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
第3章算法整体框架的设计
基于超分辨率重建的视频图像压缩方法所提出的算法框架的目的在于降低传
输视频序列所需要的比特率，具体表现在以下三个方面：
(1)降采样过程。本文降采样因子(_j=2，所以在降采样过程中数据量减少，1
倍；
(2)压缩降采样后的低分辨率图像序列。在减少4倍数据量之后进行压缩，
减少的数据量可见本文算法的压缩率；
(3)对解压缩后的低分辨率图像序列进行超分辨率重建。超分辨率重建是，
对于不同的分割区域采用不同的重建方法，也可以有效地减少运算时所需要的数
据量。
通过以上算法整体框架的设计及算法的研究，可以看出将超分辨率重建技术
应用到视频图像压缩领域罩去是可行的。整体框架的每一部分将在下文进行详述
的介绍。
3．4区域分割的重要性
从上文的整体框架中可以看出，区域分割过程是十分重要的，不但用于指导
降采样过程，而且用于指导超分辨率重建过程。本文所采用区域分割方法是一种
基于图像分割的阈值法。主要是因为阈值法的优点是计算简单，速度快，易于实
现。尤其是对于不同类的物体狄度值或其他特征值相差很大时，能很有效地对图
像进行分割。
所谓图像分割就是把图像中具有特殊涵义的不同区域区分丌来，这些区域是
互不相交的，每一个区域都满足特定区域的一致性‘。副。基于区域的图像分割算法
是图像分割算法中较常用的一部分。阈值法是一种简单有效的基于区域的图像分
割方法，这罩所说的阈值是指用于区分目标和背景的灰度门限等。如果图像只有
目标和背景两大类，那么只选取一个阈值称为单阈值分割。如果图像中有多个目
标，就需要选取多个闽值将目标及背景分丌，这种方法称为多阈值分割‘。刚。常用
的阈值选取方法有：灰度直方图峰谷法[37]、最小误差法[。引、最大类『白J方差法【。引、
最大熵自动阂值法[。。】等。第4章将详细介绍本文所采用的区域分割方法。
基于超分辨率重建的视频图像压缩方法的研究 第11页
第4章基于区域分割的降采样技术
4．1引言
在编码端，首先对原始高分辨率视频序列进行预处理，预处理过程包括：将
原始高分辨率视频序列分成若干个图像组(GOP)；将每一个GOP中每一帧图像进
行不同区域的分割(即将每帧图像分为三类宏块：运动块M、无运动纹理块T和无
运动平滑块F)，将每一帧图像进行基于区域分割的降采样，从而得到降采样的结
果图。基于区域分割的降采样技术原理如图4．1所示。在这早，以块的分类形成
区域的分类，宏块的分割与区域的分割概念可以等同的，所以后文中均表述为宏
块的分割，实验结果见第6章。
图4．1基丁区域分割的降采样技术的流样图
Fig．4．1 Down—sampling chat based on region seganentation
视频压缩将原始高分辨率视频序列分成若干个图像组(GOP)，是以宏块为，’fL
位进行的，因此在基于区域分割的降采样技术中，Ⅱ三是以宏块为单位进行的，多
个同种类型的块形成同一区域。
无论是以消除图像数据的线性相关性等统计冗余信息的第一吖弋图像压缩方法
第4章基于区域分割的降采样技术
还是基于内容的第二代压缩方法，压缩过程处理的最小单位都是宏块，变换编码
以宏块为单位，运动补偿中各种运动搜索算法都以宏块为单位，因此宏块分类无
论是对于减少运动搜索的计算量，还是对于提高压缩率都具有重要的意义。在将
帧内宏块分为运动宏块和静止宏块后，运动宏块进行运动搜索，运动补偿；对于
静止宏块，无需进行运动搜索，这可以大量的减少运算。宏块分类还可以应用到
本文的降采样技术和超分辨率重建技术上去。因此，宏块的分类是十分必要的。
4．2宏块分割
4．2．1运动块及无运动块的分割
每一帧图像的区域分割都是以宏块为单位进行的，以块的分类形成区域的分
类。视频帧问内容变化与相关的本质原因是宏块的变化，视频帧内物体的运动可
以理解为宏块像素值的改变，以一个简单的平移运动为例，平移运动在宏块层面
上可以看作是物体原来位置宏块的像素灰度由物体的灰度改变为背景的狄度，而
物体平移后位置处的宏块像素狄度由背景灰度改变为物体的灰度，一个运动会导
致两处宏块灰度的改变。这两处灰度发生改变的宏块可以理解为发生运动的宏块，
其处理过程需要进行运动搜索和运动补偿。对于没有物体运动发生的地方，可以
看成是静止不动的背景，这部分没有发生运动背景所包含的宏块可以理解成静止
宏块。
由于宏块分类的目的是减少运动搜索带来的计算复杂度，而在运动搜索中主
流的是块匹配方法，因此块匹配方法中匹配准则对于宏块分类方法是有直接指导
意义的。基于块匹配搜索方法的常用匹配准则是均方误差准则(MSE)和平均绝对
差值准则(MAD)，B(I，J，k)为第k帧中的块， B(I+i，J+j，k一1)为第k—l帧中的
块，MSE和MAD分别定义为：
MSE伽)。杰萎驴(…一州一s(川M川机㈧)]。 ‘4·1’
MAD(“)。击善驴(m一叫一s(川地■帆¨)l ‘4·2’
<< 上一页 [11] [12] [13] [14] [15] [16] [17] [18] [19] 下一页
基于超分辨率重建的视频图像压缩方法的研究 第11页下载如图片无法显示或论文不完整，请联系qq752018766
