The underlying supposition behind m

The underlying supposition behind motion estimation is that
the patterns corresponding to objects and background in a
frame of video sequence move within the frame to form
corresponding objects on the subsequent frame. The idea
behind block matching is to divide the current frame into a
matrix of ‘macro blocks’ that are then compared with
corresponding block and its adjacent neighbors in the previous
frame to create a vector that stipulates the movement of a
macro block from one location to another in the previous
frame. This movement calculated for all the macro blocks
comprising a frame, constitutes the motion estimated in the
current frame. The search area for a good macro block match
is constrained up to p pixels on all fours sides of the
corresponding macro block in previous frame. This ‘p’ is
called as the search parameter. Larger motions require a larger
p, and the larger the search parameter the more
computationally expensive the process of motion estimation
becomes. Usually the macro block is taken as a square of side
16 pixels, and the search parameter p is 7 pixels. The idea is
represented in Fig 2. The matching of one macro block with
another is based on the output of a cost function. The macro
block that results in the least cost is the one that matches the
closest to current block. There are various cost functions, of
which the most popular and less computationally expensive is
Mean Absolute Difference (MAD) given by equation (i).
Another cost function is Mean Squared Error (MSE) given by
equation (ii).

Kết quả (Việt) 1:

Giả thuyết tiềm ẩn đằng sau dự toán chuyển động làCác mô hình tương ứng với các đối tượng và nền tảng trong mộtkhung của video trình tự di chuyển trong khung hình thànhcác đối tượng tương ứng trên khung tiếp theo. Ý tưởngđằng sau khối kết hợp là để chia khung hình hiện thời vào mộtma trận của 'vĩ mô khối' mà sau đó được so sánh vớikhối tương ứng và nước láng giềng liền kề trong trước đókhung để tạo ra một vector quy định sự chuyển động của mộtvĩ mô khối từ một địa điểm khác trong trước đókhung. Phong trào này tính cho tất cả các khối vĩ môbao gồm một khung, cấu thành chuyển động ước tính trong cáckhung hình hiện thời. Phù hợp với vùng tìm kiếm cho một khối tốt vĩ môđã được cố định đến p các điểm ảnh trên bốn chân của cô bên của cáctương ứng vĩ mô khối trong khung hình trước. Này 'p' làđược gọi là tham số tìm kiếm. Chuyển động lớn hơn yêu cầu một lớn hơnp, và lớn hơn các tham số tìm hơncomputationally đắt quá trình dự toán chuyển độngtrở thành. Thường khối vĩ mô được thực hiện như một hình vuông của bên16 điểm ảnh, và tìm tham số p là 7 điểm ảnh. Ý tưởng làđại diện trong hình 2. Phù hợp với một vĩ mô khối vớikhác dựa trên đầu ra của một hàm chi phí. Vĩ môkhối mà kết quả trong ít nhất chi phí là một trong đó phù hợp với cáckhối gần gũi nhất với hiện tại. Có rất nhiều chi phí chức năng, củaphổ biến nhất và đắt tiền ít computationally làCó nghĩa là sự khác biệt (MAD tuyệt đối) được đưa ra bởi phương trình (i).Một chi phí chức năng là có nghĩa là bình phương lỗi (MSE) được đưa ra bởiphương trình (ii).

Kết quả (Việt) 2:

Các giả thiết cơ bản đằng sau ước lượng chuyển động là
các mô hình tương ứng với đối tượng và nền tảng trong một
khung di chuyển chuỗi video trong khung để hình thành
các đối tượng tương ứng trên khung tiếp theo. Ý tưởng
đằng sau khối hợp là để chia khung hiện tại vào một
ma trận của các 'khối macro' mà sau đó được so sánh với
khối tương ứng và các nước láng giềng lân cận của nó trong các trước
khung để tạo ra một vector mà quy định sự chuyển động của một
khối vĩ mô từ một địa điểm một trong các trước
khung. Phong trào này được tính cho tất cả các khối vĩ mô
bao gồm một khung hình, tạo các chuyển động được ước tính trong
khung hiện tại. Khu vực tìm kiếm cho một trận đấu khối vĩ mô tốt
là hạn chế đến p pixel trên bốn chân bên của
khối macro tương ứng trong khung trước đó. Đây 'p' được
gọi là các tham số tìm kiếm. Chuyển động lớn hơn yêu cầu một lớn hơn
p, và các tham số tìm kiếm lớn hơn các chi tiết
quá trình tính toán đắt tiền của ước lượng chuyển động
trở nên. Thông thường các khối vĩ mô được thực hiện như là một vuông mặt
16 điểm ảnh, và các thông số tìm kiếm p là 7 pixels. Ý tưởng này được
thể hiện trong hình 2. Việc kết hợp của một khối macro với
nhau dựa trên đầu ra của một hàm chi phí. Các macro
block mà kết quả trong chi phí ít nhất là một trong đó phù hợp với
gần khối hiện nay. Có chức năng chi phí khác nhau, trong
đó phổ biến nhất và ít tính toán đắt tiền là
Mean Difference Absolute (MAD) cho bởi phương trình (i).
Một chức năng chi phí là Mean Squared Error (MSE) cho bởi
phương trình (ii).