残差分布式视频压缩感知*

压缩感知(CS)是一种能同时进行数据采集和压缩的新理论,为简化编码算法提供了依据,同时,分布式视频编码(DVC)为低复杂度的视频编码提供了思路。因此,通过整合DVC和CS各自的特性以构建编码简单的视频编码框架,并采用残差技术来提高系统性能,最终提出了一种残差分布式视频压缩感知(RDCVS)算法:对关键帧进行传统的帧内编、解码;而对非关键帧,编码端采用一种基于残差联合稀疏模型的随机观测,解码端利用边信息和改进的梯度投影重建(GPSR)算法进行优化重构。由于将运动估计和变换编码等复杂度较高的运算转移到解码端进行,因而RDCVS保持了低复杂度的编码特性。实验结果表明,RDCVS算法比参考方案的恢复质量提高了2～3 dB。     

视频压缩流简化帧处理中若干问题研究

数据压缩技术主要用于减小视频数据的大小,以满足存储和传输的需要,但现有的图象处理技术必须先将视频压缩流完全解压后才能进行处理,本文讨论了不需要完全解压缩或仅需很小的解压就能直接对视流进行处理的方法,如ＭＰＥＧ压缩视频流中Ｐ帧和Ｂ帧以及常用的压缩域处理方法以及存在的问题,最后证明了在半象素运动矢量情况下ＭＰＥＧ简化帧抽取的准确性问题,视频压缩流在压缩域处理的特点是不仅减少了解压缩所需要的计算时间,而     

基于残差分布的H.264自适应整帧恢复算法

针对H.264在网络传输中丢包造成整帧丢失的问题,提出了一种基于残差分布的H.264自适应整帧恢复算法。首先对参考帧的残差信息进行分析,对于平坦区域或刚性运动区域,采用传统的运动矢量复制法,而对运动复杂区域或产生形变等区域进行基于像素的运动矢量重新估计,再以光流法进行恢复。实验结果表明,该算法在主观视觉质量和客观峰值信噪比(PSNR)上都优于传统方法。     

基于区间代表帧算法截屏策略优化监控软件

现有市场上的许多监控软件,在监视长时间不变窗口时,大多是依靠扩大时间戳的方法来减少冗余信息。尽管如此,该方法仍旧会产生许多冗余信息。本文提出了一种区间代表帧算法,用于在窗口长时间不变的情况下采取的截屏策略,可以大幅度减少按时间戳触发截屏导致的冗余信息,极大地提高了软件性能。最后通过实例论证该算法的优越性。     

基于脊波运动检测的监控视频压缩方法

研究了一种基于运动检测的监控视频压缩方法,即先判断出相对于背景场景来说具有感兴趣运动变化发生的图像帧,再对判断出的图像帧进行低损失或无损失的压缩,剩余的图像帧进行高比率的压缩。为判断视频帧有无感兴趣运动变化发生,研究出基于新的多分辨率分析工具——脊波和背景减除法的混合方法,该方法能有效地定位出具有感兴趣运动变化发生的图像帧,并具有计算量较小、人工干预较少、受光照变化影响较小的优点。     

结合差错跟踪的多参考帧选择视频压缩技术研究

在系统分析基于反馈的差错跟踪和参考帧选择技术的基础上,利用差错跟踪技术标志出错帧和差错扩散帧中的错误宏块的位置,然后采用多参考帧选择技术恢复差错。仿真实验表明,相对于单参考帧选择技术,本方法不但提高了视频质量 ,而且较大地提高了数据压缩率。     

基于边缘方向信息的高效帧内预测算法

为了降低H.264/AVC中帧内预测算法的复杂度,以便满足实时性要求较高的场合,提出基于宏块的灰度直方图能量分布特性,对宏块预测方式intra_4×4和intra_16×16预判;然后对Pan算法所存在的缺陷加以改进,给出一种新的帧内预测算法。实验结果表明,在全I帧编码情况下,该算法与全搜索算法相比编码时间平均减少了68.9%,与Pan算法相比,编码时间减少最大超过37%,在保证图像质量与压缩性能的前提下,可以有效地降低计算复杂度,从而大大提高编码速度。     

基于IP视频监控应用的H.264视频压缩

本文介绍了ITU—T最新低码率视频压缩标准H．264(以前称H．26L)和IP网络视频监控应用系统需求，就H．264视频编码中应用的最新技术进行了重点说明。并在此基础上就应用中软件实现进行分析，这对于基于视频应用系统的开发具有一定参考意义。     

基于背景帧的监控和会议视频帧间快速算法

为降低高性能视频编码（High Efficiency Video Coding,HEVC）中监控和会议视频的编码复杂度,减少编码时间,提出了一种基于虚拟背景帧的监控和会议视频帧间编码的快速编码单元（Coding Unit,CU）划分和预测单元（Prediction Unit,PU）模式选择算法。对原始视频序列进行像素统计分析生成虚拟背景帧,利用生成的虚拟背景帧对CU分类。通过分析不同类别的CU继续划分的比例和其纹理复杂度,快速决策当前CU的划分和PU的模式类型。这种利用虚拟背景帧做判决的算法通过减少CU深度和PU模式遍历而降低编码复杂度,达到快速帧间编码的效果。实验结果表明,与HM16.9相比,该算法在峰值信噪比（Peak Signal-to-Noise Ratio,PSNR）平均下降0.07 dB和码率平均增加1.93%的情况下,能平均减少33.31%的编码时间。     

应用于VVC无损帧内编码的残差二次预测算法

在VVC无损帧内编码中,为了无失真地压缩视频,会跳过变换、量化等操作。未经过变换的帧内预测残差之间,存在较强的空间相关性。基于此,提出了一种残差二次预测（Residual Secondary Prediction,RSP）算法,来进一步降低残差能量。算法对经过帧内预测生成的残差样本进行二次预测,得到二次残差,选择绝对值之和较低的残差组作为最终的预测残差。在VVC测试模型（VTM）12.3上应用RSP算法,相较于基础的无损帧内编码,平均可以节省5.65%的比特率,编码时间增加14.6%,解码时间下降17.5%。RSP以增加较低编码复杂度为代价,高效地提升了VVC无损帧内编码的性能。     

基于DirectShow的实时视频信息采集与压缩

论述采用DirectShow技术进行实时视频信息的采集和压缩存储的方法,并给出详细的设计思路。设计中视频捕捉采用WDM驱动捕捉,提高视频捕捉的效率和通用性;采用基于内容的MPEG-4视频编码标准进行压缩,得到较高的压缩比和压缩质量。该技术已经成功地应用到笔者参与开发的视频会议系统中,有效提高了采集速度和视频质量。     

交通监控视频压缩与网络传输系统设计

针对现有交通监控视频中采用的H.264算法复杂度高、运算量大、误码跨帧传播等问题,提出了基于专用编解码芯片ADV212硬件实现JPEG2000标准的视频压缩传输系统的设计方法;设计以ADV7180对PAL制式模拟视频进行采集,以ADV212完成对采集后视频数据的压缩处理,最后通过DM9000A实现对压缩数据的以太网传输;FPGA作为系统主控,主要实现对各芯片的初始化及逻辑控制;实验结果表明,在保证压缩图像具有较高峰值信噪比的情况下,系统对速率为166 Mbps的视频图像进行压缩处理后输出速率为8 Mbps,有效减轻了网络传输带宽压力,且便于网络终端进行视频数据存储;同时系统还具有集成度高、体积小、性价比高、压缩比可调等优点,支持多种视频监控场合使用。     

基于运动估计共享的雾霾视频压缩方法

现有视频压缩技术中几乎没有同时对视频进行压缩和去雾的方法,针对这一现象,提出了一种基于运动估计共享的雾霾视频压缩方法,在改进已有去雾算法的基础上,利用运动估计将视频去雾与视频压缩有效地结合,在消除视频中的雾霾信息、避免对雾霾进行压缩的同时,减少视频的传输带宽和存储空间.     

基于增强对象的监控视频编码算法

针对视频监控系统中的视频压缩问题,提出一种基于对象的监控视频编码算法,采用主观视觉质量而不是传统的峰值信噪比作为重建图像评价指标以满足监控视频的特定要求,对监控区域进行可控增强以提高视觉效果。实验结果表明,与H.264相比,该算法能以较低的复杂度实现重建视频中监控对象更高的主观质量,同时具有较高的压缩效率。     

基于小波变换的视频帧积分算法研究

本文研究了基于小波变换的图像帧积分技术及其在图像增强处理中的作用。帧积分技术可以有效改变视频图像质量,但传统的帧积分技术不可避免地会使图像发生饱和失真的情况。本文针对传统帧积分的缺陷,提出了利用小波变换后各尺度信息存在互补性的技术进行帧积分的思路。     

基于混沌的视频压缩与加密方法研究

针对多媒体流的压缩与加密技术,分析了很多算法在安全性和实时性上存在的缺点。对现有多种代表算法做出了比较,将一些算法的优点与混沌伪随机序列发生方法相结合,提出了一种适于软件实现的安全性高、速度快的加密方法,并分别针对MPEG2视频压缩算法和基于小波变换的视频压缩算法的特性进行加密处理。实验结果表明,MPEG2混沌加密算法可实现实时处理,基于小波变换的混沌加密算法能达到较高压缩比。     

基于对象的视频压缩技术在DSPs上的实现

主要探讨了如何在DSPs上高效地实现MPEG-4的视频压缩算法,问题的关键是怎样在DSPs程序中合理地设计能够描述视频对象的数据结构并有效利用DSPs甚长指令和流水线的特点以加速压缩过程的实现。此外,还利用了混合编成的方法以协调程序的高效性和复杂性。通过合理的设计程序代码和分配内存资源,完全可以在DSPs上实现复杂的MPEG-4压缩算法．独到之处是设计的程序充分利用了DSPs的各种特点来实现这种复杂的视频压缩算法。     

基于改进压缩跟踪算法的航拍视频目标跟踪系统

针对航拍视频的特性,对经典的压缩跟踪（Compression tracking,CT）算法进行了研究,发现了CT算法在样本采集和分类取样步骤中的不足并进行了相应的改进。采用Kalman滤波器预测目标的运动路径,并将预测结果应用于样本采集,自适应地修改搜索范围。更新了分类器的取样反馈过程,先对分类结果进行判断,评分绝对值低于某一阈值的分类结果不反馈给分类器,有效地保持了分类器的正确性。在改进算法的基础上,开发了基于航拍视频的目标跟踪系统。通过与经典压缩跟踪算法在实际航拍道路视频的测试和对比,验证了本文算法的有效性和实时性。