基于超分辨率重建的视频图像压缩方法的研究 第10页
基于超分辨率重建的视频图像压缩方法的研究 第10页
的环节。在数学工具发展的基础上研究建立更加符合成像过程的模型；
精确稳健的重建算法。尽管目iU国内外已经提出了许多超分辨率复原算法，
但这些算法仍然存住着较大的缺陷和不足。POCS和ⅥAP是两种很有i，』景的研究方
法，而混合POCS和MAP方法也是一种很有前途的方法，基于小波变换的插值与
超分辨率重建也是一种很值得进一步研究的方法。也就是说，完善现有算法，不
断发展新的算法，以提高超分辨率图像复原的能力，减少计算量，加快运算的收
敛速度，适用于不同的图像要求是一项十分重要的任务。增强算法的鲁棒性、收
敛性和适用性；针对视频压缩格式和编解码技术的图像超分辨率重建。在超分辨
率复原算法中，这种技术需要综合考虑成像模型和压缩算法带来的图像污染，要
同时考虑采样和量化带来的图像退化，以及运动补偿和编码传输机制，以提高压
缩视频的超分辨率能力。目前此类技术研究已陆续开展起来陋小邛J。
第3章算法整体框架的设计
第3章算法整体框架的设计
3．1整体框架的设计需求
从上文分析可以看出：
(1)如果从信息压缩的角度来说，超分辨率重建过程是基于解压缩过程基础
上的，也就是利用较少的信息量就可以重建出高分辨率图像序列，显然如果将超
分辨率重建技术和视频压缩技术进一步结合，必将进一步提高视频图像的压缩率。
(2)如果直接将超分辨率重建方法用于压缩对象，其重建的实际效果并不令
人满意，这是因为压缩过程对于图像和视频造成了新的降质，而基于传统空『白J域
的超分辨率重建算法模型并没有考虑这一点。另外，视频压缩方法将图像表现为
一系列的运动矢量和变换系数，其可用信息的表示方法也与传统未压缩视频不同，
对这类信息进行超分辨率重建包含许多需进一步研究的问题。
(3)一种直观的重建思想是可行的，即先将压缩视频解压缩，再利用视频图
像的超分辨率重建算法把解压缩后得到的低分辨率图像序列恢复成原始高分辨率
图像序列。这也是本文研究的重点，这项研究所涉及的内容较多，需要一个简单
有效的平台。
由此得出面向“基于超分辨率重建的视频图像压缩方法的研究 第10页”的整体框架
设计需求为：
(1)在保证图像恢复质量的前提下，提高视频图像的压缩率。
(2)充分利用已成熟的视频压缩技术和超分辨率重建技术。
(3)将超分辨率重建技术引入到视频压缩领域罩去，有效地降低数据量。
(4)整体框架要有效、简单直观和便于扩展。
3．2算法整体框架的设计
D．Barreto等提出了一个基于超分辨率的视频图像压缩的框架[6I】。整体框架包
括两部分：传输端和接收端。传输端包括：获取高分辨率图像序列(HR)、对高分
辨率图像序列(HR)进行基于区域分割的降采样、将分割信息传输到解码端、对
基于超分辨率重建的视频图像压缩方法的研究 第10页
得到的低分辨率图像序列(LR)进行压缩。接收端包括：对相关参数和LR图像序列
进行解压缩、LR图像序列的超分辨率重建、得到估计的高分辨率图像序列HR。旗
于超分辨嗄建技术的视频图像压缩方法的原理如图I{．1所示。
高分辨辜图像序列 估计的高分辨车图像序列
传输端 接收端
图3．1基丁超分辨重建的视频图像压缩方法的原理图
Fig．3．1’Re flow chat of super--resolution based on VideO compression
在此框架基础上，本文提出一种更直观的重建思想：在MPEG一2视频编码标准
基础上，先将压缩视频解压缩，再利用视频图像的超分辨率重建算法把解压缩后
得到的低分辨率图像序列恢复成原始高分辨率图像序列；对相关技术如区域分割
技术、降采样技术和超分辨率重建技术进行研究；对基于超分辨率重建技术的视
频图像压缩方法进行研究，分析、没计并实现了算法整体框架，在保证图像恢复
质量的iU提F，提高视频图像的压缩率。
3．3算法整体框架的实现流程
本文提出了算法改进主要包括以下几个部分：
(1)区域分割
第3章算法整体框架的设计
以宏块为单位，对原始高分辨率图像序列的每帧图像均进行区域分割，分为
三类块：M、F、T。运动块与无运动块的分割。本文采用基于宏块运动性的分割方
法。宏块的运动性很大程度上体现为灰度的变化，运动块应该具有以下两个特点：
与参考帧中对应块的狄度差异明显、具有一定数量灰度差异大的像素点。根据运
动块的特点，给定平均灰度阀值和像素点数量阀值(平均灰度阀值和像素点数量
阀值的定义见第四章)，大于这两种阀值的块判定为运动块，否则为无运动块；对
于平滑块与纹理块的分割，本文采用基于Canny算子的分割方法。宏块分类完成
后，将宏块属性(宏块类型和宏块位置信息)传输到接收端。第四章将详述介绍
本文所采用的区域分割方法。
(2)基于区域分割的降采样
本文所采用的方法是对不同的分割区域进行不同的降采样。运动块和平滑块
采用相同的降采样方法，纹理块采用的降采样方法还与块所在帧的类型相关。第
四章将详述介绍本文所采用的降采样方法。
(3)基于区域分割的超分辨率重建方法
对于已知运动信息的视频序列，如本文所选取的视频序列Mov和Tank。由于
运动矢量已知，可以精确地进行图像配准，因此运动块可采用基于图像配准的超
分辨率重建方法；而平滑块可采用双线性插值的方法；纹理块可采用
AMR(Artificial Motion Recollstruction)的超分辨率重建方法。
对于实际的测试序列，如本文所选取的狄度测试序列Hall monitor，
Mother—datlghter，F0reman币口Coastguard(均玮)(白Center for Image Processing
Resea,rch[60])。由于不知道所选序列的运动信息，如果采用基于图像配准的超分辨
率重建方法，图像配准的精度就无法达到超分辨率重建所需精度，所以，本文对
于此类视频序列的运动块和平滑块都采用双线性插值的方法，纹理块采用基于
AMR(Artificial M0ti()n Roe：onstruction)的超分辨率重建方法。
本文提出的算法流程如下：
(1)将原始高分辨率图像序列HR中的每个宏块都分割为三类：运动宏块M、
无运动纹理块T、无运动平滑块F。产生区域分割信息(即宏块属性信息)，将宏
上一页 [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] ... 下一页 >>
基于超分辨率重建的视频图像压缩方法的研究 第10页下载如图片无法显示或论文不完整，请联系qq752018766
