压缩感知自适应帧图像分组视频编解码器研究

目前基于压缩感知的视频编解码器在对视频帧图像进行处理时大多采用固定分组的形式,视频中出现场景快速变化时,其重构视频帧的效果较差。提出一种基于压缩感知的自适应帧图像分组视频编解码器,无论场景变化快慢,均能获到较好的视频帧重构效果。实验结果表明,视频场景快速变换时该编解码器的视频帧重构效果较好。

视频帧间分组及超分辨率重建的自适应性研究

由于视频场景变化较快、配准误差、噪声、低分辨率图像数量不足等原因,会使传统基于压缩感知的采用视频帧固定分组形式的视频编解码器的重构效果较差,同时也使超分辨率重建出现病态问题。为解决这些问题,文章提出一种基于压缩感知的自适应帧图像分组的视频编解码器,同时又在超分辨率重建算法中提出了L曲线的自适应时空正则化系数计算方法,可以自适应地计算正规化系数。由实验结果表明,该算法能够很好地解决上述问题从而重构出视觉效果良好的视频帧图像。

视频标准帧速率上变换的自适应运动补偿方案

提出了一种自适应的运动补偿方案 ,首先利用预测三步搜索算法进行运动估计 ,由于此运动估计算法能够很好地利用运动向量的时空相关性 ,从而能得到更加平滑的运动向量场。其次 ,为了能够抑制运动向量场中个别奇异向量以及块匹配算法所固有的块效应问题 ,对向量场进行中值滤波 ,并采用了一种特殊的向量分配算法。方案的最后一个环节是运动补偿插值 ,它综合考虑插值帧的局部图像质量以及全局图像质量 ,利用一种自适应性较强的中值滤波操作来达到一定的综合效果。实验结果证明 ,此算法与运动补偿时间插值 (MCTI)算法相比 ,插值得到的图像更加平滑 ,而且 ,两者的信噪比指标对比也充分说明了本算法的优越性。

基于视频自适应采样的快速图像检索算法

为解决智慧农业监控系统目标图像检索计算量较大、耗时较长的问题,提出一种视频自适应采样算法。首先,根据视频相邻帧相似度变化情况自适应调整视频帧的采样率以提取视频关键帧,确保提取的关键帧能替代相邻帧参与目标图像检索计算。然后,将视频关键帧以时间为轴构建视频帧检索算子,代替原视频参与目标图像检索计算,从而减少在视频中检索目标图像时的大量重复计算,达到提升检索效率的目的。实验表明,自适应采样算法相较于固定频率采样、极小值关键帧算法所构建的视频帧检索算子检出率更高、更稳定。在确保图像被全部检出的基础上,使用视频帧检索算子替代原视频参与目标图像检索计算的优化幅度较大,时耗减少了60%以上,对提升智慧农业监控系统中目标图像的检索效率具有重要意义。

基于层次B帧预测结构的自适应图像组算法

与目前普遍应用的IB…BP预测结构相比,在相同参考帧数目前提下,层次B帧预测结构对大部分序列,在相同码率情况下,其图像客观质量PSNR平均提高了1 dB左右。但是,对不同运动特性的图像序列,选择不同图像组大小的层次B帧预测结构编码,编码性能差异较大。基于此,提出了基于层次B帧预测结构的自适应图像组大小编码技术,并给出了具体的图像组大小判断方法和编码过程。实验结果表明,相对于固定图像组大小的层次B帧预测编码技术,对所测序列,本文提出的方法编码性能提高了0.60 dB左右。

基于视频图像序列的3-D场景生成方法

平面序列图像的立体化表述和任意视点生成是实现 ３－Ｄ场景的关键技术。利用便携式摄像机沿着不同运动轨迹，连续对目标物体进行拍摄，可获得不同层次的包含有双目视差深度的平面视点序列图像。从获取的序列图像中选择不同的视点，即选择参考帧，利用与参考帧相邻的帧图像，估计参考帧位置的深度信息。采用自适应匹配算法，将各种层次的深度信息分配给图像的不同区域，形成具有不同深度层次的图像深度表示图，建立３－Ｄ观察场景。最后，通过实验对该算法进行了验证。

基于虚拟窗口的自适应车流量检测应用研究

基于视频交通检测中实时性和准确性要求,研究了三帧差分、背景差分及动态阈值等算法,提出增加虚拟窗口的方法,使整个车流量检测算法只针对有效序列图像信息进行处理。该方法通过排除差异大图像求均值,快速初始化虚拟窗口背景模型,在检测窗口内使用三帧差分和动态阈值准确定位运动车辆目标,实时更新背景后,根据背景差分法得到的窗口图像信息统计车流情况。实验结果表明,该方法可以有效应用于基于视频的实时车流量检测中。

基于运动相关的运动估计自适应快速算法

根据视频运动的空间和时间相关性,以当前帧相邻块和前一帧重建VOP对应位置块及其相邻块为基础,并且自适应地调整当前帧和前一帧各块对初始搜索点确定的权值,完成初始搜索点的准确预测,然后针对视频的不同类型选择搜索策略,结合自适应调整的中止SAD阀值,适时中止搜索的过程。模拟实验表明,这种快速算法对初始搜索点的预测准确,搜索策略应用得当,极大地减少了运算量,各项性能指标都非常接近全搜索算法。

基于FPGA的自适应阈值运动目标检测

帧间差分法是运动目标检测最为常用的方法之一,具有算法简单、数据处理量小、易于实现等优点,因而得到广泛应用。而帧间差分法通常是根据单一的光照条件设定的固定阈值以判断是否有运动物体,因此限制了其在不同光照条件下的应用。针对上述情况,以色度、饱和度、亮度(HSL)颜色空间中的亮度值为依据,建立光强-亮度-阈值表,从而以动态的阈值调整拓展了帧间差分法在不同光照条件下的应用。通过仿真和FPGA实现了该目标检测系统,并搭建了验证测试系统。实验结果表明,当光照强度为90 W/m^2时,在3.0m/s和0.5m/s速度下,自适应阈值的检测正确率分别达到93%和95%,与固定阈值设定较大时的检测结果相近;在0.59 W/m^2的低光照条件下针对上述运动速度,检测率分别达到84%和92%,与小固定阈值检测结果相近。

基于自适应帧采样的视频拼接

针对视频拼接计算量过大的问题,提出了一种分层式自适应帧采样的视频拼接方法。两层帧采样环节分别采用了不同的策略:第1层建立了帧间重叠率和帧间隔的分段线性模型,通过"预测-检验-修正"环节不断的更新采样帧间隔来自适应抽取到满足一定重叠率的准关键帧;第2层在第1层采样的基础上,利用逐帧检测的方法从准关键帧中抽取到满足一定条件的最终关键帧。最后对关键帧进行全景图拼接。与用所有视频帧进行拼接的方法相比,该方法用极少的场景信息损失换取了拼接效率的大幅提高。实验结果表明:该方法对于一般实验场景均能鲁棒地抽取到可靠关键帧,在大幅度降低计算负荷的同时得到高质量的视频全景图。