一种HEVC帧内预测快速算法

HEVC作为新一代的视频编码标准,比现有H.264标准的压缩效率提高近一倍,但其存在复杂度较高的问题。为此,针对HEVC中帧内预测最耗时的模块,即编码单元块划分模块和帧内预测模式选择模块,提出一种适合HEVC帧内预测的快速算法。该算法将率失真(RD)代价作为阈值参数,利用候选模式集中预测模式被选中概率快速递减的规律,基于RD代价进行帧内预测块划分和帧内预测模式选择。实验结果表明,该算法在相同编码质量条件下可减少59%的HM10.0帧内预测模块复杂度,相应比特率的增加幅度小于1.34%。     

面向图像场景转换的改进型生成对抗网络

设计了新的生成器网络、判决器网络以及新的损失函数,用于图像场景转换.首先,生成器网络采用了带跨层连接结构的深度卷积神经网络,其中,多个跨层连接以实现图像结构信息的共享;而判决器网络采用了多尺度全域卷积网络,多尺度判决器可以区分不同尺寸下的真实和生成图像.同时,对于损失函数,该算法借鉴其他算法提出了4种损失函数的组合,并通过实验对比证明了新损失函数的有效性,包括GAN损失、L₁损失、VGG损失、FM损失.从实验结果显示,该算法能够实现多种转换,且转换后图像的细节保留较为完整,生成图像较为真实,明显消除了块效应.     

视频会议中的多画面码流合成的研究与实现*

H.323视频会议系统中的多点控制单元(MCU)能在多点会议中提供音频、视频和数据流的集中处理。针对视频信息的处理需求,提出了一种实用的多画面码流合成策略,它具有计算复杂度低、处理速度快、延时小、不改变原有画面质量等特点。     

H.26L视频编码标准的特点及分析

继制定了H．261、H263、H．263 等视频编码标准以后，ITU—T又正在制定新的视频编码标准H．26L，目的是为了取得更好的图像压缩效果和更多的实用功能。该文介绍了H．26L视频编码标准的产生背景、技术特点，并对其进行了分析。     

基于像素与子块的背景建模级联算法

针对子块级背景建模方法无法保证所提取前景形状的精确性及像素级背景建模方法无法有效处理非平稳场景的问题,提出了一种背景建模分层模型,首先采用文中子块级建模算法得到较为粗糙的背景区域和前景区域,然后利用混合高斯模型对特定图像区域执行像素级的前景提纯或背景模型更新操作,2种不同层次的算法通过非对称前向反馈机制进行级联。实验结果表明,所提分层模型在能够有效处理非平稳场景的同时保证了所提取前景形状的精确性,且对光照突变不敏感,建模效果优于级联算法中任一独立算法,而处理时间小于2种独立算法处理时间之和,满足了实时处理要求。     

基于各向异性热扩散方程的多聚焦图像融合算法

本文根据多聚焦图像的光学成像原理,利用各向异性热扩散方程来估计图像深度信息,并讨论一种基于深度信息提取的多聚焦图像的融合算法.算法首先对两幅多聚焦图像进行光学成像过程的模拟,分别建立正向区域的热扩散方程,通过对热扩散方程的迭代求解估计出图像场景的深度信息.然后对深度信息进行自适应的区域划分,分别得到每幅图像的清晰区域,模糊区域和中间过渡区域.最后通过提取清晰区域的像素点,融合过渡区域的像素点实现多聚焦图像的融合.理论推导和实验验证表明,本方法能够克服常用算法中出现的块效应和人工痕迹,是一种有效的图像融合算法.     

基于斜平面平滑优化的半全局立体匹配

基于斜平面平滑的半全局匹配算法虽然能很好地处理深度不连续区域,减少视差断裂现象,具有很好的视差平滑效果.但此方法计算量大,并且若输入的左右图像对不是理想校正的,最终得到的视差图中可能会出现黑色小方块.针对上述问题,本文提出了一种基于斜平面平滑优化的双目立体视觉算法,优化了视差斜平面拟合过程,提高了斜平面平滑的运算速度;另,通过对初始视差图中无效的视差值进行临近插值填充,很好地解决了视差图中的方块现象;同时考虑到同一分割块内的像素梯度值应比较接近,对图像分割时用到的能量函数增加梯度项,使分割区域更加合理.实验结果表明,本文算法能取得更好的视差图,主观效果得到改善,运算速度提高约40%.     

一种基于拷屏和压缩技术的屏幕共享方案

针对当前多媒体应用领域的一类特殊视频——全屏幕半运动非连续色调彩色视频的压缩和传输需求．提出了一种基于拷屏和压缩技术的解决方案．该方案主要利用拷屏和数据压缩技术来实现异地屏幕显示图象的共享,即首先使用拷屏技术从显卡直接获取屏幕图象．然后对拷屏图象进行降低颜色分辨率的处理;接着运用LZ77数据压缩技术进行压缩;最后打包传输。实验证明,该方案不仅可以获得高达100：1以上的图象序列压缩比,并且具有较好的实时性和较低的解码复杂度,因此,可广泛应用于远程教育、股评分析系统等网络多媒体应用领域．     

基于图切割的拉普拉斯金字塔图像融合算法

针对在图像拼接中普通的拉普拉斯金字塔融合算法容易丢失细节的缺点,以及由于运动物体造成的融合鬼影现象,本文提出了一种基于图切割的拉普拉斯金字塔融合算法。首先,引入图切割技术,寻找最优缝合线,确定一种自适应融合区,以消除运动物体造成的融合鬼影;其次,利用源图像完整细节对重构误差进行补偿,提出一种基于包含水平方向在内多个方向的加权融合方法,将源图像和拉普拉斯金字塔融合图像按照这种融合规则进行融合。实验结果表明,与经典拉普拉斯融合方法对比,在客观指标上,本文方法的图像均值平均提高了0.326,标准差(SD)平均提高了1.109,信息熵平均提高了0.041,图像清晰度平均提高了0.289;在主观效果上,本文方法无明显拼接痕迹和融合鬼影,较好保留了图像细节,提高了融合质量,全景图拼接更加真实,改善了整体的视觉效果。     

基于霾层学习的单幅图像去雾算法

针对传统去雾算法出现色彩失真、去雾不完全、出现光晕等现象,本文提出了一种基于霾层学习的卷积神经网络的单幅图像去雾算法.首先,依据大气散射物理模型进行理论推导,本文设计了一种能够直接学习和估计有雾图像和霾层图像之间的映射关系的网络模型.采用有雾图像作为输入,并输出有雾图像与无雾图像之间的残差图像,随后直接从有雾图像中去除此霾层图像,即可恢复出无雾图像.残差学习的引入,使得网络来直接估计初始霾层,利用相对大的学习率,减少计算量,加快收敛过程.再利用引导滤波进行细化,使得恢复出的无雾图像更接近真实场景.本文对不同雾浓度的有雾图片的去雾效果进行测试,并与当前主流深度学习去雾算法及其他经典算法进行对比.实验结果显示,本文设计的卷积神经网络模型在图像去雾的应用,不论在主观效果还是客观指标上,都有优势.