深度图时域一致性增强

在自由视点电视(FTV)系统的发送端,数据由多摄像机采集的纹理图和其相应的深度信息组成;在接收端,虚拟视点由视点纹理序列和估计的深度信息经过3D变换绘制。因此,获取高质量的深度信息是FTV系统的一个重要部分。由于当前非交互方式深度估计方法是逐帧进行的,所得到的深度图序列往往缺乏时域一致性。理想情况下相邻帧静止区域的深度值应该相同,但是对这些区域深度值的估计结果往往不同,这将严重影响编码效率和绘制质量。由于深度图表征的是纹理图中相应场景离摄像机的距离,所以可以通过对纹理图的有效分析,判断出错误的深度值。通过对深度值可靠性和当前区域运动属性的判断,提出一种基于自适应时域加权的深度图一致性增强等。实验表明,本文算法能有效抑制静止区域深度值不连续的错误,产生更加稳定的深度图序列,使虚拟视点的时域绘制质量得到增强,同时编码效率得到提高。     

基于图割的高质量深度图获取方法

3DTV作为下一代视频广播系统,还有许多技术难点有待解决,其中深度估计是3DTV的关键技术之一。为了获取高质量的深度图,提出基于图割(graph cut)的深度估计方法。该算法在构建能量函数的数据项时,通过对窗口内各个像素赋予自适应权重,引入梯度信息以抑制因亮度差异导致的误匹配问题并保护边缘信息。然后,经过交叉检测将深度图像素分为可靠点与不可靠点两类。对检测后的深度图进行后处理迭代优化,从而提高所获取深度值的可靠性。实验表明此算法估计出的深度图用VSRS绘制虚拟合成视时比标准的深度估计软件DERS5.1可有效提高虚拟视质量。     

基于3D视频的错误隐藏技术分析

随着3D视频产品的逐步问世,3D视频技术逐渐成为当前研究的热点。由于3D视频编码是利用多个视点的空间、时间及视点间的相关性进行压缩编码,导致当3D视频遭遇不可靠信道差错时,其受损的影响比传统的2D视频更严重。因此,研究基于3D视频的差错控制技术十分必要,针对3D视频的3种视频格式,初步探讨了目前已经出现或正在研究中的错误隐藏技术。     

改进的JND模型及其在图像编码中的应用

对现有的DCT域恰可察觉失真(Just-Noticeable-Distortion,JND)模型进行改进,首先对JND模型中的亮度自适应因子进行准确化,其次在考虑纹理掩盖效应时引入平均边缘权重系数对图像进行分块,使JND模型更加符合人眼的视觉特性.并将改进的JND模型应用于图像编码中.实验结果表明,改进的JND模型和人眼特性的吻合性更好,在保证图像主观质量一定的情况下,与现有JND模型相比,可以容忍更多的失真,而基于改进JND模型的图像编码方法能够大大地提高编码效率.     

面向编码和绘制的多视点图像深度估计

针对自由视点三维电视系统中深度估计不准确将给后续多视点深度编码和虚拟视点绘制带来困难的问题,提出一种面向编码和绘制的多视点图像深度估计算法。首先对初始深度进行一致性检查,并采用自适应匹配误差策略删除不可靠的匹配以减小初始深度的误匹配。然后根据融合准则将多幅参考深度图合成为一幅深度图以提高深度图的精度。最后,采用多边滤波...     

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.     

调整量最小的多视图像校正算法

在多视自由视点电视（FTV）系统中,摄像机阵列拍摄的多视视频存在垂直视差、且水平视差分布不均等问题,严重影响合成视频的质量效果。现有的多视图像校正方法虽然消除了垂直视差,但是校正图像过程中引入的旋转和平移失真较大,使人眼产生不舒适感。为此,本文提出一种适于平行摄像机阵列的多视图像校正算法,首先建立理想的摄像机安放位置,然后计算多视图像校正变换,将实拍图像映射到理想摄像机位置处,得到校正后图像。在设计理想的摄像机安放位置时,考虑人眼视觉特性,确保坐标轴旋转和平移调整量最小化,实现多视图像校正变换引入图像失真总量最小。实验表明,该算法不仅可以消除垂直视差,而且图像校正过程中引入的失真小,符合人眼视觉习惯,能有效改善合成视的图像质量,提高人眼观看舒适程度。