摘要：多视点彩色视频与深度视频作为多媒体系统中主流3D场景表示方式,吸引了越来越多人的关注。深度视频反映场景的几何信息,如何对其进行快速编码尤为重要。提出了一种基于区域划分的深度视频快速编码算法。首先,根据深度视频的边缘和运动属性把深度视频分为四个区域;然后,深入分析不同区域内宏块模式分布比例以及参考帧选择特性,设计了不同的宏块模式选择和参考帧搜索策略来提高编码速度;最后,测试提出算法的编码时间、码率以及合成虚拟视点的质量。实验结果表明,提出算法在保证虚拟视点图像质量和编码码率基本不变的情况下,节约了85.73%～91.06%的编码时间。

摘要：率失真优化(RDO)是视频编码压缩中的关键技术之一。传统的率失真优化技术使用误差平方和(SSE)或绝对差和(SAD)度量失真,不能获得较好的视觉感知质量。本文针对新一代视频编码标准高效视频编码(HEVC)帧内编码RDO,提出了一种基于结构相似度(SSIM)度量失真的RDO方法。首先,根据HEVC编码树形单元(CTU)结构设计了基于SSIM的失真计算方法;然后,提出了一种基于量化器推导的码率-量化步长(R-Δ)模型和一种基于统计分析的失真-量化参数(DSSIM-QP)模型,用于求取拉格朗日乘数;最终,使用多QP优化方法求取模型参数。实验表明,相对于HEVC传统的RDO,针对全I帧(即所有帧都为帧内编码)固定QP编码和多QP优化编码,在相同的SSIM条件下,码率分别平均降低8.4%和13.9%左右,同时编码复杂度分别平均增加约3%和2%。

摘要：针对自由视点视频系统中深度视频数据量大、深度编码失真影响虚拟视点绘制图像质量的问题，提出一种深度视频传输方法．该方法包括深度视频预处理和后处理两部分：在深度视频预处理阶段建立绘制无失真模型，并基于该模型对深度图进行高斯平滑及下采样以减少编码比特数；在后处理阶段，对解码和上采样后的深度视频采用自适应边缘重建以恢复深度边缘信息．实验结果表明，文中方法能节省53．87％～73．62％的码率，提高了虚拟视点绘制质量．

摘要：提出了一种与H.264标准相兼容、且容错性强的立体视频编码方案。该方案采用H.264标准中的场编码模式,顶场存放左视点图像,底场存放右视点图像,利用灵活宏块排序(FMO)技术,将左右视点图像交织成棋盘型后实现立体编码。实验结果表明本方法既具有良好的率失真性能,又能提高传输的容错性。

摘要：针对传统的无参考图像质量评价方法不能直接用于高动态范围(HDR)图像的质量评价问题,提出一种基于张量域感知特征的无参考HDR图像质量评价方法.首先通过张量分解得到同时含有亮度失真和色度失真的张量子带图;然后采用自回归(AR)模型来模拟人脑对张量子带图的感知预测,得到张量子带图的感知预测图像;最后采用AR系数表征HDR图像的张量域感知预测特征,结合张量子带图及其感知预测图的动态范围、亮区域占比的特征,使用支持向量回归模型进行回归映射得到图像的客观质量评价分数.在Nantes和EFPL这2个公开的HDR图像库上的实验结果表明,该方法与主观感知具有很好的一致性,评价指标SROCC和PLCC的值均超过0.93, RMSE分别为0.3047和0.3771.

摘要：针对立体图像内容的真实性认证和完整性保护等问题,提出一种基于双目恰可觉察失真(BJND)的立体图像篡改定位及恢复水印方法。首先,利用奇异值的稳定特性,设计左右图像的定位水印;然后,根据BJND强度将左右图像的定位水印嵌入到左图像中;最后,利用离散余弦变换(DCT)和JPEG量化压缩生成恢复信息,并将右图像和左图像遮挡暴露区域的恢复信息分别嵌入到右图像和左图像中。实验结果表明,本文方法所构造的水印对JPEG压缩、椒盐噪声、高斯白噪声等偶然攻击比较鲁棒,而对剪切、拼接、旋转等恶意攻击较为脆弱,同时对左右图像的恶意篡改区域检测率大于98%。由于充分利用了左右图像的匹配特性,恢复的被篡改立体图像其左右图像PSNR达36.02dB～41.29dB。

摘要：为了认证立体图像的完整性,提出了一种基于立体视觉掩蔽的非对称立体图像水印方法。首先,根据立体视觉特性,建立立体视觉掩蔽计算模型,设计了立体图像左右视点嵌入不同容量的非对称水印;其次,使用小波变换系数计算不同类型的恢复水印,将其分别嵌入2个或3个不同映射块,从而提高篡改恢复质量。仿真实验结果证明,该方法能够有效检测和恢复、拼接、粘贴等不同类型的篡改,并且恢复质量高于现有以及扩展的单图像水印方法。

摘要：为了更好地提高视频编码效率与视频处理的性能,考虑人眼对不同内容的感知特性和掩蔽效应,以及时域人眼视觉特性,提出一种基于人眼视觉特性的视频客观质量评价算法.首先利用三维Sobel矩阵提取时空特性划分区域,并结合恰可察觉失真视觉阈值与绝对差值图来提取感兴趣区域;然后对感兴趣区域进行感知加权,并利用线性加权进行空间域融合;最后结合时域人眼视觉特性,利用低通函数模拟人眼的不对称感知,并通过最差情况加权策略得到视频序列客观质量评价值.在LIVE视频质量数据库上的实验结果表明,该质量评价算法具有较好的评价性能,更接近于主观测试结果.

摘要：多视点彩色加深度视频(MVD)是目前3D场景的主流表示方式之一。在3D-HEVC的编码框架中,深度视频帧内编码具有较高的编码复杂度。本文提出了一种基于区域分割的3D-HEVC深度视频快速帧内编码算法。首先根据对应彩色视频的纹理特征和深度视频的边界提取结果,把深度图分为四个区域;然后统计分析了各区域中深度视频编码失真对绘制中间视点质量的影响以及帧内编码预测模式的分布规律;最后设计了在不同区域里采用不同的CU尺寸提前决定、模式粗选限定和快速DMMs模式决定的算法。实验结果表明,本文提出的算法在绘制的中间视点质量不变的情况下平均节省55.11%的总体编码时间,对于深度视频的编码时间平均节省61.57%。

摘要：为进一步提高现有视频编码技术的压缩效率及解码重建图像的主观视觉感知质量,在现有人眼恰可察觉失真(JND,just noticeable distortion)模型的基础上,提出了恰可察觉编码失真(JNCD,just noticeable coding distortion)模型。首先,通过主观实验,对恰可察觉梯度幅值差异(JNGD,just noticeable gradient difference)进行了研究,分析其变化规律并建立JNGD模型。使用全变分(TV,total variation)方法将图像分解为结构图和纹理图后,分别求取其梯度信息得到结构梯度图和纹理梯度图,利用JNGD模型分别滤除结构梯度图和纹理梯度图中的人眼不可察觉的梯度幅值;其后,分析了人眼感知对于不同梯度幅值的编码失真敏感性,设计了梯度幅值与JNCD值的主观实验,得到两者的关系模型;最后,考虑人眼对图像中的边缘、平坦和纹理3类区域失真感知程度的差异性,利用滤波后的结构梯度和纹理梯度信息将图像划分为上述3类区域,最终建立整幅图像的JNCD模型。为验证本文提出的JNCD模型的可靠性,在高效视频编码(HEVC)标准测试平台上进行的模型验证结果表明,在本模型指导下的编码其解码重建图像获得了较好的主观视觉效果,可为人眼视觉感知冗余的分析及感知编码的改进提供依据。