基于感知的深度视频信号处理与编码研究-东篱科研大数据发现系统（DRDS）

位置：立项数据库 > 立项详情页

基于感知的深度视频信号处理与编码研究

项目名称：基于感知的深度视频信号处理与编码研究
项目类别：面上项目
批准号：61171163
申请代码：F010403
项目来源：国家自然科学基金
研究期限：2012-01-01-2015-12-31

项目负责人：彭宗举
依托单位：宁波大学
批准年度：2011

中文摘要：

自由视点系统在教育培训、娱乐、交通、银行、医疗和文化遗产保护等领域具有广阔的应用前景和巨大的市场价值。连续准确的深度视频获取、高效率低复杂度深度视频编码是自由视点视频系统的关键问题。目前针对上述关键问题的研究主要是从信号处理的角度出发，没有结合人类视觉感知机制。本项目研究深度感知计算模型，并将其进一步运用到深度视频的处理和编码之中，主要包括（1）探索人类的深度感知机制，从虚拟视点绘制和显示的角度研究人类恰不可察觉的深度变化，建立深度感知计算模型；（2）在深度感知计算模型的理论基础上，研究深度视频相关性特征，提出深度视频处理方法，提高深度视频的时空一致性，提高深度视频的压缩效率和虚拟视点绘制与显示质量；（3）提出基于深度感知计算模型的深度视频编码方法，进一步提高深度视频的压缩效率，降低深度视频编码复杂度。本项目的研究能为深度视频信号的实时压缩和传输、高质量的虚拟视点绘制和显示提供理论基础。

中文主题词：深度视频；感知模型；深度视频预处理；深度编码；

英文摘要：

Depth video；perception model；depth video preprocessing；depth video coding；

英文主题词： Depth video；perception model；depth video preprocessing；depth video coding；

结论摘要：

连续准确的深度视频获取、高效率低复杂度深度视频编码是自由视点视频系统的关键问题。本项目的研究目标是提高深度视频编码效率、绘制和显示质量、降低深度视频编码复杂度。本项目在深度感知计算模型、深度视频处理和深度视频编码等方面展开研究，完全达到项目确定的研究目标。基于恰可察觉绘制失真的深度视频时空相关性增强算法提出一种明显的绘制失真（JNRD）模型，基于JNRD模型，从时间和空间相关性增强两个方面处理深度视频。该算法在保持虚拟视点质量不变的同时，能够降低其码率。面向高压缩效率的深度视频像素分类与平滑方法提出一种深度视频预处理算法来提高深度视频编码的效率，在保持绘制质量不变的同时，码率最低节省了3.15%，最高节省了37.94%。基于类相关及角点敏感滤波的深度视频处理方法提出一种基于自适应模糊C均值聚类(FCM)算法。对于非边缘像素点，通过每个聚类特征采用不同的方法。边界区域像素点，根据角点区域或非角点区域得像素点选择不同窗口大小的中值滤波。该方法的虚拟视点的客观质量平均提高了0.42dB。基于分割的深度视频快速模式选择算法提出一种基于深度分割的快速模式决策的深度视频编码算法。该方法在保证虚拟视点质量不下降的同时，节省码率大约在82.49% 到 93.21%。基于PMFS的立体图像质量评价方法提出一种基于单目和双目特性的感知模型相似性(PMFS)度量标准进行质量评价。该评价方法对于主观质量分数与其他一些新的质量评价方法相比，能够达到更高的一致性。已发表论文34篇。其中，SCI检索9篇，EI检索21篇。撰写专利10项，已授权3项。培养研究生17名，其中在校9名，已经毕业8名。

成果综合统计