一种基于统计模型的立体显示格式识别算法

近期,立体显示技术被越来越多的观众接受,大多数视频播放器都同时支持立体视频的播放和普通视频的播放.但普遍存在这样的问题,播放器在载入视频文件时不能识别视频的显示格式.这意味着观看者需要使用普通播放器预览视频后,由用户确定视频文件的播放方式.本文将实现一种算法,可以帮助用户在载入视频文件时识别视频的显示格式及左右通道顺序,并将结果输出由观看者二次选择、确认,进而开始正常的放映.因此该算法将应用统计模型分两步实现,第一步,利用立体图像中有明显中轴线这一特征,对图像做快速识别;然后,计算并使用对图像的统计特征值区分各类图像.第二步,如为立体图像,则继续利用统计特征值进一步识别左右通道顺序.经过大量试验,本文所述算法可以达到总体98％以上的识别率,能较好的应用于实际.     

一种光栅普适的LCD多视点立体图像合成方法

多视点立体图像合成很大程度上取决于多视点立体显示设备的类型。当前,基于光栅的LCD多视点自由立体显示设备最为常见,但目前缺乏针对这类显示器的通用合成方法。因此,提出了一种通用的多视点立体视频图像合成新方法,主要分为子像素判断准则、各视点子像素的子采样、子像素排列合成三部分。该方法从原理上考虑了光栅LCD多视点自由立体显示的各种可能情况,具有普适性和实用价值。通过具体实例验证了所提方法的正确性和可行性。     

基于红眼效应的人眼探测

传统的立体显示系统中,观看者需要配戴头盔、眼睛等辅助设备才能欣赏到立体效果,但是这些辅助设备也给观看者带来诸多不便。相比之下,自由式立体显示系统的优点在于观看者能够观看到立体效果的同时,并不需要配戴头盔、眼睛等辅助设备。为了能自由地观看立体效果,需要根据观看者的视点调整系统,使得立体图像能够分别进入观看者的左右眼,因此,人眼位置的探测是立体显示技术的重要组成部分。文章提出了一种基于红眼效应的人眼探测方法。算法利用瞳孔在近轴和远轴红外光分别照射下的不同状态,得到眼睛的候选区域。在对候选区域进行判别的时候,算法介绍并比较了主成分分析以及基于概率的主成分分析法。实验结果表明基于红眼效应的探测方法具有较高的准确率和实时性。     

一种多视点自由立体高清视频播放器的设计与实现

根据多视点自由立体视频的压缩编码特征与数据存储结构,提出一种基于光栅显示技术的软件解决方案,采用底层Windows API编写实现播放器的全部功能。设计实现了针对YUV视频格式的播放器,并以此为基础加入H.264解码功能模块,最终实现多线程工作模式的视频播放器,支持YUV与H.264两种视频格式,具备平面/立体播放模式自由切换功能。播放立体视频时图像清晰、流畅、立体感明显。     

基于矩阵变换的立体视频播放技术研究

立体图像按存储方式不同分为立体图片和视频,把左右格式立体图像准确传输到裸眼3D显示器的亚屏幕,是3D播放的关键技术。针对不同存储格式的立体图像,使用矩阵变换及视频融合算法,在FFmpeg函数库基础上构建立体视频播放器。实验表明该算法能将立体图像正确映射到左右眼亚屏幕。     

基于H.264的多视点立体视频解码器优化算法研究*

与平面(单视点)视频相比,多视点立体视频的数据量成倍地增加,对解码速度以及播放的流畅性影响很大,成为限制其广泛应用的重要因素之一。为了提高多视点立体视频的解码速度,基于H.264/MVC标准,根据码字前缀的特点,将原有码表划分为若干区域,精确了查表范围,优化了熵解码中CAVLC的查表过程,并将优化后的解码器移植到播放器中。实验结果表明,提出的优化算法使查表部分的速度提高70%左右,整体解码时间提高了5.9%。最终达到了一定的解码优化效果,并实现了播放器对264格式8视点立体视频文件的解码及播放功能。     

用于立体视频会议系统的立体对象分割与跟踪算法

基于对象的立体视频编码压缩技术能在立体视频会议系统中得到很好的应用，从立体视频信号中正确分割出立体视频对象是基于对象的立体视频编码压缩的一个前提条件，基于立体视频会议图像序列的时空特性和左右通道间的视差特性，提出了一种立体视频对象分割与跟踪算法，首先利用空域分割和运动检测相结合的方法，提取左通道中的运动物体；然后，提出一种左右通道间基于边缘轮廓的二级视差匹配算法，并根据已分割的左通道运动对象提取右通道的视频运动对象；最后利用对象边界轮廓的跟踪方法对后续图像中的运动对象进行快速跟踪，实验结果说明文中算法能够应用于立体视频会议图像序列的立体对象分割与跟踪。     

基于视频纹理的自然场景建模方法

提出了一种改进的基于视频纹理合成的自然场景建模方法。算法通过衡量图像之间的相似度来确定一个视频的初步播放序列,然后将这个初步播放序列划分成几个子序列并调整视频播放过程中的帧与帧之间的延迟,从而消除视频播放中的跳变。为了消除视频循环播放中最后一帧到第一帧的跳变,首先确定初步的播放序列的周期,然后根据周期选取用于合成最终播放序列的图像并对选取的图像根据周期的长短选择以单帧图像或子序列为单位进行图像剖分,最后把剖分后的图像重新组合成最终的播放序列。算法对于各种有周期性或近似于有周期性运动的自然场景都能合成贴近真实的视频效果。     

自由立体显示系统背光控制

介绍一种基于瞳孔跟踪的多用户自由立体显示器,利用菲涅尔透镜形成左右眼分立照明区域。本系统采用LCD作为基本显示屏幕,通过指向式LED照明背光设计,高精度瞳孔实时定位装置对人眼位置的探测,AVR单片机的系统控制,形成实时定向跟踪人眼的立体视窗。本装置可提供±25°水平视角范围内1至3人的实时无辅助立体显示。     

分布式网络信息数据防篡改方法研究

为在足球视频中有效的检测与跟踪运动目标,需要对足球比赛视频中目标检测与跟踪算法进行研究。当前采用的算法,在动态场景中,存在运动目标检测与跟踪效果不佳的问题。为此,提出一种基于OpenCV的足球比赛视频中目标检测与跟踪算法。该算法结合平均背景算法将足球比赛视频中目标图像分割为前景区与背景区,计算足球比赛视频每一帧目标图像和背景图像之间差值的绝对差值,同时计算每一个目标图像中像素点的平均值与标准值来建立目标图像背景统计模型,利用TMHI算法对足球比赛视频中目标初始图像进行阈值分割,得到初始分割图像,对分割图像进行中值滤波和闭运算,再使用卡尔曼滤波对分割后的目标图像进行处理,得到镜头中目标的质心位置和目标外界矩形框,然后对足球比赛视频中目标进行跟踪。实验证明,该算法有效的检测与跟踪足球视频中运动目标。     

基于多视角视频的运动重建

为了更逼真地从视频图像序列中实现三维人体骨架动画形式的提取,以便进一步地对人体运动进行分析与研究,提出了一种基于多视角视频的运动重建的方法。该方法充分利用了标记点的信息,其核心步骤有标定摄像机,提取标记点,跟踪标记点和人体运动三维重建四个主要方面。其中,在跟踪标记点时,使用了基于多视觉的目标跟踪算法,该算法由结合了扩展卡尔曼滤波预测与标记点轨迹平滑性约束所构成的双目立体视觉跟踪与多目视觉数据融合两个方面。实验结果证明了所提方法的有效性与可行性。     

丝路文化虚拟体验中的多视角立体重建技术研究

丝路文化是联系一带一路战略的重要纽带,其传承意义重大,但是由于历史地理原因,丝路文化中代表性的历史遗产分散或损坏,难以有效地呈现,因此,本文面向丝路文化的虚拟展示与数字化,提出并实现了基于虚拟现实技术的丝路文化传承平台,通过历史遗迹复原以及基于图像的三维重建,还原了丝路文化中重要节点宁夏固原有关的历史遗迹、文物和事件....     

多视点立体音视频压缩编解码同步研究

为了更好地解决多视点立体视频数据的音视频同步问题,提出了一种基于Direct Show的多视点立体音视频信号压缩编解码同步方案。根据多视点立体视频的光栅显示特点,充分利用了立体视频帧内以及帧问的冗余相关性实现了立体视频数据的无损压缩,同时针对音频数据采用了基于子带编码的方式进行压缩,最后将多视点立体视频与音频数据通过压缩编码后写入立体视频文件,并在解码端通过同步控制机制实现了音视频的同步。实验结果表明,此方法能有效地实现多视点立体音视频同步。     

基于多视图三维重建方法在实验室系统中的应用研究

针对愈渐复杂的实验室系统,采用基于多视图的三维重建方法,实现对实验室系统中设备的结构重建.通过尺度不变特征变换(SIFT)匹配算法进行特征提取和匹配,并利用随机抽样一致性算法(RANSAC)和交叉过滤法降低误匹配率;通过多视图聚簇/基于面片的三维多视角立体视觉算法(CM-VS/PMVS)获取稠密点云;利用PCL泊松曲面...     

基于三维重建技术的多视角视频编码算法

对于多视角视频，尤其是多达几十路视频输入的全景多视角电视这一类应用，必须采取高效的编码方法来对海量的原始数据进行压缩和处理。本文提出了一种基于三维重建技术的全景多视角视频编码算法，三维重建技术的核心思想是基于由多幅二维图像来恢复空间物体三维信息。本算法包括了高效的对应基元匹配和预测编码算法，实现了利用先验空闻几何知识，参考同一时刻位于不同通道的两帧来对当前帧做出高效的预测，实验表明，本算法有效的降低了预测编码时的计算复杂度,提高了搜索速度。     

Dense 3D face alignment from 2D video for real-time use

To enable real-time, person-independent 3D registration from 2D video, we developed a 3D cascade regression approach in which facial landmarks remain invariant across pose over a range of approximately 60°. From a single 2D image of a person's face, a dense 3D shape is registered in real time for each frame. The algorithm utilizes a fast cascade regression framework trained on high-resolution 3D face-scans of posed and spontaneous emotion expression. The algorithm first estimates the location of a dense set of landmarks and their visibility, then reconstructs face shapes by fitting a part-based 3D model. Because no assumptions are required about illumination or surface properties, the method can be applied to a wide range of imaging conditions that include 2D video and uncalibrated multi-view video. The method has been validated in a battery of experiments that evaluate its precision of 3D reconstruction, extension to multi-view reconstruction, temporal integration for videos and 3D head-pose estimation. Experimental findings strongly support the validity of real-time, 3D registration and reconstruction from 2D video. The software is available online at http://zface.org.     

Consistent Depth Maps Recovery from a Video Sequence

This paper presents a novel method for recovering consistent depth maps from a video sequence. We propose a bundle optimization framework to address the major difficulties in stereo reconstruction, such as dealing with image noise, occlusions, and outliers. Different from the typical multi-view stereo methods, our approach not only imposes the photo-consistency constraint, but also explicitly associates the geometric coherence with multiple frames in a statistical way. It thus can naturally maintain the temporal coherence of the recovered dense depth maps without over-smoothing. To make the inference tractable, we introduce an iterative optimization scheme by first initializing the disparity maps using a segmentation prior and then refining the disparities by means of bundle optimization. Instead of defining the visibility parameters, our method implicitly models the reconstruction noise as well as the probabilistic visibility. After bundle optimization, we introduce an efficient space-time fusion algorithm to further reduce the reconstruction noise. Our automatic depth recovery is evaluated using a variety of challenging video examples.     

基于小波域和图像融合技术的视频水印算法研究

提出了一种基于三维小波变换的视频水印算法。算法以二值图像作为水印,并利用了三维小波变换和图像融合技术。首先对水印图像进行置乱预处理以增强其安全性;然后对宿主视频进行视频分割,提取视频关键帧,再将要加入水印的视频关键帧图像与水印图像均进行小波变换,并采用图像融合技术以及分块方法和重复嵌入,大大增强了水印的鲁棒性。