论文部分内容阅读
三维技术的应用广泛,涉及工业,教育,航天和医疗等各个领域,也是未来多媒体发展的方向,然而立体技术对视点数目是有要求的,随之而来的就是数据量的问题。因此,高效率的图像压缩就成为了对抗数据激增的热门研究。本文使用的是纹理图像和深度图像相结合的方式来表示三维图像。多描述编码的出现,解决了在传统信道上由于网络延迟和丢包引起的质量严重下降的问题。本文基于多描述的方法,将其应用到三维图像的编解码中,完成的工作主要包括:(1)在三维图像技术中,深度图像代表了场景中物体和摄像机的距离,结合已有的多视点图像,可以有效地合成任意虚拟位置的图像,从而更加完整地展现整个场景的信息。深度图像的一些高频分量在一定程度上对于合成图像的质量并没有太大影响,尤其是针对多描述编码的方法来说,这些信息还会对压缩传输造成码率浪费。本文提出一个基于DCT域深度图像冗余去除的多描述编码的方法。建立在DCT系数特点的基础上,同时提出一个拉格朗日优化算法来决定DCT域的多少冗余信息被去除;在解码端,提出一个自适应零填补的方案去重建深度图像。经过编解码和优化算法之后,有效地提高多描述编码方法的率失真性能。(2)传统多描述编码方法往往没有充分考虑人类视觉系统特性,而对图像质量的感知很大程度上取决于人眼。为此,本文结合最小可觉差JND信息提出基于人类视觉系统的多描述深度图像的编码方法。将深度图像的JND模型引入深度图像的多描述编码当中,并优化冗余信息量。于考虑了人类视觉系统的特性来重新对深度图像的冗余信息进行调整,使得人眼敏感的一些失真得到重视。经过编码和优化算法之后,在相同码率下可以获取更好的重建质量。(3)为了将本文提出的方案具体地应用到3D图像的编解码当中,本文结合左右两个视角的深度图像和纹理图像,构造一种多视角的JND模型,并通过合成图像的质量评价验证MJND模型能容纳更多的失真。同时,结合纹理图像的特点以及提出的MJND模型,对纹理图像提出了一个编码方案,使得它在传输过程中有更强的抗干扰性。将深度图像按照基于人类视觉系统的多描述的方案进行编解码。对合成图像进行质量评价,在主观和客观两方面都能得到更好的视觉效果和重建质量。