论文部分内容阅读
近年来随着3D电影的热映,三维立体视频以其能与用户交互的功能和独特的立体感而成为工业界和学术界的热议话题,并广泛应用于教育、娱乐、医疗、商业、监控等各个领域,必将在未来视频通信领域中占有重要的地位。然而三维视频的数据量随着视点数目的增加也成倍增长。随着数据量的增加,必然使数据的传输产生问题,对信道造成压力,有效的压缩成为关键。近年来兴起的压缩感知理论成功突破了以往采样速率必须大于两倍信号带宽的局限,使采样速率取决于信号的结构与内容而不再取决于信号的带宽,为解决上述问题提供了途径。本文基于压缩感知的原理,将其应用到深度图像和三维立体视频编解码中,完成的工作主要包括:(1)由于压缩感知需要图像是稀疏的,而深度图像满足这一条件,所以本文提出一种基于压缩感知的自适应分块编码方案。以往压缩感知大部分是对所有块均匀采样,因此每个块稀疏度不同容易造成高采样率下资源的浪费,低采样率下保证不了每个块的重构质量。本文提出的方案恰好解决了这一问题,方案中用每个图像块所占的边缘比例作为判断稀疏度的准则,将深度图像分成大小不同的块,最后根据各个种类图像块含有边缘信息也即在变换域的稀疏情况进行自适应压缩采样,从而确保深度图像在采样率平均较低的情况下能够获得较高的重构质量;(2)以往的压缩感知采用的是正方形的分块模式,但是我们发现在边缘分块的时候有一些不合理的地方,所以我们想到更加细化的分块方法,根据图像块熵值将深度图像分成八种模式图像块。在本章中,根据每个块的熵值的大小,我们提出了一种自适应矩形块压缩采样的方案,来获取更高质量的重构图像;(3)传统的视频编码方法在编码端复杂程度较高,这不利于在资源受限的移动端应用。为了解决这一问题,我们把压缩感知技术和分布式编码相结合应用到多视点视频编解码体系中。在编码端我们将输入视频分成关键帧和CS帧,然后分别对关键帧和CS帧进行独立编码,最后再结合虚拟视点联合解码,这样在得到高质量重构图像的同时也降低了编码端的复杂程度。