H.264/AVC网络视频编码失真评估的比特流层模型

为了实现对采用H.264/AVC标准编码的网络视频质量的实时监测,提出一种评估视频编码质量的比特流层模型.该模型无需完全解码,只通过简单解析视频的量化参数、编码比特率以及运动矢量等信息评估视频流质量.首先,通过主观评估实验分析确定量化参数与视频编码失真的基本关系模型,然后利用量化参数和编码比特率预测视频的空间复杂度,利用运动矢量信息预测视频的时间复杂度,并结合空域掩盖效应和时域掩盖效应建立起一个能够反映人视觉特性的视频质量评估模型.实验结果表明,与解析码流的无参考网络视频质量评估模型相比,利用该模型得到的客观质量分数与主观质量分数的皮尔森相关系数提高了0.0160,均方根误差下降了0.0797.     

一种基于运动矢量的Mpeg 2视频数字水印的改进算法

研究一种改进的基于运动矢量的Mpeg 2视频水印技术.利用Mpeg 2标准的压缩方法及视频流的特点,在分析Jordan提出的基于运动矢量的视频水印算法的基础上,结合人眼视觉特点,根据视频运动矢量的幅值大小和图像纹理均匀程度,选择在帧间编码块中嵌入水印的位置,在运动矢量中嵌入水印.仿真实验结果表明,新算法能更合理地将水印嵌入Mpeg 2视频流中,视频序列平均信噪比较原算法提高12%～21%,并且提取的水印要明显好于原算法.     

基于脆弱水印的H.264视频流完整性认证

针对H.264/AVC视频流的完整性认证问题,提出了一种基于脆弱水印的认证算法.根据公钥密钥,提取I帧的特征信息生成认证码,并以水印的形式嵌入到P,B帧的运动矢量中.在视频认证时,只需要部分解码视频流,并不需要原视频作参考.仿真实验结果表明,本算法具有较小的码率变化和视频失真,并能有效地对I,P和B帧进行完整性认证.     

一种时空采样矩阵的确定方法

在分析数字视频系统时空采样矩阵基本特性的基础上,依据时空采样矩阵的定义,结合实际视频系统扫描和采样结构,采用多点标定,得到了一种确立数字视频流时空采样矩阵的方法.并通过一个应用实例,在时频域上给出了完整的数字视频流结构分布和相应参数,以及两种视频流之间转换的方法,证明了多点标定方法的实用性和有效性.     

基于双向预测插值的多维矢量鬼成像视频

为了进一步提升运动物体鬼成像视频的质量,根据视频中每帧都具有相关性的特点,提出了一种基于双向预测插值的多维矢量鬼成像视频的实时成像算法.即运用具有能量集中特点的多维矢量Walsh变换,将总数一定的Walsh基图样分成更少的组,使每组的有效基图样翻倍,再分别作用于目标物体,重构后得到数量少但成像质量更好的隔帧图像,再通过双向预测插值得到中间帧.使用该算法作用于像素为64×64的目标物体,可在实时状态下实现运动物体鬼成像的视频.在采样数量和采样时间不变的情况下,可实现高质量重构,得到了品质更好的鬼成像视频.     

MPEG-2/MPEG-4实时视频转换中帧类型转换及运动矢量映射

M PEG-4 SP仅支持IVOP和PVOP两种视频对象平面,因而在M PEG-2 M P到M PEG-4 SP的实时视频转码器中,必须将M PEG-2 M P中的B帧进行类型转换以及相应的运动矢量映射.在不考虑分辨率采样的情况下,提出了帧类型转换与运动矢量映射的具体方法,实验结果表明,在保证一定视频质量的情况下,该方法能够有效实现帧类型转换.     

基于运动矢量可靠性分析的视频全局运动估计

视频全局运动估计通常根据图像的运动矢量场来决定,而前景或背景中不可靠的运动矢量对运动估计的结果影响很大。为了提高估计的准确度,提出了一种基于运动矢量可靠性分析的全局运动估计算法。该算法通过对当前帧的运动矢量场进行可靠性分析,提取图像块的匹配特征并用支持向量机的方法将运动矢量分成可靠与不可靠两类,剔除不可靠的运动矢量,用可靠运动矢量建立全局运动的线性参数模型,通过线性迭代最小二乘法求解估计参数。实验结果表明:该算法相比传统方法能够更好地消除前景或背景中不可靠运动矢量的影响,特别是在采用传统方法误差很大的情况下,该算法的结果仍十分准确。     

基于H.264/AVC改进的时空域错误掩藏算法

对H.264编码的视频流解码出现宏块丢失进行错误掩藏时,使用传统的时空域错误掩藏算法,并不能很好地恢复出原始视频帧,影响了主观观赏效果和客观视频质量.因此,分别对时空域提出了相应的改进算法.时域通过增加参考帧、运动矢量,改进匹配算法等,提高了运动矢量的搜索精确度和运动剧烈视频帧的错误恢复质量.空域通过自适应的选择加权像素平均插值和方向插值,并改进了方向插值算法,明显提高了视频帧的恢复质量,避免了错误边缘的产生.实验结果表明,改进的时空域错误掩藏算法,不仅提高了方向插值的准确性和宏块匹配的精确度,而且可以减少块效应的出现,从而有效地提高了丢失宏块的恢复质量.     

视频流分析的隐藏马尔可夫链算法

视频流分析是多媒体技术研究的重要内容,具有广泛的应用领域．应用马尔可夫链模型,研究视频中的人体运动目标位置的跟踪,通过对跟踪的第一帧视频中的人体区域进行手工标注,建立马尔可夫链模型．然后结合卡尔曼估计算法,跟踪出下一帧的人体位置．实验证明,这种算法可以有效地解决在复杂的运动背景下,人体运动目标的跟踪问题．     

误差隐藏技术在分级视频编码中的应用

当在Internet上进行视频流的传输时,分级视频编码技术非常适合使用在终端用户具有不同接收能力的情况．由于在视频标准中使用了运动估计方法来减小时间域的冗余度,解码后的视频质量可能会由于时间域的误差传播而降低．本文针对分级视频编码提出了一种新的误差隐藏技术,利用不同视频层在时间和空间上的相关性对丢失的运动矢量进行估计,实验结果显示,该方法可以快速有效地恢复解码的视频质量．     

基于MPEG—2视频流的目标跟踪快速算法

提出了一种新的目标跟踪算法 .对于输入的一组由静止摄像机捕获的 MPEG- 2视频流 ,该算法不需对其进行解码即可对场景中的运动物体直接进行目标跟踪 .MPEG- 2码流中的直流 ( DC)系数和运动矢量在目标跟踪算法中作为运动物体的特征被直接使用 .实验表明 ,该算法针对MPEG- 2视频流进行的目标跟踪具有实时性 ,也排除了复杂背景中的局部变化对跟踪结果产生的影响 .     

立体视频错误隐藏的改进算法研究

立体视频流在易发生错误的信道中传输时会发生丢包现象,导致无法正确解码,影响观看效果。本文提出基于H.264平台的立体视频隐藏算法,依据最小代价函数值模式自适应选择两种不同算法,一种利用视点间运动矢量和强度差的相似性来隐藏;另一种采用边界匹配法选择两个候选块权值叠加隐藏。仿真结果表明本文算法比其他算法显著改善了隐藏效果,具有很强的鲁棒性。     

基于关键帧提取的视频分割方法

从分析视频数据的结构和特点出发, 提出一种新的关键帧提取方法, 在此基础上首次利用线性回归法来检测镜头边缘. 实验证明, 该算法明显提高了视频分割的准确性.     

基于JMVC的立体视频场景突变检测算法

采用单视图运动矢量与立体视频中视差矢量联合判断的方法,提出一种立体视频场景突变检测算法.该算法首先直接从多视点编码码流中提取视差矢量与运动矢量,然后分别统计每帧的视差矢量与运动矢量的幅度平均值,最后将每帧的视差矢量与运动矢量的幅度平均值与对应阈值相比较,检测立体视频场景突变的情况.用该算法在压缩域直接对立体视频场景突变进行判断,不仅可以保证检测精度,还降低了计算复杂度.仿真结果证明了算法的有效性.     

保持语义格式兼容的H.264/AVC视频加密算法

针对以往视频加密研究成果不能直接适用于H.264的现状和保持语义格式兼容的难点问题,对H.264编码码流中量化步长、预测模式字、运动矢量和残差系数相关的重要信息进行了深入分析,提出了保持语义格式兼容的自适应的选择性加密方法;同时提出了一种将残差块按照其nC值和非零系数个数进行分组,然后在组内产生置乱码表,最后统一置乱的加密方法.实验结果表明:该加密算法在保证视频内容信息安全性的前提下,能保持语义格式兼容和码流大小不变,满足视频的实时传输.     

利用Kalman滤波的视频运动目标跟踪

提出一种基于kalman滤波的视频运动目标跟踪算法,首先对视频运动目标进行分割,求出运动目标的形心,再利用视频运动目标的形心所在宏块的运动矢量信息,用kalman滤波对运动目标的形心在下一帧的位置进行预测,从而快速、有效地自动跟踪多个目标对象.实验结果表明,该算法对运动目标的出现和消失,以及非刚性物体的尺度变化和变形,具有较强的鲁棒性.     

基于运动矢量的H.264信息隐藏算法

提出了一种基于H.264的视频信息隐藏算法.该算法引入菱形编码,通过轻微调制运动矢量实现信息的嵌入过程.菱形编码不仅可以有效减少运动矢量修改率,同时可以提高嵌入容量.在嵌入过程为减少信息嵌入对码率和视频图像质量的影响,选择纹理复杂区域和较大运动矢量为嵌入点.实验结果表明,该算法在确保良好视频质量的条件下,可以满足大容量信息嵌入的要求,对压缩码率的影响较小.     

基于运动矢量排序的视频可逆信息隐藏

针对现有基于运动矢量的视频信息隐藏算法影响解码后的视频质量的问题,提出一种基于运动矢量排序的可逆信息隐藏算法。该算法把运动矢量分为若干组,并将每组中的运动矢量按升序排列,在最大（小）值与次大（小）值的差值中嵌入秘密信息,实现了解码端运动矢量的无损恢复。实验结果表明,提出的方法具有良好的视觉质量。与同类型信息隐藏算法相比,该算法的峰值信噪比和结构相似性的变化值平均降低了59.36%和41.38%。     

一种基于MPEG压缩域的运动对象分割算法

针对目前视频压缩域中运动对象分割准确率不高的问题 ,提出一种有效的压缩域运动对象的分割算法 .该算法先对运动矢量进行运动累加和中值滤波处理 ,然后利用离散余弦变换 (DCT)系数块之间的相关性对非零运动矢量区域进行校正 .由于在对运动矢量处理的同时加入了空间DCT块的相关性校正 ,因此分割准确率有了较大的提高 .实验统计结果表明 ,对几种不同视频场景中的运动对象进行分割 ,其分割率比现有的算法提高了约 15 % .