基于多极小值粒子群的自适应运动估计算法
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 目录 | 第7-10页 |
| 第1章 引言 | 第10-13页 |
| 1.1 运动估计的研究意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 运动估计的问题描述 | 第11-12页 |
| 1.4 本文的主要工作和章节安排 | 第12-13页 |
| 第2章 块匹配运动估计 | 第13-27页 |
| 2.1 视频压缩编码技术 | 第13-16页 |
| 2.1.1 视频压缩编码的可能性 | 第13-14页 |
| 2.1.2 视频压缩编码的原理 | 第14-16页 |
| 2.2 块匹配运动估计 | 第16-19页 |
| 2.2.1 运动估计的概念 | 第16-17页 |
| 2.2.2 运动矢量的模型 | 第17页 |
| 2.2.3 块匹配运动估计的原理 | 第17-19页 |
| 2.3 块匹配运动估计的技术指标 | 第19-26页 |
| 2.3.1 初始搜索点 | 第19-21页 |
| 2.3.2 匹配块模式 | 第21-22页 |
| 2.3.3 块匹配准则 | 第22-23页 |
| 2.3.4 块搜索策略 | 第23-25页 |
| 2.3.5 搜索范围 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 经典块匹配运动估计算法的分析 | 第27-35页 |
| 3.1 块匹配运动估计的经典算法 | 第27-32页 |
| 3.1.1 全搜索算法 | 第27-28页 |
| 3.1.2 三步搜索算法 | 第28-29页 |
| 3.1.3 菱形搜索算法 | 第29-30页 |
| 3.1.4 遗传搜索算法 | 第30-31页 |
| 3.1.5 标准粒子群搜索算法 | 第31-32页 |
| 3.2 经典算法实验与性能分析 | 第32-34页 |
| 3.2.1 实验条件 | 第32-33页 |
| 3.2.2 仿真实验结果 | 第33-34页 |
| 3.2.3 实验结果分析 | 第34页 |
| 3.3 本章小结 | 第34-35页 |
| 第4章 多极小值粒子群算法 | 第35-46页 |
| 4.1 标准粒子群算法 | 第35-39页 |
| 4.1.1 算法的原理 | 第35-36页 |
| 4.1.2 算法的数学描述 | 第36-38页 |
| 4.1.3 算法的流程 | 第38-39页 |
| 4.2 多极小值粒子群算法 | 第39-42页 |
| 4.2.1 算法的原理 | 第39-40页 |
| 4.2.2 算法的拓扑结构 | 第40-41页 |
| 4.2.3 算法的流程 | 第41-42页 |
| 4.3 算法实验与性能分析 | 第42-45页 |
| 4.3.1 实验分析 | 第42-45页 |
| 4.3.2 实验结论 | 第45页 |
| 4.4 本章小结 | 第45-46页 |
| 第5章 基于多极小值粒子群的运动估计算法 | 第46-64页 |
| 5.1 匹配误差曲面特性分析 | 第46-47页 |
| 5.2 基于多极小值粒子群的运动估计 | 第47-52页 |
| 5.2.1 粒子的定义 | 第48页 |
| 5.2.2 适应度函数的定义 | 第48-50页 |
| 5.2.3 运动强度分析 | 第50-52页 |
| 5.3 算法参数分析 | 第52-57页 |
| 5.3.1 初代粒子个数 | 第52-54页 |
| 5.3.2 最大速度 | 第54-55页 |
| 5.3.3 惯性权重 | 第55页 |
| 5.3.4 学习因子 | 第55页 |
| 5.3.5 迭代结束条件 | 第55-57页 |
| 5.4 算法的流程 | 第57-58页 |
| 5.5 算法仿真实验 | 第58-63页 |
| 5.5.1 实验数据分析 | 第58-62页 |
| 5.5.2 实验结论 | 第62-63页 |
| 5.6 本章小结 | 第63-64页 |
| 第6章 总结与展望 | 第64-66页 |
| 6.1 论文工作总结 | 第64页 |
| 6.2 未来研究展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 附录 | 第71页 |
