基于群智能优化快速运动估计方法研究【毕业论文】

基于群智能优化快速运动估计方法研究【毕业论文】

ID:463792

大小:2.76 MB

页数:39页

时间:2017-08-05

基于群智能优化快速运动估计方法研究【毕业论文】_第1页
基于群智能优化快速运动估计方法研究【毕业论文】_第2页
基于群智能优化快速运动估计方法研究【毕业论文】_第3页
基于群智能优化快速运动估计方法研究【毕业论文】_第4页
基于群智能优化快速运动估计方法研究【毕业论文】_第5页
资源描述:

《基于群智能优化快速运动估计方法研究【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、本科毕业设计(20届)基于群智能优化快速运动估计方法研究摘要近些年来,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。运动估计作为视频压缩编码的核心技术之一,在现代图像以及视频处理中处于十分重要的地位。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,但其自身还存在着许多不足之处。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手段,现已为许多学者所关注,并在许多领域得到广泛地

2、应用。这类算法虽然能够寻找到全局最优解,提高搜索的速度,但是模式的选择比较复杂,搜索的精度也有待提高。针对群智能优化算法的不足之处,文章提出了一种基于生物种群优化的快速运动估计算法,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与变异操作来寻找全局最优解,并且采用迭代终止策略,这样就进一步简化了运算的复杂度。实验结果表明,该算法的整体性能高于其它的群智能优化搜索算法,他能够有效地兼顾起搜索的精度与搜索的速度。由于该算法的这些性能,且实现简单,适用广泛

3、,因此能够很好地实现实时编码的需求。关键词:运动估计;快速运动估计;群智能优化;优化问题;生物种群优化AbstractInrecentyears,withtheprogressofhumansociety,thedevelopmentofscienceandtechnology,informationtechnologyhasbeenserviceinallaspectsofsocialproductionandlife.Peopleontheinformationprocessingandin

4、formationexchangerequirementsaregettinghigherandhigher.Motionestimationasoneofthecoretechnologyinvideocoding,itisveryimportantinthemodernimageandvideoprocessing.Fastmotionestimationisapartofmotionestimation,althoughithasbeenwidelyusedinproductionandl

5、ife,therearestillmanyitselfinadequacies.Swarmintelligenceoptimizationmethodsasanemergingareaofresearch,providinganeffectivemeansforcomplexoptimizedproblem,nowithasbeenconcernedbymanyscholars,anditisappliedinmanyfields.Althoughthealgorithmcansearchfor

6、globaloptimalsolution,improvingthesearchspeed,buttheselectionofmodaliscomplex,thesearchaccuracyalsoneedsimproved.Fortheshortcomingsofswarmintelligenceoptimizationmethods,thispaperpresentsanewfastmotionestimationalgorithmbasedonbiologicalpopulationsop

7、timization,thealgorithmcanimprovethemotionestimationperformanceinvideocoding.Itisbasedonthecharacteristicsofmotionvector,andaccordingtothemigrationandmutationoperationofbiologicalpopulationsoptimizationalgorithmsearchforglobaloptimalsolution,andthena

8、dopttheiterativeterminationstrategy,furthersimplifythecomputationalcomplexity.Theresultsshowthattheoverallperformanceofthealgorithmishigherthanotherswarmintelligenceoptimizationalgorithms,andcaneffectivelytakeintoaccountthesearchingaccuracyandsearchi

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。