多阵列摄像图像调节的MVC颜色补偿方法

多视点视频是由一组摄像机拍摄得到的视频序列。通常情况下,各个摄像机的性能参数很难做到完全一致,从而引起不同视点的视频图像之间产生颜色差异。提出了在多视点视频编码中使用一种新的颜色补偿模式,这种模式能够有效利用相互独立编码的帧间视频的信息,从而减少由多阵列摄像而带来的颜色误匹配。该方法在RGB颜色空间上建立颜色补偿模型,并进一步将颜色补偿模型扩展到YCbCr颜色空间以适用现有视频编码标准。与原始视点间参考图像相比,经过补偿后的视点间参考图像与当前编码图像更为相似,从而提高了MVC的编码效率。此外,颜色补偿模型参数可以分别从编码端和解码端推导得出,不需要将其写入码流。实验结果也表明提出的方法能够提高编码的效率和得到更好的视频质量。     

多视点视频编码的研究进展

多视点视频编码是针对新一代多媒体的核心技术之一和现阶段多媒体领域的研究热点之一.本文主要从多视点视频的原理、四种多视点视频编码的方法和虚拟视点图像合成这三个方面入手,结合多视点视频领域多年来的技术发展,对多视点视频编码方法进行了全面的描述,并对多视点视频领域出现的新技术、新方法进行了扼要的介绍,最后对未来多视点视频编码的发展做出展望.     

基于视差估计算法的多视点视频预测方案

多视点视频编码是立体视频的关键技术,视差估计是目前多视点视频编码中常用的方法之一.探讨了多视点视频编码中的视差估计算法原理,对当前应用视差估计算法的几种典型预测结构进行了深入分析,提出一种结合分级B图与视点相关性的多视点编码方案,该方案在H.264/AVC的编码模型JM下实现.实验表明,该方案在兼顾随机访问性能的同时,实现了较高的编码效率,尤其适合视点间相关性较高的运动图像序列.     

基于相关性分析的多模式多视点视频编码

多视点视频编码方法除需具有较高编码效率外,还必须支持视点或时间的随机访问、低延时编解码、视点可分级等性能.多视点视频信号的时间、视点间相关性随相机密度、光照、对象运动等因素不同而变化.文中提出基于多视点视频信号相关性分析的多模式多视点视频编码方法,改变传统单一预测模式的多视点编码结构,将多种性能优良的预测编码模式有机结合,根据多视点视频相关性分析灵活选择合适的预测编码模式,以获得优异的编码综合性能.实验结果表明,所提出的多模式多视点视频编码方法在保证高压缩效率的前提下,可进一步降低复杂度,提高随机访问性能.     

多视点视频编码去相关颜色校正

多视点视频编码效率受到各个视点图像之间颜色不均衡的影响。在三色激励值近似线性无关的lαβ颜色空间中,对多视点视频数据实现了颜色校正。根据视频序列原始数据的特点,选择合适的变换矩阵,提供了YUV到lαβ空间的变换式。为降低不同视点间亮度差异的影响,在块搜索和匹配中结合相关分析法,获取最优匹配块。将匹配块数据变换到从lαβ衍生的一个线性无关的颜色空间中,采用统计量逼近的方法对数据进行了更简便的校正。结果表明,所校正的数据变换回YUV空间后,主观效果良好,消除了颜色差异,在编码性能上,Y分量平均PSNR提高达l.4dB以上,证明了该颜色校正算法的有效性。     

基于尺寸可变块匹配的多视点视频颜色校正方法

针对多视点视频系统中视点间图像颜色差异的问题,本文提出了一种基于尺寸可变块匹配的多视点颜色校正方法。该方法首先通过视差估计得到匹配块;然后根据残差能量对其可靠性进行分类,对不可靠块采用四叉树分割和可变块视差估计进行重新搜索,逐步消除由于匹配块不可靠性带来的方块效应和边缘模糊现象;最后通过线形回归方法得到颜色校正系数,从而校正不同视点间的颜色差异,并且采用亮度直方图均衡进一步提高了校正质量。实验选用多视点测试序列,将本文方法与直方图匹配算法、JMVM中的亮度补偿算法进行比较,结果表明本文方法对校正图像的主观质量和客观质量均有所提高,是一种有效可行的多视点视频颜色校正方法。     

多视点视差估计中基于图像块特征矢量和相似尺度的参考视点选择方法

在多视点视频处理中，采用多参考视点的视差估计方法能够在很大程度上消除各个视点间的冗余性，达到对多视点视频数据有效编码压缩的目的。研究了多视点信号处理中视差估计的多参考视点选择问题，采用快速Walsh变换谱构造图像块特征矢量，并提出了基于图像块特征和相似尺度的多参考视点选择方法。实验结果证明，本文方法能在保证编码质量的前提下，减少视差估计的计算复杂度。     

多模式3维视频形状编码

目的 具有立体感和高端真实感的3D视频正越来越受到学术界和产业界的关注和重视,未来在3D影视、机器视觉、远程医疗、军事航天等领域将有着广泛的应用前景。对象基3D视频是未来3D视频技术的重要发展趋势,其中高效形状编码是对象基3D视频应用中的关键问题。但现有形状编码方法主要针对图像和视频对象,面向3D视频的形状编码算法还很少。为此,基于对象基3D视频的应用需求,提出一种基于轮廓和链码表示的高效多模式3D视频形状编码方法。方法 对于给定的3D视频形状序列逐帧进行对象轮廓提取并预处理后,进行对象轮廓活动性分析,将形状图像分成帧内模式编码图像和帧间预测模式编码图像。对于帧内编码图像,基于轮廓内链码方向约束和线性特征进行高效编码。对于帧间编码图像,采用基于链码表示的轮廓基运动补偿预测、视差补偿预测、联合运动与视差补偿预测等多种模式进行编码,以充分利用视点内对象轮廓的帧间时域相关性和视点间对象轮廓的空域相关性,从而达到高效编码的目的。结果 实验仿真结果显示所提算法性能优于经典和现有的最新同类方法,压缩效率平均能提高9.3%到64.8%不等。结论 提出的多模式3D视频形状编码方法可以有效去除对象轮廓的帧间和视点间冗余,能够进行高效编码压缩,性能优于现有同类方法,可广泛应用于对象基编码、对象基检索、对象基内容分析与理解等。     

均值偏移的多视点视差估计新方法

针对多视点视频编码视差估计计算量大的特点,提出一种基于均值偏移的多视点视差估计方法。在时空域上,分析了视差矢量和运动矢量的相关性,计算了预测视差矢量,确定了视差匹配的初始搜索位置。将该位置作为均值偏移迭代计算的初值,在参考帧中完成宏块的最佳匹配。通过实验表明：新方法与全搜索算法相比,在率失真性能降低甚微的情况下编码时间降低了94%以上;和快速搜索算法相比,新方法编码时间降低10%以上,率失真性能获得提高。     

基于平衡多小波图像变换的视频多描述编码

提出了一种新的视频多描述编码方法，即基于平衡多小波图像变换的视频多描述编码。首先，把图像进行多小波变换，然后，按照图像多小波变换后子带图像分量的异同重组图像的多小波系数，相同分量的多小波系数就构成图像的一个描述。视频的每帧图像都如是处理，就得到视频的多描述编码。一个好的视频多描述编码方案应该满足两个基本条件：各个描述平均分担图像信息和各个描述能够互相差错掩埋。通过统计分析和数学推导发现，在目前几种常用的多小波中，只有平衡多小波能够满足视频多描述编码的两个条件。本文给出了各个描述之间进行差错掩埋的数学公式，并据此提出视频多描述编码的算法。实验结果表明，即使在丢失四分之三数据的情况下，该算法依然能够以接近30dB的PSNR值和较好的视觉效果恢复原图像。