PowerPC平台下基于Y’CbCr域的图像合成引擎的设计与实现

通过对传统的基于RGB域的图像合成方式在视频图像合成应用上的缺点的分析，提出了基于Y＇CbCr域的图像合成方法，以实现对视频图像进行快速合成，同时讨论了在PowerPC平台上利用Ahivec提高运算效率的可行性和有效性，并描述了具体的实现过程。     

基于MPEG-2压缩域的非线性编辑特技算法

在数字电视节目的制作过程中,非线性编辑中视频特技合成是一项很重要的工作。目前,这些特技大都是在宅间域中实现的,但是由于数字视频的压缩编码大都采用MPEG-2标准,因此直接在MPEG-2压缩域实现视频特技的合成,可以减少很多中间步骤,从阿加快电视台基于MPEG-2的数字电视节目的制作播出一体化进程。该文提出了一种在MPEG-2压缩域中不完全解压缩蛮现镜像特技的算法。实验结果表明,采用这种算法后,计算量比传统的空间域实现特技有了很大的减少,而视频图像的质量损失很小。     

视频对象分割方法的研究

本文首先综述了基于视频对象分割方法,然后介绍了活动图像中图像分割的算法,并详述基于时间域和空间域的图像分割方法,最后对实验结果进行分析,并用MATLAB语言进行编程实现。     

基于空间域的图像噪声检测技术

图像质量检测技术可以代替人工巡检的方式对视频质量进行自动检测,对监控系统中视频图像出现的异常进行准确分析、判断和报警,以保障规模不断扩大的网络视频监控系统的正常运行。基于空间域的图像噪声检测技术,利用图像的邻域信息特征与各类噪声异常在空间域上的轮廓和方向分布,并结合OpenCV图像处理技术,实现对噪点、雪花和条纹异常的检测。空间域噪声检测算法,与人的视觉感知相一致,可以用于监控视频的实时检测。     

一种基于加密域可逆水印的H.265视频认证加密方案

轻量级视频加密技术和近年来兴起的加密域可逆水印技术为视频的认证加密提供了新的技术支撑,但现有的加密域可逆水印技术大多数局限于静态图像,而视频的认证加密不能直接使用传统静态图像的数字水印方案。在此背景下,提出一种加密域可逆数字水印方案,并利用它实现视频的认证加密。该方案基于H.265/HEVC视频编码标准,通过在DCT域对变换系数进行操作,能够把加密和可逆水印嵌入进行分离,进而可以实现在已经加密的视频中可逆地嵌入消息认证码(Message Authentication Code,MAC),最终同时实现内容安全性保护与完整性认证。实验表明该方案不仅能在加密的视频中嵌入可逆水印,还能对视频的篡改进行定位。     

基于帧间小波变换的视频水印研究

针对数字视频版权保护及信息隐藏技术的需要,本文提出了一种基于帧间小波变换的视频水印算法。该算法首先对视频序列进行等长分组,然后对各组中的视频序列进行最大级数的帧间一维小波变换,从而可以得到一帧低频图像和多帧高频图像,其中低频图像聚集了视频序列的大部分能量,而高频图像的能量相对较小。本文对低频图像进行奇异值分解,然后将水印图像嵌入到低频图像的奇异值变换域上。在水印的嵌入与提取过程中只对4帧视频图像进行小波变换,所需内存较小,并易于硬件实现。实验结果表明,本文提出的视频水印算法具有较好的隐蔽性和鲁棒性。     

多点视频会议中快速H.264视频合成方法

通过介绍几种持续出席模式的视频合成方法,以及分析H.264不能采用快速编码域合成方法的原因,深入研究了一种像素域和编码域相结合的混合合成方法,利用H.264标准的新特性,对解码图像帧的选择、合成图像帧的条带组分割、宏块编码参数的设置以及I集合的构造等问题进行了分析和改进,实验结果表明改进方法在降低计算复杂度和码率的同时视频质量约提高0.4-0.7dB.     

一种基于Homogeneity的文本检测新方法

视频图像中的文本包含了丰富的语义层次上的内容描述信息，为基于语义的图像检索提供重要的索引信息资源．提出了一种基于Homogeneity和支持向量机（support vector machine）的视频图像中文本检测方法，首先将图像由空间域映射到Homogeneity域中，然后对映射到Homogeneity空间中的图像进行特征提取，利用SVM判别文本区域．实验表明此文本检测方法优于用基于边缘特征的文本检测方法．     

一种基于深度图的三维/多视点视频视点合成方法

基于深度图的视点合成技术已成为国际视频技术研究的热点之一.本文实现的基于深度图的三维/多视点视频视点合成算法,在点对点的三维变换的基础上增加了深度图预处理、去像素重叠、基于空间对象的插值等优化,此外试图针对不同的应用场合,对变换图像进行不同的空洞填补方法.实验结果表明,本方法最后合成的视点图像具有良好的视觉效果.     

基于双流卷积神经网络的改进人体行为识别算法

近年来人体行为识别成为计算机视觉领域的一个研究热点,而卷积神经网络(Convolutional Neural Network,CNN)在图像分类和识别领域取得了重要突破,但是人体行为识别是基于视频分析的,视频包含空间域和时间域两部分的信息。针对基于视频的人体行为识别问题,提出一种改进的双流卷积神经网络(Two-Stream CNN)模型,对于空间域,将视频的单帧RGB图像作为输入,送入VGGNet_16模型;对于时间域,将多帧叠加后的光流图像作为输入,送入Flow_Net模型;最终将两个模型的Softmax输出加权融合作为输出结果,得到一个多模型融合的人体行为识别器。基于JHMDB公开数据库的实验,结果证明了改进的双流CNN在人体行为识别任务上的有效性。     

基于MPEG-Ⅰ/Ⅱ视频内容认证的半脆弱水印方案

提出了一种基于MPEG-Ⅰ/Ⅱ视频内容认证的半脆弱水印方案,该水印方案对视频内容恶意篡改敏感,对类似于视频重编码等内容保持操作鲁棒.水印方案完全建立在视频压缩域之上,利用视频图像块与块之间不变的能量关系构建基于内容的特征码,加上版权信息、控制信息生成完整的水印认证码,运用边信息通信方式嵌入视频VLC域.通过对提取出的水印信息和重构的认证码进行比较,实现了对视频的内容认证.该文最后给出了实验结果,证明了该方案的可行性.     

基于联合双边滤波的纹理合成上采样算法

提出了一个新的纹理合成的上行采样算法,即利用现有的高分辨率的样本纹理作为先验引导条件,对合成的低分辨率的纹理进行插值,获取更好的高分辨率纹理合成结果.该算法的主要思想是基于联合双边滤波器进行纹理合成上采样,对低分辨率合成纹理应用空间滤波,而将一相似的边界滤波联合地应用在高分辨率的样本纹理上.该算法克服了传统的以光滑性为先验引导条件的上采样方法会导致图像特征模糊的缺点,使获得的上采样纹理图像保持纹理特征,同时视觉上光滑.文中给出了图像和视频纹理合成结果的上行采样算法.实验结果表明,文中的方法减小了优化纹理合成过程所需的时间和空间,获取了更好的图像和视频合成纹理上采样效果.     

一种基于H.264视频内容认证的水印算法

提出一种基于H.264视频内容认证的半脆弱水印,该水印方案对视频内容恶意篡改敏感,而对于视频重编码等内容保持操作鲁棒。水印方案建立在视频压缩域上利用图像块之间不变的能量关系构建基于内容的特征码。由于DCT系数块能量主要集中在低频部分,所以用低频部分来生成特征码,用高频部分来嵌入水印。实验结果证明算法是有效的,并且较好地实现了篡改定位。     

基于MPEG-I /II视频内容认证的半脆弱水印方案

提出了一种基于MPEG-I/II视频内容认证的半脆弱水印方案，该水印方案对视频内容恶意篡改敏感，对类似于视频重编码等内容保持操作鲁棒。水印方案完全建立在视频压缩域之上，利用视频图像块与块之间不变的能量关系构建基于内容的特征码，加上版权信息、控制信息生成完整的水印认证码，运用边信息通信方式嵌入视频VLC域。通过对提取出的水印信息和重构的认证码进行比较，实现了对视频的内容认证。该文最后给出了实验结果，证明了该方案的可行性。     

一种有效的DCT域下采样视频解码算法

为了提高多媒体处理能力有限的终端上的视频播放能力,本文提出了一种有效的DCT域下采样视频解码算法。利用DCT变换的称卷积特性和能量集中特性对压缩视频进行下采样反DCT,并在下采样运动矢量近似和插值处理之后,通过下采样运动补偿重建下采样的视频图像。算法的下采样反DCT、像素插值和图像重建的运算复杂度分别比常规解码减少少了50％、50％和75％,使得整体解码效率有60％左右的提高。算法在基于XScale的嵌入式终端平台上进行了实现和测试,效果良好。     

视频图像去雨技术研究进展

视频图像去雨是数字图像处理和计算机视觉领域共同关注的重要问题,在视频监控、智能交通乃至军事侦察等领域有着广泛的应用。为了使国内外同行对视频图像去雨技术的发展历程和研究现状有一个较为全面的了解,对其进行系统综述。在广泛文献调研的基础上,对各种视频图像去雨技术的原理、特点以及处理效果进行归纳总结和分类比较。根据处理方式和实现途径,将视频图像去雨技术区分为基于成像参数的去雨方法、基于时域的去雨方法、基于频域的去雨方法和基于稀疏域的去雨方法四大类。重点介绍了这些方法的基本思想和基本原理,分析比较了各自的优点与不足。随着计算机硬件性能提高以及对雨滴特性研究的不断深入,视频图像去雨技术在方法研究和应用条件上都取得了很大的进展,但由于雨天的动态复杂性以及环境中复杂背景的干扰,导致视频图像去雨技术研究还不完善,仍然存在很多亟待解决的问题。     

基于自相似与对比学习的图像跨域转换算法

图像跨域转换,又称图像翻译,是一种旨在将源域的图像转换为目标域的图像的技术,具体来说是使生成图像在保持源域图像的结构（轮廓、姿态等）的同时具有目标域图像的风格（纹理、颜色等）.图像跨域转换技术在视觉领域有着广泛的应用,如照片编辑和视频特效制作.近年来,该技术在深度学习尤其是生成对抗网络的基础上得到了飞速发展,也取得了令人印象深刻的结果,但是迁移后的生成图像仍然存在颜色模式坍塌、内容结构无法保持等问题,针对这些问题,提出了一种基于自相似性与对比学习的图像跨域转换算法.该算法利用预先训练的深度神经网络模型提取图像的内容特征和风格特征,将感知损失和基于自相似性的损失作为图像内容损失函数,同时使用一种宽松的最优传输损失和基于矩匹配计算的损失作为图像风格损失函数对提出的神经网络进行训练,并通过将生成图像和目标域图像标记为正样本对,将生成图像和源域标记为负样本进行对比学习.在4个数据集上对提出的算法进行了实验验证,结果表明提出的算法在生成的结果图像上较好地保持了源域图像的内容结构,同时减少颜色的模式坍塌,且使生成的图像风格与引导图像的风格更加一致.     

基于交叠正交变换的视频压缩编码分析与实现

混合视频编码标准由于采用基于块的运动补偿预测和变换量化,从而使解码图像在块边界产生干扰视觉的不连续性,尤其在低码率下,易形成块效应。由于滤波法、凸集投影法、交叠正交变换等可作为信号处理中去除块效应的技术方案,为此在对视频编码的系统结构进行分析的基础上,实现了基于交叠正交变换时间域预滤波和后置滤波的去块效应视频混合编码方案,并讨论了实现这一方案的框架结构和交叠模式选择等关键技术问题,最后给出了实验结果,对比实验结果显示,该方案在提供相当的编码性能基础上,能有效地改善视频图像的块效应现象。     

基于PXA255和JPEG压缩算法的嵌入式视频监视系统

本文介绍了一个以PXA255为基础的嵌入式视频监视系统实现方案。该系统利用JPEG压缩算法对图像进行压缩,采用客户-服务器(C-S)模型,通过无线网桥构建的无线局域网,实现了对现场视频信息的实时监控,并且利用了图像域值比较算法,在图像改变或者发生异常的情况下,进行报警。     

PTZ自主跟踪中的全景视频生成

提出了一种在单PTZ摄像机自主跟踪过程中生成全景视频的方法。该方法在自主跟踪目标的同时,生成目标在大场景上运动的全景视频,可应用于PTZ摄像机监控场所。该方 法将全景视频看作全景背景图像和当前目标图像的叠加：首先利用Mean Shift跟踪方法逐帧获取目标区域图像并保存;然后利用相邻两帧视频图像的竖直方向投影匹配和Harris角 点匹配结果合成全景背景,与传统的配准方法相比,大大降低了匹配运算的复杂度,使全景背景的生成能够实时进行,并记录每帧图像到背景图像的变换参数;最后逐帧将目标区 域图像变换到背景图像上得到全景视频。本文方法与传统的全景视频生成方法相比,无需人工控制摄像机的转动,也无需手工对齐视频帧,整个过程全部自动完成。