ब्लॉक-मिलान एल्गोरिदम

ब्लॉक मिलान एल्गोरिदम गति अनुमान के प्रयोजनों के लिए डिजिटल वीडियो फ्रेम के अनुक्रम में मिलान वाले मेक्रोब्लॉक का पता लगाने का एक तरीका है। गति अनुमान के पीछे अंतर्निहित धारणा यह है कि वीडियो अनुक्रम के एक फ्रेम में वस्तुओं और पृष्ठभूमि के अनुरूप पैटर्न अगले फ्रेम पर संबंधित वस्तुओं को बनाने के लिए फ्रेम के भीतर चलते हैं। इसका उपयोग वीडियो अनुक्रम में अस्थायी अतिरेक का पता लगाने के लिए किया जा सकता है, एक ज्ञात मैक्रोब्लॉक की सामग्री के संदर्भ में मैक्रोब्लॉक की सामग्री को परिभाषित करके इंटर-फ्रेम वीडियो संपीड़न की प्रभावशीलता को बढ़ाया जा सकता है जो न्यूनतम रूप से भिन्न है।

एक ब्लॉक मिलान एल्गोरिदम में एक वीडियो के वर्तमान फ़िल्म फ़्रेम को मैक्रोब्लॉक में विभाजित करना और प्रत्येक मैक्रोब्लॉक की तुलना वीडियो के पास के फ्रेम में संबंधित ब्लॉक और उसके आसन्न पड़ोसियों के साथ करना शामिल है (कभी-कभी सिर्फ पिछले एक)। एक वेक्टर (गणित और भौतिकी) बनाया जाता है जो एक मैक्रोब्लॉक की एक स्थान से दूसरे स्थान तक की गति को मॉडल करता है। एक फ्रेम में शामिल सभी मैक्रोब्लॉक के लिए गणना की गई यह गति, एक फ्रेम में अनुमानित गति का गठन करती है।

एक अच्छे मैक्रोब्लॉक मैच के लिए खोज क्षेत्र 'खोज पैरामीटर', पी द्वारा तय किया जाता है, जहां पी पिछले फ्रेम में संबंधित मैक्रो-ब्लॉक के सभी चार तरफ पिक्सल की संख्या है। खोज पैरामीटर गति का माप है. पी का मान जितना बड़ा होगा, संभावित गति और एक अच्छा मिलान खोजने की संभावना उतनी ही अधिक होगी। हालाँकि, सभी संभावित ब्लॉकों की पूरी खोज एक कम्प्यूटेशनल रूप से महंगा काम है। विशिष्ट इनपुट 16 पिक्सेल आकार का एक मैक्रोब्लॉक और p = 7 पिक्सेल का एक खोज क्षेत्र हैं।

ब्लॉक-मिलान और 3डी फ़िल्टरिंग शोर में कमी जैसी विभिन्न छवि बहाली विपरीत समस्याओं को हल करने के लिए इस दृष्टिकोण का उपयोग करता है^[1] और धुंधलापन^[2] स्थिर छवियों और डिजिटल वीडियो दोनों में।

प्रेरणा

मोशन अनुमान गति वैक्टर को निर्धारित करने की प्रक्रिया है जो एक 2डी छवि से दूसरे में परिवर्तन का वर्णन करती है; आमतौर पर वीडियो अनुक्रम में आसन्न फ़्रेम से। मोशन वेक्टर पूरी छवि (वैश्विक गति अनुमान) या विशिष्ट भागों, जैसे आयताकार ब्लॉक, मनमाने आकार के पैच या यहां तक कि प्रति पिक्सेल से संबंधित हो सकते हैं। मोशन वैक्टर को एक ट्रांसलेशनल मॉडल या कई अन्य मॉडलों द्वारा दर्शाया जा सकता है जो वास्तविक वीडियो कैमरे की गति का अनुमान लगा सकते हैं, जैसे कि तीनों आयामों में रोटेशन और अनुवाद और ज़ूम।

छवि में कैमरा या वस्तु के हिलने के कारण किसी अन्य छवि में परिवर्तन की भविष्यवाणी करने के लिए एक छवि पर गति वैक्टर को लागू करना गति क्षतिपूर्ति कहलाता है। गति अनुमान और गति क्षतिपूर्ति का संयोजन वीडियो संपीड़न का एक महत्वपूर्ण हिस्सा है जैसा कि एमपीईजी 1, 2 और 4 के साथ-साथ कई अन्य वीडियो कोडेक्स द्वारा उपयोग किया जाता है।

मोशन अनुमान आधारित वीडियो संपीड़न एन्कोडेड अंतर छवियों को भेजकर बिट्स को बचाने में मदद करता है जिसमें पूरी तरह से कोडित फ्रेम भेजने के विपरीत स्वाभाविक रूप से कम एन्ट्रॉपी होती है। हालाँकि, संपूर्ण संपीड़न प्रक्रिया में सबसे कम्प्यूटेशनल रूप से महंगा और संसाधन व्यापक ऑपरेशन गति अनुमान है। इसलिए, गति अनुमान के लिए तेज़ और कम्प्यूटेशनल रूप से सस्ते एल्गोरिदम वीडियो संपीड़न के लिए एक आवश्यकता है।

मूल्यांकन मेट्रिक्स

एक मैक्रोब्लॉक को दूसरे ब्लॉक के साथ मिलान करने के लिए एक मीट्रिक लागत फ़ंक्शन पर आधारित है। कम्प्यूटेशनल व्यय के मामले में सबसे लोकप्रिय है:

माध्य निरपेक्ष अंतर या माध्य निरपेक्ष अंतर (एमएडी) = ${\frac {1}{N^{2}}}\sum _{i=0}^{n-1}\sum _{j=0}^{n-1}|C_{ij}-R_{ij}|$ माध्य चुकता त्रुटि (एमएसई) = ${\frac {1}{N^{2}}}\sum _{i=0}^{n-1}\sum _{j=0}^{n-1}(C_{ij}-R_{ij})^{2}$ जहां N मैक्रो-ब्लॉक का आकार है, और $C_{ij}$ और $R_{ij}$ वर्तमान मैक्रोब्लॉक और संदर्भ मैक्रोब्लॉक में क्रमशः पिक्सेल की तुलना की जा रही है।

गति क्षतिपूर्ति छवि जो संदर्भ फ्रेम से मोशन वैक्टर और मैक्रोब्लॉक का उपयोग करके बनाई गई है, पीक सिग्नल-टू-शोर अनुपात (पीएसएनआर) द्वारा विशेषता है,

${\text{PSNR}}=10\log _{10}{\frac {({\text{peak to peak value of original data}})^{2}}{\text{MSE}}}$

एल्गोरिदम

1980 के दशक के मध्य से ब्लॉक मिलान एल्गोरिदम पर शोध किया जा रहा है। कई एल्गोरिदम विकसित किए गए हैं, लेकिन केवल कुछ सबसे बुनियादी या आमतौर पर उपयोग किए जाने वाले एल्गोरिदम का वर्णन नीचे किया गया है।

विस्तृत खोज

यह एल्गोरिदम खोज विंडो में प्रत्येक संभावित स्थान पर हानि फ़ंक्शन की गणना करता है। इससे संदर्भ फ़्रेम में मैक्रो-ब्लॉक का किसी अन्य फ़्रेम में ब्लॉक के साथ सर्वोत्तम संभव मिलान होता है। परिणामी गति क्षतिपूर्ति छवि में किसी भी अन्य ब्लॉक मिलान एल्गोरिदम की तुलना में उच्चतम शिखर सिग्नल-टू-शोर अनुपात होता है। हालाँकि यह सभी के बीच सबसे कम्प्यूटेशनल रूप से व्यापक ब्लॉक मिलान एल्गोरिदम है। बड़ी खोज विंडो के लिए अधिक संख्या में संगणनाओं की आवश्यकता होती है।

अनुकूलित पदानुक्रमित ब्लॉक मिलान (ओएचबीएम)

अनुकूलित पदानुक्रमित ब्लॉक मिलान (ओएचबीएम) एल्गोरिदम अनुकूलित छवि पिरामिड के आधार पर संपूर्ण खोज को गति देता है।^[3]

तीन चरणों वाली खोज

यह सबसे शुरुआती तेज़ ब्लॉक मिलान एल्गोरिदम में से एक है। यह इस प्रकार चलता है:

केंद्र में स्थान खोजें से प्रारंभ करें
चरण आकार S = 4 और खोज पैरामीटर p = 7 सेट करें
स्थान (0,0) और स्थान (0,0) के आसपास 8 स्थान +/- एस पिक्सेल खोजें
खोजे गए 9 स्थानों में से न्यूनतम लागत फ़ंक्शन वाला स्थान चुनें
नए खोज स्रोत को ऊपर चुने गए स्थान पर सेट करें
नए चरण का आकार S = S/2 के रूप में सेट करें
खोज प्रक्रिया को S = 1 तक दोहराएँ

S=1 के लिए परिणामी स्थान न्यूनतम लागत फ़ंक्शन वाला है और इस स्थान पर मैक्रो ब्लॉक सबसे अच्छा मेल है।

इस एल्गोरिथम में गणना में 9 के कारक की कमी होती है। पी=7 के लिए, जबकि ईएस 225 मैक्रो-ब्लॉक के लिए लागत का मूल्यांकन करता है, टीएसएस केवल 25 मैक्रो ब्लॉक के लिए मूल्यांकन करता है।

दो आयामी लघुगणकीय खोज

टीडीएलएस टीएसएस से निकटता से संबंधित है, हालांकि यह बड़े खोज विंडो आकार के लिए गति वैक्टर का अनुमान लगाने के लिए अधिक सटीक है। एल्गोरिथ्म को इस प्रकार वर्णित किया जा सकता है,

केंद्र में स्थान खोजें से प्रारंभ करें
प्रारंभिक चरण का आकार चुनें, मान लीजिए, S = 8
X और Y अक्षों पर केंद्र से S की दूरी पर 4 स्थान खोजें
न्यूनतम लागत फ़ंक्शन वाले बिंदु का स्थान ढूंढें
यदि केंद्र के अलावा कोई अन्य बिंदु सर्वोत्तम मिलान बिंदु है,
1. इस बिंदु को नए केंद्र के रूप में चुनें
यदि सर्वोत्तम मिलान बिंदु केंद्र में है, तो S = S/2 सेट करें
चरण 2 से 3 दोहराएँ
यदि S = 1 है, तो केंद्र के चारों ओर S दूरी पर स्थित सभी 8 स्थानों की खोज की जाती है
मोशन वेक्टर को न्यूनतम लागत फ़ंक्शन वाले बिंदु के रूप में सेट करें

नई तीन चरणों वाली खोज

टीएसएस एक समान रूप से आवंटित जांच पैटर्न का उपयोग करता है और छोटी-छोटी गतिविधियों के चूक जाने की संभावना रहती है। एनटीएसएस ^[4] टीएसएस पर एक सुधार है क्योंकि यह एक केंद्र-आधारित खोज योजना प्रदान करता है और इसमें कम्प्यूटेशनल लागत को कम करने के लिए आधे रास्ते को रोकने का प्रावधान है। यह पहले व्यापक रूप से स्वीकृत तेज़ एल्गोरिदम में से एक था और अक्सर एमपीईजी 1 और एच.261 जैसे पुराने मानकों को लागू करने के लिए उपयोग किया जाता था।

एल्गोरिथ्म इस प्रकार चलता है:

केंद्र में स्थान खोजें से प्रारंभ करें
8 स्थानों को खोजें +/- एस पिक्सल के साथ एस = 4 और 8 स्थानों को +/- एस पिक्सल को एस = 1 के साथ स्थान के आसपास खोजें (0,0)
खोजे गए 16 स्थानों में से न्यूनतम लागत फ़ंक्शन वाला स्थान चुनें
यदि न्यूनतम लागत फ़ंक्शन मूल पर होता है, तो खोज बंद करें और मोशन वेक्टर को (0,0) पर सेट करें
यदि न्यूनतम लागत फ़ंक्शन S = 1 पर 8 स्थानों में से किसी एक पर होता है, तो इस स्थान पर नया खोज स्रोत सेट करें
1. इस स्थान के लिए आसन्न वज़न की जाँच करें, स्थान के आधार पर यह 3 या 5 बिंदुओं की जाँच कर सकता है
जो सबसे कम वजन देता है वह निकटतम मिलान है, मोशन वेक्टर को उस स्थान पर सेट करें
यदि पहले चरण के बाद सबसे कम वजन एस = 4 पर 8 स्थानों में से एक था, तो सामान्य टीएसएस प्रक्रिया इस प्रकार है
1. खोजे गए 9 स्थानों में से न्यूनतम लागत फ़ंक्शन वाला स्थान चुनें
2. नए खोज स्रोत को ऊपर चुने गए स्थान पर सेट करें
3. नए चरण का आकार S = S/2 के रूप में सेट करें
4. खोज प्रक्रिया को S = 1 तक दोहराएँ

इस प्रकार यह एल्गोरिदम प्रत्येक मैक्रो-ब्लॉक के लिए 17 बिंदुओं की जांच करता है और सबसे खराब स्थिति में 33 स्थानों की जांच शामिल है, जो अभी भी टीएसएस से बहुत तेज है

सरल और कुशल खोज

टीएसएस के पीछे विचार यह है कि प्रत्येक मैक्रो ब्लॉक में गति के कारण त्रुटि सतह एकरूप होती है। एक unimodal सतह एक कटोरे के आकार की सतह होती है, जिससे लागत फ़ंक्शन द्वारा उत्पन्न वजन वैश्विक न्यूनतम से एकरस रूप से बढ़ जाता है। हालाँकि एक यूनिमॉडल सतह में विपरीत दिशाओं में दो न्यूनतम नहीं हो सकते हैं और इसलिए इसे शामिल करने और गणनाओं को बचाने के लिए टीएसएस की 8 बिंदु निश्चित पैटर्न खोज को और संशोधित किया जा सकता है। सत्र ^[5] टीएसएस का विस्तार है जो इस धारणा को शामिल करता है।

एसईएस एल्गोरिदम टीएसएस एल्गोरिदम में सुधार करता है क्योंकि एसईएस में प्रत्येक खोज चरण को दो चरणों में विभाजित किया गया है:

• पहला चरण :

     • खोज के क्षेत्र को चार चतुर्थांश (समतल ज्यामिति) में विभाजित करें
     • तीन स्थानों से खोज शुरू करें, एक केंद्र (ए) पर और अन्य (बी और सी), एस = ऑर्थोगोनल दिशाओं में ए से 4 स्थान दूर
     • ए, बी, सी के लिए वजन वितरण का उपयोग करके दूसरे चरण के लिए खोज चतुर्थांश में अंक खोजें:
            • यदि (MAD(A)>=MAD(B) और MAD(A)>=MAD(C)), तो दूसरे चरण के चतुर्थांश IV में अंक चुनें
            • यदि (MAD(A)>=MAD(B) और MAD(A)<=MAD(C)), तो दूसरे चरण के चतुर्थांश I में बिंदुओं का चयन करें
            • यदि (MAD(A)<MAD(B) और MAD(A)<MAD(C)), तो दूसरे चरण के चतुर्थांश II में बिंदुओं का चयन करें
            • यदि (MAD(A)<MAD(B) और MAD(A)>=MAD(C)), तो दूसरे चरण के चतुर्थांश III में अंक चुनें

• दूसरा चरण:

     • सबसे कम वजन वाला स्थान ढूंढें
     • नए खोज मूल को ऊपर पाए गए बिंदु के रूप में सेट करें

• नए चरण का आकार S = S/2 के रूप में सेट करें

• एसईएस खोज प्रक्रिया को एस=1 तक दोहराएं

• मोशन वेक्टर के रूप में सबसे कम वजन वाले स्थान का चयन करें टीएसएस की तुलना में एसईएस कम्प्यूटेशनल रूप से बहुत कुशल है। हालाँकि प्राप्त किया गया चरम सिग्नल-टू-शोर अनुपात टीएसएस की तुलना में खराब है क्योंकि वास्तविकता में त्रुटि सतहें सख्ती से एकरूप नहीं हैं।

चार चरणों वाली खोज

फोर स्टेप सर्च कम कम्प्यूटेशनल लागत और बेहतर पीक सिग्नल-टू-शोर अनुपात के मामले में टीएसएस से बेहतर है। एनटीएसएस, एफएसएस के समान ^[6] केंद्र पूर्वाग्रह (सांख्यिकी) आधारित खोज को भी नियोजित करता है और इसमें आधे रास्ते को रोकने का प्रावधान है।

एल्गोरिथ्म इस प्रकार चलता है:

केंद्र में स्थान खोजें से प्रारंभ करें
चरण आकार S = 2 सेट करें, (खोज पैरामीटर p पर ध्यान दिए बिना)
स्थान के आसपास 8 स्थान +/- एस पिक्सेल खोजें (0,0)
खोजे गए 9 स्थानों में से न्यूनतम लागत फ़ंक्शन वाला स्थान चुनें
यदि खोज विंडो के लिए केंद्र पर न्यूनतम वजन पाया जाता है:
1. नए चरण का आकार S = S/2 (अर्थात S = 1) के रूप में सेट करें
2. चरण 3 से 4 तक खोज प्रक्रिया दोहराएँ
3. मोशन वेक्टर के रूप में सबसे कम वजन वाले स्थान का चयन करें
यदि केंद्र के अलावा अन्य 8 स्थानों में से किसी एक स्थान पर न्यूनतम वजन पाया जाता है:
1. इस स्थान पर नया मूल सेट करें
2. चरण का आकार S = 2 निर्धारित करें
3. खोज प्रक्रिया को चरण 3 से 4 तक दोहराएं। नई उत्पत्ति के स्थान के आधार पर, 5 स्थानों या 3 स्थानों के माध्यम से खोजें
4. कम से कम भार वाले स्थान का चयन करें
5. यदि सबसे कम वजन वाला स्थान नई विंडो के केंद्र में है तो चरण 5 पर जाएं, अन्यथा चरण 6 पर जाएं

हीरे की खोज

हीरा खोज (डीएस)^[7] एल्गोरिदम डायमंड खोज बिंदु पैटर्न का उपयोग करता है और एल्गोरिदम बिल्कुल 4SS के समान चलता है। हालाँकि, एल्गोरिथम द्वारा उठाए जाने वाले कदमों की संख्या की कोई सीमा नहीं है।

खोज के लिए दो अलग-अलग प्रकार के निश्चित पैटर्न का उपयोग किया जाता है,

बड़ा हीरा खोज पैटर्न (एलडीएसपी)
छोटा हीरा खोज पैटर्न (एसडीएसपी)

एल्गोरिथ्म इस प्रकार चलता है:

एलडीएसपी:

1. केंद्र में स्थान खोजने से प्रारंभ करें
2. चरण आकार S = 2 सेट करें
3. डायमंड खोज बिंदु पैटर्न का उपयोग करके 8 स्थान पिक्सेल (X,Y) खोजें जैसे कि (|X|+|Y|=S) स्थान (0,0) के आसपास
4. खोजे गए 9 स्थानों में से न्यूनतम लागत फ़ंक्शन वाला स्थान चुनें
5. यदि खोज विंडो के लिए केंद्र में न्यूनतम वजन पाया जाता है, तो एसडीएसपी चरण पर जाएं
6. यदि केंद्र के अलावा 8 स्थानों में से किसी एक पर न्यूनतम भार पाया जाता है, तो इस स्थान पर नया मूल सेट करें
7. एलडीएसपी दोहराएं

एसडीएसपी:

1. नया खोज मूल सेट करें
2. नए चरण का आकार S = S/2 (अर्थात S = 1) के रूप में सेट करें
3. कम से कम वजन वाले स्थान को खोजने के लिए खोज प्रक्रिया को दोहराएं
4. मोशन वेक्टर के रूप में सबसे कम वजन वाले स्थान का चयन करें

यह एल्गोरिदम वैश्विक न्यूनतम को बहुत सटीक रूप से पाता है क्योंकि खोज पैटर्न न तो बहुत बड़ा है और न ही बहुत छोटा है। डायमंड सर्च एल्गोरिदम का शिखर सिग्नल-टू-शोर अनुपात काफी कम कम्प्यूटेशनल खर्च के साथ संपूर्ण खोज के करीब है।

अनुकूली रूड पैटर्न खोज

अनुकूली रूड पैटर्न खोज (एआरपीएस) ^[8] एल्गोरिदम इस तथ्य का उपयोग करता है कि एक फ्रेम में सामान्य गति आमतौर पर सुसंगतता (भौतिकी) होती है, यानी यदि वर्तमान मैक्रो ब्लॉक के चारों ओर मैक्रो ब्लॉक एक विशेष दिशा में चले गए हैं तो उच्च संभावना है कि वर्तमान मैक्रो ब्लॉक में भी एक होगा समान गति वेक्टर. यह एल्गोरिदम अपने स्वयं के मोशन वेक्टर की भविष्यवाणी करने के लिए इसके ठीक बाईं ओर स्थित मैक्रो ब्लॉक के मोशन वेक्टर का उपयोग करता है।

अनुकूली रूड पैटर्न खोज निम्नानुसार चलती है:

केंद्र (मूल) पर स्थान खोज से प्रारंभ करें
ब्लॉक के लिए अनुमानित गति वेक्टर खोजें
चरण आकार S = अधिकतम (|X|,|Y|) सेट करें, जहां (X,Y) अनुमानित गति वेक्टर का निर्देशांक है
चरण आकार एस पर मूल के चारों ओर रूड पैटर्न वितरित बिंदुओं की खोज करें
सबसे कम वजन वाले बिंदु को मूल बिंदु के रूप में सेट करें
नए मूल के आसपास छोटे हीरे खोज पैटर्न (एसडीएसपी) का उपयोग करके खोजें
एसडीएसपी खोज को तब तक दोहराएं जब तक कि न्यूनतम भारित बिंदु एसडीएसपी के केंद्र पर न आ जाए

रूड पैटर्न खोज सीधे उस क्षेत्र में खोज करती है जहां एक अच्छा मिलान ब्लॉक मिलने की उच्च संभावना है। डीएस पर एआरपीएस का मुख्य लाभ यह है कि यदि अनुमानित गति वेक्टर (0, 0) है, तो यह एलडीएसपी करने में कम्प्यूटेशनल समय बर्बाद नहीं करता है, बल्कि यह सीधे एसडीएसपी का उपयोग करना शुरू कर देता है। इसके अलावा, यदि पूर्वानुमानित गति वेक्टर केंद्र से बहुत दूर है, तो एआरपीएस सीधे उस क्षेत्र में जाकर और एसडीएसपी का उपयोग करके गणना पर बचत करता है, जबकि डीएस एलडीएसपी करने में अपना समय लेता है।

संदर्भ

↑ Dabov, Kostadin; Foi, Alessandro; Katkovnik, Vladimir; Egiazarian, Karen (16 July 2007). "Image denoising by sparse 3D transform-domain collaborative filtering". IEEE Transactions on Image Processing. 16 (8): 2080–2095. Bibcode:2007ITIP...16.2080D. CiteSeerX 10.1.1.219.5398. doi:10.1109/TIP.2007.901238. PMID 17688213. S2CID 1475121.
↑ Danielyan, Aram; Katkovnik, Vladimir; Egiazarian, Karen (30 June 2011). "BM3D Frames and Variational Image Deblurring". IEEE Transactions on Image Processing. 21 (4): 1715–28. arXiv:1106.6180. Bibcode:2012ITIP...21.1715D. doi:10.1109/TIP.2011.2176954. PMID 22128008. S2CID 11204616.
↑ Je, Changsoo; Park, Hyung-Min (2013). "तेज़ और सटीक छवि पंजीकरण के लिए अनुकूलित पदानुक्रमित ब्लॉक मिलान". Signal Processing: Image Communication. 28 (7): 779–791. doi:10.1016/j.image.2013.04.002.
↑ Li, Renxiang; Zeng, Bing; Liou, Ming (August 1994). "ब्लॉक मोशन अनुमान के लिए एक नया तीन-चरणीय खोज एल्गोरिदम". IEEE Trans. Circuits and Systems for Video Technology. 4 (4): 438–442. doi:10.1109/76.313138.
↑ Lu, Jianhua; Liou, Ming (April 1997). "ब्लॉक-मैचिंग मोशन अनुमान के लिए एक सरल और कुशल खोज एल्गोरिदम". IEEE Trans. Circuits and Systems for Video Technology. 7 (2): 429–433. doi:10.1109/76.564122.
↑ Po, Lai-Man; Ma, Wing-Chung (June 1996). "फास्ट ब्लॉक मोशन अनुमान के लिए एक नया चार-चरणीय खोज एल्गोरिदम". IEEE Trans. Circuits and Systems for Video Technology. 6 (3): 313–317. doi:10.1109/76.499840.
↑ Zhu, Shan; Ma, Kai-Kuang (February 2000). "फास्ट ब्लॉक-मैचिंग मोशन अनुमान के लिए एक नया हीरा खोज एल्गोरिदम". EEE Trans. Image Processing. 9 (12): 287–290. Bibcode:2000ITIP....9..287Z. doi:10.1109/83.821744. PMID 18255398.
↑ Nie, Yao; Ma, Kai-Kuang (December 2002). "फास्ट ब्लॉक-मैचिंग मोशन अनुमान के लिए अनुकूली रूड पैटर्न खोजें" (PDF). IEEE Trans. Image Processing. 11 (12): 1442–1448. Bibcode:2002ITIP...11.1442N. doi:10.1109/TIP.2002.806251. PMID 18249712.

बाहरी संबंध

1. http://www.mathworks.com/matlabcentral/fileexchange/8761-block-matching-algorithms-for-motion-estimation

2. https://www.ece.cmu.edu/~ee899/project/deepak_mid.htm

[1] Dabov, Kostadin; Foi, Alessandro; Katkovnik, Vladimir; Egiazarian, Karen (16 July 2007). "Image denoising by sparse 3D transform-domain collaborative filtering". IEEE Transactions on Image Processing. 16 (8): 2080–2095. Bibcode:2007ITIP...16.2080D. CiteSeerX 10.1.1.219.5398. doi:10.1109/TIP.2007.901238. PMID 17688213. S2CID 1475121.

[2] Danielyan, Aram; Katkovnik, Vladimir; Egiazarian, Karen (30 June 2011). "BM3D Frames and Variational Image Deblurring". IEEE Transactions on Image Processing. 21 (4): 1715–28. arXiv:1106.6180. Bibcode:2012ITIP...21.1715D. doi:10.1109/TIP.2011.2176954. PMID 22128008. S2CID 11204616.

[Je_spic13_ohbm-3] Je, Changsoo; Park, Hyung-Min (2013). "तेज़ और सटीक छवि पंजीकरण के लिए अनुकूलित पदानुक्रमित ब्लॉक मिलान". Signal Processing: Image Communication. 28 (7): 779–791. doi:10.1016/j.image.2013.04.002.

[tss-4] Li, Renxiang; Zeng, Bing; Liou, Ming (August 1994). "ब्लॉक मोशन अनुमान के लिए एक नया तीन-चरणीय खोज एल्गोरिदम". IEEE Trans. Circuits and Systems for Video Technology. 4 (4): 438–442. doi:10.1109/76.313138.

[5] Lu, Jianhua; Liou, Ming (April 1997). "ब्लॉक-मैचिंग मोशन अनुमान के लिए एक सरल और कुशल खोज एल्गोरिदम". IEEE Trans. Circuits and Systems for Video Technology. 7 (2): 429–433. doi:10.1109/76.564122.

[6] Po, Lai-Man; Ma, Wing-Chung (June 1996). "फास्ट ब्लॉक मोशन अनुमान के लिए एक नया चार-चरणीय खोज एल्गोरिदम". IEEE Trans. Circuits and Systems for Video Technology. 6 (3): 313–317. doi:10.1109/76.499840.

[7] Zhu, Shan; Ma, Kai-Kuang (February 2000). "फास्ट ब्लॉक-मैचिंग मोशन अनुमान के लिए एक नया हीरा खोज एल्गोरिदम". EEE Trans. Image Processing. 9 (12): 287–290. Bibcode:2000ITIP....9..287Z. doi:10.1109/83.821744. PMID 18255398.

[8] Nie, Yao; Ma, Kai-Kuang (December 2002). "फास्ट ब्लॉक-मैचिंग मोशन अनुमान के लिए अनुकूली रूड पैटर्न खोजें" (PDF). IEEE Trans. Image Processing. 11 (12): 1442–1448. Bibcode:2002ITIP...11.1442N. doi:10.1109/TIP.2002.806251. PMID 18249712.

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

ब्लॉक-मिलान एल्गोरिदम

Contents

प्रेरणा

मूल्यांकन मेट्रिक्स

एल्गोरिदम

विस्तृत खोज

अनुकूलित पदानुक्रमित ब्लॉक मिलान (ओएचबीएम)

तीन चरणों वाली खोज

दो आयामी लघुगणकीय खोज

नई तीन चरणों वाली खोज

सरल और कुशल खोज

चार चरणों वाली खोज

हीरे की खोज

अनुकूली रूड पैटर्न खोज

संदर्भ

बाहरी संबंध

Navigation menu

Search