基于熵编码的立体视频加密与信息隐藏算法

针对立体视频的安全性,该文提出一种基于熵编码的立体视频加密与信息隐藏算法。首先,结合立体视频编码结构,分析误差漂移的物理机制,并根据立体视觉掩蔽效应,确定左右视点的加密帧和隐秘信息待嵌入帧。其次,在基于上下文自适应二进制算术编码(CABAC)的熵编码中,通过等长码字替换技术,实现立体视频的加密和信息隐藏。实验结果表明,视频码流经加密与信息隐藏之后格式兼容、比特率不变,视频感知质量无明显下降,在计算复杂度和码率增加率上有显著优势。     

利用多核增强学习的立体图像舒适度评价模型

目的 传统的立体视觉舒适度评价模型,在学习阶段一般采用回归算法,且需要大量的包含主观测试数据的训练样本,针对这个问题,提出一种利用多核增强学习分类算法的立体图像舒适度评价模型。方法 首先,考虑人们在实际观测图像时,对于先后观测到的不同图像进行相互比较的情况,将评价模型看成是偏好分类器,构造包含偏好标签的偏好立体图像对（PSIP）,构成PSIP训练集;其次,提取多个视差统计特征和神经学模型响应特征;然后,利用基于AdaBoost的多核学习算法来建立偏好标签与特征之间的关系模型,并分析偏好分类概率（即相对舒适度概率）与最终的视觉舒适度之间的映射关系。结果 在独立立体图像库上,与现有代表性回归算法相比较,本文算法的Pearson线性相关系数（PLCC）在0.84以上,Spearman等级相关系数（SRCC）在0.80以上,均优于其他模型的各评价指标;而在跨库测试中,本文算法的PLCC、SRCC指标均优于传统的支持向量回归算法。结论 相比于传统的回归算法,本文算法具有更好的评价性能,能够更为准确地预测立体图像视觉舒适度。     

智能交通系统中的计算机视觉技术应用

随着经济的发展,如何保障交通的顺畅与安全已成为世界性的热点研究课题之一。文章对智能交通系统进行了分析,并着重讨论了计算机视觉技术在智能交通系统中的应用。提出了一种基于背景差的车辆检测算法,在灰度图像序列中对六条车道同时进行监测,以统计各车道的车流量,并按大中小三种车型对过往车辆进行车型识别。     

Ray-space数据片内和片间相关性压缩分析

Ray-space数据特征分析表明,其片内和片间均存在很大相关性,并且其数据有明显的方向性特征。通过最优宏块分割、不同精度的块匹配和多参考片预测结果分析,讨论了适合Ray-space数据特点的片内和片间预测技术。与传统的只利用片内相关性的压缩技术相比,利用上述两类相关性,并结合Ray-space数据方向性特征,能进一步提高编码压缩效率。在获得相同重建图像质量下,可使基于H.264的Ray-space压缩方法比基于H.263的方法在码率上节省50%,比JPEG的方法节省75%左右。     

一种新的光线空间插值方法研究

基于灰度共生矩阵的思想分析光线空间数据特征，在此基础上提出一种基于主方向匹配的光线空间插值方法。实验结果表明，新的插值方法插值生成的光线空间与传统的线性插值方法和自适应滤波插值方法生成的光线空间相比在PSNR上分别提高了3．44dB和1．97dB。     

基于H．264的立体视频右图像整帧丢失错误隐藏算法

当H．264编码立体视频流在Internet上传输时，由于信道错误所引起的数据丢失常常会造成整帧图像的丢失。为了恢复丢失的整帧立体视频右图像，提出了一种基于H．264的立体视频右图像整帧丢失错误隐藏算法，该算法依据立体视频编码特点进行相关性分析，首先确定丢失帧中每个宏块的预测方式，然后采用运动补偿或视差补偿对其进行恢复，进而重现丢失帧。实验结果表明，该算法能够在较低的计算复杂度下，获得较高质量的立体视频图像。     

一种密集相机阵列的低复杂度视频压缩方法

为了降低多视点视频压缩的复杂度，根据密集相机阵列系统与Wyner—Ziv编码的特点，提出了基于Wyner—Ziv编码的密集相机阵列低复杂度视频压缩算法。该算法首先在各相机之间相互独立地采用基于感兴趣区提取的低复杂度来进行Wyner—ziv编码，然后在中心解码端利用各视点间的相关性进行联合解码。该算法是通过对DCT量化系数进行相似性判断来提取感兴趣区，以有效地避免对背景和平坦等区域进行编码，从而降低了编码复杂度。实验证明，该算法具有极低的编码复杂度特性和良好的率失真性能，编码复杂度仅为H．264帧间预测编码的1／22。     

基于网格形变的立体图像内容重组

目的 近年来,随着数字摄影技术的飞速发展,图像增强技术越来越受到重视。图像构图作为图像增强中影响美学的重要因素,一直都是研究的热点。为此,从立体图像布局调整出发,提出一种基于Delaunay网格形变的立体图像内容重组方法。方法 首先将待重组的一对立体图像记为源图像,将用于重组规则确定的一幅图像记为参考图像;然后对源图像需要调整的目标、特征线和其他区域进行取点操作,建立Delaunay网格。将源图像的左图与参考图像进行模板匹配操作,得到源图像与参考图像在结构布局上的对应关系;最后利用网格形变的特性,移动和缩放目标对象,并对立体图像的深度进行自适应调整。结果 针对目标对象的移动、缩放和特征线调整几方面进行优化。当只涉及目标对象的移动或特征线调整时,立体图像视差保持不变;当目标对象缩放时,立体图像中目标对象的视差按照缩放比例变化而背景视差保持不变。实验结果表明,重组后的立体图像构图与参考图像一致且深度能自适应调整。与最新方法比较,本文方法在目标对象分割精度和图像语义保持方面具有优势。结论 根据网格形变相关理论,构建图像质量、布局匹配和视差适应3种能量项,实现了立体图像的内容重组。与现有需要提取和粘贴目标对象的重组方法不同,本文方法对目标对象的分割精度要求不高,不需要图像修复和混合技术,重组后的立体图像没有伪影和语义错误出现。用户可以通过参考图像来引导立体图像的布局调整,达到期望的图像增强效果。     

基于Contourlet变换的质降参考图像质量评价模型

提出了一种新的基于Contourlet变换的质降参考图像质量评价模型(RR-CTBM),通过衡量图像间的纹理相似度,达到质量度量的目的。实验结果表明,所提出的RR-CTBM与主观视觉感知具有较好的一致性。     

图像质量评价方法研究进展

图像质量评价是图像处理领域的研究热点。该文综合论述了图像质量的主观和客观评价方法,重点阐述了单视点图像质量的客观评价方法。对目前比较常用的峰值信噪比和均方误差全参考评价算法进行了分析并指出其存在的问题。然后,对基于误差敏感度和基于结构相似度的评价算法进行了论述和分析,并对质降和无参考评价方法进行了综述。根据视点的个数,图像质量评价可分为对传统单视点图像和立体图像的评价。该文还对立体图像质量评价算法进行了分析讨论。最后,就图像质量评价算法的进一步发展提出了若干技术与研究方向的展望。