交叠正交变换与视频分割编码的分析

《交叠正交变换与视频分割编码的分析》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、摘要摘要本文的工作针对视频编码技术发展，做了两部分的研究，一部分是对第一代编码技术的改进技术进行研究。对去除块效应的交叠正交变换进行深入研究，将其扩展变换应用在视频编码上，另一部分是第二代编码技术的关键技术一视频对象分割与编码的研究。具体做了以下几个方面的工作：第一部分是对去除块效应的交叠正交变换进行深入研究，这部分的主要工作如下：1．对去除块效应的交叠正交变换进行深入研究，给出交叠正交变换的理论分析，并进行实验仿真。实验结果表明该方法的编码效率优于离散余弦变换编码。2．提出一种改进的复数交叠变换域的运动估

2、计方法。本文推导出一种复数交叠变换域的相位相关法，它是在对应交叠窗口区域进行运动估计的基础。利用复数交叠变换的交叠窗口平滑特性，该方法有效减少块边缘不连续性，因此得到的光流场较为平滑，从而减少运动矢量的传输码流。实验表明该方法优于快速块匹配算法，接近全搜索估计性能。该方法产生光滑的光流场，减少运动矢量的传输码流，并且计算时间较少。3．针对视差估值的特性，我们提出了分层复数交叠变换的视差估值方法。首先构造了复数交叠变换的快速实现算法，然后在多分辨率结构上利用复数交叠变换相位相关方法进行视觉估计。由于该方法在交

3、叠窗口区域进行全局最优估计，并且采用多分辨率的结构克服固定块匹配的缺陷，得到较准确的视差矢量，并且产生光滑的视差图。实验结果证明该方法降低视差估值的运算复杂度，提高视差图的平滑度，可以在立体视频编码中发挥重要作用。第二部分是对第二代编码技术的关键技术一视频对象分割与编码的研究。主要作了以下的工作：1．分割是视频对象编码的前提。本文对帧内图象分割进行了深入研究，提出了两种彩色空间分割方法：一种是利用RGB空间的梯度提取标记图象，利用标记进行I特征空间的区域生长。该分割方法更有效地抑制过分割，并且更好地提取出图

4、象的语义信息，实验结果表明该方法简单有效，复杂度低。另一种是基于HSI空间的语义区域合并，在RGB空间分割的基础上，利用视觉感知特性进一步进行区域合并。它尽可麓大地保留了较大的语义均匀区域，又采用足够区域细致表达感知复杂的区域。总的来说，两种方法都可以得到较好语义的分割效果。2．提出一种针对视频对象的形状自适应小波编码方法，能够有效地对任意形状的视频物体进行编码。该方法直接对任意形状区域进行形状自适应小波变换和华南理工大学工学博士学位论文扩展SPIHT编码，不仅保证形状自适应小波变换的空间相关性，子带自相似

5、性等特性，而且实现对任意形状区域嵌入式压缩，从而进一步提高编码效率。实验结果表明该方法克服了形状自适应离散余弦变换编码的块效应问题，能够在保证对任意形状视频对象的交互操作功能同时有效提高编码效率。关键词交叠正交变换；视频对象；复数交叠变换；彩色图像分割；形状自适应小波编码AbstractThemainfocusofthisdissertationisondevelopmentofvideotechnology，anddividedintotwopart：onepartisabouttheresearchof

6、theimprovementoffirstgenerationvideotechnology．Adetailanalysisforthelappedorthogonaltransformismade，anditsextendedtransformisappliedinthevideocoding；meanwhile，otherpartisaboutthekeytechnologyofsecondgenerationvideotechnology。videoobjectsegmentationandcodin

7、g．Themainfocusoffirstpartisontheresearchaboutthelappedorthogonaltransform，whichcouldreduceblockeffectofimagecoding．Themainworkofthispartisasfollows：1，Thedetailanalysisoflappedorthogonaltransform，whichcanreduceblockeffect，ispresented．Theoryanalysisoflappedo

8、rthogonaltransformisgiven，andtheexperimentisdone．TheexperimentalresultsshowthismethodcouldgivebettercodingefficiencythanthetraditionalDCTimagecoding．2．Improvedcomplexlappedtransformdomainmotionestimationispre