浅谈视频编辑中的抠像技术

抠像技术的发展和应用让人们在后期视频编辑中有了更加丰富的手法。本文阐述了抠像技术的要点,探讨了抠像的具体操作流程和注意事项,介绍了抠像技术在后期影视编辑的重要性,它的应用为影视节目的制作提供了全新的方式。     

基于边缘异常与压缩跟踪的视频抠像篡改检测

近年来视频的真实性认证成为信息安全领域的一个研究热点。视频的篡改方式多种多样,为了有效判断视频中某个目标的出现是否真实,提出一种视频抠像的篡改检测方法。由于成像设备CFA插值的存在,使得像素存在一定的邻域相关性。为此,提取视频的帧序列,对图像帧进行Sobel边缘检测,计算边缘点4个方向上像素值的偏差来检测边缘点,确定异常边缘点,定位篡改区域,并对篡改区域进行学习,结合压缩跟踪算法快速查找时域上帧的篡改范围,当目标消失跟踪结束之后,在目标出现的最后一帧再次进行异常边缘检测,与最初检测到的异常区域进行对比,查看检测结果是否一致。实验结果表明,该算法大幅提高了检测效率,并且准确率较高。     

视频抠像技术在微课制作中的应用研究

本文简要介绍了视频抠像技术重要性,分析了以Camtasia Studio为基础视频抠像技术在微课制作中的具体流程,以及提高抠像效果的影响因素。为提高视频抠像的同步性,本文采用OTSU(最大类间方差)算法的亮度抠像方法,并通过具体事例《高锰酸钾制造氧气》微课制作进行分析。     

基于抠像技术的图像无缝融合算法

为了更快更好的进行图像融合,在用自由融合算法对泊松图像编辑与抠像技术进行改进的基础上,实现了一套图像自由无缝融合算法。该融合算法首先利用抠像技术来提取图像中的物体边缘,然后迭代求解泊松方程,从而取得了自然的融合效果。该算法与最新的无缝融合算法相比,其优点在于:①对于前景与背景的颜色变化复杂的图像,仍可得到准确的边缘;②可以使用户能引导前景映射图的走向;③无论图像前景层中存在多少个洞,融合效果将不受任何影响。这使得该算法的应用具有相当的灵活性。对于目前的图像融合技术而言,该算法可以获得更高的融合质量、更快的处理速度以及多样的融合效果。     

基于局部抠像技术的融合图像精确跟踪算法

为了提高跟踪精度,提出一种基于局部抠像的融合图像全自动精确跟踪算法。首先采用帧间差分法获取运动目标的大致区域,并自动生成局部抠像框,由此采集目标、背景代表颜色集合;在此基础上自动生成抠像所需的草图,实现对目标的抠像;最后对抠像产生的前景映射图进行边缘检测即可获取精确的目标轮廓,并可根据跟踪结果对模型进行更新。对于实验的图像序列,与目标实际中心相比较,抠像跟踪误差均值为0.9像素,传统均值漂移跟踪误差均值为5.2像素。实验结果表明,该方法跟踪结果能完整、清晰地表示目标轮廓,很好地解决了跟踪中的漂移问题,提升了跟踪精度     

基于深度图的3D-HEVC鲁棒视频水印算法

针对多视点加深度格式的3D视频中深度图鲁棒性不足的问题,提出了一种基于深度图的3D鲁棒视频水印算法。首先,将深度图不重叠的划分为4×4大小的块,计算每一块像素域的均方差,并设置一个阈值来区分纹理块和平坦块;其次,对纹理块计算区域块的能量值,根据计算的能量值设置一个阈值来选择性嵌入水印比特位;最后,获取每个块变换量化后的DC系数,根据获取的DC系数值构造3×3的可逆矩阵,对可逆矩阵进行QR分解,将水印嵌入在分解后的Q矩阵中。所提算法保证了平均峰值信噪比不变,且不同量化参数（QP）值（25、30、35、40）的重编码攻击下的平均误码率为14.9%。从测试的结果来看,该算法具有较好鲁棒性和嵌入容量,同时对视频的质量影响很小。     

针对视频序列分类的快速抠像技术

针对视频序列分类的问题提出了一种快速抠像技术.根据视频序列间的相关度进行关键帧的区分,得到关键帧、序列间变化细微的非关键帧、序列间变化较大的非关键帧;对于关键帧,采用闭合式的抠像方法来进行处理,获得透明度值、前景像素值和背景像素值;对于变化细微的非关键帧,提出了一种基于帧间连续性的透明度值估计和优化方法;对于变化较大的非关键帧,提出了一种基于特征流传递的机制来传递关键帧的有效信息.实验结果表明,最终在获得与传统方法相比可接受的抠像效果条件下,这种快速抠像技术缩短了处理时间.     

基于ROI运动区域的分布式视频编码方法

传统的分布式视频编码方法中,视频帧的解码通常采用内插或外推的方法,然而对于运动剧烈视频帧的解码效果却并不理想,会产生重影、鬼脸等现象.因此,提出了一种基于ROI运动区域的分布式视频编码解决方案,通过在编码端提取ROI辅助信息,然后在解码端将其与边信息做融合处理来得到更加准确的边信息,从而提高视频解码的质量.实验结果表明,与传统的分布式视频编码方法相比,基于ROI运动区域的分布式视频编码解决方案在性能上平均有3.1db的提高.     

基于交互式感兴趣区域的教学视频编码

为了在现有网络带宽和网络客户端处理能力的条件下提高网络多媒体教学系统中的视频质量, 提出一种基于交互式感兴趣区域的教学视频编码算法。首先利用经典的GrabCut算法在低分辨率视频中交互式检测感兴趣目标, 基于区域生长算法定位各目标所在区域并映射到高分辨率视频中; 然后提取出感兴趣区域, 缩放到显示分辨率, 对各感兴趣区域编码生成H. 264标准兼容的码流。实验结果表明, 在相同视频质量下, 该算法可以有效减小传输码率、降低客户端的计算复杂度, 相比现存方法, 传输码率最大节约94. 3%, 计算复杂度降低526%。     

基于引导采样的Kinect深度图修补算法

针对Kinect采集到的深度图带有大量的结构性缺失,提出了一种新的深度图空洞噪声修补算法。算法首先将深度图所对应的彩色图片转化为灰度图,然后用Kmeans算法将彩色图转化而来的灰度图进行聚类处理,将生成的聚类图作为引导图。联合引导图对深度图空洞噪声边缘深度值采样,采集多个深度值并计算深度均值,最后使用深度均值来作为空洞的深度估计值。通过与MC-UE算法相比较,由于有引导图的矫正作用,边缘细节更加清晰准确。对于处理较小面积的空洞噪声,处理结果相较于MC-UE算法,均方误差仅降低4%左右。但对于处理较大面积的空洞噪声,均方误差较MC-UE算法降低了9.65%~14.32%。     

一种鲁棒视频抠图算法*

基于鲁棒抠图算法提出了一种鲁棒视频抠图算法。新算法给出了一种基于少量手工标记的Strokes生成Trimap的方法,为视频帧半自动生成较为粗糙的Trimap划分,同时结合标记传递策略大大减少视频抠图过程中的手工标记操作。理论分析和实验结果证明鲁棒视频抠图算法能够获得较优的视频抠图结果。     

复杂环境下基于信息融合的视频实时抠像算法

针对复杂场景下传统的视频抠像算法对目标物体与背景纹理相似或边界不清晰的图像分割困难的问题,提出了一种基于视觉传感器和激光雷达信息相融合的视频实时抠像算法。该算法从原始激光雷达点云数据中获取感兴趣区域深度信息,并作为先验知识融合到改进的谱抠图算法,创建感兴趣区域深度抠图拉普拉斯矩阵,通过聚类算法最优迭代得出抠像结果,并运用导向滤波器对抠像结果进行后处理。实验证明,对比于融合深度信息的传统算法和没有融合其他信息的算法,该算法降低了欠分割率、提高了运行效率,抠像目标的边缘信息也更加饱满、清晰、平滑。     

面向多媒体传感器网络的视频压缩新算法

视频压缩可以降低多媒体传感器网络中的数据信息量。传统分布式视频编码方案采用区域统一编码,可能导致运动剧烈区域解码估计的失真。提出一种改进的分布式视频编码算法。该算法基于图像梯度场,针对Wyner-Ziv帧不能准确编解码的区域,通过ROI判定准则提取该区域并基于熵编码压缩,图像其他区域则基于LDPC实现分布式编解码,进而实现视频的优化传输。仿真实验表明：本文算法可增强运动剧烈区域的编码效率,在降低码率的同时提高解码图像质量,最终降低传感器节点能耗。     

基于粗糙集的图像感兴趣区域自动提取算法

在分析常规区域生长算法的基础上,提出一种基于粗糙集理论的感兴趣区域自动提取算法．在显著度图和相对位置指示图的基础上,以像素点的显著度、相对位置及颜色信息构成知识表达系统,通过属性约简和值约简,导出了有用的区域生长决策规则。实验结果表明：该方法与现有算法相比,它能够更好地提取图像感兴趣区域。     

基于图像抠图技术的多聚焦图像融合方法

针对多聚焦图像融合容易出现信息丢失、块效应明显等问题,提出了一种新的基于图像抠图技术的多聚焦图像融合算法。首先,通过聚焦检测获得源图像的聚焦信息,并根据所有源图像的聚焦信息生成融合图像的三分图,即前景、背景和未知区域;然后,利用图像抠图技术,根据三分图获得每一幅源图像的精确聚焦区域;最后,将这些聚焦区域结合起来构成融合图像的前景和背景,并根据抠图算法得到的确定前景、背景对未知区域进行最优融合,增强融合图像前景、背景与未知区域相邻像素之间的联系,实现图像融合。实验结果表明,与传统算法相比,所提算法在客观评价方面能获得更高的互信息量（MI）和边缘保持度,在主观评价方面能有效抑制块明显效应,得到更优的视觉效果。该算法可以应用到目标识别、计算机视觉等领域,以期得到更优的融合效果。     

融合多线索信息的数字图像抠图方法研究

针对自然图像抠图方法中存在对先验知识过度依赖和交互输入繁琐的问题,为了扩展自然图像抠图方法的使用范围,提升自然图像抠图方法的自动化程度,提出一种融合多线索信息的数字图像抠图方法。利用原始自然图像所对应的深度信息和视觉显著度信息进行感兴趣区域粗分割;利用形态学的膨胀与腐蚀算法对感兴趣区域的分割结果进行粗分割区域膨胀和粗分割区域腐蚀操作,从而得到抠图过程所需的三分元素图;利用彩色纹理图像和三分元素图,并结合使用相似性传递抠图方法获得精细的前景目标抠图结果。实验结果表明,该方法不仅能够得到较为理想的抠图效果,而且大大提升了自然图像抠图方法的自动化程度。     

基于纹理聚类的抠图算法

针对当图像纹理比较丰富时抠图难的问题,基于K近邻(KNN)抠图算法提出了一种纹理聚类抠图（TCM）方法。该方法首先提取出纹理特征;然后用该纹理特征与颜色和位置特征一起构造新的特征空间;接下来在该特征空间上聚类近邻像素以构造Laplacian抠图矩阵;最后利用闭形解求解不透明度。在基准数据集上的实验结果表明,该方法的总排名有显著提升,对于纹理丰富的图像取得了比较好的抠图效果。     

基于视觉注意的医学图像感兴趣区域提取*

提出一种基于视觉注意机制的医学图像感兴趣区域提取方法。受生物学启发,该方法模仿人类自下而上的视觉选择性注意过程,通过计算图像中每个像素的全局对比度,构造相应的显著图,并根据显著图,检测出图像中的显著区域。利用多幅医学图像对本方法进行评估,结果表明,该方法能够快速、精确地提取图像中的感兴趣区域,在提取结果和运算速度上均取得了令人满意的效果。     

基于感兴趣区域的可伸缩性容错编码

为了在低带宽的条件下提高视频质量并获得更高的编码效率,提出一种基于感兴趣区域(ROI)实现可伸缩容错编码的方法.在编码时结合基于ROI对象的动态FMO,满足了编码效率和容错性能的折衷.同时,结合FMO特性实现对增强层的感兴趣区域的优先传输,提高了视频质量和码流的可伸缩性.实验结果表明,该方法对于带宽受限条件下的图像传输具有很好的差错鲁棒性,图像PSNR可以提高2.5 dB左右,能为图像感兴趣区域提供有效保护,提高图像质量.