改进的空间下采样视频转码快速运动估计算法

提出一种基于输入码流信息和已转码码流信息的视频转码快速运动估计算法。本算法利用Alpha-激励均值滤波通过输入码流的运动矢量合成作为备选预测运动矢量之一,并利用H．264标准中帧间预测的方法通过已转码码流信息合成另一个备选预测运动矢量,共同作为EPZS运动估计算法的预测中心。结合图像的运动活跃性．自适应的调整运动估计的搜索策略。该算法比传统的运动矢量方法相比提高了1dB左右的PSNR,保持了较高的转码图像质量并与菱形搜索算法相比能够降低18％左右的转码时间。     

基于H.264压缩域的运动目标检测算法

基于H264压缩域的运动目标检测算法。首先,从压缩码流中提取原始运动矢量场,采用中值滤波法滤除运动场中由噪声引起的运动矢量;再利用从压缩码流中提取的宏块分割类型初步排除一些分块较大的伪运动块;然后采用自适应阈值选取法定位出运动区域;最后,通过已定位的运动区域的特征进一步精确识别出运动目标。算法充分利用了H264码流中的运动矢量信息,简单易于实现,适用于智能监控,视频分析等领域。试验结果表明,该算法检测效果较好,且不需要对压缩码流进行全部解码。     

基于MPEG压缩域的运动对象检测方法

为了从MPEG压缩码流中准确的检测和提取运动对象,本文提出了一种时空域的运动对象检测算法。算法主要利用了MPEG码流中的运动矢量信息,首先对运动矢量进行时域平均和向量中值滤波的预处理,减少运动估计秒准确带来的运动矢量与实际对象运动带来的检测误差。然后建立时域上关于搜索块与参考块之间运动矢量夹角的概率模型,对于帧间预测宏块通过聂曼一皮尔迅准则进行运动判决。同时,对于P、B帧内的编码宏块,提出判决算法区分运动的帧内宏块和重现背景。实验证明,本文算法可以获得较为理想的检测效果。     

复杂背景下运动目标检测方法

利用相邻两帧图像的运动信息更新特征块提取阈值，实时地提取出当前帧图像中最能体现背景运动特征的特征块。采用块匹配的运动估计方法获取了各块的运动矢量，再依据所有特征块运动矢量的统计特性提取出背景运动矢量来配准差分，实现了目标的检测。实验结果表明，此方法能有效地检测复杂背景下的运动目标。     

一种新的基于H.264压缩域的运动对象分割算法

提出了一种在H.264压缩域下进行运动对象分割的新算法。算法主要利用H.264码流中的运动矢量信息来进行对象分割,为了提高运动矢量信息的鲁棒性,首先利用I帧中的帧内预测模式和预测残差能量进行区域划分;在P帧中,利用帧间预测残差能量来更新区域划分结果,对部分区域的运动矢量进行归零化处理。再根据P帧中的分块模式,采用不同的滤波器对运动矢量进行滤波;最后利用滤波后的运动矢量信息建立对应的Gibbs势能函数,采用迭代条件模式方法求解最大后验概率,得到可靠的运动对象标记。实验结果表明,该运动对象分割算法可以获得有效并可靠的分割结果。     

基于邻域运动一致性的运动矢量快速构建算法

在时移电视应用中,视频快进播放要求视频服务器能够通过跳帧抽取视频序列中的I帧和P帧的方式输出快速播放码流,当所跳帧中含有P帧时,必需对抽取出来的快进码流中的P帧进行重编码.为提高抽取后重编码效率,可利用码流中的原始运动矢量对跳帧后新参考帧条件下的运动矢量进行预测.在FDVS和ADVS算法基础上,提出了一种基于宏块及其相邻宏块运动一致性的算法来修正原始运动矢量,并通过实验将其与现有的FDVS和ADVS算法进行比较.     

运动补偿在等离子体显示屏中的应用

等离子体显示屏在显示运动画面时会出现伪轮廓线等动态失真现象。一种解决方法是对子场显示信息进行运动补偿，但它需要对连续视频流进行准确运动估计。本文提出一种MPEG码流中运动矢量提取算法，并对运动矢量提取方法和全搜索块匹配法进行了比较。利用提取的运动矢量，讨论了部分子场运动补偿方法对等离子体显示屏图像质量的改进。仿真结果表明将运动矢量提取方法和部分子场补偿方法相结合可以明显的消除等离子体显示屏上的动态失真现象。     

基于数学形态学视频压缩方法研究

将采集到的视频图像进行分割，在传统运动补偿预测编码的基础上运用了数学形态学的理论方法，通过形态变换对宏块中的不规则小块进行提取，达到滤出不规则小块的目的，再对不规则小块的大小、位置、运动矢量进行编码，该方法可以有效地减少帧间误差DFD，其效果与压缩标准MPEG-1相比，图像的压缩比和信噪比得到较好地改善。     

一种适用于甚低比特率视频编码的运动估计技术

提出了一种有效的适用于甚低比特率视频编码的运动估计新技术。通过强加一定的空间连续性准则使得运动场结构更加平滑，并且将具有相同运动矢量的相邻图像子块合并为一组，对于这一组中的所有图像子块，只需传输一个运动矢量及简单表示组中各图像子块位置的信息。这样可减少对运动矢量编码传输的代价，同时又得到类似于采用经典块匹配技术所得的预测误差。     

基于运动预测的Motion JPEG2000误码掩饰新算法

Motion JPEG2000(MJPEG2000)作为新兴的视频压缩标准,鲁棒传输控制是一个重要的应用需求,而误码掩饰技术是提高其鲁棒性的有效途径之一。充分利用压缩码流冗余信息,本文提出了一种基于运动预测的Motion JPEG2000视频传输误码掩饰新算法。首先利用相邻帧及帧内子带间的相关性进行小波域内的运动估计,以低频子带内码块的运动矢量来预测高频子带内丢失码块的运动矢量,再通过运动匹配修复丢失的码块。而低频子带内数据块的丢失可通过整个高频子带图像完成运动估计,得到预测信息对低频子带系数实施误码掩饰。仿真实验结果表明,提出的算法不管在低频还是高频子带进行误码掩饰修复,均能得到较好的图像帧重建效果。     

基于可变块运动矢量的边信息生成算法*

在分布式视频编码系统中,针对图像中细节丰富的区域易造成严重的块效应,提出了一种基于可变块运动矢量的边信息生成算法。根据前后相邻关键帧对应块的相关性,将像素块分为保留块和运动块。对保留块直接作保留处理,对运动块中的像素块继续进行分割并计算子块的初始运动矢量,最后将所有对应块的运动矢量进行加权自适应运动补偿得到改进的边信息。实验结果表明,对于运动较剧烈复杂的视频序列,该算法能够提高边信息生成质量, 并且使得改进后的边信息PSNR值提高了0.98~1.33 dB。     

基于模糊聚类的运动对象分割算法研究

为了从视频序列中分割出完整的、一致的运动视频对象,该文使用基于模糊聚类的分割算法获得组成对象边界的像素,从而提取对象。该算法首先使用了当前帧以及之前一些帧的图像信息计算其在小波域中不同子带的运动特征,并根据这些运动特征构造了低分辨率图像的运动特征矢量集;然后,使用模糊C-均值聚类算法分离出图像中发生显著变化的像素,以此代替帧间差图像,并利用传统的变化检测方法获得对象变化检测模型,从而提取对象;同时,使用相继两帧之间的平均绝对差值大小确定计算当前帧运动特征所需帧的数量,保证提取视频对象的精确性。实验结果证明该方法对于分割各种图像序列中的视频对象是有效的。     

MPEG-2压缩域的视频数字水印新算法

视频数字水印技术是当前水印研究中的一个热点.本文提出一种视频数字水印新算法,直接对压缩后的视频数据流进行操作,根据运动矢量的特征值,将水印信息嵌入到运动矢量上,不需要完全解码和再编码过程.所提出的水印算法简单、有效,实现了水印盲检.与嵌入水印前的原视频图像相比,嵌入水印后的视频图像信噪比损失很小.     

基于运动变化信息熵的视频序列时域亚采样技术

视频序列的时域亚采样对于低比特率信道上的视频传输和存储空间受限条件下的视频存储具有十分重要的意义。目前普遍采用的时域等间隔亚采样方法有时会造成视频序列中重要的运动变化信息的丢失。针对这一情况,本文提出了基于运动变化信息熵的视频序列时域亚采样技术,通过帧间运动场分析,利用运动场总体能量和运动补偿后的残差能量综合描述视频序列的运动变化信息,并根据信息熵最大化准则确定各个时域亚采样时刻点。大量的对比实验证明该方法明显优于时域等间隔亚采样方法,它较完整地反映了序列图像的运动变化过程,更有利于对视频内容的理解。     

基于Snake活动轮廓模型的视频跟踪分割方法

基于Snake活动轮廓模型,采用时空融合的方式,根据短时间内相邻帧的运动趋势差异相似的前提,首先将视频序列分成若干个小段,每段有k帧视频,选取段内的前两帧为关键帧,通过运动检测的方式自动得到这两帧中运动对象的大致区域;然后进行帧内Snake演变,搜索精确轮廓;最后以关键帧间运动对象形心的运动矢量预测勾勒后续帧的初始轮廓,进行帧内Snake精确轮廓定位,从而实现所有帧的视频对象分割。相比于传统方法,本文方法克服了手动绘制初始轮廓的缺点,在空域对Snake贪婪方法进行了改进而且精确度高,速度快。实验表明,本文方法成功地实现了前后帧图像之间运动对象的对应匹配关系,并通过改进后的Snake贪婪方法得到了精确的分割结果。     

Texture aided depth frame interpolation

Recent development of depth acquiring technique has accelerated the progress of 3D video in the market. Utilizing the acquired depth, arbitrary view frames can be generated based on depth image based rendering (DIBR) technique in free viewpoint video system. Different from texture video, depth sequence is mainly utilized for virtual view generation rather than viewing. Inspired by this, a depth frame interpolation scheme using texture information is proposed in this paper. The proposed scheme consists of a texture aided motion estimation (TAME) and texture aided motion compensation (TAMC) to fully explore the correlation between depth and the accompanying textures. The optimal motion vectors in TAME and the best interpolation weights in TAMC are respectively selected taking the geometric mapping relationship between depth and the accompanying texture frames into consideration. The proposed scheme is able to not only maintain the temporal consistency among interpolated depth sequence but also improve the quality of virtual frames generated by interpolated depth. Besides, it can be easily applied to arbitrary motion compensation based frame interpolation scheme. Experimental results demonstrate that the proposed depth frame interpolation scheme is able to improve the quality of virtual view texture frames in both subjective and objective criterions compared with existing schemes.     

Visual saliency guided video compression algorithm

Recently Saliency maps from input images are used to detect interesting regions in images/videos and focus on processing these salient regions. This paper introduces a novel, macroblock level visual saliency guided video compression algorithm. This is modelled as a 2 step process viz. salient region detection and frame foveation. Visual saliency is modelled as a combination of low level, as well as high level features which become important at the higher-level visual cortex. A relevance vector machine is trained over 3 dimensional feature vectors pertaining to global, local and rarity measures of conspicuity, to yield probabilistic values which form the saliency map. These saliency values are used for non-uniform bit-allocation over video frames. To achieve these goals, we also propose a novel video compression architecture, incorporating saliency, to save tremendous amount of computation. This architecture is based on thresholding of mutual information between successive frames for flagging frames requiring re-computation of saliency, and use of motion vectors for propagation of saliency values.