1、“.....具体过程如下在第帧的运动搜索完成后，统计每个宏块的最优预测矢量将计算的到的最优运动矢量分别和求差，将个预测矢量中与差距最小的作为最优预测矢量在第二帧的运动搜索完成后，也统计每个宏块的最优预测矢量。计算第帧中作为最优预测矢量的宏块个数，分别记为。计算第帧中最优预测矢量为，第二帧为的宏块个数，记为计算第帧中最优预测矢量为，第二帧为的宏块个数，记为计算第帧中最优预测矢量为，第二帧为的宏块个数，记为计算第帧中最优预测矢量为，第二帧为的宏块个数，记为计算第帧中最优预测矢量为，第二帧为的宏块个数，记为计算第帧中最优预测矢量为，第二帧为的宏块个数，记为计算第帧中最优预测矢量为，第二帧为的宏块个数，记为计算第帧中最优预测矢量为，第二帧为的宏块个数，记为计算第帧中最优预测矢量为，第二帧为的宏块个数，记为计算第帧中最优预测矢量为，第二帧为的宏块个数......”。

2、“.....第二帧为的宏块个数，记为计算第帧中最优预测矢量为，第二帧为的宏块个数，记为计算第帧中最优预测矢量为，第二帧为的宏块个数，记为计算第帧中最优预测矢量为，第二帧为的宏块个数，记为计算第帧中最优预测矢量为，第二帧为的宏块个数，记为计算第帧中最优预测矢量为，第二帧为的宏块个数，记为计算第帧中最优预测矢量为，第二帧为的宏块个数，记为计算第帧中最优预测矢量为，第二帧为的宏块个数，记为计算第帧中最优预测矢量为，第二帧为的宏块个数，记为计算第帧中最优预测矢量为，第二帧为的宏块个数，记为计算第帧中最优预测矢量为，第二帧为的宏块个数，记为计算第帧中最优预测矢量为，第二帧为的宏块个数，记为计算第帧中最优预测矢量为，第二帧为的宏块个数，记为计算第帧中最优预测矢量为，第二帧为的宏块个数，记为计算第帧中最优预测矢量为，第二帧为的宏块个数......”。

3、“.....在对第帧和第二帧以后的帧进行运动估计时，先获取前帧的相同位置的宏块状态即该宏块的最优预测矢量是哪个。然后将第行的状态转移概率比较大小，状态转移概率最大的的状态先进行计算，如果没有满足提前退出条件，再对状态转移概率次大的状态进行计算，依次类推，直到个预测矢量中有个满足提前终止条件而提前退出或者都不满足从而进入模板搜索阶段。对引入马尔科夫链后的运动搜索算法进行运动分析，基本搜索算法采用点菱形算法，提前终止的系数分别为，，，，，，，，对三个序列分布按照不同的提前终止系数进行测试效果如图所示图引入马尔科夫链后运动搜索算法性能分析由图可知，引入马尔科夫链并没有明显提升运动搜索算法的性能，至少采用本文的自己实现的马尔科夫算法效果并不明显，所以并没有考虑再中尝试通过引入马尔科夫链来提升性能。对算法的简单实现已经被采用作为整像素搜索算法......”。

4、“.....本文只是对算法的主干流程进行简单实现，并没有考虑该算法针对所做的特殊优化。比如采用层间预测，即上层比如块获得的最佳运动矢量作为下层比如块的预测矢量等各种优化没有在本文中实现。所以通过本文的测试平台所得到的数据并不能完全反映算法的真实性能，本文得到的数据较其真实性能会有定程度的降低。算法的主要步骤如下第步预测起始搜索点利用空间相关性，取已求出的当前帧的左上右上邻块的运动矢量的中间值作为预测矢量，作为预测矢量利用时间相关性，取已求出的前帧同位置块的运动矢量作为预测矢量对以上预测点分别进行十字模板搜索左上序列左上序列左下序列获得最佳搜索起点，及其。第二步判断起始点的满意程度当前帧的左上右上邻块前帧同位置块的的平均值作为阈值不满意比较满意很满意在本文中，......”。

5、“.....在，的方形区域中进行逐点搜索获得当前最佳点，判断满意程度如果依然不满意用不断扩大倍直径的大六角形模板进行搜索，直至搜索到满意或者比较满意为止，或者搜索模板完全超出搜索范围。以上几次满意度判断中只要出现比较满意，马上跳转到此处。以目前最佳点为中心，用中六角形模板进行搜索，直至最佳点在中六角形的中点为止。上文所述的各种搜索模板如图所示图算法中的各种搜索模板该图引自文献对序列和序列分别进行测试，得到如下数据将这组数据和基本的不加预测矢量和提前终止算法菱形搜索算法相比，可得数据如图所示，由图可以看出，算法虽然不能达到点菱形算法所得到的值，但是菱形算法想要达到算法的值，需要比算法多倍的计算次数，也就是耗时是算法的倍数。而且这还没有考虑算法针对所做的优化。但是由于所用的算法基于菱形算法......”。

6、“.....序列以码率增加降低为代价，编码时间减少序列以码率增加降低为代价，编码时间减少序列以码率增加降低为代价，时间减少。由此可以看出，在基本保持和码率不变的情况下，通过以上方法改进编码器可以降低左右的编码时间。为了验证不同量化步长下的改进效果，修改配置文件，编码参数其他不变，但基础量化步长改为，可以得到如下数据序列名称视点名称码率编码时间秒帧原始改进原始改进原始改进原始改进原始改进原始改进原始改进原始改进原始改进表实验结果统计在基础量化步长为分析实验数据可以发现，序列码率降低增加，编码时间减少序列以码率降低降低为代价，编码时间减少序列以码率降低增加，时间减少。由此可以看出，在基本保持和码率不变有些序列甚至增加且码率减少的情况下，通过以上方法改进编码器可以降低左右的编码时间。六结论本文首先创建了直观的编码参数显示界面......”。

7、“.....从中可以发现些对编码器改进的入手点。然后对各种运动估计方法进行仔细研究，如三步快速搜索算法四步快速搜索算法菱形快速搜索算法引入扁平搜索框的引入马尔科夫链的引入多个预测矢量的引入遗传算法的运动搜索算法进行简单实现和比较其中由于时间和水平有限，效果并不理想，将效果较好易于实现的方法引入编码器中。然后，以全局变量的形式将各种新增的预测矢量信息信息及视差矢量等信息加入编码器中。并对些运动估计的步骤进行改进具体改进情况参见附录。最后将各种测试序列分别利用原始编码器和改进编码器比较效果，分析数据后发现，在几乎不降低和码率的情况下，编码时间可以减少。由此说明对编码器的这种改进方法是有效的。参考文献，林正豹，姜秀华现代电视原理，毕厚杰，新代视频压缩编码标准，朱威多视点视频编码快速算法关键技术研究，范智鹏提高系统编码效率技术研究，吴云......”。

8、“.....瞿振刚，立体匹配算法研究郑振东，王沛，模型中运动估计算法及改进方案，王宝亮基于的多试点立体视频关键技术研究金国英，基于遗传算法的运动估计和分割方法，李珅徐，维朴，种新的基于遗传算法的快速运动估计方法，张坤，基于遗传算法的运动估计，张明毕，笃彦，自适应可变模式搜索算法，后记在进行毕业设计的过程中，我认为最宝贵的不是最终的成果，而是次次的失败和新思路的尝试，许多想法虽然最终没有成功，但给我留下了非常宝贵的经验，让我的拓宽了视野，为我的研究生学习打下良好的基础。总而言之，在大家的帮助之下，这次毕设使我学习到许多知识，受益匪浅。附录编码器改进前后流程图，其中粉红色框图表示改进编码器时新增或者修改的步骤，灰色表示修改前后不变的步骤。对函数的修改对函数的修改对函数函数的修改对函数的修改对函数的修改对计算函数函数的修改对钻石搜索函数修改费时，由于时间有限......”。

9、“.....图算法和算法的性能比较左侧序列，右侧序列四本章小节本章主要对些运动估计算法进行简单实现和比较，本章得出的结论可以作为下章运动估计算法改进方法的依据。除了三步法四步法菱形搜索算法非对称十字型多层次六边形格点搜索算法马尔科夫链的引入预测矢量的引入快速终止策略的采用等实验，之前还曾经尝试过基于遗传算法的运动搜索和扁平的搜索模板。基于遗传算法的运动搜索的主要目的是跳出局部最优点。因为该算法把运动矢量映射成染色体，然后利用染色体的交换变异，不断繁衍并淘汰低的染色体，从而经过若干代后产生出最优染色体。根本没有进行搜索框的迭代，自然避免了局部最优点。但是由于缺少遗传算法知识基础，并没有找到合适的种群大小交换率变异率和繁衍代数。目前实现的遗传算法的仅达到左右，远远低于其它快速算法，所以就没有对其性能进行分析。而扁平的搜索模板是为了降低搜索模板的搜索点数......”。