1且iBest.mv_x<0，运动矢量方向处于A2区域；
（3）若m>1且iBest.mv_y<0，运动矢量方向处于A3区域；
（4）若m<1且iBest.mv_x>0，运动矢量方向处于A4区域；
根据上述判断的结果确定出一区域，在该区域中进行搜索。
4.如权利要求3所述的多模式搜索的运动估计方法，其特征在于，每个区域进行多层搜索，且在每层中增加多个空点进行搜索，得到最优点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310166087.5A CN103237222B (zh) | 2013-05-07 | 2013-05-07 | 多模式搜索的运动估计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310166087.5A CN103237222B (zh) | 2013-05-07 | 2013-05-07 | 多模式搜索的运动估计方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103237222A true CN103237222A (zh) | 2013-08-07 |
| CN103237222B CN103237222B (zh) | 2015-12-02 |
Family
ID=48885234
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310166087.5A Active CN103237222B (zh) | 2013-05-07 | 2013-05-07 | 多模式搜索的运动估计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103237222B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105959699A (zh) * | 2016-05-06 | 2016-09-21 | 西安电子科技大学 | 一种基于运动估计和时空域相关性的快速帧间预测方法 |
| CN106713935A (zh) * | 2017-01-09 | 2017-05-24 | 杭州电子科技大学 | 一种基于贝叶斯决策的hevc块划分快速方法 |
| CN107135392A (zh) * | 2017-04-21 | 2017-09-05 | 西安电子科技大学 | 基于异步模式的hevc运动搜索并行方法 |
| CN108124160A (zh) * | 2017-12-06 | 2018-06-05 | 厦门帝饰网络科技有限公司 | 一种视频影像编码的搜寻算法 |
| CN109040756A (zh) * | 2018-07-02 | 2018-12-18 | 广东工业大学 | 一种基于hevc图像内容复杂度的快速运动估计方法 |
| CN110139100A (zh) * | 2019-05-16 | 2019-08-16 | 东莞职业技术学院 | 多图像运动估计的扩展块匹配及运动矢量估计算法 |
| CN110223326A (zh) * | 2019-06-18 | 2019-09-10 | 无锡英斯特微电子有限公司 | 光电导航系统中亚像素区域确定方法及其系统 |
| CN113221337A (zh) * | 2021-04-23 | 2021-08-06 | 电子科技大学 | 一种基于模式搜索的近场稀疏阵设计方法 |
| CN113554048A (zh) * | 2020-04-26 | 2021-10-26 | 中移(成都)信息通信科技有限公司 | 数据识别方法、装置、设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050175102A1 (en) * | 2004-02-11 | 2005-08-11 | Samsung Electronics Co., Ltd. | Method for motion compensated interpolation using overlapped block motion estimation and frame-rate converter using the method |
| US20050201462A1 (en) * | 2004-03-09 | 2005-09-15 | Nokia Corporation | Method and device for motion estimation in scalable video editing |
| CN101193303A (zh) * | 2007-09-14 | 2008-06-04 | 四川虹微技术有限公司 | 快速运动估计方法 |
| CN101350928A (zh) * | 2008-07-29 | 2009-01-21 | 北京中星微电子有限公司 | 一种运动估计方法及装置 |
| CN102413323A (zh) * | 2010-01-13 | 2012-04-11 | 中国移动通信集团广东有限公司中山分公司 | 一种基于h.264的视频压缩方法 |
-
2013
- 2013-05-07 CN CN201310166087.5A patent/CN103237222B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050175102A1 (en) * | 2004-02-11 | 2005-08-11 | Samsung Electronics Co., Ltd. | Method for motion compensated interpolation using overlapped block motion estimation and frame-rate converter using the method |
| US20050201462A1 (en) * | 2004-03-09 | 2005-09-15 | Nokia Corporation | Method and device for motion estimation in scalable video editing |
| CN101193303A (zh) * | 2007-09-14 | 2008-06-04 | 四川虹微技术有限公司 | 快速运动估计方法 |
| CN101350928A (zh) * | 2008-07-29 | 2009-01-21 | 北京中星微电子有限公司 | 一种运动估计方法及装置 |
| CN102413323A (zh) * | 2010-01-13 | 2012-04-11 | 中国移动通信集团广东有限公司中山分公司 | 一种基于h.264的视频压缩方法 |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105959699B (zh) * | 2016-05-06 | 2019-02-26 | 西安电子科技大学 | 一种基于运动估计和时空域相关性的快速帧间预测方法 |
| CN105959699A (zh) * | 2016-05-06 | 2016-09-21 | 西安电子科技大学 | 一种基于运动估计和时空域相关性的快速帧间预测方法 |
| CN106713935A (zh) * | 2017-01-09 | 2017-05-24 | 杭州电子科技大学 | 一种基于贝叶斯决策的hevc块划分快速方法 |
| CN106713935B (zh) * | 2017-01-09 | 2019-06-11 | 杭州电子科技大学 | 一种基于贝叶斯决策的hevc块划分快速方法 |
| CN107135392B (zh) * | 2017-04-21 | 2019-12-10 | 西安电子科技大学 | 基于异步模式的hevc运动搜索并行方法 |
| CN107135392A (zh) * | 2017-04-21 | 2017-09-05 | 西安电子科技大学 | 基于异步模式的hevc运动搜索并行方法 |
| CN108124160A (zh) * | 2017-12-06 | 2018-06-05 | 厦门帝饰网络科技有限公司 | 一种视频影像编码的搜寻算法 |
| CN109040756A (zh) * | 2018-07-02 | 2018-12-18 | 广东工业大学 | 一种基于hevc图像内容复杂度的快速运动估计方法 |
| CN110139100A (zh) * | 2019-05-16 | 2019-08-16 | 东莞职业技术学院 | 多图像运动估计的扩展块匹配及运动矢量估计算法 |
| CN110223326A (zh) * | 2019-06-18 | 2019-09-10 | 无锡英斯特微电子有限公司 | 光电导航系统中亚像素区域确定方法及其系统 |
| CN113554048A (zh) * | 2020-04-26 | 2021-10-26 | 中移(成都)信息通信科技有限公司 | 数据识别方法、装置、设备及存储介质 |
| CN113554048B (zh) * | 2020-04-26 | 2024-02-02 | 中移(成都)信息通信科技有限公司 | 数据识别方法、装置、设备及存储介质 |
| CN113221337A (zh) * | 2021-04-23 | 2021-08-06 | 电子科技大学 | 一种基于模式搜索的近场稀疏阵设计方法 |
| CN113221337B (zh) * | 2021-04-23 | 2022-09-09 | 电子科技大学 | 一种基于模式搜索的近场稀疏阵设计方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103237222B (zh) | 2015-12-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103237222B (zh) | 多模式搜索的运动估计方法 | |
| CN103517069B (zh) | 一种基于纹理分析的hevc帧内预测快速模式选择方法 | |
| CN101699865B (zh) | 一种块运动自适应的亚像素快速搜索方法 | |
| CN101431675B (zh) | 一种像素运动估计方法和装置 | |
| CN109068142B (zh) | 360度视频帧内预测快速决策方法、装置、编解码器和介质 | |
| CN101404774B (zh) | 运动搜索中宏块划分模式的选择方法 | |
| CN105120292A (zh) | 一种基于图像纹理特征的视频编码帧内预测方法 | |
| CN103188496A (zh) | 基于运动矢量分布预测的快速运动估计视频编码方法 | |
| CN104378643A (zh) | 一种3d视频深度图像帧内预测模式选择方法及系统 | |
| CN101325711A (zh) | 基于时空掩盖效应的自适应码率控制方法 | |
| CN101621694B (zh) | 一种运动估计方法、系统及显示终端 | |
| CN106604035B (zh) | 一种用于视频编码和压缩的运动估计的方法 | |
| CN101682758A (zh) | 用于对图像信号进行编码的方法和系统、经编码的图像信号、用于对图像信号进行解码的方法和系统 | |
| CN103686165A (zh) | 深度图像帧内编解码方法及视频编解码器 | |
| CN105516726A (zh) | 视频编码的运动补偿匹配方法和系统 | |
| CN100551071C (zh) | 基于中心预测的整数像素快速混合搜索方法 | |
| CN103957420B (zh) | 一种h.264运动估计编码的全面运动估计改进算法 | |
| CN104702959B (zh) | 一种视频编码的帧内预测方法及系统 | |
| CN102164283A (zh) | 一种基于avs的亚像素运动估计方法 | |
| CN101835047A (zh) | 一种基于残差下降率的快速UMHexagonS运动估计算法 | |
| CN105847794A (zh) | 一种hevc帧内预测模式快速选择方法 | |
| CN102196255B (zh) | 一种视频编码复杂度控制模型的形成方法 | |
| Li et al. | Efficient search and mode prediction algorithms for motion estimation in H. 264/AVC | |
| CN103260020A (zh) | 一种avs-m视频编码快速整像素运动估计方法 | |
| CN102387364B (zh) | 一种快速帧内模式选择算法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| C41 | Transfer of patent application or patent right or utility model | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20151127 Address after: 213022 Changzhou Jin Ling North Road, Jiangsu, No. 200 Patentee after: CHANGZHOU CAMPUS OF HOHAI University Patentee after: CHANGZHOU TRINA SOLAR ENERGY Co.,Ltd. Address before: 213022 Changzhou Jin Ling North Road, Jiangsu, No. 200 Patentee before: CHANGZHOU CAMPUS OF HOHAI University |
|
| C41 | Transfer of patent application or patent right or utility model | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20161117 Address after: 213022 Changzhou Jin Ling North Road, Jiangsu, No. 200 Patentee after: CHANGZHOU CAMPUS OF HOHAI University Address before: 213022 Changzhou Jin Ling North Road, Jiangsu, No. 200 Patentee before: CHANGZHOU CAMPUS OF HOHAI University Patentee before: CHANGZHOU TRINA SOLAR ENERGY Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20221107 Address after: Room 605, Block E, No. 9, East Outer Ring Road, Jiangyin City, Wuxi City, Jiangsu Province, 214400 Patentee after: Wuxi Daoyu Software Co.,Ltd. Address before: 213022, No. 200 Jinling North Road, Jiangsu, Changzhou Patentee before: CHANGZHOU CAMPUS OF HOHAI University |