CN103152569A - 一种基于深度信息的视频感兴趣区域压缩方法 - Google Patents
一种基于深度信息的视频感兴趣区域压缩方法 Download PDFInfo
- Publication number
- CN103152569A CN103152569A CN201310063727XA CN201310063727A CN103152569A CN 103152569 A CN103152569 A CN 103152569A CN 201310063727X A CN201310063727X A CN 201310063727XA CN 201310063727 A CN201310063727 A CN 201310063727A CN 103152569 A CN103152569 A CN 103152569A
- Authority
- CN
- China
- Prior art keywords
- depth map
- depth
- interest
- area
- video
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
一种基于深度信息的视频感兴趣区域压缩方法,涉及一种视频感兴趣区域压缩方法,解决现有的感兴趣区域压缩方法不能根据人类视觉对低频信息敏感对高频信息不敏感的特性和人类视觉对前景和深度交界区域的细节敏感对背景区域细节不敏感的特性进行自动提取感兴趣区域的问题。获取待压缩视频的每一帧画面的深度图序列;对深度图序列进行边缘提取;对提取的结果进行数学形态学膨胀操作,获取边缘区域的周边区域;对深度图序列进行区域分割,计算各分割区域的像素灰度平均值将赋值给该区域内的所有像素;确定感兴趣区域;将非感兴趣区域进行平滑处理;对处理后的视频图像进行压缩编码。本发明可广泛应用于对视频信息感兴趣区域的压缩过程。
Description
技术领域
本发明涉及一种视频感兴趣区域压缩方法。
背景技术
视频所包含的数据量巨大,尤其是三维视频,它同时拥有两路二维视频或者一路二维视频和一路深度图序列。视频压缩式是减少视频数据量,以便于其存储和传输的关键技术。
现有的感兴趣区域压缩方法不能根据人类视觉对低频信息蜜柑对高品信息不敏感的特性和人类视觉对前景和深度交界区域的细节敏感对背景区域细节不敏感的特性进行自动提取感兴趣区域。
发明内容
本发明为了解决现有的感兴趣区域压缩方法不能根据人类视觉对低频信息敏感对高频信息不敏感的特性和人类视觉对前景和深度交界区域的细节敏感对背景区域细节不敏感的特性进行自动提取感兴趣区域的问题,从而提供一种基于深度信息的视频感兴趣区域压缩方法。
一种基于深度信息的视频感兴趣区域压缩方法,它包括如下步骤:
步骤一:获取待压缩视频的每一帧画面的深度图序列;深度z可由以下方程求出:
其中z(r,c)代表r行c列处像素的实际深度值,P(r,c)为该位置深度图的灰度值,MinZ和MaxZ分别为深度最小值和深度最大值;
步骤二:利用边缘检测算法对深度图序列进行边缘提取,所述边缘提取的结果用一幅与所述深度图序列等大的二进制灰度图表示,
所述等大的条件为图像行数M和列数N均与所述深度图相同;
其中,灰度值为“0”的像素表示该点在所述深度图序列上为非边缘区域,灰度值为“1”的像素表示该点在所述深度图序列上为边缘区域;
步骤三:对边缘提取的结果进行数学形态学膨胀操作,获取边缘区域的周边区域;
所述数学形态学膨胀操作是将与物体接触的所有背景点合并到该物体中,使边界向外部扩张的过程;膨胀操作定义为:
即对深度图边缘区域X进行大小为S的膨胀操作所产生的图像满足:像素x的大小为膨胀操作S的邻域与深度图边缘区域X的交集非空;
步骤四:利用图像分割方法对深度图序列进行区域分割,计算各分割区域的像素灰度平均值,并将所述像素灰度平均值赋值给该区域内的所有像素;
步骤五:根据步骤二获得的边缘区域、步骤三获得的边缘区域的周边区域和步骤四获得的像素灰度平均值确定感兴趣区域;
用参数I表示感兴趣程度,感兴趣程度I的范围为0~1,设深度图边缘及其周边区域的感兴趣程度I为1,所述感兴趣程度I为1时则该区域为感兴趣区域,其他区域的感兴趣程度按下式定义:
I(r,c)=P(r,c)/255.0
其中I(r,c)代表r行c列处像素的感兴趣程度,P(r,c)为该位置深度图的灰度值;
步骤六:采用时域与空域联合的高斯平滑滤波方法将非感兴趣区域进行平滑处理,非感兴趣区域为I小于0.6的区域,所用高斯窗函数的方差与I成反比;
步骤七:处理后的视频图像可用MPEG4和H.264的压缩标准进行压缩编码。
本发明一种基于深度信息的视频感兴趣区域压缩方法,实现了根据人类视觉对低频信息敏感对高频信息不敏感的特性和人类视觉对前景和深度交界区域的细节敏感对背景区域细节不敏感的特性进行自动提取感兴趣区域的过程。采用本发明一种基于深度信息的视频感兴趣区域压缩方法,对深度图进行感兴趣区域压缩与直接用压缩标准进行压缩方法比较,能够在不影响主观质量的条件下提高压缩比10%~20%。
附图说明
图1为本发明一种基于深度信息的视频感兴趣区域压缩方法的流程图。
具体实施方式
具体实施方式一,结合图1说明本具体实施方式。一种基于深度信息的视频感兴趣区域压缩方法,它包括如下步骤:
步骤一:获取待压缩视频的每一帧画面的深度图序列;深度z可由以下方程求出:
其中z(r,c)代表r行c列处像素的实际深度值,P(r,c)为该位置深度图的灰度值,MinZ和MaxZ分别为深度最小值和深度最大值;
步骤二:利用边缘检测算法对深度图序列进行边缘提取,所述边缘提取的结果用一幅与所述深度图序列等大的二进制灰度图表示,
所述等大的条件为图像行数M和列数N均与所述深度图相同;
其中,灰度值为“0”的像素表示该点在所述深度图序列上为非边缘区域,灰度值为“1”的像素表示该点在所述深度图序列上为边缘区域;
步骤三:对边缘提取的结果进行数学形态学膨胀操作,获取边缘区域的周边区域;
所述数学形态学膨胀操作是将与物体接触的所有背景点合并到该物体中,使边界向外部扩张的过程;膨胀操作定义为:
即对深度图边缘区域X进行大小为S的膨胀操作所产生的图像满足:像素x的大小为膨胀操作S的邻域与深度图边缘区域X的交集非空;
步骤四:利用图像分割方法对深度图序列进行区域分割,计算各分割区域的像素灰度平均值,并将所述像素灰度平均值赋值给该区域内的所有像素;
步骤五:根据步骤二获得的边缘区域、步骤三获得的边缘区域的周边区域和步骤四获得的像素灰度平均值确定感兴趣区域;
用参数I表示感兴趣程度,感兴趣程度I的范围为0~1,设深度图边缘及其周边区域的感兴趣程度I为1,所述感兴趣程度I为1时则该区域为感兴趣区域,其他区域的感兴趣程度按下式定义:
I(r,c)=P(r,c)/255.0
其中I(r,c)代表r行c列处像素的感兴趣程度,P(r,c)为该位置深度图的灰度值;
步骤六:采用时域与空域联合的高斯平滑滤波方法将非感兴趣区域进行平滑处理,非感兴趣区域为I小于0.6的区域,所用高斯窗函数的方差与I成反比;
步骤七:处理后的视频图像可用MPEG4和H.264的压缩标准进行压缩编码。
所述MPEG4为运动图像专家组第四代视频编码标准;H.264为先进视频编码标准。
具体实施方式二、本具体实施方式与具体实施方式一不同的是步骤二所述膨胀操作所选取S大小范围为3~8。
本技术的特色和创新之处在于根据人眼立体视觉对前景区域深度变化敏感,对背景区域深度变化不敏感以及深度图存在大部分灰度平滑区域,而边缘处灰度变化剧烈的特点,利用边缘检测和图像分割技术实现深度图感兴趣区域的自动选取。再根据上述感兴趣区域选取结果对深度图进行感兴趣区域压缩。
Claims (2)
1.一种基于深度信息的视频感兴趣区域压缩方法,其特征在于它包括如下步骤:
步骤一:获取待压缩视频的每一帧画面的深度图序列;深度z可由以下方程求出:
其中z(r,c)代表r行c列处像素的实际深度值,P(r,c)为该位置深度图的灰度值,MinZ和MaxZ分别为深度最小值和深度最大值;
步骤二:利用边缘检测算法对深度图序列进行边缘提取,所述边缘提取的结果用一幅与所述深度图序列等大的二进制灰度图表示,
所述等大的条件为图像行数M和列数N均与所述深度图相同;
其中,灰度值为“0”的像素表示该点在所述深度图序列上为非边缘区域,灰度值为“1”的像素表示该点在所述深度图序列上为边缘区域;
步骤三:对边缘提取的结果进行数学形态学膨胀操作,获取边缘区域的周边区域;
所述数学形态学膨胀操作是将与物体接触的所有背景点合并到该物体中,使边界向外部扩张的过程;膨胀操作定义为:
即对深度图边缘区域X进行大小为S的膨胀操作所产生的图像满足:像素x的大小为膨胀操作S的邻域与深度图边缘区域X的交集非空;
步骤四:利用图像分割方法对深度图序列进行区域分割,计算各分割区域的像素灰度平均值,并将所述像素灰度平均值赋值给该区域内的所有像素;
步骤五:根据步骤二获得的边缘区域、步骤三获得的边缘区域的周边区域和步骤四获得的像素灰度平均值确定感兴趣区域;
用参数I表示感兴趣程度,感兴趣程度I的范围为0~1,设深度图边缘及其周边区域的感兴趣程度I为1,所述感兴趣程度I为1时则该区域为感兴趣区域,其他区域的感兴趣程度按下式定义:
I(r,c)=P(r,c)/255.0
其中I(r,c)代表r行c列处像素的感兴趣程度,P(r,c)为该位置深度图的灰度值;
步骤六:采用时域与空域联合的高斯平滑滤波方法将非感兴趣区域进行平滑处理,非感兴趣区域为I小于0.6的区域,所用高斯窗函数的方差与I成反比;
步骤七:处理后的视频图像可用MPEG4和H.264的压缩标准进行压缩编码。
2.根据权利要求1所述的一种基于深度信息的视频感兴趣区域压缩方法,其特征在于步骤二所述膨胀操作所选取S大小范围为3~8。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310063727XA CN103152569A (zh) | 2013-02-28 | 2013-02-28 | 一种基于深度信息的视频感兴趣区域压缩方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310063727XA CN103152569A (zh) | 2013-02-28 | 2013-02-28 | 一种基于深度信息的视频感兴趣区域压缩方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103152569A true CN103152569A (zh) | 2013-06-12 |
Family
ID=48550411
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310063727XA Pending CN103152569A (zh) | 2013-02-28 | 2013-02-28 | 一种基于深度信息的视频感兴趣区域压缩方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103152569A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103500454A (zh) * | 2013-08-27 | 2014-01-08 | 东莞中国科学院云计算产业技术创新与育成中心 | 一种抖动视频运动目标提取方法 |
CN104427291A (zh) * | 2013-08-19 | 2015-03-18 | 华为技术有限公司 | 一种图像处理方法及设备 |
CN105141940A (zh) * | 2015-08-18 | 2015-12-09 | 太原科技大学 | 一种分区域的3d视频编码方法 |
CN108513131A (zh) * | 2018-03-28 | 2018-09-07 | 浙江工业大学 | 一种自由视点视频深度图感兴趣区域编码方法 |
CN110213587A (zh) * | 2019-07-08 | 2019-09-06 | 北京达佳互联信息技术有限公司 | 视频编码方法、装置、电子设备及存储介质 |
CN113284133A (zh) * | 2021-06-16 | 2021-08-20 | 北京瑞莱智慧科技有限公司 | 一种光伏电池片间距的确定方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101470806A (zh) * | 2007-12-27 | 2009-07-01 | 东软集团股份有限公司 | 车灯检测方法和装置、感兴趣区域分割方法和装置 |
US20100232698A1 (en) * | 2009-02-25 | 2010-09-16 | The Government Of The United States Of America As Represented By The Secretary Of The Navy | Computationally Efficient Method for Image Segmentation with Intensity and Texture Discrimination |
CN102801997A (zh) * | 2012-07-11 | 2012-11-28 | 天津大学 | 基于感兴趣深度的立体图像压缩方法 |
-
2013
- 2013-02-28 CN CN201310063727XA patent/CN103152569A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101470806A (zh) * | 2007-12-27 | 2009-07-01 | 东软集团股份有限公司 | 车灯检测方法和装置、感兴趣区域分割方法和装置 |
US20100232698A1 (en) * | 2009-02-25 | 2010-09-16 | The Government Of The United States Of America As Represented By The Secretary Of The Navy | Computationally Efficient Method for Image Segmentation with Intensity and Texture Discrimination |
CN102801997A (zh) * | 2012-07-11 | 2012-11-28 | 天津大学 | 基于感兴趣深度的立体图像压缩方法 |
Non-Patent Citations (2)
Title |
---|
KARLSSON等: "REGION-OF-INTEREST 3D VIDEO CODING BASED ON DEPTH IMAGES", 《3DTV-CON’08》 * |
夏召强 等: "基于边缘与深度特征的感兴趣区域检测技术", 《计算机仿真》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104427291A (zh) * | 2013-08-19 | 2015-03-18 | 华为技术有限公司 | 一种图像处理方法及设备 |
CN104427291B (zh) * | 2013-08-19 | 2018-09-28 | 华为技术有限公司 | 一种图像处理方法及设备 |
CN103500454A (zh) * | 2013-08-27 | 2014-01-08 | 东莞中国科学院云计算产业技术创新与育成中心 | 一种抖动视频运动目标提取方法 |
CN105141940A (zh) * | 2015-08-18 | 2015-12-09 | 太原科技大学 | 一种分区域的3d视频编码方法 |
CN108513131A (zh) * | 2018-03-28 | 2018-09-07 | 浙江工业大学 | 一种自由视点视频深度图感兴趣区域编码方法 |
CN108513131B (zh) * | 2018-03-28 | 2020-10-20 | 浙江工业大学 | 一种自由视点视频深度图感兴趣区域编码方法 |
CN110213587A (zh) * | 2019-07-08 | 2019-09-06 | 北京达佳互联信息技术有限公司 | 视频编码方法、装置、电子设备及存储介质 |
CN113284133A (zh) * | 2021-06-16 | 2021-08-20 | 北京瑞莱智慧科技有限公司 | 一种光伏电池片间距的确定方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103152569A (zh) | 一种基于深度信息的视频感兴趣区域压缩方法 | |
CN103871076B (zh) | 基于光流法和超像素分割的运动目标提取方法 | |
CN101631256B (zh) | 用于三维电视系统中2d视频到3d视频的转换方法 | |
CN101527043B (zh) | 基于运动目标轮廓信息的视频对象分割方法 | |
CN105631455A (zh) | 一种图像主体提取方法及系统 | |
CN101587189B (zh) | 用于合成孔径雷达图像的纹理基元特征提取方法 | |
CN103455991A (zh) | 一种多聚焦图像融合方法 | |
US20190164259A1 (en) | Method and apparatus for removing turbid objects in an image | |
CN103903275B (zh) | 利用小波融合算法改进图像分割效果的方法 | |
CN103996198A (zh) | 复杂自然环境下感兴趣区域的检测方法 | |
CN107749066A (zh) | 一种基于区域的多尺度时空视觉显著性检测方法 | |
CN103077542A (zh) | 一种深度图的感兴趣区域压缩方法 | |
CN103955913A (zh) | 一种基于线段共生矩阵特征和区域图的sar图像分割方法 | |
CN104036485A (zh) | 一种关于图像重采样篡改检测的方法 | |
CN103020918A (zh) | 基于形状自适应邻域均值的非局部均值去噪方法 | |
CN103957397A (zh) | 一种基于图像特征的低分辨率深度图像上采样方法 | |
CN103095996A (zh) | 基于时空显著性检测的多传感器视频融合方法 | |
CN110378924A (zh) | 基于局部熵的水平集图像分割方法 | |
CN103514608A (zh) | 基于运动注意力融合模型的运动目标检测与提取方法 | |
CN106447654B (zh) | 基于统计相似性和双向显著性保真度的图像重定向质量评价方法 | |
CN102420985A (zh) | 一种多视点视频对象提取方法 | |
CN103366332B (zh) | 一种基于深度信息的图像水印方法 | |
Kwon et al. | ETVOS: An enhanced total variation optimization segmentation approach for SAR sea-ice image segmentation | |
CN106373126A (zh) | 基于融合类测地线和边界对比的图像显著性检测方法 | |
CN103065320A (zh) | 基于恒虚警阈值的sar图像变化检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130612 |