学位论文 > 优秀研究生学位论文题录展示
基于纹理特征的视频编码技术研究
作 者: 袁丽蓉
导 师: 赵德斌
学 校: 哈尔滨工业大学
专 业: 计算机科学与技术
关键词: 纹理分析 纹理合成 AR模型 JND 宏块自适应编码
分类号: TP391.41
类 型: 硕士论文
年 份: 2008年
下 载: 48次
引 用: 0次
阅 读: 论文下载
内容摘要
自上世纪90年代以来,随着Internet和移动通信的迅猛发展,视频信息和多媒体信息在Internet网络和移动网络中的处理和传输成为了当前信息化中的热点技术。当前,视频压缩技术主要从三个方面消除数据中的冗余:空间冗余、时间冗余和统计冗余。最新的视频压缩标准MPEG-4 H.264/AVC和我国具有自主知识产权的AVS标准在压缩效率上已经大大超过了前几代标准。这些编码标准普遍采用了消除时空域冗余的运动补偿、帧内预测和变换量化的编码框架,并采用率失真优化作为性能评价的准则。然而视频场景中经常会出现大量的纹理区域,如:草地、水等,这些区域可以看作视频帧的背景部分。对观察者而言,大多数情况下人们只关注这些区域的语义学意义,而对它们的具体细节并不关心。传统的编码框架以宏块为单位进行,对这些纹理区域细节的编码会耗费大量比特,在网络带宽资源日益宝贵的今天,如何能既保证纹理区域的图像质量,又能花费较少的比特编码这些区域显得尤为重要。本文利用基于纹理分析与纹理合成的编码框架,首先将输入的视频序列分为纹理帧和非纹理帧,纹理帧通过分析与合成的方法进行编码,非纹理帧仍然用传统方法编码。在纹理分析部分,本文提出了一种基于JND(Just Noticeable Distortion) profile的纹理分割算法来检测和划分纹理区域,与以前的分割方法相比,该方法充分考虑了HVS(Human Visual System)的特性,划分的结果也更为准确。对检测出的纹理区域,本文采用了基于AR(Auto Regressive)模型的合成方法,通过Direct模式找到对应的前后向参考帧信息,为每个纹理帧求出一组AR参数。因为对一帧中的纹理区域只需编码一组AR参数,而不用编码残差、运动矢量等信息,所以该方法在很大程度上提高了编码效率。此外,本文还提出了一种基于AR模型的宏块自适应编码框架,即,对序列中的所有纹理帧,使用迭代的方法为每个宏块求取一组AR参数,然后将合成结果与传统框架下选出的最优模式进行比较。实验结果表明,当AR模式被选中的比例远大于传统模式时,能在一定程度上提高整个纹理帧的压缩效率。
|
全文目录
摘要 4-5 Abstract 5-9 第1章 绪论 9-21 1.1 课题研究的背景和意义 9-10 1.2 数字视频编码的发展历程 10-11 1.3 视频编码标准介绍 11-14 1.4 AVS 视频标准概述 14-19 1.4.1 AVS 编码框架 14-15 1.4.2 AVS 的码流结构 15-16 1.4.3 帧内预测 16-17 1.4.4 帧间预测 17-18 1.4.5 整数变换量化 18-19 1.4.6 熵编码 19 1.5 本文的主要研究内容 19-21 第2章 基于分析与合成编码的研究现状 21-30 2.1 基于分析与合成的编码框架 21-22 2.2 纹理分析器的工作原理 22-26 2.2.1 基于边缘检测的纹理分割算法 22-23 2.2.2 四叉树图像分割算法 23-24 2.2.3 改进的四叉树分割算法 24-25 2.2.4 相似性度量 25-26 2.3 纹理合成器的工作原理 26-28 2.3.1 基于仿射模型的纹理合成 26-27 2.3.2 L-邻域搜索的纹理合成 27-28 2.3.3 块拼贴的纹理合成 28 2.4 本章小结 28-30 第3章 一种基于JND profile 的纹理分割方法 30-44 3.1 引言 30-31 3.1.1 纹理的定义及性质 30-31 3.1.2 纹理分割原理 31 3.2 NAMM 模型 31-35 3.2.1 背景亮度自适应的可见度阈值 32-34 3.2.2 纹理遮挡的可见度阈值 34-35 3.3 基于JND profile 的纹理分割方法 35-38 3.3.1 算法具体设计 35-37 3.3.2 基于JND profile 纹理分割的编码框架 37-38 3.4 实验结果 38-43 3.5 本章小结 43-44 第4章 一种基于时域AR 模型的纹理合成方法 44-56 4.1 纹理合成技术的发展现状 44-45 4.2 AR 在图像与视频中的应用 45 4.3 基于AR 模型的纹理合成方法 45-51 4.3.1 帧一级的时域AR 模型 45-46 4.3.2 对应参考块的获取 46-48 4.3.3 AR 模型的参数估计 48-51 4.4 实验结果 51-55 4.5 本章小节 55-56 第5章 基于AR 模型的宏块自适应编码框架 56-68 5.1 宏块级的迭代AR 模型 56-64 5.1.1 算法描述 57-60 5.1.2 宏块级迭代AR 模型的参数估计过程 60-64 5.2 宏块自适应的编码框架 64-65 5.3 实验结果 65-67 5.4 本章小节 67-68 结论 68-69 参考文献 69-73 攻读学位期间发表的学术论文 73-75 致谢 75
|
相似论文
- 基于云理论和蜜蜂进化型遗传算法的纹理合成研究,TP391.41
- ASAR与MODIS协同的海洋溢油信息提取,X87
- 高分辨率SAR影像裸土信息提取及土壤含水量反演初探,S152.7
- 基于样图的纹理合成算法研究,TP391.41
- 一类工具加工痕迹的检验识别,TP391.41
- 基于AR模型的机织物线状疵点的检测研究,TP391.41
- 水库多目标优化调度研究,TV697.1
- 图像修复的关键技术研究,TP391.41
- 基于图像分割的视频纹理合成技术研究,TP391.41
- GPS接收机单向授时算法研究,P228.4
- 居民地的提取与边缘优化,P237
- 频谱分析识别串联重复序列,Q811.4
- 船舶走航式波浪测量系统研究,U661.7
- 多光谱遥感影像的纹理特征研究,TP751
- 神经肌肉电刺激诱发的双相运动疲劳信息检测与处理技术研究,R87
- 数字图像修复技术研究,TP391.41
- 用户指导下的多样图纹理合成算法研究及应用,TP391.41
- 改进型Sagnac光纤干涉仪定位信号识别与处理技术研究,TN929.11
- 中国居民消费价格指数波动的实证研究,F126
- 基于知识的遥感信息分类方法实验研究,P237
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|