论文部分内容阅读
在信息时代,信号与我们的生活息息相关。信号是信息的载体,然而,包含于信号的信息并不容易使用或理解。例如,深度信息对于三维环境识别非常重要,它是虚拟现实和3D电视的核心。但所获得的深度信息常常受到噪声和较低分辨率的影响。高动态范围(HDR)视频是存储真实世界辐射值的强大工工具,HDR10标准的制定,高动态范围电视的研制都是基于高动态范围视频。然而,过高的内存和带宽需求限制了高动态范围视频的应用。因此,我们迫切需要信号处理技术,一种能够分析,处理信号以及从给定信号中提取有用信息的技术。然而,寻求一种能够处理所有信号的通用信号处理方法是极其困难的。因此,为给定信号设计相应的信号处理方法是切合实际和有重要意义的。本论文着重于为深度图像和高动态范围视频设计基于视觉感知的信号处理方法。1.尽管深度相机能够在动态场景中获取深度,但获得的深度图往往混有噪声并且具有较低的分辨率。为了提高深度图的分辨率和视觉质量,我们提出一种基于加权L0梯度最小化的(强度引导)边缘保持深度图超分辨/上采样方法。在高分辨率强度图像的引导下,通过优化方法来保护目标的边界。使用L0梯度作为约束项,并根据强度和深度图计算其权重。通过交替最小化和半二次分裂来优化目标函数。实验结果表明本方法能够获得边界保护的深度图。2.为了上采样深度图,我们提出了另一种使用边缘稀疏性和改进的加权L0梯度最小化的(强度引导)方法。利用梯度域中的边缘稀疏性来提高深度图的分辨率和质量。首先,使用联合互结构滤波来获得强度和深度之间的互结构信息。其次,利用递归插值来获得高分辨的初始的深度图。之后,我们基于强度图像的梯度和熵计算用于L0梯度最小化的权重,通过改进的加权L0梯度最小化对深度图进行上采样。最后,我们使用自适应快速加权中值滤波来优化深度图。实验结果表明本方法能够获得边缘保护的深度图,同时在精度方面优于现有的方法。3.高动态范围视频是表现真实世界的有效方式。然而,高动态范围视频对内存和带宽的要求比传统视频要高,因此对高动态范围视频的有效压缩是非常重要的。基于高效视频编码标准,我们提出使用感知块切分和合并的高动态范围视频编码方法。根据B arten对比敏感度函数,推导出适用于量化的10比特高动态范围视频的亮度自适应曲线,接着为每帧图像中生成一个基于自由能的恰可察觉失真图以模拟无序隐藏效应。最后,基于无序隐藏效应,我们在高效视频编码中执行基于四叉树分割的感知块切分和合并。实验结果表明本方法产生的块切分和合并结果与人类视觉感知一致。4.感知量化转换函数为高动态范围视频编码提供了解决方案,但是感知量化转换函数并不能自适应于高动态范围视频内容,因此降低了编码效率。为了解决这个问题,我们提出了一种基于感知量化的自适应转换函数用于高动态范围视频压缩,称为自适应感知量化转换函数。与使用固定亮度映射曲线的感知量化转换函数不同,所提出的转换函数根据高动态范围视频内容自适应地进行亮度映射,因此自适应感知量化转换函数能够有效的利用亮度值。此外,在亮度范围内自适应感知量化转换函数比感知量化转换函数具有更好的感知均匀性。实验结果表明,在视频质量和编码比特率方面,自适应感知量化转换函数相比于感知量化转换函数有了显着提高。