首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 140 毫秒
1.
帧内预测是H.264视频编解码标准中重要的组成部分,它能够显著提高压缩比率,但是大大提高了计算复杂度,很难运用到实时传输中,因此,如何提高运算速率是改进算法的核心问题。提出了一种快速模式选择算法,在保证图像质量的情况下较大地提高了帧内编码速度。  相似文献   

2.
在H.264半像素精度的运动预测中,使用离散哈达玛变换(Hadamard Transform)的SATD(Sum of Absolute Transform Difference)能提高编码效果,但是复杂度高。已有的算法侧重于使用基于形状的算法来对复杂度和编码效果进行折衷。研究指出在半像素运动预测的SATD计算过程中存在有计算冗余,并提出了快速算法以降低SATD的计算复杂度。该算法使哈达玛变换最高能节省21.18%的加法数,且能和全搜索(Full Search)以及其他基于形状(如菱形)的快速算法结合进一步提高速度。  相似文献   

3.
H.264/SVC实现了对基本层的码率控制,但没有考虑到视频序列中场景切换对码率控制的影响。研究者们提出了多种场景切换算法来解决视频序列场景切换问题,但这些算法在计算复杂度、精度和实时检测等方面存在不足。结合H.264/SVC的分层B帧预测金子塔编码结构,提出了一种基于图像复杂度的场景切换实时检测算法RDSC_IC(Real time Detection algorithm for Scene Change base on Image Complexity)。该算法通过对相邻和多个编码单元的关键帧图像复杂度绝对差值和相应比值的计算,确定编码单元间的场景切换的有无和类型,实验结果表明RDSC_IC在实时性和精度方面检测效果好。  相似文献   

4.
为了降低运动估计的计算复杂度,提出了一种基于H.264的快速运动估计算法,该算法使用了候选尺寸块的预测和两种匹配模板的搜索,通过部分像素匹配、多参考帧选取、亚像素匹配来获取最佳运动矢量。实验表明,与FS算法和UMHexagonS算法比较,该文所提算法在保持了相近的峰值信噪比和码率的情况下,运动估计耗时平均下降了69%和13%,编码速度大幅提高。  相似文献   

5.
研究一种针对H.264编码的帧间预测块划分视频水印算法,该算法先对水印图像进行二值处理,然后在H.264帧间预测编码时根据水印二值序列选择不同的区块划分,并将水印值嵌入进去.实验结果表明,该算法具有较好的实时性、鲁棒性.  相似文献   

6.
HEVC是ITU-T和ISO联合制定的新一代视频编码标准。由于采用了许多新的技术,HEVC的编码效率是H.264标准的大约2倍,但是编码的复杂度也随之增加。提出了一种针对HEVC帧内预测模式选择的快速算法,该方法综合了基于视频内容分析的方法和基于统计信息的方法并加以优化。实验结果表明,在比特率和PSNR几乎不变的情况下,编码时间平均可以减少30%。  相似文献   

7.
何宝 《教育技术导刊》2012,11(4):164-168
对高清视频序列而言,H.264/AVC视频编码器性能优异,但同时其计算复杂度也较高。帧间和帧内预测模式的选择是H.264/AVC待优化的主要技术。鉴于此,根据选定的帧间预测模式和帧内模式选择之间存在的相关性,提出了基于最佳帧间预测模式的H.264高清基本档次编码器的快速帧内模式选择算法。对该算法的评估是基于率失真、峰值信噪比(PSNR)的改变量、执行时间以及所跳过的intra4×4和intra16×16模式占全搜索算法的百分比进行的。经720p(1280×720)和1080p(1920×1088)高清视频序列测试,在不损失PSNR、不增加码率的前提下,该算法能节省60%的帧内预测计算时间,并对16×16宏块和4×4子块帧捏模式选择部分的跳过率分别达到了16%和83%。  相似文献   

8.
在H.264编码算法的基础上,提出了多参考帧的运动估计快速算法--三维菱形搜索法(TDDS).实验结果表明,与未使用快速算法相比,使用本文提出的快速算法,在平均码率增加不到0.1%,恢复图像平均PSNR(峰值信噪比)下降不到0.1dB的情况下,编码速度提高2.5倍,满足实时视频通信的要求.算法与H.264标准兼容,可用于实际产品.  相似文献   

9.
文章论述信息率失真理论,在平均失真度D约束下,通过构造拉格郎日代价函数求解率失真R-D代价值.在H.264帧内、间预测编码模式选择中,采用率失真优化方法,选择率失真R-D代价值最小的模式为最优预测编码模式.通过H.264/AVC参考软件JM12.4,从峰值信噪比PSNR、码率bitrate和编码时间time 3方面分析...  相似文献   

10.
H.264/AVC在帧间运动估计/补偿编码过程中定义了7种帧间编码模式,并采用率失真优化全遍历策略来选择最优模式,这使计算复杂度急剧增加.针对这一问题,阐明了需对如何准确、快速地对块预测模式做出选择进行相关的研究.并就利用自然图像序列中相邻帧所表现出的强相关性提出了一种快速的帧间编码模式选择算法,通过计算部分编码模式来减少计算的复杂性.实验结果表明,该方法平均节省时间约18%,比特率平均下降约0.02%,而PSNR平均仅仅降低0.02dB.  相似文献   

11.
针对变分水平集在曲线演化目标跟踪方法中,直接计算得到的模值图较杂乱,利用Gaussian函数首先对图像进行平滑处理,然后利用中心差分计算梯度,并推导出二者的作用等价于Sobel算子与图像作运算.实例表明该算法使得曲线在演化过程中能够准定位,从而实现目标的正确跟踪.  相似文献   

12.
目前无砟轨道道床板裂缝检测采用的电磁、超声等无损检测方法存在检测设备复杂、检测精度低等问题,为此文章提出了基于Sobel算子的无砟轨道道床板裂缝自动检测算法,此算法通过对裂缝图像的预处理、边缘特征提取、边缘标定、长度测量,实现对裂缝方向和长度的判断。实验表明,利用Sobel算子提取无砟轨道道床板裂缝的边缘特征,具有算法简单、裂缝识别准确和对噪声鲁棒的优点,为裂缝检测提供了新的方法。  相似文献   

13.
提出了一种改进的Sobel边缘检测和细化算法,用8个方向的模板对灰度图像进行边缘检测得到粗边缘图像,将粗边缘图像再进行Sobel边缘检测得到新的边缘图像,将前者减去后者得到差值图,从而得到边缘较细的边缘图,对于边缘模糊的部分,这种过程可以重复多次,这样能够捕捉多个方向的边缘信息,使检测到的边缘和边缘细化定位更精确。该算法容易实现,计算量小,速度快,适合作为图像检测中的快速边缘检测及细化。  相似文献   

14.
张政 《教育技术导刊》2009,8(11):217-220
为解决公路路面病害图像特征不突出、检测精度低等问题,提出一种基于改进SSD模型的路面病害检测系统。利用梯度下降Sobel算子优化SSD模型中图像特征提取的卷积网络层,突出路面病害图像特征;通过改进SSD模型实现横向裂缝、纵向裂缝、块状裂缝、路面凹陷以及其它类路面的病害图像检测;结合Jetson-Nano板载化系统以及基于GO语言的Tensorflow框架实现路面病害检测及分类。实验结果表明,系统路面病害分类准确度为91.28%,比未改进的SSD模型识别准确度提高7.36%,证明该优化模型有效。  相似文献   

15.
设B(H)表示在无穷维复Hilbert空间H上的所有有界线性算子全体.如果J为自伴算子,研究了算子方程XJ-JX^*=M的等距算子解,并得到其有等距算子解与代数Riccati方程X2+M/2X-XM/2-M2/4-J2=0存在自伴算子解是等价的.  相似文献   

16.
Sobel算法在图像处理时能对边界线进行提取,突出图像的边缘。该算法不仅能够提取目标和背景的边界线,还能把两者分开,突出图像的边缘,把有用信息提取出来。把Sobel算法应用于图像处理中,并与其他算法进行对比,进行软件仿真,通过在DSP芯片上实现,可以得出Sobel算法在边缘检测方面的优势。  相似文献   

17.
为提高图像的压缩效率,提出一种基于Sobel算子和非线性混合有理插值的图像压缩方法。将Sobel算子应用于图像的轮廓提取,利用二元Newton.Thiele型向量连分式建立有理插值曲面,然后对插值函数进行重采样,按要求实现图像压缩。实验结果表明,该方法能有效应用于数字图像的压缩处理,具有计算简单、易于编程实现等优点,是一种较实用的方法。  相似文献   

18.
利用Hilbert空间中有界线性算子的分块矩阵技巧,结合缺项算子矩阵的可补性和算子A的Moore-Penrose广义逆,得到了算子方程AX=C有自伴和正解的充要条件,并利用A的Moore-Penrose广义逆给出了通解.  相似文献   

19.
本文得到一类多线性算子的sharp不等式,该算子与某种积分算子相关,它包括Littlewood-Paley算子,Marcinkiewica算子和Bochner-Riesz算子。作为就用,本文证明了其在Lp(p〉1)上的范数加权不等式以及LlogL型估计。  相似文献   

20.
为提高图像的压缩效率,提出一种基于Sobel算子和非线性混合有理插值的图像压缩方法。将Sobel算子应用于图像的轮廓提取,利用二元Newton-Thiele型向量连分式建立有理插值曲面,然后对插值函数进行重采样,按要求实现图像压缩。实验结果表明,该方法能有效应用于数字图像的压缩处理,具有计算简单、易于编程实现等优点,是一种较实用的方法。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号