HEVC快速帧内模式和深度决策算法

针对HEVC帧内预测过程计算复杂度较大的问题,提出基于隔点模式抽取、像素梯度统计和子PU残差相对比的快速帧内预测算法.对应HEVC的33种帧内角度模式,按区间划分33类梯度方向并计算PU各个像素的梯度方向.先对偶数编号的角度模式计算排序,再快速比较得到候选模式集.然后根据所属各类梯度方向的像素累计个数,舍弃部分候选模式.在计算当前PU的哈达玛变换预测残差（Sum of Absolute Transformed Difference, SATD）的同时,记录该PU内4个子PU的SATD,并通过对这4个SATD之间的相对比,跳过当前PU之后深度的计算.实验结果表明,与HEVC标准测试模型HM13.0的算法相比,本文所提出的算法可节省约54%的帧内编码时间,而码率只有约1%的增加.     

基于神经网络的HEVC帧内预测组合快速算法

为了提升高效视频编码(High Efficiency Video Coding, HEVC) 帧内编码的实时性能,本文提出的方法利用了引入偶数边长与步长的卷积核以及自注意力机制的轻量级卷积网络来预测编码树单元(Coding Tree Unit, CTU) 的帧内划分结构,从而减少了编码器对CTU进行四叉树递归遍历划分的编码时间。原始编码策略中粗模式决策通过基于残差经哈德曼变换的预测残差绝对值总和 (Sum of Absolute Transformed Difference, SATD) 的损失值来估计率失真优化过程中的率失真损失值来进行加速,但仍会耗费一定的编码时间。提出一种方法通过采样搜索的方式减少粗模式决策过程中计算的模式数,从35种模式降低到了18种模式,降低了粗模式决策过程中计算估计损失值的时间。由粗模式决策过程得到的较优的多个候选帧内模式来进行率失真优化,为了缩减粗模式决策需要计算的候选模式数,在候选模式列表中根据前后帧内预测角度模式的估计损失值的差距来筛选掉部分可能性较低的候选模式实现早停止决策,从而减少需要进行率失真优化的候选模式数量,进而减少率失真优化过程的计算时间。本文提出的算法在测试序列上平均实现78.15%的编码时间缩减,BD-PSNR为 -0.168 dB,BD-RATE为3.49%。     

基于CART决策树的HEVC帧间CU快速划分算法

针对高效视频编码(High Efficiency Video Coding,HEVC)帧间编码过程中编码单元(Coding Unit,CU)划分复杂度过高的问题,提出一种基于CART决策树的CU快速划分算法。该算法包括CART决策树建模和CU快速编码算法两部分。首先,将CU划分问题归为二分类问题,以当前CU的空间相邻CU的深度划分信息作为最优特征属性,建立CART模型且进行测试评估;然后利用建立的CART模型对当前CU进行快速划分。实验结果表明,在保持编码性能的同时,该算法比HM16.0算法节省43.34%的编码时间,有效地提高了编码效率。     

基于注意力-残差双特征流卷积神经网络的深度图帧内编码单元快速划分算法

针对三维高效视频编码(three-dimensional high efficiency video coding, 3D-HEVC)深度图编码单元(coding unit, CU)划分复杂度高的问题,提出一种基于卷积神经网络(convolutional neural networks, CNN)的算法来实现快速深度图帧内编码。首先,提出一种具有3个分支的注意力-残差双特征流卷积神经网络(attention-residual bi-feature stream convolutional neural networks, ARBS-CNN)模型,其中基于残差模块(residual module, RM)和特征蒸馏(feature distill, FD)模块的2个分支用于提取全局图像特征,基于动态模块(dynamic module, DM)和卷积-卷积块注意力模块(convolutional-convolutional block attention module, Conv-CBAM)的分支用于提取局部图像特征;然后,将提取到的特征进行整合并输出,得到对深度图CU划分结构的预测;最后,将ARBS-CNN嵌入到3D-HEVC测试平台中,利用预测结果加速深度图帧内编码。与原始算法相比,提出的算法能在维持率失真性能几乎不受影响的条件下,平均减少74.2%的编码时间。实验结果表明,该算法能够在保持率失真性能的条件下,有效降低3D-HEVC的编码复杂度。     

基于多级结构相似度的快速指纹匹配算法

首先对指纹中的每个细节点定义具有很好区分度的子结构,根据这些子结构计算相似度并筛选出可能的参考点对。然后利用它们之间的边角关系等结构信息实施奖惩得分制度,根据事先设定的阈值,得分较高的参考点对被保留进行最终的全局匹配并计算匹配得分,两幅指纹的最终的匹配得分就是这些分数的最大值。实验结果表明,本文提出的匹配算法在性能下降可以忽略的情况下能够大幅度降低匹配时间。     

求解图像分割模型的快速梯度投影算法

针对带约束条件的凸图像分割模型,提出一种快速数值实现算法。该算法在梯度投影算法的基础上结合了快速迭代收缩算法的加速收敛策略,利用正交投影处理不等式约束条件,避免了一般罚函数方法所带来的处罚项的不规则性;同时采用对偶方法来避免全变分项的非光滑性和高非线性性。实验结果表明了所提出算法的有效性和在收敛速度上的优越性。     

基于失真模型的结构相似度图像质量评价

提出了一种基于图像失真模型及失真视觉特性的图像质量评价方法,解决了传统结构相似度（SSIM）度量不能同时有效评价不同失真强度与不同失真类型图像质量的问题.将图像失真分解为局部线性模糊及加性噪声,通过质量敏感区域加权与噪声SSIM补偿,实现各种失真类型SSIM的聚合以提高综合评价性能.实验结果表明,这种基于失真模型的区域加权SSIM能够一致评价各种失真类型、各种失真强度的图像质量,在LIVE图库上与主观评价分回归后的相关系数达到0.946 7,优于其他SSIM算法.     

基于三维特征和结构相似度的图像质量评价方法

分析了人眼视觉特性、双眼视差异信息等三维特征,将立体视觉与图像的结构相似度(SSIM)相结合,提出了一种新的立体图像质量评价方法。该方法考虑了立体图像的亮度、纹理细节和空间位置等因素对人感知立体效果的影响,利用加权平均结构相似性(WMSS)联合统计学方法得到评价初值,用包含三维景物深度信息的双眼视差信息进行修正,作为立体图像质量的评价结果。实验表明,该方法符合人眼视觉特性,与主观评价(MOS)的一致性较好。     

基于Contourlet域梯度结构相似度的无参考图像质量评价

Contourlet变换已经成为多尺度、多方向图像处理领域的研究热点,文章将其引入图像质量评价,提出了一种基于Contourlet变换的梯度结构相似度无参考图像质量评价方法（NRCT-GSSIM）,将待评价图像通过高斯低通滤波器构造参考图像,然后在Contourlet变换域中计算图像频率子带、方向子带分别加权的梯度结构相似度,实现对图像的质量评价.该方法无需标准参考图像,充分考虑了人类视觉特性.实验结果表明,NRCT-GSSIM取得了与峰值信噪比（PNSR）、结构相似度（SSIM）和梯度结构相似度（GSSIM）等有参考图像质量评价相一致的评价结果,且较之PSNR、SSIM有更高的准确性.     

基于帧内快速选择的视频压缩算法研究

随着多媒体技术的飞速发展,许多应用领域对数字视频图像的压缩提出了更高的要求,快速、高效的压缩算法是解决这一问题的关键.H.264标准的出现解决了高效的问题,但是其压缩速度远远不能达到实时的要求.本文深入研究了H.264的帧内预测模式及帧内快速选择算法,提出了一种基于阈值和相邻块预测方向相关性的帧内预测快速选择算法.实验结果显示,本算法在峰值信噪比降低不超过0.03dB,码率增加不足1%的情况下,平均节约了约22.67%的编码时间,同时编码后的图像主观质量基本没有变化.     

一种改进的Canny边缘检测算子

用Canny边缘检测算子检测一些边缘不明显图片的边缘时,得到的边缘图像可能有间断,甚至会漏检一些倾斜的边缘。本文通过对两个斜方向上的梯度信息的提取添加,使梯度信息更加完整,进而得到了更好的边缘图像。Lina图片和折反射全向图像的边缘检测效果证明了改进算子的有效性。     

一种自适应HEVC视频编码行列变换跳过模式

降低比特率是视频压缩编码的首要任务。视频编码中帧内和帧间预测后残差块存在结构性纹理,其纹理特性与正交变换之间存在以下因果关系:当纹理较强时,正交变换后能量集中的效果较差;反之则相反。因此,根据残差的水平和垂直方向的纹理特性,提出一种自适应变换跳过模式。首先利用残差块纹理特性计算残差块水平和垂直方向的梯度值,分别求出水平和垂直方向梯度绝对值的和,通过大量实验统计,得出经验的水平或垂直方向梯度的阈值,根据该阈值选择跳过水平或者垂直变换,以达到更好的编码性能。接着,根据变换跳过模式提出了一种自适应扫描模式。仿真结果表明:所提出的方法与目前的HEVC参考软件HM4.0相比,在编码时间少量增加的情况下,码率减少了0.82%～8.92%,同时提高了峰值信噪比(PSNR)。     

基于新型Canny算法雷达距离图像边缘检测算法

针对激光雷达距离像的噪声滤波和边缘检测问题,提出了一种结合改进环圈滤波算法和自适应Canny算法的距离像边缘检测算法.通过改进环圈滤波对距离像的噪声进行抑制,在滤除噪声的同时保留了图像的细节特征信息.从梯度幅值计算、非极大值抑制和阀值自动选择3个方面对传统Canny算法进行改进,克服了噪声影响和边缘检测模糊等缺点.实验结果表明,该算法能够可靠的对距离图像进行边缘检测,并且检测结果的信息熵和标准差指标数据优于传统的Sobel算法和Laplace算法,能够较好地满足激光雷达距离像边缘检测的实际需要.     

H.264/AVC到HEVC快速帧内转码算法

为加快H.264/AVC到HEVC的转码速度,提出一种快速帧内转码算法。针对H.264/AVC和HEVC两标准间帧内预测块尺寸的差别提出一种合并宏块的方法,利用该方法得出的编码信息预判HEVC中最可能的帧内预测尺寸及最可能的帧内预测模式并简化HEVC中四叉树划分过程,从而降低转码过程中帧内预测的计算复杂度。实验结果表明,在编码效率和视频质量损失很小的情况下,所提出的转码算法平均节省了63.20%的编码时间。     

神经网络模型在图像超分领域的应用研究

图像分辨率提高即超分技术是指从低分辨率图像重建相应的高分辨率图像,在医学影像等领域有重要的应用价值.传统的基于插值的方法效果不尽理想,近年来深度学习被应用于该领域.回顾了快速超分辨卷积神经网络(FSRCNN)、深度超分辨率卷积神经网络(VDSR)、超分辨率生成对抗网络(SRGAN)3种神经网络在图像超分中的应用原理,设...     

一种不完全投影图像重建的快速迭代算法

为了保证不完全投影数据的重建图像质量,同时提高重建速度,提出了一种基于共轭梯度法的快速迭代算法.通过实时获取投影矩阵分量,以固定步长替代共轭梯度法中一维搜索最优迭代步长,在确保质量的同时缩短重建时间.利用模拟投影数据和实际导弹断层扫描数据进行图像重建,结果表明,与卷积反投影和代数重建法相比,此算法特别适用于扇形扫描的不完全投影数据的图像重建,在保证重建图像拟合度的同时,大大提高了重建速度.     

一种利用整数变换快速实现HEVC帧内预测算法

提出了一种利用整数变换快速实现帧内预测的新算法,首先对原图像做DCT变换,然后利用整数变换的系数求出图像块的纹理方向,根据求出的纹理方向及相邻块的最佳预测模式确定候选模式集。这样就可以减少候选模式数目,进而减少计算量,节省编码时间。实验结果表明,该算法与校验模型HM5.0相比,在保持峰值信噪比基本不变和码率略增的情况下,可节省约50%的帧内编码时间。     

单幅图像快速去雾霾算法

提出一种基于物理模型的单幅图像快速去雾霾新算法。从雾形成的角度出发,考虑到传播图像的低频性和单通道性,对大气散射模型进行变换化简,得到新的去雾模型。利用暗原色先验方法估计大气光值A,并利用SSIM作为图像清晰度评价标准以确定ω的最优值,从而得到最优的复原结果。大量实验表明,该算法无论在处理速度还是去雾效果上都优于现有算法。