1 / 91
文档名称:

多视点视频编码中关键技术的研究(可复制论文).pdf

格式:pdf   页数:91
下载后只包含 1 个 PDF 格式的文档,没有任何的图纸或源代码,查看文件列表

如果您已付费下载过本站文档,您可以点这里二次下载

多视点视频编码中关键技术的研究(可复制论文).pdf

上传人:mkt365 2013/11/12 文件大小:0 KB

下载得到文件列表

多视点视频编码中关键技术的研究(可复制论文).pdf

文档介绍

文档介绍:华侨大学硕士学位论文
摘要
随着立体显示技术的发展,有关三维(3D)视觉的研究逐渐升温,3D
视频信号也成为了未来多媒体通信的主要内容。多视点视频则是现阶段表
征 3D 视频信号的重要方式,它蕴涵了景物的深度信息,在自然场景的表
征上更具真实感,在 3D 电视、自由视点电视、具有临场感的可视会议及
虚拟现实等领域也展现了广阔的应用前景。随着视点的增加,数据压缩成
了该应用领域的重点研究课题。在多视点视频中,除了各个视频流内具有
很强的空间和时间相关性,各视点之间也具有一定的交叉相关性,因此,
如何有效地利用视点间的视差信息以去除冗余是提高多视点视频编码效
率的关键。为提高多视点视频的压缩效率,本文对多视点视频编码的预测
框架、运动与视差矢量的预测、基于颜色差异补偿的视差预测编码以及基
于对象的立体视频编码等方面进行了分析与研究。
本文首先分析了多视点视频中视差预测特性和各种相关性的相对大
小,在此基础上,提出了基于 的多视点视频编码方案。在视差预测
中引入全局视差预测编码模式,并将其集成到 的多模式预测编码
中,提高了压缩效率;为减少编码视差矢量和运动矢量所需的比特数,提
出了改进的视差矢量和运动矢量预测方法,该方法除了利用视差矢量和运
动矢量的空间相关性,还利用了它们在相邻视点或相邻时刻的对应关系。
在多视点视频中,由于各摄像机所处方位不同,接收到的光线强度存
在差异,同时各摄像机的增益、电平等也不能保证完全一致,导致实际获
得的多视点视频图像之间存在着颜色(包括亮度和色差信号)差别,从而严
重影响多视点视频的压缩性能。为进一步提高多视点视频的压缩效率,本
文深入研究了基于颜色差异补偿的视差预测编码。在分析了不同视点图像
之间的颜色差异基础上,对其进行建模,提出并实现了两种基于颜色差异
补偿的视差预测编码方法:全局线性颜色差异补偿法及全局非线性颜色差
I
华侨大学硕士学位论文
异补偿法。实验结果验证了本文的颜色差异补偿方法明显地改善了视差预
测,提高了多视点视频的压缩效率。
基于对象的立体视频编码压缩技术在立体视频会议系统、视频检索等
应用背景下具有较高的实用性,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的一个前提条件。基于此,本文分析了立体
视频对象分割的特点,提出了基于对象的视差估值算法,接着通过视差分
割及变化检测提取视频对象,最后设计了基于对象的视频编码方案。结果
显示该方案较好地提高了压缩效率。


关键词:多视点视频编码、视差预测、全局视差估计、颜色差异补
偿、多视点视频对象分割

II
知识水坝***@pologoogle为您整理
华侨大学硕士学位论文
Abstract
Studies on three-dimensional (3D) vision are recently ing
increasingly popular due to advances in the 3D display technologies.
In soon future, 3D video signal will be important contents of
munication. As the most important 3D display
technology, multi-view video has been widely used in the fields of
3D TV, free-viewpoint TV, immersive videoconferencing, virtual
reality etc. However, its huge volumn of data is one major obstacle
for the application of multi-view video. A multi-fold increase in
bandwidth over the existing single-view makes it extremely tough
to transmit and store multi-view video data. This thesis mainly
concerns the problems of highly efficient multi-view video coding
(MVC). To achieve pression efficiency, correlation among
different views must be exploite