基于张量分解和卷积稀疏表示的多曝光图像融合

针对多曝光图像融合中存在细节丢失和颜色失真等问题,本文提出了一种基于张量分解和卷积稀疏表示的多曝光图像融合方法。张量分解作为一种对高维数据低秩逼近的方式,在多曝光图像特征提取方面有较大的潜力,而卷积稀疏表示是对整幅图像进行稀疏优化,能最大程度地保留图像的细节信息。同时,为了避免融合图像出现颜色失真,本文采取亮度与色度分别融合的方式。首先通过张量分解得到源图像的核心张量;然后在包含信息最多的第一子带上提取边缘特征;接着对边缘特征图进行卷积稀疏分解,继而利用分解系数的L1范数来得到每个像素的活跃水平;最后用"赢者取全"策略生成权重图,从而加权得到融合后的亮度分量。与亮度融合不同的是,色度分量则采用简单的高斯加权方式进行融合,在一定程度上解决了融合图像的颜色失真问题。实验结果表明,所提出的方法具有良好的细节保留能力。

融合视觉感知特性的HDR视频编码率失真优化算法

针对高动态范围(HDR)视频较之于传统低动态范围(LDR)视频所需存储资源和传输带宽急剧增加的问题,本文提出了一种基于视觉感知特性的HDR视频编码的动态率失真优化算法,以提高高效视频编码(HEVC)Main 10编码HDR视频的性能。本文通过引入视觉选择性关注信息,对不同区域采取非均等的失真权重分配策略,优化常规的失真计算方法;同时,为了进一步去除视频中的感知冗余,融合视频内容的纹理特性自适应调节拉格朗日乘子,并应用于编码量化器动态调节量化参数,实现编码比特和失真感知权衡。实验结果表明:与HEVC Main 10相比,在相同HDR-VDP和PSNR DE质量指标下,所提算法平均节省7.46%和6.53%码率,最大分别节省18.52%和11.49%,所提算法在保持视觉质量的前提下能够有效降低码率。

面向多用户的高动态范围视频动态范围可分级编码

提出了面向多用户的高动态范围(HDR,high dynamic range)视频动态范围可分级编码方法,并利用视觉掩蔽特性抑制了噪声,提高了动态范围可分级编码的效率。首先,考虑HDR视频感知特性,提出了动态范围可分级模型(DRSM,dynamic range scalable model),将不同动态范围级的HDR视频分解成为一个标准动态范围(SDR,standard dynamic range)视频和多个残差信号帧(RSFs,residual signal frames)序列。然后,结合亮度掩蔽效应和人眼感知特性,对RSFs进行量化和滤波处理,滤除残差中的零散数据点,保留RSFs相邻动态范围级之间的整体差异信息,提高RSFs的编码效率。最后,在解码端重建得到SDR视频和各个动态范围级的HDR视频,以适应多用户端MDR显示设备。结果表明,所提出方法能在保持重建HDR视频的主观感知质量的同时降低编码码率,并在全帧内预测编码模式下,相同HDR-VDP-2.2和PSNR分值时,BD-rate(Bjntegaard Delta rate)平均节省了32.03%和31.28%,其编码率失真性能有明显提升。