误差掩盖中的选择性运动矢量恢复

提出了一种误差掩盖算法,作为在解码器端的后处理工具,以恢复视频序列在传输过程中丢失的运动矢量和图像块．对于丢失块,以其邻域块内像素标准差作为判断纹理块或平滑块的标准,选择保留所有属于纹理块的邻域块的运动矢量,取其中间值作为丢失块运动矢量的估计．仿真结果表明,对不同块丢失率或不同视频序列,该算法都能比传统的算法恢复出更高质量的图像．     

视频序列传输中的模糊差错掩盖算法

提出了一种基于模糊边缘检测的差错掩盖算法,将其作为解码端的工具去恢复视频序列在传输过程中丢失的图像信息.对于一个丢失块,利用模糊边缘检测器得到它与4个领域块交接的边界上的边缘信息,构造一个关于边界匹配差值的能量函数,将最优值对应的运动矢量作为丢失块的运动矢量的估计.仿真结果表明,文中提出的算法无论在主观的视觉还是客观的数值比较上,都能得到质量比现有差错掩盖算法更优良的恢复图像.     

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.     

高效的H.264时域误码掩盖算法

为提高在视频通信中重建图像质量,针对最新H.264视频编码标准的特点,提出了一种基于分数像素边界匹配搜索的时域误码掩盖算法。宏块丢失导致的解码错误会在时间和空间上扩散,使得重建图像质量严重下降。该算法充分利用了运动矢量的空间相关性、H.264标准中运动矢量的精度以及边界像素信息,更精确地恢复丢失宏块的运动矢量,从而提高所恢复视频信号的质量。仿真结果表明:对于不同运动程度序列和不同宏块丢失率,该算法优于传统的整像素的边界匹配算法,具有很强的鲁棒性,当应用于较高的宏块丢失率及运动较复杂的序列时,所恢复视频序列的亮度信号峰值信噪比相对传统算法提高了1.0~2.5dB。     

基于H.264的时空域联合误码掩盖算法

为了对视频传输中丢失的信息进行恢复,提高重建视频的质量,提出了一种基于H.264的时空域联合误码掩盖方法。该算法将丢失宏块分成16个4×4子块,通过分析子块的空间特性来确定其恢复的优先权,并依次恢复其运动矢量。仿真结果表明,对于不同运动程度序列和不同宏块丢失率,该算法性能均稳定地优于H.264标准的算法。特别是在20%的宏块丢失率下,恢复视频峰值信噪比(PSNR)相对H.264标准算法可提高1~2 dB。     

区域运动相关性的运动估计方法

研究了一种基于区域运动相关性的运动估计方法．提出在块匹配运动估计中,对于运动相关性好的块根据相邻块或前一帧图象的运动预测出它的初始运动矢量,然后在小范围内搜索,做运动矢量的优化．对传统的全局搜索块匹配运动估计算法,给出了提高运动矢量一致性的修正准则．算法根据前帧运动估计误差来决定是否对当前块运动作预测,避免了运动估计误差的扩散．实验结果表明,文中算法所得的运动矢量一致性远高于传统全局搜索块匹配法所得的结果,同时能保持和全局搜索法相媲美的预测质量,而运算时间则有较大幅度减小．     

基于人类视觉系统的扩散差错掩盖算法

针对压缩视频传输过程中出现的信息丢失问题,提出了一种利用扩散方程来恢复丢失信息的差错掩盖算法.首先建立一种考虑时间与空间边界匹配的失真函数来估计丢失的运动矢量,对丢失信息进行初步恢复;然后利用人类视觉系统活动性掩盖效应特性,建立各向异性扩散方程,对丢失信息进行精细恢复;最后通过仿真实验对多个视频序列在离散丢失和连续丢失的情况下实现了差错掩盖.结果表明,文中提出的算法能有效去除重建图像的块效应,相对于传统算法,峰值信噪比平均增加3~5 dB,并且可获得更好的视觉效果.     

时空域结合的Ⅰ帧综合差错隐藏方案

为提高视频压缩码流在Internet网络丢包信道中传输的抗误码性能,提出了一种在解码端基于场景判断时域空域相结合的Ⅰ帧综合差错隐藏方案。采用了H.264中灵活宏块顺序模式组织宏块打包数据,在场景判断的基础上利用了帧间信息对Ⅰ帧进行时域差错隐藏,并通过对匹配块的可靠性检测抑制了误码扩散效应;同时改进了传统Ⅰ帧空域隐藏算法,根据丢失块边缘上的梯度预测丢失块的纹理状况,分为平滑、单纹理和多纹理区域进行掩盖。仿真结果表明,对于一般性运动视频,时域空域结合的隐藏算法比空域算法掩盖质量提高2 dB以上。     

基于速度特征矢量提取运动目标的图像分割方法

研究基于速度特征矢量提取运动目标的图像分割方法,根据目标图像像素移动的一致性,在序列图像中利用块匹配法进行帧间图像配准,得到目标图像块的速度估计,将具有相同速度矢量的目标图像块聚类,即可分割出运动目标。仿真实验结果表明,该方法能有效地对复杂背景下的运动目标图像进行分割,并具有较好的抗噪能力。     

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.     

一种适用于甚低比特率视频编码的运动估计技术

提出了一种有效的适用于甚低比特率视频编码的运动估计新技术。通过强加一定的空间连续性准则使得运动场结构更加平滑,并且将具有相同运动矢量的相邻图像子块合并为一组,对于这一组中的所有图像子块,只需传输一个运动矢量及简单表示组中各图像子块位置的信息。这样可减少对运动矢量编码传输的代价,同时又得到类似于采用经典块匹配技术所得的预测误差。     

基于运动对齐预测模型的分布式视频压缩感知重构

为了提高分布式视频压缩感知（Distributed Video Compressive Sensing,DVCS）的率失真性能,文中提出根据视频非关键帧图像的时间相关性将帧内各块分为静止块与运动块两类,并对它们设定不同的测量率以提高压缩感知（Compressive Sensing,CS）捕获信息的效率.在重构过程中,提出运动对齐多假设预测模型进行重构,该预测模型在测量域内实现运动估计,并根据运动信息在参考帧内寻找到待重构块的若干候选匹配块,利用它们的线性加权和残差重构得到非关键帧图像的重构结果.仿真实验结果表明,文中所提出的DVCS重构算法能有效提升系统的率失真性能,与现有方法相比,在重构时间基本不变的情况下,获得更好的主客观视频重构质量.     

基于H.264的内容自适应空域误码掩盖算法

针对视频传输中的丢包,空域误码掩盖技术使用丢失像素的相邻信息在解码端对它进行恢复。为了提高算法恢复的准确性,该文提出了一种内容自适应的H.264空域误码掩盖算法。该算法根据受损块的边缘像素和编码模式信息,将其内容分为平滑块和边缘块:对于平滑块采用双线形插值的方法;对于边缘块,则结合其边缘像素与编码模式信息选择较好的插值方向。仿真结果表明,对于多种视频序列和不同宏块丢失率,其性能均稳定地优于H.264标准的算法,在25%宏块丢失率下,恢复视频峰值信噪比相对H.264标准算法提高0.5～3dB。     

Novel Video Steganography Algorithm Based on Secret Sharing and Error-Correcting Code for H.264/AVC

In this paper, we analyze the video steganography technique, which is used to ensure national security and the confidentiality of the information of governmental agencies and enterprises. Videos may be used to transmit secrets and conduct covert communication. As such, we present an algorithm based on a secret sharing scheme and an Error-Correcting Code(ECC), which combines Grey Relational Analysis(GRA) with a partition mode in video compression standard H.264/AVC. First, we process secret information by secret sharing, and then use an ECC to process the obtained information. Moreover, we choose the Discrete Cosine Transform(DCT) blocks using GRA, and then use rules to hide the pretreated information in DCT coefficients of the video frames. Experimental results indicate that our algorithm has good invisibility, better robustness, good anti-steganalysis ability, and little influence on the bit rate of the video carrier. In addition, the bit error rate is low after attacks such as noise, filtering,or frame loss in the simulation environment.     

一种基于背景重建和视差图的立体视频对象分割算法

提出了一种基于背景重建和视差图的立体视频分割算法,利用背景、视差和边缘等信息进行运动对象分割。该算法首先采用基于块的背景重建方法获取视频序列的背景信息,再利用背景相减法获得运动对象的初步分割结果,然后利用立体匹配获得的视差图对初步分割结果进行修正,最后利用边缘信息和后处理操作获得最终的立体视频运动对象。实验表明,该算法能够有效地从运动背景中将视频运动对象完整地提取出来。     

深度图的快速自适应帧内预测模式选择算法

基于高效率视频编码(high efficiency video coding, HEVC)三维视频扩展的深度编码,引入了深度模型编码模式(depth modeling mode, DMM)和区域边界链编码(region boundary chain, RBC)模式. RBC 模式通过遍历编码单元(coding unit, CU)当前深度下所有的边缘线预测模板来得到最佳的预测模板, 但在显著提升编码效率的同时, 其计算复杂度也增加了数倍. 深入研究了在HEVC 模式粗选过程中选出的最优预测模式与DMM 和RBC 这两种模式的相关性, 以及与直接Wedgelet 搜索模板集合各个方向的相关性, 并在此基础上提出了一种快速的自适应深度图帧内预测模式选择算法. 该算法将编码块分为平坦块、方向性编码块以及纹理复杂块3 种. 对平坦块跳过DMM 和RBC 模式, 而对方向性编码块的直接Wedgelet 搜索过程则跳过不必要的方向模板搜索, 从而提高编码速度. 实验结果表明, 在全I 帧模式下,该深度图帧内预测模式选择方法平均节省了75.4% 的编码时间, 而在合成视点端仅带来0.4%的性能损失.     

基于几何分析的形状信息错误隐藏算法

对形状信息的单独编码是MPEG-4编码标准特有的。在容易受错误干扰的通信网络大环境中,对形状信息的错误进行隐藏可以有效避免错误在视频帧之间传播。本算法首先定义了视频对象形状信息丢失区域的4个矩形邻域,接着在这些邻域中检测与轮廓边界有接触的线,并将它们放在几何坐标系下进行分析。然后以一个优化准则为标准将这些线进行配对,保证目标轮廓的平滑性。最终每一组线都经过反复推断和纠正直到形成一个闭合的轮廓曲线。实验结果表明,针对不同的错误率条件下的网络,本算法均能将其错误进行较好的隐藏,在算法性能上与其他形状隐藏方法相比取得了更加鲁棒的效果。     

基于H.264的内容自适应空域误码掩盖算法

针对视频传输中的丢包,空域误码掩盖技术使用丢失像素的相邻信息在解码端对它进行恢复。为了提高算法恢复的准确性,该文提出了一种内容自适应的H.264空域误码掩盖算法。该算法根据受损块的边缘像素和编码模式信息,将其内容分为平滑块和边缘块:对于平滑块采用双线形插值的方法;对于边缘块,则结合其边缘像素与编码模式信息选择较好的插值方向。仿真结果表明,对于多种视频序列和不同宏块丢失率,其性能均稳定的优于H.264标准的算法,在25%宏块丢失率下,恢复视频峰值信噪比相对H.264标准算法提高0.5～3dB。     

DWT DCT QR结合的音频盲水印算法

为保护互联网中数字音像制品的合法版权,结合离散小波变换（DWT）、离散余弦变换（DCT）、QR分解以及音频的特性,提出了一种针对音频的盲水印算法。首先对原始音频分段,然后对每个分段进行小波变换求得近似分量,再进行离散余弦变换,对低频部分进行QR分解,在QR分解后得到的上三角矩阵中嵌入水印信息。实验结果表明,该算法具有较好的透明性和鲁棒性,能够承受高斯加噪、重采样、重量化、低通滤波、MP3压缩、裁剪替换等常见音频信号处理攻击。     

基于视频区域特征及HMM的体育视频分类研究

提出了一种基于视频区域特征的体育视频分类方法.首先将帧分块,对块亮度均值大小进行比较得到块亮度比较编码信息BICC,以及对视频帧各块的颜色分量进行统计得到块颜色直方图;再利用这些特征通过SVM对体育视频进行分类;最后利用一阶HMM对SVM的输出结果进行后处理,得到视频的最终分类结果.实验结果表明,方法对于体育视频分类的效果较好.