图像压缩算法消除数据冗余问题分析

对当前几种典型图像变换及编码算法在消除图像冗余的效果方面进行了比较分析。通过对原始图像变换和拼贴,构造了重复、对称、旋转、插值4种形式的冗余图像,然后用几种典型的变换算法和压缩算法对图像进行处理,实验结果显示当前几种图像变换及编码算法均无法同时消除本文提到的4种形式的冗余。本文的结果为进一步改进图像压缩算法提供了一个有益的参考。

基于缝合技术的图像传感器网络消除冗余数据方案

为了减少密集部署的无线图像传感器网络中相机节点的冗余数据,提高网络生存周期,利用图像缝合技术在簇头节点找出相机节点采集图像的重合区域,并告知相机节点,相机节点过滤掉与相邻节点重合的冗余图像数据,簇头节点对接收到的图像进行重建并拼接成全景图.提出了一种面向图像的节点相关系数计算方法,解决了现有相关系数计算方法中要求准确获知节点空间位置的问题.仿真实验结果表明,该方法使相机节点能有效地去除冗余数据,簇头节点能重建出高质量的全景图,而且面向图像的相关系数很好地反映了相机节点的相关性.

基于SURF算法的胶囊内镜冗余图像快速筛除

胶囊内镜在检查消化道全程中会产生数万帧有大量冗余的图像数据,要从中找出有病灶的图像,医生需要耗费大量的时间和精力逐帧仔细查看。因此,研究冗余图像的自动筛除对提高医生的诊疗效率具有重要意义。但由于胶囊内镜图像场景复杂多变,且存在气泡、蠕动等不确定因素,冗余图像的自动筛除仍是一个难题。采用SURF算法,提取胶囊内镜图像的特征点及特征描述向量;将向量夹角作为两帧连续图像特征点之间的匹配度量,采用最大类间方差法实现对特征点对的自适应识别;最后以匹配特征点数和分块匹配度为指标,计算图像之间的相似度,筛除冗余图像。对采集的128段胶囊内镜视频段进行冗余图像筛除实验。结果表明,该方法能以平均0.06 s/帧的速度快速完成冗余图像的自动筛除,其召回率(recall)、准确率(precision)和F-measure等3个性能指标分别达到了81%、90%和85%,且该方法对消化道存在的蠕动、气泡及光照变化等不确定因素具有较强的鲁棒性,具有良好的性能。

一种码率分配优化的H.264/SVC冗余图像编码方法

本文提出了一种基于H.264/AVC可分级编码(SVC)结构的优化码率分配的冗余图像编码方法,以提高压缩视频流在丢包信道下传输时的差错恢复能力。根据具有不同空间层和时间级的主图像在编码结构中的重要性的不同来优化冗余图像码率的分配。在有效的控制冗余速率的同时,解决了在丢包信道传输视频时的误差漂移问题。该方法使用简单的粗糙量化主图像的方法来生成冗余图像,大大减小了差错恢复工具对编解码复杂度的增加。仿真结果表明,使用优化后的冗余图像能够在有限增加带宽的情况下有效抵制丢包信道下视频传输产生的误差漂移现象,使解码视频质量有明显改善。

基于增强邻域结构方向信息的图像去噪算法

文章针对传统的非局部均值算法只关注图像几何结构信息而忽略图像的方向结构信息,提出了一种基于增强邻域结构方向信息的非局部均值算法。通过增强邻域结构方向信息能够更加合理地描述邻域间的相似度,使相似度高的邻域获得更高的权重,相似性度量也具有较强的鲁棒性。实验结果表明,算法能够取得很好的去噪效果,同时能够保留图像的边缘结构信息,特别在结构比较复杂的区域体现得更加明显。

电视信号数字化与数据压缩技术

随着计算机、微电子、信息处理、通信以及激光等技术的迅猛发展,集图文、声音、图像于一体的多媒体技术更是迅速渗透到计算机、通信、广播电视以及消费娱乐业.就电视领域而言,其变化速度之快,令许多人措手不及.仅几年时间内就出现了那么多不同的系统和新技术,使得一般的技术人员都有些不知所措.在节目制作上,从普通电视的模拟复合到模拟分量,再到数字复合、数字分量、压缩数字分量,出现了诸如什么BETACAM-SP、MⅡ、D-1、D-2、D-3、D-5、BETACAM-SX、Digital-S、数字BETACAM、DVCPRO、MPEG-IMX等等记录设备;又出现了诸如数字磁盘录像机、磁盘摄像机、电脑动画、非线性编辑系统、虚拟演播室系统、视频服务器等新花样.在节目传输上,由于数据压缩技术的进步,不仅从演播室到发射的传输越来越多采用数字方式,数字压缩卫星直播方式也已成为卫星传输的主流.目前,中央及各省上星频道绝大多数都采用或即将采用数字技术特别是数据压缩技术.

A ROBUST ADAPTIVE VIDEO ENCODER BASED ON HUMAN VISUAL MODEL

A Robust Adaptive Video Encoder (RAVE) based on human visual model is proposed. The encoder combines the best features of Fine Granularity Scalable (FGS) coding, framedropping coding, video redundancy coding, and human visual model. According to packet loss and available bandwidth of the network, the encoder adjust the output bit rate by jointly adapting quantization step-size instructed by human visual model, rate shaping, and periodically inserting key frame. The proposed encoder is implemented based on MPEG-4 encoder and is compared with the case of a conventional FGS algorithm. It is shown that RAVE is a very efficient robust video encoder that provides improved visual quality for the receiver and consumes equal or less network resource. Results are confirmed by subjective tests and simulation tests.