автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.17, диссертация на тему:Повышение эффективности методов компенсации движения для кодирования подвижных изображений

Введение.

Глава 1. Кодирование подвижных изображений.

1.1 Первичное преобразование подвижных изображений в цифровую форму.

1.2 Мера сходства изображений.

1.3. Сжатие объема цифрового потока.

1.4 Определение движения.

1.4.1 Поле движения и оптический поток.

1.4.2 Прямые и косвенные методы определения движения.

1.4.3 Модели движения.

1.5 Блочные методы поиска и компенсации движения.

1.6 Кодирование разностного сигнала.

1.6.1 Групповое кодирование, векторное квантование.

1.6.2 Кодирование с преобразованием.

1.6.3 Фрактальное кодирование.

1.6.4 Пространственно-частотная декомпозиция.

1.7 Многоуровневый метод компенсации движения.

1.8 Компенсация движения в частотных компонентах.

1.8.1 Временная и внутрикадровая корреляция между частотными компонентами.

1.8.2 Блочный метод компенсации движения в частотных компонентах.

1.9 3-х мерные схемы кодирования.

1.9.1 Фрактальный метод.

1.9.2 3-х мерная декомпозиция.

1.10 Существующие практические подходы и стандарты.

1.10.1 Motion-JPEG.

1.10.2 Стандарты MPEG-1 uMPEG-2.

1.10.3ITU-TH.261, H.263.

1.10.4 Стандарт MPEG-4.

Глава 2. Методы повышения эффективности.

2.1 Зависимость между качеством восстанавливаемого изображения и степенью сжатия информации.

2.2 Использование интерполяционных методов повышения точности для векторов перемещения.

2.3 Использование пересекающихся блоков для компенсации движения

2.4 Энтропийное кодирование векторов перемещения.

2.5 Корреляционные связи между векторами перемещения.

2.6 Метод выделения областей в поле скоростей, предпосылки к созданию объектного подхода.

2.7 Методы динамического построения фонового изображения.

2.7.1 Неподвижное фоновое изображение.

2.7.2 Подвижное фоновое изображение.

2.8 Устранение дополнительной избыточности в цветных подвижных изображениях.

2.9 Выводы.

Глава Э. Оптимизация методов компенсации движения по вычислительным затратам.

3.1 Обоснование необходимости оптимизации, постановка задачи.

3.2 Использование различных критериев для поиска векторов перемещения

3.2.1 Мера МАЕ.

3.2.2 Мера MSE.

3.2.3 Сравнительный анализ.

3.3 Метод спирального поиска векторов перемещений.

3.4 Пошаговые алгоритмы поиска векторов перемещения.

3.4.1 3-х шаговые алгоритмы поиска.

3.4.2 Двухмерный логарифмический поиск.

3.4.3 Ортогональный поиск.

3.4.4 Алгоритм перекрестного поиска.

3.4.5 4-х шаговый алгоритм поиска.

3.4.6 Алгоритм градиентного поиска.

3.5 Метод нормированных частных.

3.6 Иерархический поиск векторов перемещения.

3.7 Адаптивные и комбинированные методы поиска векторов перемещения

3.8 Сравнение методов.

3.9 Выводы.

Новейшие технологии, возникшие на стыке электросвязи и компьютерной техники, стали основой для исследования в области принципиально новых цифровых телекоммуникационных систем. В настоящее время традиционная аналоговая техника передачи изображений повсеместно заменяется более совершенной цифровой. Постоянно появляющиеся программы, приложения и системы для работы с видеоинформацией, такие как, настольные системы видеоконференц-связи, вещательное сетевое телевидение, мобильные телевизионные системы уже оказывают большое влияние на профессиональную деятельность человека, сферу образования и развлечения, а в ближайшем будущем их роль будет только возрастать.

Цифровые методы передачи (хранения) видеоинформации имеют большие преимущества перед аналоговыми, позволяя, в частности, осуществить сложную обработку изображений и нелинейный монтаж телевизионных программ, производить многократное копирование материала и обеспечить защиту от несанкционированного доступа. В то же время методы цифрового кодирования изображений, не учитывающие в полной мере их свойства и особенности восприятия зрительной информации человеком, требуют существенного увеличения пропускной способности каналов связи и емкости носителей информации.

Например, при оцифровке подвижного изображения вещательного качества получается цифровой поток порядка 120.160 Мбит/сек. Для сохранения 1.5 часового фильма требуется носитель емкостью около 80. 100 Гбайт. Следовательно, для записи такого фильма на один компакт-диск емкостью 0.65 Гбайт необходимо сократить исходный цифровой поток приблизительно в 120. 150 раз.

При организации видеоконференц-связи нет необходимости в передаче изображения вещательного качества, да и передаваемые объекты характеризуются, как правило, меньшей подвижностью. Исходный цифровой поток сокращается до 5.8 Мбит/сек. Тем не менее, и в этом случае требуется значительно сократить цифровой поток (по меньшей мере, в 200.500 раз), поскольку максимальная скорость передачи информации ограничена возможностями телефонной линии до величин порядка 10.30 Кбит/сек, а зачастую и менее.

Существенное сжатие цифрового объема видеоинформации является фундаментальной проблемой, которая остается актуальной уже многие десятилетия. Особенно важной эта проблема стала в последние годы, по мере развития всемирной информационной сети Интернет, использующей наряду с оптическими и спутниковыми каналами связи и традиционные телефонные линии, которые являются узким местом при передаче данных.

К настоящему времени известно огромное число различных методов сжатия цифрового объема видеоинформации. Большинство из них основано на сокращении статистической избыточности (частичной предсказуемости) изображений или/и более полном использовании свойств зрительной системы человека.

Некоторые методы цифрового кодирования подвижных изображений легли в основу стандартов и рекомендаций, разработанных в последнее десятилетие, таких как МРЕО-1, МРЕО-2, Н.261, Н.263. В настоящее время ведутся активные разработки стандарта МРЕО-4 для передачи видеоинформации по каналам с очень низкой пропускной способностью (скорость передачи данных от 4.8 Кбит/сек). Во всех применяемых сейчас стандартах используется одноуровневая блочная компенсация движения с последующим кодированием разностного сигнала при помощи дискретного косинусного преобразования. Многочисленные исследования, проведенные в последнее время, показывают, что заложенные в этих стандартах решения не являются оптимальными и возможно достичь более высоких степеней сжатия цифрового потока при заданном качестве воспроизводимых изображений или повысить их качество при заданной величине цифрового потока.

При оценке стандартизованных методов цифрового кодирования подвижных изображений нельзя не учитывать вычислительную сложность алгоритмов кодирования и декодирования. Их существенный недостаток -несимметричность: процесс кодирования изображения характеризуется значительно большими временными затратами, нежели процесс декодирования. Этот факт объясняет высокую стоимость систем, алпаратно реализующих эти алгоритмы. Их программная реализация также представляется труднодостижимой задачей.

Недостатки стандартизованных методов цифрового кодирования подвижных изображений делают актуальной задачей поиск новых методов, обеспечивающих повышение эффективности кодирования, то есть повышение качества получаемых изображений или/и сжатия цифрового потока, а также снижение необходимого количества вычислений, в особенности в процессе кодирования.

Целью данной работы является повышение эффективности методов компенсации движения, используемых в существующих (и находящихся в стадии разработки) стандартах. Для ее достижения предлагается целый ряд модификаций существующих методов. Также проводились исследования возможности снижения вычислительных затрат в используемых методах. Оценка эффективности предлагаемых модификаций производилась на основании экспериментов по кодированию тестовых видеопоследовательностей.

Данная работа организована следующим образом: в первой главе рассмотрены общие вопросы кодирования подвижных изображений, подробно изложены различные методы компенсации движения, методы кодирования разностного сигнала, описаны существующие стандарты; во второй главе предложены методы повышения эффективности алгоритмов кодирования, используемых в существующих стандартах, приведены результаты 8 проведенных экспериментов; в третьей главе рассмотрены методы снижения вычислительных затрат различных алгоритмов компенсации движения, проведено сравнение известных методов и предложен ряд новых. Результаты, полученные в процессе выполнения данной работы, обобщены в заключении.

Автор выражает глубокую признательность своему научному руководителю, Лебедеву Дмитрию Савельевичу, за рекомендации и советы по ходу выполнения диссертационной работы.

3.9 Выводы

Проведенный сравнительный анализ различных алгоритмов поиска векторов перемещения показал, что метод спирального поиска векторов перемещения, предложенный в разделе 3.3, обладает достаточной эффективностью при относительной простоте в реализации.

В то же время несколько более сложный метод иерархического поиска (с использованием принципа исключения кандидатов), предложенный в разделе 3.6, превосходит все известные алгоритмы поиска (см. разделы 3.4, 3.5) как по качеству аппроксимации кадров, так и по степени сокращения вычислительных затрат. Благодаря этому методу оказывается возможным снизить вычислительные затраты для поиска векторов перемещения в 17.25 раз при снижении отношения сигнал-шум в аппроксимированных кадрах на 0.1.0.5 <ЗВ.

Применение меры МАЕ позволяет дополнительно снизить вычислительные затраты на 10.40% для случаев, когда наиболее важна скорость работы алгоритма.

Предложенные методы могут быть использованы в системах кодирования подвижных изображений, использующих существующие стандарты, поскольку

Рисунок 3.2. Поиск векторов перемещения по спирали от координат текущего блока.

40 т

10

50

Зашел мм

-РоойиИ

100

150

200 250

I.

300

350

400

450

Рисунок 3.3. Графики зависимости среднего значения РЭМ1 от размера используемой спирали, полученные для различных тестовых видеопоследовательностей.

36

20 ■

100

200

300

400

500

600

700

800

900

1000

Рисунок 3.4. Графики зависимости среднего значения РЭМ*, от параметра е3, полученные для различных тестовых видеопоследовательностей. е,

Рисунок 3.5. Графики зависимости времени работы алгоритма от параметра е„, полученные для различных тестовых видеопоследовательностей.

Рисунок 3.6. График функции МБЕ, определенной на пространстве поиска.

Ду 1

- \ \ Уг я /

V \ \ 4 - \ у Уз К Vя ¡111! \ - 1 1 V / ■ 'Ч \ 4 Дх

V У — \

-4 -

V' \

Рисунок 3.10. Алгоритм перекрестного поиска векторов перемещения.

• г

Рисунок 3.11. Смещение сравниваемых блоков относительно текущего центра области поиска: а - первый шаг; б, в - второй/третий шаг; г - четвертый шаг.

Рисунок 3.12. Возможные пути поиска векторов перемещения для алгоритма 4Б8. т

Рисунок 3.13. Градиентный поиск векторов перемещения. < сравниваемый блок

Рисунок 3.14. Частные выражения ошибок для блока (В=\6, Г=4).

Рисунок 3.15. Порядок вычисления частных выражений ошибок в блоке.

1-й уровень

2-й уровень

3-й уровень г

Рисунок 3.16. Иерархическии поиск векторов перемещения.

Рисунок 3.17. Использование векторов перемещения соседних блоков в качестве предсказателей.

Рисунок 3.18. Зависимость величины PSNR от номера кадра для тестовой видеопоследовательности Garden при использовании различных алгоритмов поиска. t 23 ¡2

2в

Garden

25 30 3S

Frame number

Susie

25 30 35

Frame number

Рисунок 3.19. Зависимость величины PSNR от номера кадра для тестовой видеопоследовательности Susie при использовании различных алгоритмов поиска.

Football

Frame number

Рисунок 3.20. Зависимость величины PSNR от номера кадра для тестовой видеопоследовательности Football при использовании различных алгоритмов поиска.

BBGDS

NPDS

CBOSA

N3SS iURS2

Рисунок 3.21. Изображения, полученные в результате аппроксимации кадра №50 тестовой видеопоследовательности Football при использовании различных алгоритмов поиска.

Заключение

Разработаны способы повышения эффективности методов компенсации движения в подвижных изображениях. В отличие от стандартизованных методов они позволяют достичь более высокого качества аппроксимации кадров, прирост в отношении сигнал-шум составляет 3.5 сШ. Использование модификаций энтропийного кодирования для векторов перемещения позволяет сократить объем цифрового кода в 2.4 раза.

Предложены алгоритмы динамического построения «фонового» изображения, позволяющие повысить качество аппроксимации кадра за счет использования так называемых «фоновых» блоков. Кроме того, алгоритмы автоматически исключают подвижные объекты со сцены, и могут успешно использоваться в системах наблюдения (в том числе с подвижными камерами).

Дальнейшие исследования могут включать изучение глобальных моделей компенсации движения. В данной работе были представлены лишь некоторые частные решения этой задачи.

Проведен сравнительный анализ различных алгоритмов поиска векторов перемещения, предложены модификации методов, превосходящие все известные алгоритмы. Благодаря применению модифицированного иерархического и спирального поиска векторов перемещения, вычислительные затраты метода компенсации движения многократно снижаются (в 17.25 раз), при незначительном снижении качества аппроксимаций кадров (на 0.1.0.5 с!В).

Следует заметить, что алгоритм поиска векторов перемещения не регламентирован в существующих цифровых стандартах кодирования подвижных изображений. Таких образом, разработка более эффективных алгоритмов поиска векторов перемещения является актуальной задачей для существующих и находящихся в разработке стандартов. Применение эффективных алгоритмов поиска позволит снизить стоимость систем кодирования подвижных изображений.

133

Дальнейшие исследования будут направлены на построение адаптивных методов, учитывающих статистическое распределение вероятностей векторов перемещения, временные и пространственные корреляционные связи между ними. Также возможно построение различных комбинированных методов, использующих различные алгоритмы поиска.

В ходе исследований в рамках диссертационной работы все методы были программно реализованы и опробованы на стандартном тестовом наборе видеопоследовательностей. Программная реализация методов потребовала создания 14 независимых модулей, содержащих около 20 тысяч строк программного кода.

На основе разработанных методов и алгоритмов создан программный комплекс для эффективного кодирования цветных подвижных изображений в реальном масштабе времени на базе персональных компьютеров с процессором Pentium с использованием недорогих плат видеозахвата. Программный комплекс был частично использован при реализации проекта «Видеотелефон для локальных компьютерных сетей» успешно выполненного в 1998 году. Кодек, использующий иерархический метод компенсации движения был представлен на международной выставке компьютерных технологий CEBIT в 1998 году.

1. Huffman D.A. "A Method for the Construction of Minimum-Redundancy Codes", Proc. IRE, vol. 40, no. 9, pp. 1098-1101, September 1952

2. Rissanen J. J., Langdon G.G. Jr. "Arithmetic Coding", IBM Journal of Research and Development, December 1979

3. Witten I.H., Neal R.M., Cleary J.G., "Arithmetic Coding for Data Compression", Communications of the ACM, vol. 30, no. 6, June 1987

4. Ziv J., Lempel A. "An Universal Algorithm for Sequential Data Compression", IEEE Trans. Information Theory, vol. 23, no. 3, 1977

5. Welch T.A., "A Technique for High Performance Data Compression", IEEE Trans. Computers, vol. 17, no. 6., June 1984

6. Linde Y., Buzo A., Gray R. "An Algorithm for Vector Quantization Designs", IEEE Trans. Communications, vol. 28, January 1980

7. Equitz W.H., "Fast Algorithms for Vector Quantization Picture Coding", M.S. Thesis, MIT, June 1984

8. Ahmed N., Natarajan Т., Rao K.R., "On Image Processing and a Discrete Cosine Transform", IEEE Trans. Computers, vol. 23, no. 1, pp. 90-93, January 1974.

9. Clarke R.J., "Relation Between the Karhunen-Loeve and Cosine Transforms", Proc. IEEE, vol. 128, pp. 359-360, 1981.

10. Andrews H.C., Pratt W.K., "Fourier Transform Coding of Images", Hawaii International Conference on System Science, pp. 677-679, January 1968

11. Andrews H.C., Kane J., Pratt W.K., "Hadamard Transform Image Coding" Proc. IEEE, vol. 57, no. 1, pp. 58-68, January 1969

12. Pratt W.K., Chen W.H., Welch L.R., "Slant Transform Image Coding", IEEE Trans. Communications, vol. 22, pp. 1075-1093, August 1974

13. Rao K.R., Narashimhan M.A., Revuluri K., "Image Data Processing by Hadamard-Haar Transforms, IEEE Trans. Computers, vol. 23, no. 9, pp. 888896, September 1975

14. Wallace G.K., "The JPEG Still-Picture Compression Standard", Communications of the ACM, vol. 34, no. 4, 30-44, April 1991

15. Barnsley M.F., Jacquin A.E., "Application of Recurrent Iterated Function Systems to Images", Proc. SPIE VCIP, vol. 1001, pp. 122-131, 1988

16. Jacquin A.E., "Image Coding Based on a Fractal Theory of Iterated Contractive Image Transformations", IEEE Trans. Image Processing, vol. 1, no. 1, pp. 1830, January 1992

17. Hürtgen B., Stiller C., "Fast Hierarchical Codebook Search for Fractal Coding of Still Images", EOS/SPIE Visual Communications and PACS for Medical Applications'93, pp. 397-408, Berlin, Germany, 1993

18. Saupe D., Hamzaoui R., "Complexity Reduction Methods for Fractal Image Compression", Proc. IMA Conf. Image Processing; Mathematical Methods and Applications, September 1994

19. Saupe D., "Lean Domain Pools for Fractal Image Compression", Proc. SPIE Electronic Imaging, Science and Technology, Still Image Compression II, San Jose, vol. 2669, January 1996

20. Adelson E.H., Simoncelli E.P., Hingorani R., "Orthogonal Pyramid Transforms for Image Coding", Proc. SPIE, pp. 50-58, Cambridge, MA, October 1987

21. Lebedev D.S., "Laplacian Pyramid Code as a Representation for Low-Level Visual Information", Instituts fur Informatik der Universität Zurich, vol. 1, 1992

22. Antonini M., Barlaud M., Mathieu P., Daubechies I., "Image Coding Using Wavelet Transform", IEEE Trans. Image Processing, vol. 1, no. 2, pp. 205-220,1992

23. Villasenor J.D., Beizer B., Liao J., "Wavelet Filter Evaluation for Image Compression", IEEE Trans. Image Processing, vol. 4, no. 8, pp. 1053-1060, August 1995

24. Watson A.B., Yang G.Y., Solomon J.A., Villasenor J.D., "Visual Thresholds for Wavelet Quantization Error", Proc. SPIE, vol. 2657, no. 44, 1996

25. Watson A.B., Yang G.Y., Solomon J.A., Villasenor J.D., "Visibility of Wavelet Quantization Noise", IEEE Trans. Image Processing, vol. 6, no. 8, pp. 11641175, August 1997

26. Rinaldo R., Calvagno G., "An Image Coding Scheme Using Block Prediction of the Pyramid Subband Decomposition", IEEE Proc. International Conference on Image Processing, Austin, Texas, 1994

27. Shapiro J.M., "Embedded Image Coding Using Zerotrees of Wavelet Coefficients", IEEE Trans. Signal Processing, vol. 41, no. 12, pp. 3445-3462,1993

28. Ribas-Corbera J., Neuhoff D.L., "Optimal block size for block-based motion-compensated video coders", Proc. SPIE, vol. 3024, pp. 1132-1143, January 1997

29. Fisher Y., Rogovin D., Shen T.P., "Fractal (Self-VQ) Encoding of Video Sequences", Proc. SPIE VCIP, Chicago, Illinois, September 1994

30. Zhang Y.Q., Zafar S., "Motion-Compensated Wavelet Transform Coding for Color Video Compression", IEEE Trans. Circuits and Systems for Video Technology, vol. 2, no. 3, pp. 285-296, September 1992

31. Mandal M.K., Chan E., Wang X., Panchanathan S., "Multiresolution Motion Estimation Techniques for Video Compression", Optical Engineering, vol. 35, no. 1, pp. 128-136, January 1996

32. Mandal M.K., Panchanathan S., Aboulnasr Т., "Wavelets for Image Compression", Proc. IEEE International Symposium on Time-Frequency and Time-Scale Analysis, pp. 338-341, October 1994

33. Reusens E., "Sequence Coding Based on the Fractal Theory of Iterated Transformation Systems", Proc. SPIE VCIP, vol. 1, pp. 132-140, Boston, November 1993

34. Barthel K.U., Voye Т., "Three-dimensional Fractal Video Coding", IEEE Proc. International Conference on Image Processing, Washington, DC, October 1995

35. Andrews H.C., Tescher A.G., "The Role of Adaptive Phase Coding in Two and Three Dimensional Fourier and Walsh Image Compression", Proc. Walsh Function Symposium, Washington, DC, March 1974

36. Rose J.A., Pratt W.K., Robinson G.S., "Interframe Cosine Transform Image Coding", IEEE Trans. Communications, vol. 25, no. 11, November 1977

37. Podilchuk C.I., Jayant N.S., Farvardin N., "Three-dimensional Subband Coding of Video", IEEE Trans. Image Processing, vol. 4, no. 2, pp. 125-139, February 1995

38. Ohm J.R., "Three-dimensional Subband Coding with Motion Compensation", IEEE Trans. Image Processing, vol. 3, no. 5, pp. 572-588, September 1994

39. Taubman D., Zakhor A., "Multirate 3-D Subband Coding of Video", IEEE Trans. Image Processing, vol. 3, no. 5, pp. 572-588, September 1994

40. Lilienfield G., Woods J.W., "Scalable High-Definition Video Coding", IEEE Proc. International Conference on Image Processing, vol. 2, pp. 567-570, 1995

41. ISO/IEC JTC 1/SC 29 11172-2 (MPEG-1 Video), "Information Technology -Coding of Moving Pictures and Associated Audio for Digital Storage Media at up to about 1.5 Mbit/s: Video", 1993

42. ISO/IEC JTC 1/SC 29, 13818-2, ITU-T H.262 (MPEG-2 Video), "Information Technology Generic Coding of Moving Pictures and Associated Audio Information: Video", 1995

43. ITU-T SG15, "Video Codec for Audiovisual Services at px64 kbit/s", ITU-T Recommendation H.261, Version 3, March 1993

44. ITU-T SGI 5, "Video Coding for Low Bitrate Communication", DRAFT ITU-T Recommendation H.263, May 1996

45. ISO/IEC JTC1 CD 14496-2 (MPEG-4 Video), "Information Technology & Coding of Audio-Visual Object: Visual", October 1997

46. Hamzaoui R., Muller M., Saupe D., "VQ-Enhanced Fractal Image Compression", IEEE Proc. International Conference on Image Processing, vol. 1, pp. 153-156, Lausanne, September 1996

47. Кос U.V., Liu K.J.R., " DCT-Based Subpixel Motion Estimation", Proc. IEEE International Conference on Acoustics, Speech and Signal Processing, vol. 4, pp. 1931-1934, 1996-5

48. Sampson D.G., Silva E.A.B., Ghanbari M., "Low Bit-rate Video Coding Using Wavelet Vector Quantization", IEE Proc. Vision, Image Signal Processing, vol. 142, no. 3, pp. 141-148, June 1995

49. Marpe D., Cycon H.L., "Very Low Bit Rate Video Coding Using Wavelet-Based Techniques", IEEE Trans. Circuits and Systems for Video Technology, 1997

50. Watanabe H., Singhal S., "Windowed Motion Compensation", Proc. SPIE, vol. 1605, pp. 582-589, November 1991

51. Young R.W., Kingsbury N.G., "Frequency-Domain Motion Estimation Using a Complex Lapped Transform", IEEE Trans. Image Processing, vol. 2, no. 1, pp. 2-17, January 1993

52. Adiv G., "Detennining Three-dimensional Motion and Structure from Optical Flow Generated by Several Moving Objects", IEEE Trans. Pattern Anal. Machine Intell., vol. 7, no. 4, pp. 384-401, July 1985

53. Murray D.W., Buxton M.F., "Scene Segmentation from Visual Motion Using Global Optimization", IEEE Trans. Pattern Anal. Machine Intell., vol. 9, no. 2, pp. 220-228, March 1987

54. Schroeter P., Ayer S., "Multi-Frame Based Segmentation of Moving Objects by Combining Luminance and Motion", Proc. EUSIPCO, Edinburgh, U.K., September 1994

55. Dufaux F., Moscheni F., Lippman A., "Spatio-Temporal Segmentation Based on Motion and Static Segmentation", ШЕЕ Proc. International Conference on Image Processing, Washington, DC, October 1995

56. Eden M., Kocher M., "On the Performance of a Contour Coding Algorithm in the Context of Image Coding, Part 1: Contour Segment Coding", Signal Processing, vol. 8, no. 10, pp. 381-386, 1985

57. Benois J., Wu L., Barba D., "Joint Contour-Based and Motion-Based Image Sequences Segmentation for TV Image Coding at Low Bit Rate", Proc. SPIE VCIP, vol. 2308, pp. 1074-1085, Chicago, Illinois, September 1994

58. Moscheni F., Dufaux F., "Region Merging Based on Robust Statistical Testing", Proc. SPIE VCIP, Orlando, March 1996

59. Alatan A.A., Onural L., "3-D Motion Estimation of Rigid Objects for Video Coding Applications Using an Improved Iterative Version of the E-matrix Method", IEEE Signal Processing Letters, vol. 5, no. 2, February 1998

60. Dufaux F., Moscheni F., "Segmentation-Based Motion Estimation for Second Generation Video Coding Techniques", In Torres L., Kunt M., editors, Video Coding: A second Generation Approach, pp. 219-263, Kluwer Academic Publishers, 1996

61. Hepper D., "Efficiency Analysis and Application of Uncovered Background Prediction in a Low Bit Rate Image Coder", IEEE Trans. Communications, vol. 38, no. 9, pp. 1578-1584, September 1990

62. Yuan X., "Hierarchical Uncovered Background Prediction in a Low Bit-Rate Video Coder", In Picture Coding Symposium, page 12.1, Lausanne, Switzerland, March 1993

63. Irani M, Hsu S., Anandan P., "Mosaic-Based Video Compression", SPIE Proc. Digital Video Compression: Algorithms and Technologies, vol. 2419, San Jose, CA, February 1995

64. Загайнов И.Г., "Динамическое построение фонового изображения для уменьшения потока данных в системах кодирования подвижных изображений", Электронный журнал "Исследовано в России", 46, 1999. http ://zhurnal. ape.relarn.ru/articles/1999/046.pdf

65. Dufaux F., Moscheni F., "Background Mosaicking For Low Bit-Rate Video Coding", Proc. IEEE International Conference on Image Processing, vol. 1, pp. 673-676, Lausanne, September 1996

66. Frei W., "A New Model of Color Vision and Some Practical Limitations", University of Southern California, Image Processing Institute, USCEE Report 530, pp. 128-143, March 1974

67. Роджерс Д., "Алгоритмические основы машинной графики", пер. с англ. М: Мир, 1989

68. ISO/IEC JTC1/SC29 WG11 document MPEG 93/457, ITU-T SG15.1 AVC-491 (Test Model 5), April 1993

69. Zahariadis Th., Kalivas D., "A Spiral Search Algorithm for Fast Estimation of Block Motion Vectors", Proc. EUSIPCO, vol. 2, pp. 1079-1082, Trieste, Italy, September 1996

70. Liu В., Zaccarin A., "New Fast Algorithms for the Estimation of Block Motion Vectors", IEEE Trans. Circuits and Systems for Video Technology, vol. 3, no. 2, pp. 148-157, April 1993

71. Liu D., Sun W., "Block-Based Fast Motion Estimation Algorithms in Video Compression", Stevens Institute of Technology, Technical report 9704, October 1997

72. Koga Т., Iinuma K., Hirano A., Iijima Y., Ishiguro Т., "Motion Compensated Interframe Coding for Video Conferencing", Proc. National

73. Telecommunications Conference, New Orleans, LA, pp. G5.3.1-G5.3.5, November 1981

74. Li R., Zeng B., Liou M.L., "A New Three-Step Search Algorithm for Block Motion Estimation", IEEE Trans. Circuits and Systems for Video Technology, vol. 4, no. 4, pp. 438-442, August 1994

75. Jain J.R., Jain A.K., "Displacement Measurement and its Application in Interframe Image Coding", IEEE Trans. Commun., vol. 29, pp. 1799-1808, December 1981

76. Puri A., Hang H.M., Schilling D.L., "An Efficient Block Matching Algorithm for Motion Compensated Coding", Proc. IEEE International Conference on Acoustics, Speech and Signal Processing, pp. 1063-1066, 1987

77. Ghanbari M., "The Cross-Search Algorithm for Motion Estimation", IEEE Trans. Communications, vol. 38, pp. 950-953, July 1990

78. Po L.M., Ma W.C., "A New Center-biased Search Algorithm for Block Motion Estimation", Proc. IEEE International Conference on Image Processing, Washington, DC, October 1995

79. Po L.M., Ma W.C., "A Novel Four-Step Search Algorithm for Fast Block Motion Estimation", IEEE Trans. Circuits and Systems for Video Technology, vol. 6, no. 3, pp. 313-317, June 1996

80. Liu L.K., Feig E., "A Block-Based Gradient Descent Search Algorithm for Block Motion Estimation in Video Coding", EEEE Trans. Circuits and Systems for Video Technology, vol. 6, no. 4, pp. 419-422, August 1996

81. Cheung C.K., Po L.M., "Normalized Partial Distortion Search Algorithm for Block Motion Estimation", accepted for publication on IEEE Trans. Circuits and Systems for Video Technology, 1999

82. Cheung C.K., Po L.M., "A New Fast Block Motion Estimation Algorithm Using Normalized Partial Distortion Measure", International Workshop on Multimedia Data Storage, Retrieval, Integration and Applications, pp. 34-39, January 2000

83. Загайнов И.Г., "Оптимизация алгоритма компенсации движения в системах кодирования подвижных изображений", Электронный журнал "Исследовано в России", 45, 1999. http://zhumal.ape.relam.ru/articles/1999/ 045.pdf

84. Bierling М., "Displacement Estimation by Hierarchical Block Matching", Proc. SPIE VCIP, vol. 1001, pp. 942-951, January 1988

85. Xu J.B., Po L.M., "A New Prediction Model Search Algorithm for Fast Block Motion," Proc. EEEE International Conference on Image Processing, vol. 3, pp. 610-613, Santa Barbara, CA, October 1997

86. Xu J.B., Po L.M., Cheung C.K., "Adaptive Motion Tracking Block Matching Algorithms for Video Coding", IEEE Trans. Circuits and Systems for Video Technology, vol. 97, pp. 1025-1029, October 1999

87. Cheung C.K., "Fast motion estimation techniques for video compression", M. Phil. Dissertation, CityU Image Processing Lab, Department of Electronic Engineering, City University of Hong Kong, July 1998

88. Cheung C.K., Po L.M., "Hybrid search algorithm for block motion estimation", Proc. IEEE International Symposium on Circuits and Systems, vol. 4, pp. 297300, Monterey, CA, May 1998