随着科学技术的高速发展和人们日益增长的需求,视频处理技术的研究越来越受到了人们的重视。运动估计是视频压缩与编码过程中的重要环节,能够有效地减少视频序列中相邻帧之间的冗余。然而运动估计的运算量庞大,严重地影响了编码系统的整体性能,因此,运动估计一向都是视频处理技术的研究重点和热点。近十几年来,群智能优化算法因其优越的性能逐渐受到了人们的关注,同时为运动估计的研究开拓了一条新道路。为获取更好的块匹配运动估计性能,本文深入研究了群智能优化算法中性能较为优越的粒子群优化算法和蚁群优化算法,并提出了两种基于群智能优化的运动估计算法。经实验测试与验证,本文所提的两种算法其整体性能均优于经典的快速运动估计算法,其中,基于改进蚁群优化的运动估计算法其性能更为优越。本文的主要研究内容和创新点如下:1.深入研究了运动估计算法,并对几种经典的块匹配运动估计算法进行了分析与总结。2.提出了基于混合粒子群的运动估计算法。该算法在保留系统随机搜索性能的同时根据运动矢量分布特性合理地设计初始搜索种群并通过混沌差分进化搜索协同粒子群优化算法迭代寻优,其中混沌序列被用于优化差分进化算法的变异算子。通过相同点排查方案和恰当的终止策略有效地降低了算法的运算复杂度。经实验测试与验证,该算法在搜索精度和搜索速度中达到了一种动态平衡的状态,其整体性能比经典的快速运动估计算法要好。3.提出了基于改进蚁群优化的运动估计算法。根据蚁群优化算法的特点,为蚁群设计了特有的搜索方式和初始搜索点群,并根据改进的概率转移公式迭代寻优。通过随机二维扰动策略提高了算法的搜索能力并加入了猴群算法的翻过程以改善蚁群在较差区域中的移动。以蚁群优化算法的禁忌表为基础设计了相同点排查方案,同时配合恰当的终止策略进一步降低了算法的运算复杂度。该算法实现了较高精度和较低运算复杂度的块匹配运动估计技术。