立体电视编码传输技术及业务实现

系统介绍了立体电视系统相关技术.主要从立体视频编码压缩、立体视频传输两方面介绍立体电视的相关技术和业务实现方式,以及未来立体电视技术发展所面临的问题.     

论类立体电视的立体场

本文提出类立体电视的立体场的新概念。文中介绍了现有类立体电视的不同方案,并建议对类立体电视作评价的四项准则。     

立体视频技术的发展现状综述

围绕立体视频产生、编码、传输以及接收显示。就两路光信号产生视差的立体以及两路视频流的编码技术等方面,结合目前业界主流及其热点问题,作了广泛而深入的重点梳理与阐释。指出多视点视频、编码是发展方向。采用运动和视差联合估计,结合如分形编码、小波变换编码等快速算法并应用于最先进的编码标准中,把被动式通用眼镜作为当前一段时间的立体电视过渡,发展到未来的全息立体。     

立体电视的发展动向

综合评述了立体电视的发展历史，阐明了立体视觉的基本原理，对各种立体电视方式的性能进行了比较，并展望立体电视的发展动向。     

无重影立体图像特点与应用

分析无重影立体电视的立体深度信息传送过程,通过实验比较无重影立体图像对与普通双目立体图像对,得出无重影立体图像对构成立体图像的独有特点,提出了一种无重影立体电视的图像数据压缩处理方法,给出其对应的编解码方案。     

立体电视技术的实现及其进展

本文结合立体视觉机理对立体电视的基本原理进行阐述,并介绍几种立体电视的实现方法及其技术的进展。     

立体视频质量主观评价方案的研究

立体视频质量评价是反映立体视频系统性能的重要指标。由于立体视频的最终观测者是人,因此,判断立体视频质量的最有效方法就是立体视频质量的主观评价,而且立体视频质量主观评价结果是优化立体视频质量客观评价方法的重要依据。基于大脑产生立体视觉的特性,现提出了一套相对完善的立体视频质量主观评价方案,主要包括立体视频数据库的建立、观看条件的确定、评测者的选定、评测者的训练和测试、以及数据处理和实验结果分析。     

全参考立体视频质量的客观评价方法

立体视频质量评价已成为影响立体成像技术的关键问题之一。文中提出了一种立体视频质量的客观评价方法。首先提取能够反映立体视频质量的评价指标,包括亮度对比度失真、结构相似度和深度保真度,然后采用回归分析确定各评价指标对立体视频质量贡献大小的权重,进而得到各评价指标和视频质量之间的数学模型。实验结果表明,该方法与主观评价有较高的一致性,更好地体现了人眼的视觉特性。     

NHK开发40英寸立体彩色液晶投影电视

日本广播协会、广播技术研究所,最近开发出自然色彩的大画面液晶立体投影电视。这种立体电视,使用特殊的凸凹透镜,实现了自然彩色大画面图象。一般的立体电视,是利用左右眼微妙的角度变化而获得立体视觉的。     

基于时空一致性的立体视频稳像改进方法

随着立体拍摄设备的普及,立体影视的后期稳像需求大大增加.直接观看带有抖动的立体视频,极易造成视觉疲劳.利用传统2D稳像方法分别稳像合成的立体视频很可能引入新的垂直视差,并且会导致水平视差的不稳定,大大影响视觉体验.因此,提出了一种改进的立体视频稳像方法,在3D运动模型进行单目稳像的基础上,增强两路视频的时空一致性约束,更好地稳定水平视差及消除垂直视差.最后对稳定后的序列进行合理的裁切放大.对几组不同的立体抖动视频进行了试验,测试结果表明所提出的方法是有效的.     

面向裸眼立体电视的体视动画技术综述

随着数字电视技术的革新和立体显示技术的发展,以裸眼立体电视为载体的体视动画成为动画产业探讨的新热点。对近年来面向裸眼立体电视的体视动画技术进行了广泛研究。首先阐述了裸眼体视动画技术的意义及研究现状,介绍了裸眼体视动画技术的技术原理,重点从体视图像获取、体视图像采样合成、裸眼立体电视显示3个方面进行阐述,详细叙述了不同方面所用到的基本思想和主要方法,最后指出了裸眼体视动画技术的不足和研究方向。     

Windows环境下的立体视频测试平台技术

介绍了在Windows环境下利用双USB摄像头捕获立体图像和立体视频,自定义立体视频文件,并基于OpenGL进行立体视频显示,从而快速构造起一个立体视频的集成测试平台.它简单易行,且成本低,可很容易地集成到立体视频的应用系统中.     

一种基于MPEG-2的立体视频编码中的视差匹配快速算法

高效，快速的视差匹配是立体视频处理中的一项关键技术。本文在分析立体图像序列的视差矢量与运动矢量之间的相关性的基础上，提出一种基于MPEG-2的立体视频编码中的视差匹配快速算法。实验结果表明，与全搜索法相比，在保证重建图像质量的前提下，快速算法能显著降低视差估计的计算复杂度。     

基于多参考帧的平行立体视频视间编码的实现

Side-by-Side(SbS)是立体视频常用的格式。传统的视频编码方法利用帧内预测或帧间预测对视频进行压缩编码。基于H.264视频压缩编码标准,针对SbS格式的立体视频提出了一种基于多参考帧方式的视间预测编码方法,并在JM测试代码基础上将其实现。实验结果表明,加入视间预测编码后,以很小的PSNR损失为代价,使得SbS视频的压缩效率提高了大约10%～20%。     

基于DirectShow的视频实时校正系统设计

为了解决3D高清立体视频的实时极线校正问题,基于DirectShow的变换过滤器技术,设计并实现了一种针对双路高清立体视频从采集到校正的实时处理系统,其特点是在过滤器内通过GPU实现了校正的并行加速实时处理。分析了DirectShow技术应用在高带宽视频信号的实时采集到处理时的整体体系结构和过滤器间数据传输的流程,进而研究了如何利用DirectShow进行实时的极线校正和播放视频,最终给出了实现方法及实验结果。实验结果表明,设计得到的系统可以完成双路高清视频流从采集卡到GPU处理卡及处理后视频的输出处理功能,具有一定的应用价值。     

Stereo Video Retargeting with Representative Seams in a Group of Stereoscopic Frames

The important requirements for stereo video retargeting are threefold: keeping temporal coherence, preventing depth distortion, and minimizing shape distortions of the retargeted video. To meet these requirements, the left and right video sequences are divided into groups of frames (GoFs), where the GoF is a basic unit for the seam carving and we assign a set of fixed seams for all frames within the GoF. To determine the fixed seams for each GoF, we need to find the GoF boundary in the video first. Then, the representative frame for each GoF is generated by considering the spatial saliency and temporal coherence. Also, the confidence of the stereoscopic correspondence between the left and right frames is considered to prevent depth distortion.     

基于联合预测的立体视频压缩编解码系统

提出了一种新颖的立体视频压缩编解码系统,通过采用结合3种预测方式的联合预测方法来获得较高的编解码效率以及较低的计算复杂度,改善了视频的质量.     

基于QNX的车载立体播放技术研究

摘 要: 针对车载播放系统立体性、互连性、智能性的多方向发展趋势,研发一套基于QNX的车载立体播放系统。采用实时性在微秒级的QNX系统作为软件平台;提出系统分层逻辑架构模型,增强模块间的独立性;利用FFMPEG核心技术完成立体视频解码,满足多码流同步实时输出;设计GLES立体渲染容器进行同步实时渲染。实验表明：该方案在有效提高车载视频观感的同时,极大提升了整个车系的科技竞争力。     

自适应选择联合补偿预测模式的立体视频编码算法

运动补偿预测．视差补偿预测以及两者相结合的联合补偿预测是研究立体视频编码的关键技术。不同预测模式不仅考虑了左右视频通道各自的时间相关性、而且考虑到了左右视频通道之间的空间相关性。本文提出了一种自适应选择预测模式的立体视频编码算法,并在预测模式确定后通过选取不同的加权值来达到联合补偿预测的目的。实验结果表明,本文提出的算法在改善编码性能的同时,提高了编码速度。     

Stereo object tracking with fusion of texture,color and disparity information

A novel method for visual object tracking in stereo videos is proposed, which fuses an appearance based representation of the object based on Local Steering Kernel features and 2D color–disparity histogram information. The algorithm employs Kalman filtering for object position prediction and a sampling technique for selecting the candidate object regions of interest in the left and right channels. Disparity information is exploited, for matching corresponding regions in the left and right video frames. As tracking evolves, any significant changes in object appearance due to scale, rotation, or deformation are identified and embodied in the object model. The object appearance changes are identified simultaneously in the left and right channel video frames, ensuring correct 3D representation of the resulting bounding box in a 3D display monitor. The proposed framework performs stereo object tracking and it is suitable for application in 3D movies, 3D TV content and 3D video content captured by consuming stereo cameras. Experimental results proved the effectiveness of the proposed method in tracking objects under geometrical transformations, zooming and partial occlusion, as well as in tracking slowly deforming articulated 3D objects in stereo video.