基于群智能优化快速运动估计方法研究【开题报告+文献综述+毕业论文】

《基于群智能优化快速运动估计方法研究【开题报告+文献综述+毕业论文】》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、本科毕业论文系列开题报告电子信息工程基于群智能优化快速运动估计方法研究一、课题研究意义及现状近些年来，伴随着人类社会的进步，科学技术的发展，信息技术已全面服务于社会生产和生活的方方面面，人们对信息处理和信息交流的要求也越来越高。运动估计是视频压缩编码中的核心技术之一，在现代图像以及视频处理中应用十分广泛。快速运动估计作为运动估计的一部分，虽然在生产生活中已经得到广泛应用，其自身还存在着许多不足之处。运动估计算法有很多种算法，块匹配算法、全搜索算法、三步搜索算法、菱形搜索算法、快速搜索算法、自适应搜索方法、快速高精度算法等都是常用的运动估计方法。它们应用在

2、不同的领域，有着不同的功用。快速运动估计作为运动估计的一部分，与普通的运动估计方法有着不同之处，其在效率运用、速度方面能够满足更高的要求。群智能优化方法作为一个新兴的研究领域，为复杂优化的问题求解提供了一个有效的手段，现今已经为许多学者所关注，并在许多领域得到应用。而群智能优化的快速运动估计方法已然成为一种新的技术而被运用于各种领域。为了提高视频编码中运动估计的各种性能，一种新的基于生物种群优化的快速运动估计算法（MBO）应运而生，该算法可以提高视频编码中运动估计的性能。它以运动矢量的特性为基础，通过生物种群优化算法的迁徙和变异操作搜索全局最优解，克服了

3、以往快速搜索算法易于陷入局部最优的缺点，并采用迭代终止策略，进一步简化了运算的复杂度。MBO算法的整体性能高于其它的快速搜索算法，可以有效地兼顾起搜索的精度与搜索的速度。并且由于该算法实现简单，适用面广泛，能够满足实时视频编码的需求，已经可以应用到一些实际问题中比如卫星图像识别，电源功率问题，飞机传感器检测等。随着科学技术的进一步发展，更多的实用性的基于群智能优化的快速运动估计算法将会出现在人们的视野中，为人类所利用，更大地满足人类生产生活的各种需求。二、课题研究的主要内容和预期目标研究内容：1、了解群智能优化的基础知识。2、掌握几种基本的快速运动估计方

4、法。3、研究分析出基于群智能优化的快速运动算法。4、基于VC平台进行实验仿真调试，分析算法性能，给出实验结果。主要任务：学习群智能优化和快速运动估计的基础知识，掌握几种常用的快速运动估计方法，研究一种基于群智能优化的快速运动估计算法。目标：研究出一种基于群智能优化的快速运动估计算法，并仿真实现其功能。三、课题研究的方法及措施图1-1设计流程图生物种群优化快速运动估计算法主要是在理论研究的基础上，运用VC平台进行实验仿真调试，其设计的流程图如图1-1所示。首先，确定初始种群S，定义多个初始参数，比如迭代次数。并计算每个搜索点的适应度值HSI。其次，根据所得

5、的适应度值HSI对每个搜索点进行降序排列，保存其中具有最高适应性指标的搜索点。并计算搜索点的迁入率、迁出率与变异率。再次，同步执行迁徙操作与变异操作。然后，重新对搜索点进行排序，找出最高HSI对应的点。最后，判断搜索点是否满足迭代终止条件，如果满足，则结束该过程，对应最高HSI点的位置即为运动矢量的位置。如果不满足，则重复以上操作。四、课题研究进度计划毕业设计期限：自2010年10月9日至2011年5月18日。第一阶段（2010.10.09-2011.01.05）：分析任务，收集资料，文献综述，外文翻译，考研复习。第二阶段（2011.02.15-2011

6、.03.10）：算法初步设计，开题报告，论文初稿。第三阶段（2011.03.10-2011.03.20）：算法详细设计与程序实现，修改设计报告与论文。第四阶段（2011.04.01-2011.04.30）：算法仿真、测试，论文修改以及完善。第五阶段（2011.05.01-2011.05.8）：准备答辩，做好答辩演讲稿。五、参考文献[1]宋小明.基于H.264标准的运动估计算法研究[J].中国科技论文在线.[2]周巍，史浩山，周欣.基于H.264的快速运动估计算法[J].计算机工程与设计,2007，1，28（2）：379～385.[3]梁洪锁，王建州.群智

7、能优化算法PSO及其在几类模型优化中的应用[M].兰州大学，2005.[4]范娜，云庆夏.粒子群优化算法及其应用[J].信息技术，2006，1：53～56.[5]闫敬文，余见，屈小波，张晓玲.优化预测运动矢量的快速运动估计算法[J].光学精密工程，2007，10，15（10）：1622～1627.[6]陈家照，罗寅生.群智能优化算法研究[J].第三届中国智能计算大会论文集，2009，5：344-347.[7]王存睿，王楠楠，段晓东，张庆灵.生物地理学优化算法综述[J].计算机科学，2010，7，37（7）：34～38.[8]马海平，李雪，林升东.生物地理

8、学优化算法的迁移率模型分析[J].东南大学学报，2009，9，39（1）：16～