| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 选题背景及意义 | 第8页 |
| 1.2 运动估计算法概述 | 第8-11页 |
| 1.3 论文研究目标和内容 | 第11页 |
| 1.4 论文章节安排 | 第11-12页 |
| 2 快速运动估计算法研究进展 | 第12-19页 |
| 2.1 基于候选向量降采样的运动估计 | 第12-15页 |
| 2.2 基于像素降采样的运动估计 | 第15-16页 |
| 2.3 基于低复杂度误差函数的运动估计 | 第16-17页 |
| 2.4 基于低比特像素的运动估计 | 第17-18页 |
| 2.5 基于网格模型的运动估计技术 | 第18页 |
| 2.6 本章小结 | 第18-19页 |
| 3 运动模型 | 第19-24页 |
| 3.1 光流运动模型 | 第19-20页 |
| 3.2 仿射运动模型 | 第20页 |
| 3.3 透视运动模型 | 第20页 |
| 3.4 双线性运动模型 | 第20-21页 |
| 3.5 网格运动模型 | 第21页 |
| 3.6 弹性运动模型 | 第21-23页 |
| 3.7 本章小结 | 第23-24页 |
| 4 基于低频能量比率和黄金分割的改进弹性运动估计算法 | 第24-37页 |
| 4.1 弹性运动估计的高斯—牛顿算法 | 第24-25页 |
| 4.2 基于 2 bit深度像素的初始点预测 | 第25-27页 |
| 4.2.1 初始迭代点对高斯—牛顿迭代结果的影响 | 第25-26页 |
| 4.2.2 初始迭代点的快速预测算法 | 第26-27页 |
| 4.3 基于低频能量比率的迭代步长预测 | 第27-30页 |
| 4.3.1 步长对高斯—牛顿迭代结果的影响 | 第27-28页 |
| 4.3.2 基于DCT低频能量比率和黄金分割的步长预测 | 第28-30页 |
| 4.4 改进的高斯—牛顿算法步骤 | 第30-31页 |
| 4.5 实验结果与分析 | 第31-36页 |
| 4.5.1 运动估计/补偿质量的比较 | 第31-34页 |
| 4.5.2 收敛效率比较 | 第34-35页 |
| 4.5.3 计算复杂度分析 | 第35-36页 |
| 4.6 本章小结 | 第36-37页 |
| 5 基于列文伯格麦夸特优化的弹性运动估计算法 | 第37-44页 |
| 5.1 列文伯格麦夸特算法的基本思想 | 第37-38页 |
| 5.2 列文伯格麦夸特反向合成算法步骤： | 第38页 |
| 5.3 改进列文伯格麦夸特优化的快速弹性运动算法 | 第38-40页 |
| 5.4 实验结果与分析 | 第40-43页 |
| 5.4.1 运动估计/补偿质量的比较 | 第40-43页 |
| 5.4.2 计算复杂度分析 | 第43页 |
| 5.5 本章小结 | 第43-44页 |
| 6 总结与展望 | 第44-46页 |
| 6.1 总结 | 第44页 |
| 6.2 展望 | 第44-46页 |
| 参考文献 | 第46-51页 |
| 攻读硕士学位期间发表学术论文情况 | 第51-52页 |
| 致谢 | 第52页 |