一种基于JMVC参考模型的运动估计优化算法

J4 ›› 2015, Vol. 37 ›› Issue (06): 1208-1213.

一种基于JMVC参考模型的运动估计优化算法

袁梅冷1，2，杨张2，雷海军2

（1.深圳职业技术学院计算机工程学院，广东深圳 518055；2.深圳大学计算机与软件学院，广东深圳 518060）

收稿日期:2014-03-23 修回日期:2014-09-16 出版日期:2015-06-25 发布日期:2015-06-25
基金资助:
国家自然科学基金广东联合项目（U1301252）；深圳市战略性新兴产业发展专项资金资助项目(JCYJ20120613113419607)；校重点项目(2213k3190007)

A motion estimation optimization algorithm
based on JMVC reference model

YUAN Meileng1，2,YANG Zhang2,LEI Haijun2

（1.School of Computer Engineering,Shenzhen Polytechnic,Shenzhen 518055;
2.College of Computer and Software Engineering,Shenzhen University,Shenzhen 518060,China）

Received:2014-03-23 Revised:2014-09-16 Online:2015-06-25 Published:2015-06-25

摘要/Abstract

摘要：

运动估计(ME)是视频压缩编码中的关键技术，运动估计算法对视频质量、编码复杂度和码率都有直接影响。TZSearch 算法是JMVC 参考实现中一种基于混合模板的快速搜索算法。通过提高搜索起点准确度，采用基于视频运动特性的搜索策略，采取阈值设置和大小步长相结合等方法对算法进行优化。在多视点视频编码测试平台JMVC 8.5中对多视点视频序列BallRoom、Exit进行测试。实验结果表明，与JVMC的TZSearch算法相比，在保证视频重构质量和码率增加很少的情况下，本算法编码时间减少50%以上。

关键词: 运动估计, 编码复杂度, 块匹配, TZSearch, 阈值, JMVC

Abstract:

Motion estimation is a key technique of video compression, which has an important impact on video quality,coding complexity and code rate.The TZSearch algorithm is a fast search algorithm based on hybrid template in the reference implementation of JMVC.We propose an optimization algorithm to improve the accuracy of the start search point by adopting the search strategies based on video motion characteristics and by setting the threshold according to the step size.Experiments through multiview video test sequences of BallRoom and Exit show that the proposed algorithm can reduce at least 50% encoding time compared with the original TZSearch algorithm while maintaining the reconstruction quality of the video with little increase of the code rate.

Key words: motion estimation；coding complexity；block matching；TZSearch； threshold value；JMVC

袁梅冷1，2，杨张2，雷海军2. 一种基于JMVC参考模型的运动估计优化算法[J]. J4, 2015, 37(06): 1208-1213.

YUAN Meileng1，2,YANG Zhang2,LEI Haijun2. A motion estimation optimization algorithm
based on JMVC reference model [J]. J4, 2015, 37(06): 1208-1213.

[1]	储旭, 宁爱兵, 胡开元, 代苏玉, 张惠珍. 最小支配阈值集问题的降阶回溯算法[J]. 计算机工程与科学, 2024, 46(05): 897-906.
[2]	杨静, 徐彦, 姜赢. 基于高低阈值的脉冲神经元抗噪学习算法[J]. 计算机工程与科学, 2023, 45(08): 1483-1489.
[3]	牛琨, 高仲合, 张凡. 面向整体区域的改进VIRE定位算法研究[J]. 计算机工程与科学, 2022, 44(09): 1602-1609.
[4]	芦磊, 王晓峰, 梁晨, 张九龙. 多文字可满足SAT问题的相变点上界[J]. 计算机工程与科学, 2022, 44(07): 1282-1290.
[5]	徐景秀, 张青. 改进小波软阈值函数在图像去噪中的研究应用[J]. 计算机工程与科学, 2022, 44(01): 92-101.
[6]	张培玲, 李小真, 崔帅华. 基于改进小波阈值-CEEMDAN算法的ECG信号去噪研究[J]. 计算机工程与科学, 2020, 42(11): 2067-2072.
[7]	马永杰, 陈振宇, 马芸婷. 基于自适应阈值投影的双行车牌分割方法[J]. 计算机工程与科学, 2020, 42(09): 1616-1624.
[8]	王妞妞，安建成. 最佳阈值法结合改进的Freeman链码的肺实质分割[J]. 计算机工程与科学, 2020, 42(06): 1037-1042.
[9]	赵凤1,2，孔令润1,2，马改妮1,2. 多目标粒子群和人工蜂群混合优化的阈值图像分割算法[J]. 计算机工程与科学, 2020, 42(02): 281-290.
[10]	周忠眉1,2,李家辉1,2. 基于各类支持度阈值独立挖掘的关联改进算法[J]. 计算机工程与科学, 2019, 41(11): 2088-2094.
[11]	严春满，郝有菲，张迪，陈佳辉. 混合特征下最优阈值预测的图像匹配[J]. 计算机工程与科学, 2019, 41(10): 1803-1808.
[12]	李洪锋1，魏镜弢1，付亚伟2，王家涛1. 基于SIFT算法的物体运动方向快速识别方法[J]. 计算机工程与科学, 2019, 41(06): 1050-1056.
[13]	张忠林，吴挡平. 基于概率阈值Bagging算法的不平衡数据分类方法[J]. 计算机工程与科学, 2019, 41(06): 1086-1094.
[14]	佘志用,段超，张雷. 变精度最小平方粗糙熵的图像分割算法[J]. 计算机工程与科学, 2019, 41(04): 657-664.
[15]	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, 41(04): 758-764.