基于混合粒子群算法的运动估计研究

计算机工程与科学

• 人工智能与数据挖掘 • 上一篇

基于混合粒子群算法的运动估计研究

覃远年，梁仲华

（桂林电子科技大学信息与通信学院,广西桂林 541004）

收稿日期:2018-07-24 修回日期:2018-10-09 出版日期:2019-04-25

QIN Yuannian，LIANG Zhonghua

（School of Information and Communication,Guilin University of Electronic Technology,Guilin 541004,China）

Received:2018-07-24 Revised:2018-10-09 Online:2019-04-25

摘要/Abstract

摘要：

针对块匹配运动估计算法中传统搜索方法的不足，提出了一种新的基于混合粒子群的块匹配运动估计算法。在保留系统随机搜索性能的同时根据运动矢量特性合理地设计初始搜索种群，并通过混沌差分进化搜索协同粒子群算法迭代寻优，混沌序列用于优化差分变异算子，以提高算法的精细搜索能力。通过相同点检测技术和恰当的终止计划有效地降低了系统的运算复杂度。经实验测试与验证，该算法在搜索质量和运算复杂度中达到了一种动态平衡的状态，其整体性能高于传统的快速运动估计算法，效果更逼近于穷举搜索法。

关键词: 运动估计, 混合优化, 粒子群算法, 混沌差分进化搜索, 动态平衡

中图分类号:

null

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.

QIN Yuannian，LIANG Zhonghua. null[J]. Computer Engineering & Science.

[1]	王翼虎, 王思明. 基于改进粒子群算法的无人机路径规划[J]. 计算机工程与科学, 2020, 42(09): 1690-1696.
[2]	王永琦, 江潇潇. 基于混合灰狼算法的机器人路径规划[J]. 计算机工程与科学, 2020, 42(07): 1294-1301.
[3]	闫盼盼，俞海珍，史旭华，万凯. 基于Pareto支配的MPRM电路面积与功耗优化[J]. 计算机工程与科学, 2020, 42(04): 596-602.
[4]	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.
[5]	邱云飞，李智义. 改进人工鱼群算法在SVM参数优化中的应用[J]. 计算机工程与科学, 2018, 40(11): 2074-2079.
[6]	南敬昌，陆亚男，高明明. 基于改进混合算法优化RBF网络的滤波器建模[J]. 计算机工程与科学, 2018, 40(07): 1329-1336.
[7]	赵婧1,魏彬2. 标签SNPs选择及重构算法研究[J]. 计算机工程与科学, 2016, 38(11): 2328-2334.
[8]	彭磊，彭勇，吴锡生，徐赟，胡旻涛. 基于UMHexagonS的运动估计算法优化[J]. 计算机工程与科学, 2016, 38(10): 2109-2114.
[9]	熊聪聪1，耿世洁1，董昊2. 基于混合算法的降水集成预报研究[J]. 计算机工程与科学, 2016, 38(10): 2147-2152.
[10]	余胜威，曹中清. 基于分数阶达尔文粒子群FODPSO算法的图像分割[J]. 计算机工程与科学, 2016, 38(09): 1836-1842.
[11]	李锋刚1,2，骆林1,2，陈亚波1,2,蒋祥飞1,2. 求解均值-CVaR投资组合模型的改进粒子群算法[J]. 计算机工程与科学, 2016, 38(09): 1870-1877.
[12]	赵平，吴昊. 差分进化混合粒子群算法求解装配式住宅项目进度优化问题[J]. 计算机工程与科学, 2016, 38(07): 1495-1501.
[13]	卢志刚，申康. 基于粒子群蚁群算法的供应链合作伙伴选择研究[J]. J4, 2016, 38(05): 946-953.
[14]	刘欢1，2,肖根福3，欧阳春娟1. 基于互学习的自适应PSO算法的亚像素定位研究[J]. J4, 2016, 38(04): 747-754.
[15]	秦龙龙1,钱渊1,侯雪2，张晓燕1. 基于维纳线性预测的Horn-Schunck光流运动矢量优化算法[J]. J4, 2015, 37(07): 1360-1365.

基于混合粒子群算法的运动估计研究

PDF

可视化

摘要/Abstract

引用本文

使用本文

相关文章 15

编辑推荐

Metrics

本文评价