经典匹配论（共5篇）
经典匹配论 篇1
1 块匹配算法简介
块匹配算法就是对两帧图像的同一个位置的运动通过分块比较得到其估计矢量。算法思想如下：每一帧图像都被分割为若干个大小为M×N的块，通过中心定位找到参考帧上像素点(x,y)的所在的图像块，通过某种匹配准则估计得到待匹配帧上最佳匹配图像块。则这两个图像块之间的位移即为(x,y)点的位移。
块匹配法的差异主要体现在匹配准则、搜索算法和块大小等方面。常用的块匹配准则有最小绝对差和函数、最小均方误差、最小平均绝对值差等。本文采用的是：
2 经典块匹配算法
2.1 四步搜索法FSS
(1）基本思想
四步搜索算法相对于三步搜索法,搜索窗口由9×9变成5×5的9个搜索点，FSS搜索的上一步的最佳匹配位置决定了下一步的搜索范围并且将搜索窗口的中心移向最小块距离MBD点处,搜索步长在前三步不改变,在最后一步改变步长,获得最后的最佳匹配位置,而且后两步搜索窗口的宽度由MBD点的位置来决定。
(2）算法步骤
step1：在7×7的搜索区域内，FSS搜索首先建一个5×5的搜索窗口并计算如图1所示9个点的匹配误差。如果最小匹配误差点MBD点出现在搜索窗口的中心，转到第四步，否则转到第二步。
step2：新的搜索窗口的中心定位在第一步中的MBD点，新建5×5的窗口。最小匹配误差点出现在四角，如图2所示，需要新增加5个点计算匹配误差，找到匹配误差最小的点。最小误差点出现在为四边，如图3所示，需要增加3个黑色点计算其匹配误差。如果这些点的匹配误差都比中心点大，转到第四步，否则转到第三步。
step3：搜索方法和第二步相同，但终将会转到第四步。
step4：搜索窗口缩小为3×3。最终结果由图4所示的9个点中的最小匹配误差点决定。
(3）性能分析
FSS的最少搜索点数为9+8=17，最大搜索点数为9+5+5+8=27个点，计算复杂度比TSS低，对于方向上的误导性比TSS要小很多，具有较好的搜索效果。
2.2 十字搜索法RPS
(1）基本思想
为了进一步提高效率减少检查点数目，RPS算法搜索利用四点十字方案。FSS在第一步搜索时需要计算9个点，而十字搜索只需要5个。如果十字中心不是最小的SAD点，十字搜索也只需要多计算3个点的SAD值。
(2）算法步骤
Step1:RPS搜索首先建立一个十字模板，计算十字模板的4个十字端点的SAD值，通过其最近的块预测一个运动矢量，如图5所示。
Step2:上一步得到的最小SAD点作为下一步搜索的新的十字中心，如图6所示，比较新的十字模板的4个端点和十字中心，得到新的最小SAD点。
Step3：重复第二步，直到十字模板的中心的SAD值最小为止。
(3）性能分析
十字搜索因为只计算十字模板的端点位置，有可能造成搜索方向的偏离，准确度较低，但是该搜索方法所需检测点的数目最少，计算复杂度比较低，从而搜索速度得到提高。
2.3 双十字搜索法DCS
(1）基本思想
双十字搜索算法是在十字搜素算法的基础上提出来的，采用了两个搜索模板，一个是4×4的大十字模板，一个是2×2的小十字模板，大十字搜索过程和十字搜索类似，不同的是在小十字精化时，为了得到最佳匹配点，它不仅检查小十字模板中心的四个端点，还增加了三个可能存在最小SAD点的位置检测。
(2）算法步骤
Step1:预测一个中心点位置作为初始搜索中心。
Step2:4×4大十字搜索，以第一步得到的搜索中心建立一个4×4大十字的大十字模板，把大十字模板的4个端点位置的SAD与中心点SAD比较，如果最小SAD出现在大十字中心则停止搜索，转到第四步，否则转到第三步，如图7所示。
Step3：重复第二步搜所，检查新的大十字模板的四个端点位置的SAD值。
Step4:2×2小十字搜索，以上一步得到的最小SAD点的位置作为新的2×2小十字模板的中心，如图8所示的4种情况下，多计算额外的3个可能的最佳点，检查2×2小十字模板其它三个端点的SAD值，。最终结果由这六个点和当前十字中心里的最小SAD点来决定。
(3）性能分析
双十字精化搜索与RPS相比仍然具有快速搜索的优点，在计算量没有明显增加的情况下，还提高了搜索的准确度。
3实验结果及分析
在matlab 7.0上进行仿真实验，采用了YUV格式的标准测试序列“foreman”和“highway”的前30帧对于四步搜索算法、十字搜索算法以及双十字搜索算法进行了测试并与全搜索算法FS进行比较。在测试过程中，采用SAD为匹配准则，运动估计的块大小为16×16，搜索步长为7。我们主要测试了每块的平均搜索点数和平均峰值信噪比PSNR,结果如下表所示：
表1表示foreman各种块匹配算法情况下的每块的平均搜索点数points、相对全搜索算法的加速率ratio以及平均峰值信噪比PSNR:
表2分别表示highway在各种块匹配算法情况下的每块的平均搜索点数points、相对全搜索算法的加速率ratio以及平均峰值信噪比PSNR:
4 结语
本文介绍了运动估计的原理以及一些经典的块匹配算法，通过3个不同视频序列的仿真结果可以看出,DCS算法在提高搜索速度的同时,性能PSNR与其他算法相比变化几乎可以忽略不计,这说明在达到相同搜索质量的前提下，DCS算法很能在很大程度上使搜索速度得以提高。
参考文献
[1]陈宫,牛秦洲.图像序列运动估计中经典块匹配算法研究[J].计算机应用与软件,2012,29(5):147-151.
[2]刘海华,雷奕,谢长生.双十字搜索算法的快速块匹配运动估计[J].计算机研究与发展,2006,43(9):1666-1673.
[3]张艳.空间域超分辨率图像重建技术研究[D].中国人民解放军信息工程大学.2007.
经典匹配论 篇2
培养悟性
梨木中心小学
陈燕梅
古诗文诵读中学生人文素质的培养，应是学生个性化的阅读实践行为。在吟诵活动中提出的“诵读为本，不求甚解”，就是要求教师不要用分析代替学生的吟诵，而是让学生在吟诵中自悟自得，在自悟自得中提高自身的人文素养。
一、品析诵读，尊重个性化理解
古诗文的课堂教学中，教师应摒弃烦琐的分析和逐字逐句的讲解，应以组织者的身份参与到学生学习的过程中来，在充分尊重学生主体地位同时，积极发挥主导地位。这样，才能培养学生的学习能力，拓展学生的认知领域，提高学生的审美情趣。一首古诗，诗人在创作时，有它特定的时代背景，不同的人，读它会有不同的见解，可谓仁者见仁，智者见智，教师如果把自己的理解强加于学生便抑制了学生创造性思维的发展，正如《语文课程标准》中提出的，阅读是个性化的行为，每个阅读者的生活积淀，文化底蕴，审美情趣千差万别，阅读也反映着学生个性心理的行为。有位哲人说：正是儿童承袭了人类最初的诗性性格，他们的智慧即指向眼睛看到的地方，也指向心灵看到的地方。教师不能以自己独白式的分析代替学生的阅读实践，“要珍视学生独特的感受”让学生在积极、主动的思维和情感活动中加深对诗意的理解、思考，从而受到情感的熏陶获得思想启迪。
在实践中发现，学生通过自悟而受到的思想教育、情感熏陶以及所获得的知识，远非教师分析所能得到的。而有些古诗文的深远意境，作者所表达的情感、人文精神也绝非教师能分析得清的。如果教师充分调动学生的阅读兴趣，让学生自主阅读，尽情吟诵，就会产生很多超越文本的阅读新意。如李白的《月下独酌》，读后问：读了以后有什么感觉？学生在经过充分的自读感悟后纷纷发言：“在这么美的环境中一个人饮酒，李白真是太孤独，太伤感了！”“不！李白太浪漫了，花间、月下、美酒，那种感觉肯定是妙不可言。”尊重学生富有个人感情色彩的表达，尊重学生对文本的独特感悟，这是对学生最好的人文关怀。
二、激发兴趣，培养诵读习惯
抓住教育契机融入活动，以活动激发学生诵读兴趣：如为进行普通话的宣传，组织一次古诗文朗诵比赛；为纪念节日，让学生朗读一些相关的古诗文等。可以因势利导开展活动：如让学生看一组图片去联想所学过的古诗文；利用课余游戏进行小竞赛——背诵学过的古诗；在课前准备时间进行小组背诵古诗文挑战赛；利用早午读时间进行古诗文唱和……在开放而有活力的古诗文诵读活动中，当学生已水到渠成之时，启示学生自己去创作诗文，写大体整齐押韵的诗，并且要有合理大胆的想象，让人能从自己的描写中想像出一幅图画。同时，抽出较好的诗加以讲评，引导其运用联想、想像、借助比喻、拟人、象征等手法，将一些枯燥的文字变成具体形象。指导学生开绝句佳词赏析会、结诗社、写读书笔记、点评诗文，进行研究性学习，为自己出诗集、办诗文报等，使学生从诵诗、赏诗到作诗，经历一种生命的快乐，引领学生走进诗词歌赋的殿堂。
三、持之以恒，培养健康人格
中国原是诗的国度，自古培养学生就注重“诗教”。孔夫子教诲弟子学诗，指出诗有“兴、观、群、怨”等多种功能；我国历史上的杰出人物，都是自幼学诗，在“修身”上下功夫，立志“治国平天下”，心忧黎元。做地方官，一般都有造福一方的德政；身居庙堂，则力主改革弊政，励精图治；在生死关头，则毅然决然走上“杀身成仁”、“舍生取义”之路。当他们“治国平天下”的宏愿屡遭挫折甚至身受重重磨难时，就愈加深切的忧国忧民，感怀时事，从而写出震撼人心、名传千秋的诗篇。
司马迁曾说：“《诗》三百篇，大抵圣贤发愤之所为作也。”读诗，是接触、感受一颗颗鲜活的心并与之共振。“路漫漫其修远兮，吾将上下而求索”，让我们感到屈原那颗忧国忧民、上下求索的高洁之心；“采菊东篱下，悠然见南山”，使我们看到陶渊明那颗追求自由、向往和平的平常之心，读“安能摧眉折腰事权贵，使我不得开心颜”，谁不为李白人格的独立清高而仰慕！读“先天下之忧而忧，后天下之乐而乐”，谁不为范仲淹那大度宽容的人道主义情怀所感动呢？……读诗，口惟心诵，咀嚼体悟，共鸣感情，自然就润养身心，化育灵魂，铸造人格的支柱，积蓄着精神原动力。读诗，欣赏中华千年文明最精美的结晶，含英咀华，探寻意境，感受萦回在意境里的美好情思，沉潜到文化的深层，感悟人生真谛与宇宙哲理，可以丰富自己的精神世界和人文素养，提高对人生世相的洞察力与感悟力，可以使人性发现，使名利心淡泊，使灵魂净化。
总之，诗教不仅能提高人的思想境界，而且还可以丰富人的内心世界，培养纯正的审美情趣。一句话，养心修身，润人心田。这毫无疑问，古诗文在培养学生健康人格中起着重要作用，这在素质教育的育人工程中是任何手段都不能替代的。
梨木中心小学培养悟性
陈燕梅
自主诵读
《题西林壁》教案
梨木中心小学
陈燕梅
一、教学目标：
1、学会背诵《题西林壁》。
2、在明白古诗意思的基础上理解诗中所含的哲理：观察角度不同，观察效果不同；
3、通过学习古诗教给学生学习古诗的方法。
二、教学重点难点：理解苏轼富有哲理的话“不识庐山真面目，只缘身在此山中”。并联系生活从中获得启示。
三、课时：一课时
四、教具准备：庐山风景画 五教学过程：
（一）导入
1、引入新课
师：我们已经学过了桂林山水这篇课文，知道了祖国有如此美丽的地方，那除了桂林山水之外，你们还知道哪一些地方很美吗？
生说风景（目的：激发学生学习兴趣，培养热爱祖国的思想）
师：同学们说了不少，今天老师也想向大家介绍一处风景。（展示庐山风景画）师：看了以后，你觉得庐山怎么样？ 生谈感想
师：看来大家都觉得庐山很不错，其实北宋的著名诗人苏轼也很喜欢庐山，他还为庐山写了一首诗，今天我们就要来学习这首古诗——《题西林壁》（板书诗题）
（二）讲解
师：我们已经学习了很多首古诗，也学了古诗的学习步骤，大家还记得吗？（解诗题，知作者；抓字眼，明诗意；多诵读，悟诗情）生答
2．解诗题，知作者
师：请结合课文的注释，理解一下本诗题目的意思。题西林壁：书写在西林寺的墙壁上。
（题：书写； 西林：庐山有两座寺庙——东林寺和西林寺，这里的“西林”指的是西林寺； 墙：墙壁）
师：谁知道苏轼的生平？（生交流苏轼的资料。）
（苏轼（1037-1101）北宋文学家，书画家，字子瞻，号东坡居士。他一生坎坷，屡遭贬谪，与其父苏洵，其弟苏辙合称“三苏”，其散文为“唐宋八大家”之一。本文是苏轼在被贬途中经过庐山时写下的。
唐宋八大家：三苏、韩愈、曾巩、欧阳修、王安石、柳宗元）3．抓字眼，明大意
师：（指名读古诗）其他同学一边听一边思考，你们从这首诗中读懂了什么。生读
师：四人小组合作交流，你们从这句诗中读懂了什么？ 师：谁来说说你从这首诗中读懂了什么？
（1）学习1、2句：“横看成岭侧成峰，远近高低各不同。”
（横：从正面； 岭：连绵不断的高山； 侧：从侧面； 峰：高而尖的山头）横看成岭侧成峰：横着看，庐山是一条山岭，连绵不断；侧着看却仿佛变成了一座山峰。
远近高低各（重读）不同：向远处、近处、高处、低处看，看到的庐山景色都不相同。
（2）把握朗读重音
读出气势，有强弱对比，如远近高低都是重音，要读出起伏，“远”强一些，“近”弱一些，“高”强一些，“低”弱一些。
（4）师：从这两句诗中，你知道为什么庐山在苏轼的眼中，会有怎么多种变化吗？
（苏轼站在不同的地方，从不同的角度观察庐山）
师：对，我们站在不同的角度，看到的景物是不同的。假如你现在就面对着庐山，你能用我站在___________看到__________说一句话吗？
（5）学习3、4句：“不识庐山真面目，只缘身在此山中。”
（不识：不认识，看不清。面目：相貌，这里比喻事物所呈现的景象；缘：因为。)“我”没有认清庐山的真面目（全景）只缘身在此山中：只因为我站在庐山中 师：这一句里有一个字很难写，谁知道呢？（“缘”字）让我们一起来疏通一下笔画。
（6）指名说全诗意思 4．多诵读，悟诗情（1）多诵读：
师：老师有一个问题：作者为什么要描写庐山？（作者喜爱庐山）作者从多个角度，细致地观察了庐山，简洁而生动地描绘了庐山的奇特景象，可见他对庐山的奇丽景色流连忘返。你们说，你们能不能把作者那赞美之情用优美的嗓子朗读出来？好，现在让我们用自己喜爱的方式朗读这首古诗。谁还记得读古诗的方法有几种？（齐诵、轮诵、唱诵、表演读、叠诵„„）好，现在就请你们用自己喜爱的方式读这首古诗。（2）悟诗情
师：刚才同学们非常有感情地朗读了《题西林壁》。但老师有一个地方却怎么也不能理解：作者为什么说自己“不识庐山真面目”呢？他不是已经说庐山“横看成岭侧成峰”了吗？（因为他所站的位置不同，横看成岭侧成峰是站在远处看的，而不识庐山真面目则是身在庐山时看的。也就是人们常说的“当局者迷，旁观者清”。所以我们要想对事情有一个全面地了解，就要多听一听其他人的意见。）
（三）总结
师：《题西林壁》这首古诗，不仅是对庐山雄奇壮观、千姿百态景象的赞美，更包含了“当局者迷，旁观者清”的人生哲理。
（四）、作业
1．背诵、默写《题西林壁》。
2．结合生活事例，说说你是怎么理解“不不识庐山真面目，只缘身在此山中”这句诗的意思。
六、板书：
题西林壁
一解诗题，知作者：题：书写
苏轼
读名著，品经典，论英雄 篇3
通过对名著《水浒传》的阅读交流活动，培养学生对经典名著的阅读兴趣。
通过对人物相关故事情节的了解分析人物性格。
训练和培养学生敢于表达自己观点的能力。
教学重点：
通过对文中主要人物相关故事情节的解读分析人物性格。
教学难点：
了解人物性格的丰富性和复杂性。
教学设想：小说采用章回体结构，这堂课就借用其章回体结构进行教学。
教学过程：
第一回：读名著，人物故事记心间;论英雄，翰墨书香常思考
通过幻灯片播放水浒英雄的图像，同时播放《水浒传》的主题曲，在雄浑激昂的歌声中进入情境。
假期大家读了《水浒传》，请学生简要概括这部小说的故事内容（随机请学生回答，注意随时点拨）。
幻灯上出现四个英雄人物的图像，分四个小组，对每个人物进行简要的介绍，其他成员进行补充。
《水浒》有一百单八将，其性格、形象迥异，我们该如何准确把握人物形象呢，进入第二回。
第二回：怒与悲，众学子同论豹子头;褒和贬，各小组共议呼保义
以林冲和宋江为例进行分析，掌握分析人物的方法。
（1）小组内讲述有关林冲的故事并分析形象，其他学生进行补充。
（2）教师总结，明确：
林冲（豹子头）相关的故事：误入白虎堂、火烧草料场、雪夜上梁山、火并王伦。
人物形象：武艺高强、有勇有谋，但为人安分守己、循规蹈矩、忍辱负重，最终被逼上梁山。
（3）小组内讲述有关宋江的故事并分析形象，其他学生进行补充。
（4）教师总结，明确：
宋江（及时雨）相关故事：义释晁天王、怒杀阎婆惜、三打祝家庄、攻打曾头市。
人物形象：仗义疏财、善于用人，但总想招安。
（5）水浒英雄的形象各不相同，个人经历也不同，为了个“义”字，他们最终走到了一起，让我们再次回顾那些令人难忘的精彩故事，请看第三回。
第三回：渭州城，拳打镇关西，同说提辖之粗细;黄泥冈，正中七星计，共论计策之玄妙
1.请学生打开课本，对照幻灯片的要求阅读课文
（1）速读鲁提辖三拳打死镇关西片段，品读其描写精妙之处。
引导学生读原著精彩情节“鲁提辖三拳打死镇关西”，引导学生分析精彩之处表现在哪里，学生讨论、交流。
明确原著中精彩的细节描写、生动形象的比喻和多角度的描写。
（2）在“鲁提辖三拳打死镇关西”的情节中我们可以看到鲁提辖性格中的粗与细表现在哪里？
引导学生在文中找出相关语句明确：在去找郑屠复仇之前先在客栈坐等了两个时辰，估计金氏父女走远了，方才起身;打郑屠之前故意借买肉激怒他，让郑屠先动手;打死郑屠后，大骂镇关西诈死等。从这些情节中我们可以看到鲁提辖临危不乱、遇险不惊、胆大心细、有勇有谋的形象。
（3）有同学说“我已经看过《水浒传》电视剧了，所以无需再看原著了”，请以“三拳打死镇关西”的精彩片段为例，对照影视，谈谈你的看法。
通过比较文学名著和影视作品的优劣，引导学生发表自己的看法和见解。
教师总结，指出影视作品的长处和短处，强调看影视不能代替阅读文学名著。通过讨论，学生明白阅读文学名著的必要性。
（4）请学生根据“智取生辰纲”片段回答：晁盖、吴用等人智取生辰纲，他们使用的“智”具体体现在哪些方面？
学生讨论后明确：
一是智用天时。杨志押送生辰纲在一年中最热的季节，“此时正是五月半天气”，“正是六月初四日时节”，“众军人看那天时，四下里无半点云彩，其时那热不可当”。正是天气酷热，一行十五人一见到迎面的土冈子，便“都去松阴树下睡倒了”。天热加上一路的疲惫使杨志的随从们丧失了戒备和警惕。而吴用、晁盖等人却早已在此等候。
二是智用地利。吴用、晁盖等人劫取生辰纲的地点选在黄泥冈和树林里，自然有其道理。“当日行的路，都是山僻崎岖小径，南山北岭”，黄泥冈可以作为掩护，茂密的松林既可引诱杨志一行人休息避暑，又可迷惑对方，使他们看不清松林内的真实情况。前两“智”充分说明吴用、晁盖等人已经对杨志一行人的行踪了如指掌，已为杨志一行人画好了“伏击圈”，只待他们自投罗网。
三是智用人和。吴用、晁盖等人发现了杨志一行人内部的矛盾，并巧妙加以利用。杨志此人非常精明，他担心生辰纲出事，每天推迟动身，士兵们担着百余斤的重担，在烈日下行走本就苦不堪言，稍有懈怠就会遭杨志用藤条鞭打，这激起了士兵们的共愤。虞侯、老都管同样对杨志强烈不满，他们的内部矛盾使吴用、晁盖等人有机可乘。
四是智用计谋。前面所有“智”的实现关键靠的是下蒙汗药的时间和方式。众目睽睽之下，吴用、晁盖等人喝酒若无其事，杨志等一行人却头重脚轻，一个个面面厮觑，都软倒了。这都得益于刘唐与白胜精湛的表演，可谓天衣无缝，吴用的计谋之巧妙也令人叹服。
2.老师寄语：读名著长精神，扬我中华威;品经典增见识，铸我民族魂
教师总结：在今天这节课上，我们从《水浒传》中人物的绰号和人物的精彩故事中一起感受到了水浒英雄们独特的个性风采，也一起领略了名著经典的独特魅力。希望同学们多读经典名著，感受中国古典文化的博大精深，更加热爱我们的传统文化！
经典匹配论 篇4
图像序列中相邻两幅图像之间在内容上的差异不会太大,或者说后一帧的内容与前一帧重复的部分很多,二者是相关的。而消除这种时间的相关性(冗余度),是视频压缩编码的一条重要途径。运动估计ME(Motion Estimation)用于图像序列帧间编码,是一种利用视频信号参考帧的运动场来预测当前帧图像的技术,通过两帧图像的比较可求出运动矢量,并以此获得当前帧的预测值。其过程是把图像序列中的每一帧分成若干局部结构,并设法检测出每个局部结构在参考帧图像中的位置,得到帧中每一部分的运动矢量。运动矢量在参考帧上进行运动补偿MC(Motion Compensation),残差值(Difference)经DCT变化、量化、行程编码后与运动矢量共同经熵编码,然后以比特流形式传出去。运动估计可以比较有效地去除图像帧间冗余度而实现较高的压缩比,从而被广泛用于各种视频编码标准中,如MPEG-1/2/4、H.261、H.263和H.264/AVC等。
基于块匹配的运动估计算法是目前应用非常广泛的运动估计算法。块匹配算法有很多种,其中穷尽搜索法ES(Exhaustive Search)[1]精度高,硬件易实现,但由于它要对搜索区内的每个搜索点进行检测,因此计算量大。为了减少ES算法的计算量,又出现了许多快速的块匹配运动估计算法,其中有三步法TSS(Three Step Search)[2]、新三步法NTSS(New Three Step Search)[3]、菱形法DS(Diamond Search)[4]等。1999年10月,菱形法(DS)被MPEG-4国际标准采纳并收入验证模型(VM)。它最早是由S.ZHU和K.K.MA提出,是目前块匹配算法中性能较为优异的一种算法。经过研究发现,虽然它的综合性能较其他算法优越,但它不能根据图像的内容(运动模型)作出灵活处理。后来针对模板搜索快速算法的缺点,提出了起点预测、中止策略、分层搜索、可变块大小搜索等算法思想,并陆续出现了很多新型算法,在一定程度上解决了快速块匹配法遇到的难题。
1 经典块匹配算法分析
在众多搜索算法之中,穷尽搜索法精度最高。它穷尽参考帧搜索窗内所有可能的点进行比较,找到BDM(Block Distortion Measure)最小的匹配块。但其运算太复杂,不宜实时实现,因此相继提出了各种改进和快速搜索算法。下面将对一些典型的块匹配运动估计算法进行分析和研究。
1.1 穷尽搜索法
(1)基本思想
穷尽搜索法ES(Exhaustive Search)也称为全搜索法FS(Full Search),是对(M+2×dxmax)×N+2×dymax)搜索范围内所有可能的候选位置计算SAD(Sum of Absolute Difference)值SAD(i,j),从中找出最小SAD,其对应偏移量即为所求运动矢量。此算法虽计算量大,但最简单、可靠,找到的必为全局最优点。
(2)算法描述
第一步,从(0,0)点出发,按某种搜索路径由近及远,逐个像素点计算SAD值,直到遍历搜索窗内所有的点。第二步,在所有的SAD值中找到最小块误差MBD(Minimum Block Distortion)点,该点即最佳匹配点。核心编程如下:
%以宏块边长为单位步长,在每个宏块的上下左右四个方向上,寻找其最吻合的分块
for i=1:mb Size:row-mb Size+1
for j=1:mb Size:col-mb Size+1
%计算垂直(2p+1)个分块以及水平(2p+1)个分块
for m=-p:p
for n=-p:p
if(ref Blk Ver<1‖……)%判断搜索是否超出边界
costs(m+p+1,n+p+1)=cost Func SAD(…);%计算SAD值
end
end
[dx,dy,min]=min Cost(costs);%找到SAD最小值
end
end
motion Vect=vectors;%得到运动矢量
(3)模板及搜索图示
图1为穷尽搜索法的示意图。它在整个搜索窗范围内按螺旋搜索方式逐点搜索计算各位置的SAD值,从中找出具有最小匹配差值的块即为最佳匹配块。
(4)算法分析
ES算法是所有运动估计算法中最简单、最原始的块匹配算法。它对整个搜索窗口的每一个点进行块匹配计算,所以单从匹配的角度看,全搜索无疑是一种最好的匹配方法,通常是其他算法性能比较的标准。但它的计算量很大,需要计算的点数多,它在整个视频压缩编码过程中占有大部分的运算量,限制了在需要实时压缩场合的应用。
另外通过上述分析可以发现,在块匹配方法中最重要的两个问题是如何确定:(1)满足精度与速度要求的匹配准则;(2)计算量最小的搜索方法。对这两个问题的不同解决方案构成了下面不同的快速搜索算法。
1.2 三步搜索法
(1)基本思想
三步搜索算法(TSS)是由T.KOGA等人1981年提出的。由于早期的搜索范围为±7,搜索精度取一个像素,则步长为4、2、1,共需三步即可满足要求,故得此名。如果扩大搜索范围,实际搜索过程就不止三步了,此时称之为“Log-D搜索”更为确切。TSS算法采用一种由粗到细的搜索模式,从搜索窗口中心开始,按一定步长取周围8个点作匹配运算,初始搜索步长为4,得到MBD点后,每次利用上一步搜索得到的最佳匹配位置作为当前搜索的中心位置,每做一步,搜索步长减半,直至搜索结束。
(2)算法描述
第一步,以窗口中心点(0,0)为中心搜索点,步长为4,包括周围的8个像素点,计算各点SAD,根据最小SAD值得到一个MBD点,共搜索9个点。第二步,以上一步的最佳匹配点为中心,步长为2,继续搜索周围8个像素点,计算各点SAD,根据最小SAD值得到MBD点,共搜索8个点。第三步,同上一步,只是步长减小1,最后得到的MBD点就是需要的运动估计的点,从而得到运动矢量。核心编程如下:
%以宏块边长为单位步长,在每个宏块的上下左右四个方向上,寻%找其最吻合的分块
for i=1:mb Size:row-mb Size+1
for j=1:mb Size:col-mb Size+1%每走一步分析9个元素,在循%环运算之前,先单独算出中心点的代价,然后再循环计算中心点周围
%需要估计点的代价。
costs(2,2)=cost Func SAD(…);%计算SAD值
while(step Size>=1)
for m=-step Size:step Size:step Size
for n=-step Size:step Size:step Size
if(ref Blk Ver<1||……)%判断搜索是否超出边界
costs(cost Row,cost Col)=cost Func SAD(…);
%计算SAD值
end
end
[dx,dy,min]=min Cost(costs);%找到SAD最小值
step Size=step Size/2;%缩小搜索步长
end
end
end
motion Vect=vectors;%得到运动矢量
(3)模板及搜索图示
图2给出一个可能的搜索例子。图中点[+4,+4],[+6,+4]是第一步和第二步的最小块误差点。第三步得到的最终运动矢量为[+7,+3],每个点上的数字表明了每个阶段搜索时计算的候选块的位置,方块点表示每步的MBD点。
(4)算法分析
TSS是较早的搜索速度和搜索精度两者取得比较适当折衷的快速算法,因其搜索步骤简单固定而易于硬件实现,已经在很多视频压缩系统中得到了应用。其最大搜索点数为1+8log2w,针对一个16×16的像素子块,TSS算法共搜索25个点,而ES要进行15×15=225个点的搜索,运算时间明显减少。它还具有简单容易实现、每个块的搜索点数相同的优点。但是TSS算法搜索时,整个过程采用了统一的搜索模板,使得第一步的步长过大,容易引起误导,从而对小运动效率较低,容易跳出运动矢量存在可能性较大的区域,导致搜索方向的不确定性,因此很容易陷入局部最优。当搜索范围大于7时,仅用三步是不够的,搜索步数的一般表达式为log2(dmax+1)。
1.3 新三步搜索法
(1)基本思想
新三步搜索法(NTSS)由R.Li,B.Zeng和M.L.Liou于1994年提出的。它是在三步法的基础上利用了运动矢量中心偏置分布特性,并应用中止判别技术,减少了搜索次数。NTSS算法在第一步中通过搜索增加的中心8个点来修改搜索模板,同时NTSS使用半路中止技术来加速静止块的匹配,以此来减少搜索次数。NTSS算法与三步法的不同在于以下两点:(1)改进了原有三步法第一步中搜索固定9个点的方法,采用了基于中心偏置的搜索模式;(2)对静态子块或者准静态子块的搜索引入了中途停止的功能。
(2)算法描述
第一步,对搜索窗口中心9×9的矩形框和3×3的矩形框的17个点进行匹配运算,如果第一步搜索中最小SAD像素点发生在搜索窗中心相邻的8个点,则第二步的搜索模式有两种可能,分别添加5个点和3个点,如图3所示,其中白点是待搜索点。第二步,根据第一步得到的最小SAD值的位置决定第二步匹配的位置:(1)如果最小的SAD值在搜索窗口的中心位置,则停止搜索;(2)如果最小的SAD值在3×3的矩形框上得到,则搜索以此点为中心位置的3×3的窗口,并结束搜索;(3)如果最小的SAD值在9×9的矩形框上得到,则搜索的步骤与TSS算法相同,搜索完成后跳到第三步。第三步,以第二步得到的最佳匹配位置为中心,做最后的3×3窗口中九个点的匹配,得到最小SAD值的位置,就是最佳的匹配位置。核心编程如下:
%以宏块边长为单位步长,在每个宏块的上下左右四个方向上,寻找其最吻合的分块:
%然后再循环计算中心点周围需要估计点的代价。
找到外八点SAD最小的点;
找到内八点SAD最小的点;
if(x,y)仍然为中心点(j,i)
提前跳出计算循环;
elseif(min2<=min1)
进入新三步法模式NTSS
else
进入原三步法模式TSS
end
……
end
end
motion Vect=vectors;%得到运动矢量
(3)模板及搜索图示
图4为NTSS算法的一个可能搜索过程的示意图。每个点上的数字表明了每个阶段搜索时计算的候选块的位置。图中点(+1,+1)是第一个搜索阶段的MBD点,第二个阶段的MBD点为(+2,+2),最终运动矢量为(+2,+2)。方块点表示每步的MBD点。
(4)算法分析
运动矢量通常总是高度集中分布在搜索窗的中心位置附近,新三步法采用中心倾向的搜索点模式不仅提高了搜索速度,而且减少了陷入局部极小的可能性。而采用中止判断技术则大大降低了搜索复杂度,提高了搜索效率。新三步法在快速算法发展中具有重要意义,在它之后的所有算法都利用了运动矢量中心偏置特性。实验证明,新三步法的性能要高于三步法。新三步搜索算法考虑了块矢量中心偏移的特性,在初步搜索时对中心周围的位置同时做了匹配运算。在物体做小范围运动时,这种改进很有效,可以大大减少运算量。然而,在物体做大范围运动时,这种改进却带来了额外的运算量。现实的情况经常是物体既有小范围偏移,也有大范围运动。因此,在考虑块匹配算法时,既要照顾块的中心偏移特性,也要兼顾块的大范围运动。菱形搜索法能够兼顾两种情况,可以得到较好的性能。
1.4 菱形搜索法
(1)基本思想
菱形搜索算法(DS),最早由Shan Zhu和Kai-Kuang Ma两人提出,是目前快速算法中性能最优异的算法之一。在块匹配算法中,搜索窗口太小,就容易陷入局部最优;而搜索窗口太大,又容易产生错误的搜索路径。另外,根据运动矢量的中心偏置分布特性,在进行运动估计时,最佳运动矢量通常在零矢量周围(距离中心,半径为2像素的圆内),如图5所示。DS算法使用两种搜索模式,如图6所示,第一个称为大菱形搜索模式LDSP(Large Diamond Search Pattern),由九个检测点组成,围绕中心点的八个点形成一个大菱形形状。第二个称为小菱形搜索模式SDSP(Small Diamond Search Pattern),由五个检测点形成小菱形的形状。菱形法先使用大模板进行搜索,当其MBD点出现在中心点处时,认为找到了最优匹配点所在的区域,然后再用小模板进行更为精细的定位,最后这个小模板5个点中的MBD点即为最终获得的运动矢量。
(2)算法描述
第一步,初始化大菱形LDSP以搜索窗口的原点(0,0)为中心,测试LDSP的九个检测点。如果计算得到的MBD点位于中心位置,则转到第三步;否则,转到第二步。第二步,以上一次找到的MBD点作为中心建构新的LDSP并计算其8个搜索点的匹配误差,找到新模板的MBD点。若它位于模板中心,则转到第三步;否则重复第二步。第三步,以上一次得到的MBD点作为中心建构小模板SDSP,在其5个搜索点处进行匹配计算和比较,找出MBD点,该点所在位置即对应最终得到的运动矢量。主要代码如下:
%定义大钻石搜索图样
%以宏块边长为单位步长,在每个宏块的上下左右四个方向上,寻%找其最吻合的分块
for i=1:mb Size:row-mb Size+1
for j=1:mb Size:col-mb Size+1
%首次搜索将大菱形图样9个点的代价全部计算一遍
for k=1:9
costs(k)=cost Func SAD(…);end
%如果代价最小点为大钻石图样的中点,则开始小钻石图样搜索;
%小菱形搜索开始
end end
motion Vect=vectors;%得到运动矢量
(3)模板及搜索图示
图7给出了DS算法一种可能的搜索过程。图中(-2,0)、(-3,+1)、(-4,+2)、(-4,+2)分别是第一、二、三、四次LDSP搜索的MBD点,然后按SDSP模式搜索(-4,+2)周围的四个点,即可得到最后一步的MBD点,从而得到运动矢量为(-4,+2)。图中的数字代表搜索步数,带方块的点代表每一步的MBD点。
(4)算法分析
菱形法利用了运动矢量的中心偏置分布规律,选用了两种不同大小的搜索模板进行搜索。它首先使用搜索范围较大的LDSP进行粗定位,当粗定位的搜索结束后,认为最优点就在LDSP的8个点所在的菱形区域中,此时再利用SDSP来进行更为精细的定位,使搜索不致有较大的起伏,其性能优于之前的快速块匹配算法。此外,由于DS搜索时各步骤之间有很强的相关性,即相邻阶段的搜索模板之间会有一定数量的搜索点重叠,模板移动时只需在几个新的搜索点进行匹配计算,这也进一步减少了搜索的计算点数,提高了运算速度。DS算法不限制搜索的步数,既对各个方向进行搜素,又着重考虑水平竖直方向,所以这种算法可以使搜索避免找到局部最佳位置,得到更好的性能。
2 实验结果与分析
在配置为Pentium Intel D CPU 2.80Hz、1.00GB内存和操作系统为Windows XP的PC中,使用Matlab7.0作为仿真平台,对以上算法进行仿真实验。使用三种典型的视频序列Foreman、Coastguard、Caltrans,其均为标准QCIF序列图像的前30帧,分辨率为176×144,每一帧大小为75KB。其中Foreman是具有较小运动,空间细节不太丰富的视频序列;Coastguard是具有中等运动的序列,空间细节比较丰富或者不太丰富的视频序列;Caltrans是具有较大运动内容,空间细节很丰富或者较为丰富的视频序列。在测试过程中,使用SAD为匹配准则,运动估计的宏块大小为16×16,搜索范围为15×15,即±7个像素点,静止判定阈值T设定为512。为了验证算法在搜索速度和搜索精度两方面的性能,采用两个指标进行衡量:平均每块的搜索点数和平均峰值信噪比PSNR。
对于上述的3幅实验图像序列,ES、TSS、NTSS和DS的比较实验结果见表1和表2。从表1的实验结果可以看出:DS无论对于哪种运动类型的视频,相对于其他块匹配算法其搜索速度上都有很大的改善(以搜索点数衡量),而ES的搜索速度是最慢的。从表2的实验结果可以看出:对于运动较小的视频序列和具有剧烈运动的视频序列,DS不仅在搜索速度上,而且在搜索精度上也具有较大的优势,其平均PSNR高于TSS和NTSS算法;对于具有中等运动的视频序列,其平均PSNR与TSS和NTSS基本相当。
为了比较各种算法对每帧的效果,图8、图10和图12分别显示了序列Foreman、Coastguard和Caltrans的平均的搜索点数曲线图,这些曲线清楚地表明了DS的平均搜索点数比其他BMA减少很多。图9、图11和图13显示了Foreman、Coastguard和Caltrans序列中不同BMA的PSNR比较。可以看出,对于具有较小运动Foreman的视频序列和大运动Caltrans的视频序列,DS还是具有一定的优势。
3 结语
通过对运动估计中的ES、TSS、NTSS和DS等块匹配算法比较可知:单从匹配的角度看,ES无疑是一种最好的匹配方法,搜索精度最高,但计算量过大,效率低下。TSS在搜索速度和搜索精度两者之间取得了比较适当的折衷,但可能存在搜索方向的不确定性,容易陷入局部最优的误区。NTSS考虑了块矢量中心偏移的这一重要特性,提高了搜索速度,在它之后的算法都利用到了这一特性。但对于大范围运动,这一改进却带来了额外的运算量。DS兼顾了以上算法的缺点,取得了更好的性能,是公认的一种较好的搜索算法。后来所推出的块匹配算法往往都会和DS算法进行比较,以确定其算法的效果。
摘要：对图像序列运动估计中的穷尽搜索法、三步法、新三步法和菱形法等块匹配算法的基本思想、算法描述、搜索模板以及算法性能进行分析和研究,并在实验仿真中,采用平均每块搜索点数和平均峰值信噪比PSNR为衡量指标,测试了在三种典型的视频序列运动估计中每种算法的搜索速度和效果,得出菱形法综合性能更为优越的结论。
关键词：块匹配,运动估计,三步法,新三步法,菱形法
参考文献
[1]Yao Wang,等.视频处理与通信[M].杨喜,等译.北京:电子工业出版社,2003.
[2]唐泽鹏,秦雷,朱秀昌,等.运动估计算法分析[J].电视技术,2001(12):10-13.
[3]Li R,Zeng B,Liou M L.A new three-step search algorithm for blockmotion estimation[J].IEEE Trans.Circuits Syst.Video Technol,1994,4(8):438-442.
楚亡论经典原文 篇5
自汤为王，逐楚之先祖。族人皆匿于河南，次之。河南本为蛮荒，正可谓“睹蛮荒之丘墟兮，生荆木之榛榛”。传楚之谓，乃为一妇人产一婴，卒。群咸葬之，以荆木蔽其身。“荆”者，楚也。乃上古之音耳。
后商王寿聩，武王发聚天下八百诸侯伐之，战于牧野。寿大败，商亡。周代之，立国七十一，授楚君子爵予熊鬻于丹阳之地。楚国自此始焉。
楚君三立，是为熊渠。是时，楚尝慕中原钟周礼。是由心向往之，奈何周室兴兵讨之。由为:南蛮之人非我族类，楚人心俱灭，昭四海诸侯:“我乃蛮夷也，自号为王。至武王，奋前世之属，乃振长策以御诸侯。北拒日益强之秦、西抗霸晋、北征狄人、南吞随国，以立楚之强。后至威王，已有四王手执牛耳以令天下。遂取吴越之地以增楚之广。
是时，楚地沃野千里、车骑万乘、兵甲百万，呼之地摧山崩。且文有屈子武有昭阳，此皆为定国安邦之才。如此强楚，何以灭？念之，不亦悲乎。
楚国破灭，非君聩也，非战不利也。乃弊在贪周礼，贪周礼而勇亏，破灭之道也。
楚人尚武，言五载未出兵中原以为耻。薨之不得入王陵。奈何祸患常积于贪，而勇力多困于所溺，岂独怜人哉。噫嘻悲乎！
平王立，废先王之道。杀豪杰，收美人于章华。好靡丽之曲、好细腰，为一时之风。臣工和之，皆数日不食。缚腰带以为美，悦王。乃至槐王，因贪秦地六百里为秦宣太后所殆。身死异国，为天下笑。