基于运动区域划分的H.264低复杂度模式选择

为降低H.264编码器的复杂度,提出基于运动区域划分的模式选择算法.首先利用已编码宏块的运动信息识别运动对象的内部区域和边界区域,然后利用已编码宏块的模式信息对边界区域的运动剧烈程度和细节复杂程度进行进一步的划分,从而将视频内容划分为运动性质不同的区域,并选择合适的模式对其进行编码.实验结果表明,该算法平均节省编码时间达47.95%,有利于实时应用;同时PSNR平均下降约0.06 dB,不影响主观视觉效果.     

基于深度信息的多视点视频快速模式选择算法

针对多视点视频编码原始模式选择算法编码复杂度极高的问题,分析多视点视频加深度视频中宏块模式与深度信息间的关系,提出一种基于深度信息的多视点视频快速模式选择算法。结合深度值将三维空间分成远、近、中3个区域分别处理。针对复杂度最高的中距离区域,将全局视差矢量指向的参考视点对应块及其周边宏块采用率最高的模式作为候选模式,提前分离出可能采用大块模式的宏块,利用基于运动信息的深度平坦度动态阈值判定方法确定最终的宏块预测模式。实验结果表明,该算法在基本保证率失真性能的情况下,与全搜索算法相比,可平均节省71.70%的搜索点数,明显降低了编码复杂度。     

基于决策树的HEVC编码单元划分算法

为了有效降低高效视频编码标准HEVC编码过程中的计算复杂度,提出了一种基于决策树的编码单元划分算法。该算法将编码单元划分问题归为分类问题,提取编码单元的划分信息到决策树模型中进行学习,得到决策树分类器。利用分类器对满足分类条件的编码单元进行划分,跳过了率失真计算,从而降低了视频编码的计算复杂度。实验结果表明,本算法在保证视频质量的同时有效降低了编码计算复杂度。     

联合深度视频增强的3D-HEVC帧内编码快速算法

目的 针对高效3维视频编码标准（3D-HEVC）深度视频编码复杂度高和获取不准确的两个问题,现有算法单独进行处理,并没有进行联合优化。为了同时提升深度视频编码速度和编码效率,提出一种联合深度视频增强处理和帧内快速编码的方法。方法 首先,引入深度视频空域增强处理,消除深度视频中的虚假纹理信息,增强其空域相关性,为编码单元（CU）划分和预测模式选择提供进一步优化的空间;然后,针对增强处理过的深度视频的空域特征,利用纹理复杂度将CU进行分类,提前终止平坦CU的分割过程,减少了CU分割次数;最后,利用边缘强度对预测单元（PU）进行分类,跳过低边缘强度PU的深度模型模式。结果 实验结果表明,与原始3D-HEVC的算法相比,本文算法平均节省62.91%深度视频编码时间,并且在相同虚拟视点质量情况下节省4.63%的码率。与当前代表性的帧内低复杂度编码算法相比,本文算法深度视频编码时间进一步减少26.10%,相同虚拟视点质量情况下,编码码率节省5.20%。结论 该方法通过深度视频增强处理,保证了虚拟视点质量,提升了编码效率。对深度视频帧内编码过程中复杂度较高的CU划分和预测模式选择分别进行优化,减少了率失真代价计算次数,有效地降低了帧内编码复杂度。     

一种复杂度约束下基于宏块优先顺序的运动估计优化算法

在实际应用中,视频编码算法不仅需要提供最好的编码效率,而且还需要自动地适应各种平台不同的计算能力约束.这是一个在复杂度约束下的率失真优化问题.针对视频编码消耗计算资源最多的运动估计过程,提出一种复杂度约束下的优化算法.该算法对运动估计的失真度和复杂度建模,并通过该模型决定每个宏块的预测失真度一复杂度斜率(distortion-complexity slope,DC-slope),以此决定各个宏块运动估计的优先顺序,然后通过一个常微分方程建立控制参数与计算复杂度之间的关系,准确地控制运动估计的计算复杂度.通过实验比较,本算法不仅可以自适应地调整运动估计的计算复杂度,而且能在不同的复杂度约束下提供优化的编码性能.     

实时监控系统中H.264 模式选择算法的优化

由于实时监控系统对视频压缩的需要,本文针对H.264 标准的多模式运动估计算法编码模式复杂、计算量大的不足之处,在宏块编码模式选择统计规律的基础上,通过对纹理复杂度的分析,提出了一种利用预判法与部分模式排除法相结合的快速模式选择算法。该方法提前排除Skip 模式和inter16×16模式,再根据纹理复杂度将其余的模式分为两部分,对每部分包含的模式根据纹理方向再逐一排除,最后得到最优的模式。实验结果表明,本文提出的快速模式选择算法,在码率增加较小和视频质量损失不大的情况下,将编码时间平均缩短了76.95%。     

基于宏块内部特征的H.264快速预测模式决策算法*

为了提高视频质量、降低码率,H.264/AVC采用了七种块划分类型,使得在提高编码性能的同时带来了高计算复杂度。研究了宏块的内部特征,提出了一种基于宏块内部信息复杂度的快速帧间模式选择算法。实验数据表明,在保证重建图像信噪比的情况下,该算法降低了帧间预测的复杂度,可平均节省17%24%的编码时间,满足了实时视频通信的要求。     

一种针对H.264/AVC的帧间模式快速选择算法

为了进一步减小宏块的帧间预测误差,新的视频编码标准H.264/AVC采用了可变块划分运动估计,极大地增加了编码器的复杂度.针对此问题,提出了一种快速的帧间模式选择算法,该算法利用已编码相邻宏块的时间和空间相关性信息预先检测图像,对图像各区域可能采用的编码模式进行判定,从而大大简化了模式选择的过程.实验结果表明,算法可以在图像质量基本保持不变的基础上,有效地降低编码的复杂度.     

基于H.264的转码初始量化参数自适应选择

针对不同的视频内容造成编码前几帧质量低下的问题,提出一种基于I帧复杂度的初始量化参数(QP)选择算法。在编码前利用解码码流中得到的I帧宏块模式信息,运用宏块中的3种不同帧内预测模式判断I帧的复杂度,并采用目标码率和初始QP的关系重新拟合新的初始QP的选择方法。实验结果表明,在相同的码率下,该算法避免了传统码率控制中初始QP选择算法的弊端,可提高视频的客观质量,降低判断I帧的复杂度,客观峰值信噪比值比现有相关算法平均提高0.6 dB,最高提高1.69 dB。     

基于时空相关性的宏块编码模式预测算法

与以往的各种视频编码标准相比，H．264视频编码标准在编码效率上获得了最大50％的提高．但这是以提高编码的计算复杂度为代价的，其中运动估计和模式选择的计算复杂度最大．文中提出一种基于时空相关性的宏块编码模式预测算法，该算法首先检查根据时空相关性预测得到的模式，再根据相应的阈值判断是否结束模式选择过程。而不用对所有的模式进行全搜索．试验结果证明：在保持相近率失真性能的同时，该算法可以有效地降低编码的计算复杂度．     

Fast mode selection for H.264 video coding standard based on motion region classification

H.264/AVC achieves higher compression efficiency than previous video coding standards. However, the process of selecting the optimal coding mode for each macroblock (MB) results in extremely high computation complexity, which make it difficult for practical use. In this paper, an efficient algorithm is proposed to reduce the complexity of MB mode selection. The proposed algorithm identified the interior region of the motion object by using the motion vectors information firstly. For the interior region surrounded by the identical motion vectors, we skip the mode selection of the MBs and then treat them with large block size modes directly. We also discuss the specific examples in this region. For the boundary region, we classify them into different types according to the coded mode information. After that we process the different regions with different mode set distinctly. Experimental results show that the proposed algorithm can save the encoding time up to 46% on average compared to the conventional method in the JVT JM8.6 reference encoder with only 0.12 dB performance degradation.     

使用四叉树分割进行自适应空域隐写

目的 针对自适应隐写术可有效避免对载体敏感区大量修改的关键问题,为间接提高安全性和增大隐写容量,在四叉树分割和自适应像素对匹配（APPM）的基础上提出一种自适应空域隐写术。方法 首先该方法以图像块的纹理复杂度作为一致性测度并且设置图像块大小为判别准则进行图像分割,根据四叉树分割结果中面积较小的图像块属于复杂区域,较大的属于平滑区域,按照图像块面积大小将图像分成由高复杂、中复杂、低复杂三大区域构成。其次嵌密方式采用APPM,根据密信容量和载体图像选择进制数B。最后,为了保证安全性和提高容量,优先选择高复杂区嵌入不低于B进制的密信,在中复杂区进行B进制的密信嵌入,在低复杂区选择不高于B进制的密信嵌入。结果 为了验证提出的方法,选8幅经典图作为实验,在嵌入率1.92 bit/pixel的情况下,与已有PVD系列算法和DE算法相比具有更高的PSNR值,PSNR值高达48 dB。此外与APPM算法比较,在嵌入率2.5 bit/pixel情况下,该算法的平均KL距离相比传统APPM算法减小了25.37%,平均一阶Markov安全指标值相比传统APPM算法减小了12.11%,对应的平均PSNR值相比传统APPM算法提高0.43%,在嵌入率1.5 bit/pixel情况下,该算法的平均KL距离相比传统APPM算法减小了37.84%,平均一阶Markov安全指标值相比传统APPM算法减小了26.61%,对应的平均PSNR值相比传统APPM算法提高1.56%。此外,从RSP图库中随机选1 000幅图作为数据集,在嵌入率0.5,0.6,0.7,0.8,0.9和1.0 bit/pixel条件下,结合SPAM特征和SVM分类器的最小平均错误率均高于LSB系列经典算法和APPM算法。结论 1）考虑了人类视觉系统对图像不同区域的敏感性不同,通过对图像进行四叉树分割预处理,优先选择非敏感区进行隐写,保证了一定的安全性要求,低嵌入率下抗SPAM检测和统计不可见性方面比较有优势。2）在四叉树分割中,对于隐写前后图像的四叉树分割结果不同的异常情况,采用一种图像块纹理复杂度调整方案,保证了密信正确完整提取。3）利用了APPM算法的大容量特性,可以隐写嵌入率大于1 bit/pixel的密信,比较适用于大容量的密信隐写,而且可以嵌入任意进制的密信,最大程度地减少嵌入失真,此外,进行了四叉树分割预处理,在安全性方面优于传统APPM算法。     

基于结合空间信息的FCM聚类的分水岭图像分割

提出了一种分水岭变换和结合空间信息的FCM聚类相结合的图像分割方法。方法采用基于图论的结合区域特征信息和空间信息的距离度量,以分水岭变换得到的图像分割小区域为节点构建一个连通加权图,通过计算图上不同节点之间的最短路径来度量不同区域之间的相似程度,从而实现过分割小区域的合并。该方法综合考虑了区域的特征之间的差异和空间位置的差异,与传统的FCM聚类方法在特征空间进行聚类相比,具有较强的噪声抑制能力。图像分割的实验结果证明了该算法的可行性和有效性。     

基于区域划分的深度视频快速编码算法

多视点彩色视频与深度视频作为多媒体系统中主流3D场景表示方式,吸引了越来越多人的关注。深度视频反映场景的几何信息,如何对其进行快速编码尤为重要。提出了一种基于区域划分的深度视频快速编码算法。首先,根据深度视频的边缘和运动属性把深度视频分为四个区域;然后,深入分析不同区域内宏块模式分布比例以及参考帧选择特性,设计了不同的宏块模式选择和参考帧搜索策略来提高编码速度;最后,测试提出算法的编码时间、码率以及合成虚拟视点的质量。实验结果表明,提出算法在保证虚拟视点图像质量和编码码率基本不变的情况下,节约了85.73%～91.06%的编码时间。     

基于信息熵与动态区域分割的半脆弱数字水印算法

已有的半脆弱水印算法大多数采取了双步长的固定量化方法,对载体图像没有针对攻击特性给予考虑,只将载体图像分为平滑和纹理两个区域,使得水印的鲁棒性进入了一个瓶颈状态。为了进一步提高水印的鲁棒性,提出了一种基于图像动态分割技术和信息熵的半脆弱水印算法。图像动态分割技术将图像分为若干个嵌入区域,并且确定各个嵌入区域的嵌入强度;基于信息熵的步长量化算法将信息熵引入到步长量化的计算方法中,能够有效衡量不同嵌入区域所携带的敏感信息量。实验结果表明,提出的算法与已有半脆弱水印算法相比,视觉掩蔽性好,鲁棒性也有了较明显的提高。     

各向同性同质区域选取的高光谱遥感图像噪声估计方法

在现有高光谱遥感图像噪声估计方法中,同质区域的选取通常是最关键的步骤,有效的同质区域选取方法能够提高图像的噪声估计精度。本文充分利用了高光谱遥感图像中丰富的空间信息和光谱信息,提出了一种各向同性同质区域选取算法,其中,为了更好地区分同质区域内像元相似度,构造了一种新的兰氏-光谱角度量;结合基于多元线性回归的去相关法,通过最优区域评估高光谱遥感图像噪声水平。利用不同结构及信噪比的模拟图像和真实高光谱遥感图像进行实验,通过与现有的多种噪声估计方法比较,验证了本文方法在针对不同噪声水平、不同复杂程度的图像时更加准确和稳定。     

结合分水岭的Mean-Shift图像分割新算法

针对Mean-Shift图像分割算法需要对图像中每个像素点进行迭代计算、耗时多的问题,提出一种改进的图像分割算法.研究发现,分水岭算法可以将一幅图像划分为若干一致性较好的区域,这一优势恰好有利于Mean-Shift算法的处理.本文利用分水岭算法对图像进行初始分割,将以点阵形式表示的图像转化为块状表示,再运用改进的Mean-Shift算法对每个块进行迭代计算.实验结果和时间复杂性分析表明,新算法在很好地保持了原算法分割效果的前提下,时间效率有了很大程度的提高.     

一种基于距离变换的不规则区域匹配算法

针对不规则区域难以直接匹配的问题,提出了一种新颖的不规则区域匹配算法,即基于距离变换的不规则区域描述子DTIRD。为了避免椭圆拟合误差和主方向不准确产生的匹配错误,该算法采用区域边界附近纹理和区域内部纹理确定不规则区域的支撑区域;然后给出了一种基于距离变换的子区域划分方法,与传统方法相比,能够减少图像亮度变化带来的匹配错误;最后针对区域存在形状、尺寸大小不一且具有不同像素点数的问题,采用均值标准差MS构造描述算法。实验结果表明,该算法对旋转、光照、模糊以及压缩变化图像具有更好的匹配性能。     

基于区域特征和连接成分的地图规范化算法

地图图像规范化算法是使地图图像同类型对象的某种属性具有相同的表现形式的一种方法或过程,它是地理信息识别的一个重要步骤。根据彩色栅格城市交通地图图像中各类地理要素的特征,提出一种基于区域特征和连接成分的地图图像规范化算法。首先对地图图像中的区域特征进行分析,并建立区域识别测度,实现了区域颜色规范化;再通过对非区域对象的连接成分进行分析,并建立道路识别测度,在区域颜色规范化的基础上,实现了道路颜色规范化。实验结果表明,对于彩色城市交通地图图像,该算法取得了良好的效果。