基于超分辨率重建的视频图像压缩方法的研究 第8页
缓冲器下溢，一I-N
幽2．6基本MPE(j视频编码器
Fig．2．6 Basic MPEG video code device
(2)量化
DCT系数采用量化(Quantization)进行压缩是一个关键性的运算，因为组合
量化和游程长度编码可以提供最大的压缩量，也可以通过量化使编码器输出匹配
成1个给定的比特率。实际上，自适应量化是实现视觉质量的关键性工具之一，
在量化中会减少频率域中描述DCT系数的精度。这一点可从图2．7基本MPE(；编码
器的运动补偿预测编码过程简化电路图看出。用当6，J帧的原始图像的取样值减去
当前帧解码复原值，其差值为：
．厶一，j=‘一e：一／=?=％+，j—ei一，?=e，，一e：=(『。 (2．2)
第2章视频图像压缩技术及超分辨率重建技术的概要
豁
幽2．7运动补偿预测简化框图
Fig．2．7’l'he simplifled block—diagram Of motion compensated prediction
式2．2中q。为量化误差，即量化误差的大小决定了图像恢复的精度。这表明，
可以利用调整量化器误差大小来调整量化精度的高低。实际量化是DCT编码输出
的系数块中的每个DCT系数除以量化器表中与其系数对应位置上的量化步长。量
化步长是一个大于1的值，可根据编码图像的复杂度改变，甚至可对每个DCT块
改变量化矩阵值。根据DCT的结果分析，直流分量DC体现了大多数普通图像的
内容，应该用较小的量化步长去分配；交流分量AC只体现了普通图像所包含频谱
中的很少一部分，应该用较大的量化步长去分配。量化了的不同频率的频域系数
趋向“0”值，而且这些大群的“O”在许多情况下都是群集在较高频率上的。因
此，通过一串“O”的个数的编码而不是对每个单独的“O”本身的编码，可以取
得附加的压缩效果，这就是游程长度编码(RLC—Run Length Cod i ng)【50]。
(3)编码
编码是DCT压缩系统的最后一步。在对64个DCT系数均匀量化后，系数分
成为直流(DC)和交流(AC)两个部分。DCT系数代表了分量模块的平均亮度，可
采用差值脉冲编码调制(DPCM)进行编码；对AC系数，由于非零的DCT系数大多
数集中在矩阵的左上角，在进行编码之前先对量化后的DCT系数进行“之”字形
扫描，有利于得到一个长的“0”序列，提高编码效率。DCT系数扫描方式有“之”
字形和“准之”字形两种。逐行扫描采用“之”字形传送量化后的DCT系数，。隔
基于超分辨率重建的视频图像压缩方法的研究 第8页
行扫描采用“准之”字形传送量化后的DCT系数，两种扫描方式如图2．8所示。
通过“之”字形扫描，将8×8的像素块转换成为l×64的码组，以便进行游科
长度编码(I{LC)和可变长度编码(VlJC)。
“之，，字形扫描(遥行) “准之”字形扫描(隔行)
幽2．8 DCT系数扫描
Fig．2．8 111e DCT coefficients scanning
2．3图像超分辨率重建技术概述
图像超分辨率重建技术最初于上个世纪60年代由Harris和Goodman以单帧
图像复原的概念和方法提出，随后许多学者对其进行了研究，并相继提出了各种
图像超分辨率重建方法，但是虽然这些方法做出了比较好的仿真结果，却没有在
实际中得到广泛的应用；上个世纪80年代初，’l"sai和Huang首先提出了基于序
列或多帧图像的超分辨率重建问题[43]，并给出了基于频域的逼近方法；80年代后
期，随着计算机利学和工程等相关领域的持续不断的发展，人们在超分辨率图像
重建方法的研究上取得了突破性的进展。
2．3．1多帧图像超分辨率重建技术
多帧图像超分辨率重建技术是利用序列低分辨率图像重建高分辨率图像，从
理论上蜕，图像超分辨率重建要求序列低分辨率图像的不同帧『日J存在非冗余信息，
而利用这些非冗余信息和某些先验信息所得到的高分辨率图像的频谱比单帧低分
第2章视频图像压缩技术及超分辨率重建技术的概要
辨率图像的频谱更加丰富，因此细节会更多，重建效果会更好。这些非冗余信息
主要是由以下几种情况造成的：对场景提供不同的光照条件或者其它外界条件例
如天气变化等造成序列低分辨率图像帧『日J存在非冗余信息，主要表现在亮度上的
差别；采用不同的传感器造成低分辨率图像帧问的错位；在光照条件相同，采用
一个传感器的条件下，相机抖动、场景和相机之I训存在相对运动、目标的生长以
及场景中其它景物的变化造成序列低分辨率图像帧『白j存在非冗余信息。
1)对图像超分辨率重建的要求
由于图像欠采样会引起频率混叠，欠采样越严重，频率混叠也越严重。频率
混叠不但会扭曲混叠部分的频率结构，而且会丧失景物被混叠的高频成分，这样
不但会使图像景物的细节模糊，而且在频率混叠较严重时还可能出现假象，导致
分辨率和对比度都会降低。因此，应该对低分辨率图像的超分辨处理提出下列要
求：
(1)增加低分辨率图像的采样点数，即增加采样点的密度；
(2)增强边缘与纹理，增加对比度；
(3)消除假象，提高逼真度；
(4)能够解丌低分辨率图像的频率混叠；
(5)恢复和扩展在低分辨率图像中损失的高频分量；
(6)改善频谱结构，使其逼近原始图像的频率结构。
前三条要求是相对于空域而言的，后三条要求是频域的，并且存在互相对应
的关系。从目前的研究和应用成果来看，图像超分辨率重建算法主要可以分为两
类：频域法和空域法。 、
2)频域法
频域方法主要有频域解混叠算法(Recorlstruction via Aliased Remc)val)。
频域解混叠算法是在原场景信号带宽有限的假设条件下，利用离散傅立叶变换和
连续傅立叶变换之问的平移和混叠性质，给出了一个由一系列欠采样观测图像数
据重建高分辨率图像的公式，从而求得原始场景的频率域系数，再利用求解的频
率域系数进行傅立叶逆变换就可实现原始场景的精确重建。
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8页下载如图片无法显示或论文不完整，请联系qq752018766
