学位论文 > 优秀研究生学位论文题录展示

基于超分辨率重建方法的图像视频压缩编码技术研究

作　者: 陈静涛
导　师: 熊红凯
学　校: 上海交通大学
专　业: 通信与信息系统
关键词: 图像/视频压缩编码超分辨率重建运动估计卡尔曼滤波
分类号: TN919.81
类　型: 硕士论文
年　份: 2012年
下　载: 117次
引　用: 0次
阅　读: 论文下载

内容摘要

在许多现实场景中,我们经常需要高质量的图像或视频信息,然而由于带宽或者存储资源的限制,经常只能得到低质量的图像或者视频文件。进而如何从低质量的退化的视频图像数据恢复重建得到高质量的视频图像这一问题就得到了广泛的关注。超分辨率重建技术被普遍认为是解决这一问题的有效手段。传统的图像编码方法在低码率条件下性能表现不佳,最近几年,在可利用资源有限条件下的低码率图像编码问题吸引了许多研究者的注意。受到最近计算机视觉和图像超分辨率重建技术相关研究的启发,这篇文章提出了一种结合基于学习的超分辨率重建技术的图像压缩方案。特别之处在于本文的图像超分辨率重建过程集中在图像基元区域,利用图像基元作为先验信息来实现的。每一个基元图块可以根据训练得到的冗余的特征字典进行稀疏表达,并且由于基元信息内在的低维度特性,我们可以极大地减少过完备特征字典所需要存储的样本数目。同时考虑到高低频基元图块的特征表示形成的流形空间具有结构上极高的相似性,可以认为高低频基元图块对应于相应的高低频特征字典有几乎完全一样的稀疏结构,在这个意义上可以利用高频特征字典和低频基元图块对应于低频特征字典的稀疏表达来重构丢失的高频基元信息。本文提出的方案中,只需要对下采样的图像进行编码,解码后超分辨率重建技术用学习过程中得到的基元信息来恢复在下采样过程中丢弃的高频信息。实验结果表明,在相同的低码率条件下本文的方案相比于JPEG2000标准有更好的主客观质量。受到基于视觉的视频压缩技术发展的影响,本文提出一种基于视频超分辨率技术和卡尔曼滤波运动估计的压缩编码框架。在本文的方案中,只用一部分帧作为参考帧,按照原始分辨率进行编码,其他帧作为退化帧以较低的分辨率进行编码。在解码器端,利用视频超分辨率重建技术来处理低分辨率的解码帧。然而得到的超分辨率帧不能保证与相邻帧的一致平滑的特性,会产生闪烁的效果,本文希望利用运动信息加强重建帧的时空变化规律。众所周知,在解码器端我们只有重建得到的高分辨率帧,对其进行运动估计得到精确的运动矢量是不可能的。虽然有不同方法提出不用准确运动矢量重构输出结果,但是这种不准确的运动信息必定会造成重建帧质量的下降。本文考虑利用卡尔曼滤波方法用来推测重建帧的真实运动信息,解码器端在低分辨率层进行运动估计得到的运动矢量可以作为测量值,根据系统预测方程和卡尔曼滤波器可以估计实际的运动矢量(状态值)。相关论文“Super-ResolutionReconstruction with Prior Manifold on Primitive Patches for Video Compression”已经在国际会议MMSP2011上发表并获得学术奖励Top 10% Paper Award。

全文目录

摘要  6-8
ABSTRACT  8-12
插图索引  12-14
表格索引  14-15
第一章绪论  15-20
  1.1 引言  15-16
  1.2 研究现状介绍  16-17
  1.3 相关研究  17-18
  1.4 本文主要贡献和章节安排  18-20
第二章相关理论技术介绍  20-30
  2.1 超分辨率重建技术  20-25
    2.1.1 图像超分辨率技术  23-24
    2.1.2 视频超分辨率技术  24-25
  2.2 卡尔曼滤波方法  25-30
    2.2.1 待估计过程信号  26
    2.2.2 计算原型  26-27
    2.2.3 离散卡尔曼滤波器算法  27-29
    2.2.4 滤波器系数及调整  29-30
第三章基于超分辨率重建的图像压缩方案  30-48
  3.1 框架介绍  31-32
  3.2 超分辨率重建过程  32-43
    3.2.1 基元图块的稀疏表示  34-38
    3.2.2 超分辨率重建过程详解  38-43
  3.3 实验分析  43-44
  3.4 本章小结  44-48
第四章基于特征字典学习的视频编解码方案  48-73
  4.1 框架介绍  49-53
  4.2 超分辨率重建过程  53-54
  4.3 卡尔曼滤波运动估计过程  54-62
    4.3.1 惩罚函数  54-57
    4.3.2 权值系数计算  57-59
    4.3.3 卡尔曼滤波运动估计  59-62
  4.4 方案总结  62-65
  4.5 实验分析  65-69
    4.5.1 常用评估指标  65-68
    4.5.2 重建质量分析  68-69
  4.6 本章小结  69-73
第五章总结与展望  73-75
  5.1 总结  73-74
  5.2 展望  74-75
参考文献  75-82
致谢  82-83
攻读学位论文期间发表的学术论文和科研成果目录  83

相似论文

基于微型无人平台导航多传感器信息融合算法研究,V249.32
SINS/GPS组合导航系统算法研究,V249.328
基于陀螺和星敏感器的卫星姿态确定研究,V448.2
电视制导系统中视频图像压缩优化设计及实现研究,TN919.81
电子稳像系统中旋转稳像算法研究,TP391.41
移动机器人视觉检测和跟踪研究,TP242.62
基于视频的运动目标检测与跟踪方法应用研究,TP391.41
分布式视频编码边信息生成研究,TN919.81
基于多信息融合的轮式农业机器人导航研究,TP242
基于回归的图像超分辨率重建技术研究,TP391.41
立体视觉里程计中的空间不确定度,TP391.41
基于学习的视频超分辨率重建算法研究及实现,TP391.41
卫星编队星间相对测量技术研究,V448.2
Tetrolet稀疏正则化与样本学习的图像超分辨率算法研究,TP391.41
基于超高清视频编码的同步分层运动估计架构的设计,TN919.81
图像超分辨率重建算法研究,TP391.41
再入弹道目标跟踪与质阻比识别方法研究,TJ761.3
导弹编队自主导航方法研究,V448.224
基于生理信息融合的运动评价系统结构及算法,TP202
基于Mean Shift算法和卡尔曼滤波的视频目标跟踪技术研究,TP391.41
卡尔曼滤波在卫星红外、微波海表温度数据融合中的应用,P731.11