一种基于分层B帧架构的高效比特分配算法

随着分层B帧码率控制技术在SVC(可伸缩视频编码)中的广泛应用,视频编码的质量得到了很大提高,然而传统的H.264码率控制技术并未将B帧的比特分配考虑在内。提出一种基于分层B帧架构自适应调节B帧比特分配的码率控制算法,该算法研究了基于同一个图像组(GoP)中各时域层权重因子的自适应调节,为各时域层分配不同的目标比特;同时基于同一个时域层中各帧复杂度的不同,为各帧分配不同的目标比特。实验结果表明,与目前流行的分层B帧码率控制算法相比,该算法在比特控制误差并未降低的情况下,客观质量PSNR可提高0.1～0.4 dB。     

发展3DTV需解决的技术及其应用趋势

介绍了目前3DTV的系统组成及各类立体图像显示器的技术特点.对观看视频立体图像时的不舒适感分析了其原因,给出了消除或改善的方法和技术措施.展望和分析了各类3DTV系统进入家庭的进程和尚需解决的技术问题.     

一种多视点视频中的对象提取方法

提出一种自由视点电视的对象提取方法,首先用Birchfield算法进行快速的视差估计方法得到一个较为平滑的视差图,然后对初始的分割结果用形态学滤波,实验结果证明了所提出方法的有效性和可靠性。     

DIBR中基于平面扫描的深度重建方法

提出一种 DIBR 中基于平面扫描法的深度重建方法,与立体深度重建算法和基于图像的视觉壳算法不同,本文进一步改进平面扫描算法,无需任何场景的几何先验知识,而是利用每个像素点的深度信息合成真实场景的虚拟视点.当输入图像映射至相互平行的虚拟深度平面时,采用"动态判决方法"来计算像素间的色彩一致度;并在虚拟视合成中采用了基于视向权重策略的新视点重建方法.本文算法获取的深度信息更为精确,虚拟新视点的质量得到较大提高.     

基于神经网络的立体视觉摄像机标定

摄像机标定是立体视觉研究的重要组成部分。根据神经网络与摄像机标定的特点,提出了基于神经网络的双目立体视觉摄像机标定方法,构建了三种不同的神经网络,并在试验中利用BP算法和实际数据对各种方法进行了分析和比较。     

使用格雷码的视频A／D转换器的设计

使用格雷码的视频A/D转换器能避免各比较器间工作速度不一所造成的尖刺干扰,从而降低了对比较器的要求、简化了电路。本文给出它的设计方法及有关参数的计算。     

基于熵模型的压缩域运动对象检测

随着视频编解码技术的发展,H.264已成为最主要的标准之一。为了能从H.264码流中准确有效地分割和提取出运动对象,提出了一种压缩域下的对象检测算法。该算法主要利用压缩域下对象的运动矢量信息,先对矢量进行中值滤波预处理,目的是为了减少运动估计算法和对象实际运动所产生的误差。然后利用基于熵的原理,建立运动对象在空间和时间上的一致性模型。在该模型基础上,采用最大熵方法自适应获得阈值,检测得到运动对象。实验结果证明,该算法可以获得比较好的检测结果。     

基于压缩域信息的立体视频对象分割方法

立体视频对象分割是交互式多视点视频应用的关键技术。为了提高对象分割的时效性和精确性,提出了一种利用压缩域视差和运动信息的立体视频对象分割算法。该算法首先对运动矢量场和视差场进行提取和修正处理,然后对视频帧进行分割作为初始值,最后用均值偏移算法聚类得到最终的对象分割结果。实验结果表明,对于纹理复杂的场景有很好的分割效果,可以获得与语义一致的对象。     

采用特征描述的H.264压缩视频运动分割

H264视频压缩标准以其优良的压缩效率和编码灵活性得到了广泛的应用。提出了一种基于H264压缩域的运动对象分割方法,首先从压缩视频中提取运动场,采用加权中值滤波方法滤除运动场的噪声矢量,再运用后向估计的方法重建预测运动场并进行运动场的累积,然后基于幅度、散度和旋度3个运动特征, 采用改进的统计区域合并方法将运动对象分割出来。实验结果表明,该方法可有效地从H264压缩视频中提取运动对象且分割质量较好。     

HDTV的双向预测及多重DCT编码

本文研究了全数字化ＨＤＴＶ图像信源码方案，在ＤＣＴ＋运动预测补偿的基本方案的基础上进一步对双向预测方案进行了计算机模拟，得出其压缩比约是前向预测时两倍的结论，并对多重ＤＣＴ方法进行了探索。