一種基于色度混合匹配的幀率上轉(zhuǎn)換方法
【專利摘要】本文公開(kāi)了一種基于色度混合匹配的幀率上轉(zhuǎn)換方法,用以增強(qiáng)視頻序列的視覺(jué)質(zhì)量,首先,采用色度混合匹配模型設(shè)計(jì)塊匹配準(zhǔn)則,其能以小計(jì)算代價(jià)反映視頻序列亮度與色差通道上的差值水平;接著,改進(jìn)的三維遞歸搜索方法被使用計(jì)算前后向初始運(yùn)動(dòng)向量場(chǎng),在此基礎(chǔ)上,提出時(shí)空運(yùn)動(dòng)向量提純方法,隱式地加入時(shí)空平滑約束至運(yùn)動(dòng)向量提純過(guò)程,獲得更平滑的運(yùn)動(dòng)向量場(chǎng);然后,提出高容錯(cuò)運(yùn)動(dòng)向量平滑方法,抑制運(yùn)動(dòng)向量場(chǎng)中存在的異常;最后,為了減少邊緣模糊與遮擋問(wèn)題,提出雙加權(quán)重疊塊運(yùn)動(dòng)補(bǔ)償方法,使用前后向運(yùn)動(dòng)向量場(chǎng)聯(lián)合生成內(nèi)插幀,本發(fā)明可明顯改善內(nèi)插幀的主客觀質(zhì)量,且確保了低計(jì)算復(fù)雜度。
【專利說(shuō)明】
-種基于色度混合匹配的順率上轉(zhuǎn)換方法
技術(shù)領(lǐng)域
[0001 ]本發(fā)明屬于視頻編碼技術(shù)領(lǐng)域,設(shè)及一種視頻帖率上轉(zhuǎn)換方法,特別設(shè)及一種基 于色度混合匹配的帖率上轉(zhuǎn)換方法。
【背景技術(shù)】
[0002] 隨著高清數(shù)字電視化DTV)和高端多媒體信息系統(tǒng)的迅速發(fā)展,急需提高現(xiàn)有視頻 節(jié)目源帖率W達(dá)到高質(zhì)量視覺(jué)效果;另外,對(duì)于某些傳輸帶寬受限場(chǎng)合,例如,視頻會(huì)議及 3G視頻會(huì)議,僅利用主流標(biāo)準(zhǔn)進(jìn)行壓縮,仍然無(wú)法達(dá)到要求帖率,因此,需要在編碼端減少 輸入視頻帖率,對(duì)低帖率視頻作編碼,而對(duì)解碼后的低帖率視頻進(jìn)行帖率上轉(zhuǎn)換。
[0003] 帖率上轉(zhuǎn)換的主流技術(shù)是運(yùn)動(dòng)補(bǔ)償法,它的基本要素是運(yùn)動(dòng)估計(jì)和運(yùn)動(dòng)補(bǔ)償內(nèi) 插。運(yùn)動(dòng)估計(jì)對(duì)運(yùn)動(dòng)補(bǔ)償帖率上轉(zhuǎn)換性能具有極大影響,而運(yùn)動(dòng)補(bǔ)償內(nèi)插的實(shí)施也需依靠 不同的運(yùn)動(dòng)估計(jì)策略。目前,現(xiàn)有的運(yùn)動(dòng)補(bǔ)償帖率上轉(zhuǎn)換可分為Ξ類:1)單向運(yùn)動(dòng)估計(jì);2) 雙向運(yùn)動(dòng)估計(jì);3)多假設(shè)運(yùn)動(dòng)估計(jì)。單向運(yùn)動(dòng)估計(jì)首先估計(jì)出前后兩帖間的運(yùn)動(dòng)向量場(chǎng),隨 后,沿著運(yùn)動(dòng)軌跡平移各塊內(nèi)插出新帖,然而,視頻帖存在的遮擋問(wèn)題和異常運(yùn)動(dòng)向量會(huì)導(dǎo) 致新帖中出現(xiàn)空桐和重疊現(xiàn)象。根據(jù)運(yùn)動(dòng)對(duì)稱假設(shè),雙向運(yùn)動(dòng)估計(jì)為內(nèi)插帖的每塊分配唯 一運(yùn)動(dòng)向量,從而避免了重疊與空桐問(wèn)題,然而,當(dāng)物體運(yùn)動(dòng)失去對(duì)稱性時(shí),它就無(wú)法確保 運(yùn)動(dòng)估計(jì)的準(zhǔn)確性,除此之外,由于內(nèi)插塊是未知的,視頻帖存在的大量周期重復(fù)性模式也 會(huì)導(dǎo)致不準(zhǔn)確的運(yùn)動(dòng)向量。多假設(shè)運(yùn)動(dòng)估計(jì)估計(jì)出多種運(yùn)動(dòng)向量場(chǎng),相應(yīng)的運(yùn)動(dòng)補(bǔ)償內(nèi)插 則是充分利用運(yùn)些具有不同準(zhǔn)確度的運(yùn)動(dòng)向量場(chǎng)W最大后驗(yàn)概率準(zhǔn)則生成內(nèi)插帖,盡管它 能夠提供顯著地性能提升,但是它的計(jì)算復(fù)雜度是傳統(tǒng)方法的若干倍。由上可知,如何提高 運(yùn)動(dòng)估計(jì)精度,較好地克服遮擋與異常運(yùn)動(dòng)向量引起的不良效應(yīng),并確保低計(jì)算復(fù)雜度,生 成高質(zhì)量的帖率上轉(zhuǎn)換信息是目前亟待解決的技術(shù)問(wèn)題。
【發(fā)明內(nèi)容】
[0004] 技術(shù)問(wèn)題:本發(fā)明為解決在低計(jì)算負(fù)擔(dān)下確保高精度運(yùn)動(dòng)估計(jì),提出了一種基于 色度混合匹配的帖率上轉(zhuǎn)換方法,進(jìn)一步改善運(yùn)動(dòng)補(bǔ)償帖率上轉(zhuǎn)換性能。
[0005] 技術(shù)方案:為了實(shí)現(xiàn)上述目的,本發(fā)明借助于色度混合匹配,分別提出時(shí)空運(yùn)動(dòng)向 量提純和高容錯(cuò)運(yùn)動(dòng)向量平滑提純內(nèi)插帖的運(yùn)動(dòng)向量場(chǎng),雙加權(quán)重疊塊運(yùn)動(dòng)補(bǔ)償也被提出 用W減弱運(yùn)動(dòng)補(bǔ)償內(nèi)插中的邊緣模糊與遮擋問(wèn)題。其包括如下步驟:
[0006] S1:塊匹配準(zhǔn)則首先通過(guò)采用色度混合匹配模型進(jìn)行改善,受Bayer模式啟發(fā),色 度混合匹配模型混合亮度與色差成份至一個(gè)二維平面,因此,單次作絕對(duì)差值和運(yùn)算就可 近似計(jì)算視頻序列中多個(gè)通道的差值,基于色度混合匹配模型的塊匹配準(zhǔn)則充分利用多通 道上的信息,與此同時(shí),減少計(jì)算復(fù)雜度。由于塊匹配準(zhǔn)則是運(yùn)動(dòng)估計(jì)各模塊中的基本要 素,因此,其對(duì)運(yùn)動(dòng)補(bǔ)償帖率上轉(zhuǎn)換整體性能有著較大的積極影響。
[0007] S2:內(nèi)插帖的前后運(yùn)動(dòng)向量場(chǎng)將分別計(jì)算,它們被使用去聯(lián)合內(nèi)插新帖,為了減少 前后運(yùn)動(dòng)估計(jì)的計(jì)算復(fù)雜度,Ξ維遞歸捜索方法被用于生成前后帖的前向與后向運(yùn)動(dòng)向量 場(chǎng)?;诖罅康膶?shí)踐經(jīng)驗(yàn),更合適的候選運(yùn)動(dòng)向量集合和單次迭代被用于Ξ維遞歸捜索方 法,其有助于權(quán)衡運(yùn)動(dòng)估計(jì)精度與捜索速度。
[0008] S3:為了克服現(xiàn)存運(yùn)動(dòng)向量提純方法總會(huì)導(dǎo)致不平滑運(yùn)動(dòng)向量場(chǎng)的問(wèn)題,提出時(shí) 空運(yùn)動(dòng)向量提純得到更可靠的運(yùn)動(dòng)向量場(chǎng),并依靠運(yùn)動(dòng)向量場(chǎng)的時(shí)空一致性假設(shè),隱式地 嵌入平滑約束至提純過(guò)程。
[0009] S4:提出高容錯(cuò)運(yùn)動(dòng)向量平滑抑制邊緣的過(guò)平滑,它采用加權(quán)方法檢測(cè)不準(zhǔn)確的 運(yùn)動(dòng)向量W抑制鄰近運(yùn)動(dòng)向量中的異常不誤導(dǎo)檢測(cè)結(jié)果,由于運(yùn)些異常經(jīng)常出現(xiàn)在邊緣地 區(qū),傳統(tǒng)基于空間相關(guān)性的糾錯(cuò)法將由基于時(shí)間相關(guān)性的方法替換。
[0010] S5:利用前后運(yùn)動(dòng)向量場(chǎng),雙加權(quán)重疊塊運(yùn)動(dòng)補(bǔ)償被提出緩解邊緣過(guò)平滑和遮擋:
[0011] S51:為了減少邊緣過(guò)平滑,當(dāng)前塊在前后帖中匹配塊的加權(quán)平均被用于分別計(jì)算 前后向運(yùn)動(dòng)向量場(chǎng)的兩個(gè)內(nèi)插塊候選,其中匹配塊的加權(quán)系數(shù)根據(jù)重疊區(qū)域絕對(duì)差值和計(jì) 算,重疊區(qū)域絕對(duì)差值和代表了內(nèi)插塊與鄰近塊的連續(xù)性;
[0012] S52:為了緩解遮擋問(wèn)題,根據(jù)基于色度混合匹配模型的雙向絕對(duì)差值和度量前后 向運(yùn)動(dòng)向量的可靠性,兩個(gè)內(nèi)插塊候選將被再次加權(quán)。
[0013] 有益效果:本發(fā)明提出了一種基于色度混合匹配的帖率上轉(zhuǎn)換方法,其中混合色 度匹配模型可減少由噪聲和重復(fù)模式所導(dǎo)致的不準(zhǔn)確運(yùn)動(dòng)向量的數(shù)量,時(shí)空運(yùn)動(dòng)向量提純 和高容錯(cuò)運(yùn)動(dòng)向量平滑抑制了異常運(yùn)動(dòng)向量數(shù)量,雙加權(quán)重疊塊運(yùn)動(dòng)補(bǔ)償則可同時(shí)緩解邊 緣過(guò)平滑和遮擋問(wèn)題。本發(fā)明W小計(jì)算代價(jià)明顯改善內(nèi)插帖的主客觀質(zhì)量,獲得了良好的 視覺(jué)效果。
【附圖說(shuō)明】
[0014] 圖1為本發(fā)明的流程
[0015] 圖2為混合色度匹配模型的構(gòu)造過(guò)程
[0016] 圖3為Ξ維遞歸捜索方法中候選運(yùn)動(dòng)向量的相對(duì)位置
[0017] 圖4為時(shí)空運(yùn)動(dòng)向量提純中候選提純運(yùn)動(dòng)向量集
[0018] 圖5為運(yùn)動(dòng)向量窗口和運(yùn)動(dòng)異常實(shí)例:(a)運(yùn)動(dòng)向量窗口;(b)運(yùn)動(dòng)異常實(shí)例
[0019] 圖6為雙加權(quán)重疊塊運(yùn)動(dòng)補(bǔ)償方法流程
[0020] 圖7為重疊區(qū)域絕對(duì)差值和實(shí)例
【具體實(shí)施方式】
[0021] 下面結(jié)合附圖和對(duì)本發(fā)明的技術(shù)方案作進(jìn)一步的說(shuō)明。
[0022] 本發(fā)明提出的運(yùn)動(dòng)補(bǔ)償帖率上轉(zhuǎn)換方法整體流程如圖1所示,包括基于色度混合 匹配模型的塊匹配準(zhǔn)則、基于Ξ維遞歸捜索的前后向運(yùn)動(dòng)估計(jì)、時(shí)空運(yùn)動(dòng)向量提純、高容錯(cuò) 運(yùn)動(dòng)向量平滑和雙加權(quán)重疊塊運(yùn)動(dòng)補(bǔ)償。具體實(shí)施步驟如下:
[0023] S1:受Bayer模式的啟發(fā),構(gòu)造出色度混合匹配模型,如圖2所示。由于人眼視覺(jué)系 統(tǒng)相對(duì)地更加關(guān)注亮度細(xì)節(jié),因此,色度混合匹配模型包含有較多的亮度采樣點(diǎn)。Y通道上 塊Bij的亮度采樣點(diǎn)位置Bi,/由菱形下采樣決定。經(jīng)過(guò)大量的統(tǒng)計(jì)分析,常見(jiàn)自然圖像的頻 譜主要分布在二維頻譜中W原點(diǎn)為中屯、、4個(gè)頂點(diǎn)在直角坐標(biāo)軸上的一個(gè)菱形范圍內(nèi),運(yùn)是 由于在自然場(chǎng)景圖像中,垂直的和水平的物體、線條、運(yùn)動(dòng)等比在其他方向上要多,因而,反 映在頻譜上就是水平和垂直方向的高頻分量要比其他方向多。基于該經(jīng)驗(yàn),色度混合匹配 模型使用菱形下采樣來(lái)避免在下采樣過(guò)程可能引入的頻譜混疊失真??紤]到人眼視覺(jué)系統(tǒng) 對(duì)彩色信息并不敏感,彩色信息將被適當(dāng)?shù)貋G棄,塊Bi,j在U和V通道上將通過(guò)均勻下采樣分 別獲得采樣位置Bi,/和Bi,/。為了不引入過(guò)多的計(jì)算復(fù)雜度,在容忍一定失真的前提下,下 采樣前的低通濾波過(guò)程將被忽略。將和Bi,/合并就形成了最終的色度混合匹配模 型,那么,前向的基于色度混合匹配模型的絕對(duì)差值和可設(shè)計(jì)如下:
[0024]
[00劇式中汾別是前參考帖、后參考帖,Yt+1(.)與Yt-1( ·)分別表示fVi與ft-1的 亮度成份,Ut+i( ·)和Ut-i( ·)分別是ft-i和ft+i的藍(lán)色差分量,Vt+i( ·)和Vt-i( ·)分別是ft-i 和ft+i的紅色差分量。由于色差分量的誤差能量常小于亮度分量的誤差能量,因此,通過(guò)引 入W適當(dāng)?shù)胤糯骍和V通道上的絕對(duì)差值和。后向的基于色度混合匹配模型的絕對(duì)差值和也 能W上式相似的形式構(gòu)造?;谏然旌掀ヅ淠P偷碾p向絕對(duì)差值和被設(shè)計(jì)如下:
[0026]
[0027]利用格式分別為CIF(352 X 288)、720P( 1280 X 720)和 1080P(1920 X 1080)的若干 測(cè)試序列評(píng)估在不同W值下的算法性能,發(fā)現(xiàn)最優(yōu)W值出現(xiàn)在[4,12]范圍內(nèi)。因此,W將被設(shè) 置為8。
[002引 S2:S維遞歸捜索方法采用MCMP-SAD計(jì)算ft-i與ft+i間的前后向運(yùn)動(dòng)向量場(chǎng)。在本 示例中,僅詳細(xì)描述前向運(yùn)動(dòng)估計(jì)的流程,對(duì)于后向運(yùn)動(dòng)估計(jì),其與前向運(yùn)動(dòng)估計(jì)類似,僅 是沿著相反方向執(zhí)行。由f t+l至化t-l的前向運(yùn)動(dòng)向量Vf0可計(jì)算如下:
[0029]
[0030] 式中CS為Ξ維遞歸捜索方法的候選運(yùn)動(dòng)向量集,其候選運(yùn)動(dòng)向量位置如圖3所示, 運(yùn)些候選運(yùn)動(dòng)向量分別是:零向量0,當(dāng)前塊位置Bi,j(中屯、)處的運(yùn)動(dòng)向量,空間鄰域塊位置 Sa(上方)和Sb(左側(cè))處的運(yùn)動(dòng)向量,時(shí)間鄰域塊位置Ta(下側(cè))和Tb(右側(cè))處的運(yùn)動(dòng)向量,W 及空間鄰域塊位置Ua(左上方)和化(右上側(cè))處的隨機(jī)擾動(dòng)運(yùn)動(dòng)向量,如下表示:
[0031 ] CS = (0,MVF"i't-i(Sa),MVF"i't-i(Sb),
[0032] MVFt-i, t-3(Ta),MVFt-i, t-3(Tb),Ra,姑 eUS
[0033] MVFt+i, t-i (Ua) +Ra,MVFt+i, t-i (化)+化}
[0034]
[0035] 式中MVFt+i,t-i表示ft+i至Ijft-i的運(yùn)動(dòng)向量場(chǎng),MVFt-i,t-3表示ft-iSJft-3的運(yùn)動(dòng)向量場(chǎng)。
[0036] S3:獲得ft-i與ft+i間的前后向運(yùn)動(dòng)向量場(chǎng)后,提出的時(shí)空運(yùn)動(dòng)向量提純方法將利 用它們分別為內(nèi)插帖內(nèi)各塊分配唯一的前向運(yùn)動(dòng)向量Vf和后向運(yùn)動(dòng)向量Vb。本示例詳細(xì)介 紹前向運(yùn)動(dòng)向量提純過(guò)程,后向運(yùn)動(dòng)向量提純僅是沿著相反方向進(jìn)行相同的運(yùn)算。在前向 情形中,當(dāng)計(jì)算內(nèi)插帖ft的前向運(yùn)動(dòng)向量場(chǎng)MVFt,t-i時(shí),由ft-1到ft-3的運(yùn)動(dòng)向量場(chǎng)MVFt-i,t-3 和由ft+i到ft-i的運(yùn)動(dòng)向量場(chǎng)MVFt+i,t-i是已知的,因此,由ft-i到ft-2的運(yùn)動(dòng)向量場(chǎng)MVFt-i,t-2和 由ft+翊ft的運(yùn)動(dòng)向量場(chǎng)MVFt+i,河計(jì)算如下:
[0037] MVFt-i,t-2=MVFt-i,t-3/2 [003引 MVF"i,t=MVF"i,t-i/2
[0039] 根據(jù)上述的時(shí)間鄰域運(yùn)動(dòng)向量場(chǎng),時(shí)空運(yùn)動(dòng)一致性可隱含地加入至前向運(yùn)動(dòng)向量 提純,通過(guò)如圖4所示的候選提純運(yùn)動(dòng)向量集RS,其可表示如下:
[0040] RS=(0,MVFt't-i(Si),MVFt't-i(S2),MVFt't-i(S3),MVFt't-i(S4)
[0041 ] MVF"i't(Ti),MVF"i't(T2),MVFt-i't-2(T3),MVFt-i't-2(T4)}
[0042] 其中零向量0加入至RS中是因?yàn)榱阆蛄砍霈F(xiàn)頻率較高。最后,由ft到ft-i的前向運(yùn) 動(dòng)向量Vf可計(jì)算如下:
[0043]
[0044] S4:高容錯(cuò)運(yùn)動(dòng)平滑方法去糾正邊緣區(qū)域內(nèi)不準(zhǔn)確的運(yùn)動(dòng)向量。為了檢測(cè)異常,尺 寸為3X3的窗口(如圖5(a)所示)自上到下從左至右依次遍歷所有運(yùn)動(dòng)向量。在運(yùn)動(dòng)向量窗 口內(nèi),V0是待處理的運(yùn)動(dòng)向量,V1-V8是V0的鄰域運(yùn)動(dòng)向量。然而,若運(yùn)動(dòng)異常存在于V1-V8內(nèi), 那么,將會(huì)對(duì)異常檢測(cè)產(chǎn)生不良影響,例如,圖5(b)顯示了在鄰域運(yùn)動(dòng)向量中V3和V6為運(yùn)動(dòng) 異常。為了克服該問(wèn)題,提出一個(gè)加權(quán)策略檢測(cè)異常,首先計(jì)算Vm、D〇和Dm如下:
[0049]式中Vm表示八個(gè)鄰域運(yùn)動(dòng)向量V1-V8的加權(quán)均值,Wi用于度量鄰域運(yùn)動(dòng)向量Vi的可 靠度(MCMP-SBAD越小,Vi的可靠度越高),Do表示Vm與V0的歐式距離,Dm表示Vm與八個(gè)鄰域運(yùn) 動(dòng)向量之間歐式距離的平均,II · I h代表b范數(shù)。若Do>Dm,vo被認(rèn)為是一個(gè)異常。加權(quán)檢測(cè) 可阻止Vm接近八個(gè)鄰域運(yùn)動(dòng)向量?jī)?nèi)的異常,因此,提高了異常檢測(cè)的準(zhǔn)確度。由于運(yùn)動(dòng)異常 經(jīng)常會(huì)出現(xiàn)在邊緣區(qū)域,因此,HFT-MVS算法將使用時(shí)間相關(guān)性糾正異常,如下:
[(K)加 ]
[0051] 式中Vin是由相鄰塊的非異常運(yùn)動(dòng)向量組成的集合。
[0052] S5:為了阻止邊緣過(guò)平滑和遮擋現(xiàn)象,提出的雙加權(quán)重疊塊運(yùn)動(dòng)補(bǔ)償方法將聯(lián)合 前后向運(yùn)動(dòng)向量場(chǎng)利用空間與時(shí)間加權(quán)生成內(nèi)插帖。具體的實(shí)施過(guò)程如圖6所示,描述如 下:
[0053] S51:對(duì)于空間加權(quán)策略,利用前向運(yùn)動(dòng)向量分別從ft-i與ft+i中抽取參考?jí)KXfp和 Xfη,接著,利用下式生成前向候選塊Xf C :
[0化4] Xfc = α印X印+αfnX化
[005引其中α印和α化分別表示評(píng)估沿P、沿η與它們空間鄰域塊連續(xù)性的加權(quán)系數(shù)。采用重疊 區(qū)域絕對(duì)差值和計(jì)算加權(quán)系數(shù)afp和afn。圖7列舉了計(jì)算重疊區(qū)域絕對(duì)差值和時(shí),當(dāng)前塊與 空間鄰域塊的關(guān)系,其計(jì)算表達(dá)式為:
[005引 Am,n = Bi+m,j+n00i, j
[0059] Vi+m, j+n = MVFt, t-1 (Bi+m, j+n)
[0060] 式中Bi,j是當(dāng)前內(nèi)插塊的位置,Bi+m,j+n(m,n = -l,0,l)是其空間鄰域塊的位置,0i,j 為Bi, j和Bi+m, j+n的重疊區(qū)域。SOADfp和SOAD化可反映 Xfp、X化與它們空間鄰域塊連續(xù)性,且連續(xù) 性越強(qiáng),S0A扣P和SOADfn取值越小。因此,afp和α化可計(jì)算如下;
[0063] 后向候選塊Xbc也可計(jì)算如下:
[0067] 式中Xbp和Xbn是利用后向運(yùn)動(dòng)向量vbc從ft-i與ft+沖抽取的參考?jí)K,SOADbp和SOADbn 分別為Xbp、Xbn與它們空間鄰域塊的重疊區(qū)域絕對(duì)差值和。
[006引S52:對(duì)于時(shí)間加權(quán)策略,最終的內(nèi)插塊Xc將由Xfc和Xbc通過(guò)加權(quán)&和化求和得到, 表達(dá)如下:
[0069] Xc = efXfc+0bXbc
[0070] 其中β?和化分別用于度量前后向運(yùn)動(dòng)向量Vfc和Vbc的可靠性。MCMP-SBAD被用于度 量運(yùn)動(dòng)向量的可靠度。MCMP-SBAD值較低,表示該運(yùn)動(dòng)向量相對(duì)更加真實(shí),其造成遮擋現(xiàn)象 的概率越低,因此,&和化可計(jì)算如下:
[0073] TCf=MCMP-SBAD(Bi,j,Vfc,t)
[0074] TCb=MCMP-SBAD (Bi, j,-vbc,t)
[0075] 時(shí)間加權(quán)策略使最終的內(nèi)插塊Xc自適應(yīng)地接近Xfc和Xbc中具有更大時(shí)間相關(guān)性的 一個(gè),而高時(shí)間相關(guān)性將確保運(yùn)動(dòng)向量的可靠性,降低遮擋出現(xiàn)的概率,因此,遮擋問(wèn)題可 得到有效緩解。
[0076] 本發(fā)明的仿真結(jié)果
[0077] 實(shí)施若干種實(shí)驗(yàn)評(píng)估本發(fā)明提出的帖率上轉(zhuǎn)換方法性能。測(cè)試序列使用兩種格式 CIF(352 X 288)和1080P( 1920 X 1080),其中CIF格式的測(cè)試序列包括Foreman、化irs、 Foo憂all、Stefan、Tennis、Mobile和Bus,1080P格式的測(cè)試序列包括F^edest;rian、RushHour 和化actor。為了評(píng)估內(nèi)插帖的質(zhì)量,每個(gè)測(cè)試序列的前50個(gè)偶數(shù)帖被移除,接著,它們通過(guò) 各種內(nèi)插算法由前50個(gè)奇數(shù)帖再次生成,最后,再計(jì)算生成內(nèi)插帖與原始帖之間的PSNR(峰 值信噪比)值W反映內(nèi)插帖的客觀質(zhì)量。對(duì)比算法采用四類方法如下:文獻(xiàn)C. Wang和 S. G. Jeong提出的基于單向運(yùn)動(dòng)估計(jì)的內(nèi)插方法,文獻(xiàn)B. D.化oi和S. J. Kang提出的基于雙 向運(yùn)動(dòng)估計(jì)的內(nèi)插方法,W及文獻(xiàn)H.B丄iu和S.G.Jeong提出的基于多假設(shè)運(yùn)動(dòng)估計(jì)的內(nèi)插 方法。
[007引表1列出了在格式為CIF和1080P的不同測(cè)試序列下各視頻帖率上轉(zhuǎn)換方法重建出 內(nèi)插帖的平均PSNR值,可看出與除多假設(shè)運(yùn)動(dòng)估計(jì)類方法外的對(duì)比方法相比,本發(fā)明獲得 了更高的PSNR值,例如,對(duì)于包含有縮放場(chǎng)景、旋轉(zhuǎn)和慢速平移運(yùn)動(dòng)的Mobile序列,本發(fā)明 獲得了3.11地~8.28地的PSNR增益。與多假設(shè)運(yùn)動(dòng)估計(jì)類方法相比,本發(fā)明平均上降低約 0.44dB,僅在少數(shù)序列下獲得了更高的PSNR值,例如,對(duì)于Footbal 1和Tractor序列,與 H.B丄iu方法相比,本發(fā)明分別獲得了0.13地和0.71地的PSNR增益,而對(duì)于Mobile序列,本 發(fā)明也比S.G.Jeong方法高出1.89地。然而,由于需要多個(gè)不同密度的運(yùn)動(dòng)向量場(chǎng),多假設(shè) 運(yùn)動(dòng)估計(jì)類方法具有較大的計(jì)算復(fù)雜度,尤其對(duì)于S. G. Jeong方法,若干復(fù)雜的視頻分析工 具(視頻分段,紋理綜合等)將進(jìn)一步在H.B丄iu方法基礎(chǔ)上引入沉重的計(jì)算負(fù)擔(dān),因此,多 假設(shè)運(yùn)動(dòng)估計(jì)類方法的良好性能是W增加計(jì)算復(fù)雜度為代價(jià)的。如表2所示,由于提出算法 使用了簡(jiǎn)單的預(yù)測(cè)捜索技術(shù),且僅利用單運(yùn)動(dòng)向量場(chǎng)內(nèi)插邊信息,所W它具有相對(duì)輕的計(jì) 算負(fù)擔(dān)。與其他僅利用單運(yùn)動(dòng)向量場(chǎng)的對(duì)比方法相比,本發(fā)明W較小的計(jì)算復(fù)雜度縮短了 與多假設(shè)運(yùn)動(dòng)估計(jì)類方法的性能差距,甚至在個(gè)別情況下,本發(fā)明性能也超出了多假設(shè)運(yùn) 動(dòng)估計(jì)類方法。
[0079] 表1格式為CIF和1080P的不同測(cè)試序列下各視頻帖率上轉(zhuǎn)換方法生成內(nèi)插帖的平 均PSNR值(地)
[0080]
[0081] 表2對(duì)于CIF和1080P格式的視頻序列各視頻帖率上轉(zhuǎn)換方法生成內(nèi)插帖所需的平 均處理時(shí)間(s/Rrame)
[0082]
【主權(quán)項(xiàng)】
1. 一種基于色度混合匹配模型的視頻幀率上轉(zhuǎn)換方法,其特征在于該方法借助于色度 混合匹配模型,分別提出時(shí)空運(yùn)動(dòng)向量提純方法和高容錯(cuò)運(yùn)動(dòng)向量平滑方法提純內(nèi)插幀的 運(yùn)動(dòng)向量場(chǎng),雙加權(quán)重疊塊運(yùn)動(dòng)補(bǔ)償方法也被提出用以減弱運(yùn)動(dòng)補(bǔ)償內(nèi)插中的邊緣模糊與 遮擋問(wèn)題。2. 如權(quán)利要求1所述的色度混合匹配模型,其特征在于混合亮度與色差成份至一個(gè)二 維平面,單次作絕對(duì)差值和運(yùn)算就可近似計(jì)算視頻序列中多個(gè)通道的差值,基于色度混合 匹配模型的塊匹配準(zhǔn)則充分利用多通道上的信息,與此同時(shí),減少計(jì)算復(fù)雜度,由于塊匹配 準(zhǔn)則是運(yùn)動(dòng)估計(jì)各模塊中的基本要素,因此,其對(duì)運(yùn)動(dòng)補(bǔ)償幀率上轉(zhuǎn)換整體性能有著較大 的積極影響。3. 如權(quán)利要求1所述的時(shí)空運(yùn)動(dòng)向量提純方法,其特征在于依靠運(yùn)動(dòng)向量場(chǎng)的時(shí)空一 致性假設(shè),隱式地嵌入平滑約束至提純過(guò)程。4. 如權(quán)利要求1所述的高容錯(cuò)運(yùn)動(dòng)向量平滑方法,其特征在于采用加權(quán)方法檢測(cè)不準(zhǔn) 確的運(yùn)動(dòng)向量以抑制鄰近運(yùn)動(dòng)向量中的異常不誤導(dǎo)檢測(cè)結(jié)果,由于這些異常經(jīng)常出現(xiàn)在邊 緣地區(qū),傳統(tǒng)基于空間相關(guān)性的糾錯(cuò)法將由基于時(shí)間相關(guān)性的方法替換。5. 如權(quán)利要求1所述的雙加權(quán)重疊塊運(yùn)動(dòng)補(bǔ)償方法,其特征在于:(1)為了減少邊緣過(guò) 平滑,當(dāng)前塊在前后幀中匹配塊的加權(quán)平均被用于分別計(jì)算前后向運(yùn)動(dòng)向量場(chǎng)的兩個(gè)內(nèi)插 塊候選,其中匹配塊的加權(quán)系數(shù)根據(jù)重疊區(qū)域絕對(duì)差值和計(jì)算,重疊區(qū)域絕對(duì)差值和代表 了內(nèi)插塊與鄰近塊的連續(xù)性;(2)為了緩解遮擋問(wèn)題,根據(jù)基于色度混合匹配模型的雙向絕 對(duì)差值和度量前后向運(yùn)動(dòng)向量的可靠性,兩個(gè)內(nèi)插塊候選將被再次加權(quán)。
【文檔編號(hào)】H04N19/132GK105872559SQ201610172218
【公開(kāi)日】2016年8月17日
【申請(qǐng)日】2016年3月20日
【發(fā)明人】李然, 孫芳, 劉宏兵
【申請(qǐng)人】信陽(yáng)師范學(xué)院