CN106358044B - 一种立体视频帧率提升中运动矢量检测与校正方法及系统 - Google Patents
一种立体视频帧率提升中运动矢量检测与校正方法及系统 Download PDFInfo
- Publication number
- CN106358044B CN106358044B CN201610976656.6A CN201610976656A CN106358044B CN 106358044 B CN106358044 B CN 106358044B CN 201610976656 A CN201610976656 A CN 201610976656A CN 106358044 B CN106358044 B CN 106358044B
- Authority
- CN
- China
- Prior art keywords
- motion vector
- motion
- unreliable
- erroneous
- represent
- 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.)
- Active
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
- H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
- H04N19/51—Motion estimation or motion compensation
- H04N19/513—Processing of motion vectors
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
- H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
- H04N19/51—Motion estimation or motion compensation
- H04N19/513—Processing of motion vectors
- H04N19/521—Processing of motion vectors for estimating the reliability of the determined motion vectors or motion vector field, e.g. for smoothing the motion vector field or for correcting motion vectors
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
- H04N19/503—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving temporal prediction
- H04N19/51—Motion estimation or motion compensation
- H04N19/577—Motion compensation with bidirectional frame interpolation, i.e. using B-pictures
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种立体视频帧率提升中运动矢量检测与校正方法及系统,首先,利用运动矢量的空间相关性,即相邻运动矢量之间的方向相关性和幅度相关性,对插入帧运动矢量场中的错误运动矢量和不可靠运动矢量进行检测;其次,利用融合空间、颜色和深度信息的方法校正插入帧运动矢量场中的错误运动矢量和不可靠运动矢量,得到插入帧的真实运动矢量场。本发明提高了检测效果,降低了错误运动矢量的漏检率。
Description
技术领域
本发明涉及视频处理技术领域,尤其涉及一种立体视频帧率提升中运动矢量检测与校正方法及系统。
背景技术
立体视频能够为用户提供全新的视觉感受,因而引起科研界和产业界的广泛关注。立体视频系统通常需要向用户同时提供多个视点的彩色和深度视频,所以相对于传统视频,数据传输量剧增。即便使用高效的编码技术,在实际系统中,如无线传输系统,信道带宽仍然严重不足,而这限制了立体视频的帧率。由于显示设备的物理特性和人体视觉系统的生理特性,当视频帧率较低时,会产生运动模糊或者伪影现象,严重影响了立体视频的视觉质量。
帧率提升是一种常见的视频增强技术,通过对低帧率视频处理,在两个视频帧之间插入一帧或者多帧,实现视频播放帧率的提高。帧率提升方法有多种,其中最常用的是基于运动补偿的帧率提升方法,而基于运动补偿的帧率提升方法又可以分为单向运动补偿帧率提升(如图1(a)所示)和双向运动补偿帧率提升(如图1(b)所示)。
单向运动补偿帧率提升在插入帧中会出现空洞或者重叠现象,而双向运动补偿帧率提升不会出现这种现象。因此,双向运动补偿帧率提升方法在工程中被广泛应用。
在双向运动补偿帧率提升方法中,首先通过双向运动估计获取插入帧每个图像块的运动矢量,但是实际中并不能保证每一个运动矢量能够表示相应图像块的真实运动,因此在运动补偿前首先要对运动矢量进行处理,检测出非真实运动矢量并进行校正。
发明内容
本发明的目的就是为了解决上述问题,提供一种立体视频帧率提升中运动矢量检测与校正方法及系统,首先,利用空间相关性进行运动矢量的检测,其中包括两步:基于方向相关性的错误运动矢量检测和基于幅度相关性的不可靠运动矢量检测;其次,完成对插入帧整个运动矢量场的检测后,采用融合空间、颜色和深度信息的方法对错误运动矢量和不可靠运动矢量进行校正。
为了实现上述目的,本发明采用如下技术方案:
一种立体视频帧率提升中运动矢量检测与校正方法,包括以下步骤:
步骤(1):利用基于空间相关性的运动矢量检测方法对插入帧的运动矢量场进行处理,检测出插入帧的运动矢量场中的错误运动矢量和不可靠运动矢量;
步骤(2):利用融合空间、颜色和深度信息的方法对插入帧的运动矢量场中的错误运动矢量和不可靠运动矢量进行校正。
所述步骤(1)包括:
步骤(1-1):基于方向相关性的运动矢量检测:利用被检测运动矢量和被检测运动矢量的8邻域运动矢量在方向上的关系计算运动矢量的可靠性,确定被检测运动矢量是否为错误运动矢量;若是错误运动矢量,就将错误运动矢量保存;若不是错误运动矢量则进入步骤(1-2);
步骤(1-2):基于幅度相关性的运动矢量检测:利用被检测运动矢量和被检测运动矢量8邻域运动矢量在幅度上的关系进行进一步检测,并确定被检测运动矢量是否为不可靠运动矢量,若是不可靠运动矢量,就将不可靠运动矢量保存,若不是不可靠运动矢量,则将运动矢量保存到真实运动矢量场中。
所述步骤(1-1)的步骤为:
v表示被检测运动矢量,vi表示被检测运动矢量的8邻域运动矢量,其中i=1,…,8;则v与vi之间的方向相似度用公式(1)表示:
其中,‖·‖表示矢量的欧氏距离,即矢量的幅度。γi反映了被检测运动矢量v和被检测运动矢量的8邻域运动矢量vi之间方向上的关系。
假设γi中正数的数量为np,假设γi中非正数的数量为nn,如果np<nn,则v被标记为错误运动矢量;如果np≥nn,则v进入步骤(1-2)基于幅度相关性的运动矢量检测。
所述步骤(1-2)的步骤为:
首先,从被检测运动矢量的8邻域运动矢量vi中选取所有满足γi>0的运动矢量,组成集合V={‖v‖,‖vi‖|γi>0},若‖v‖是集合V中的最大值或者最小值,则标记v为不可靠运动矢量;如果‖v‖不是集合V中的最大值或者最小值,则标记v为真实运动矢量。所述不可靠运动矢量包括被步骤(1-1)漏检的错误运动矢量或被步骤(1-2)误检的真实运动矢量。
所述步骤(2)包括:
步骤(2-1):对错误运动矢量构建错误运动矢量校正候选集;对不可靠运动矢量构建不可靠运动矢量校正候选集;
步骤(2-2):利用错误运动矢量校正候选集和不可靠运动矢量校正候选集中候选运动矢量的空间关系,以及所述候选运动矢量对应的图像块的颜色和深度信息,构建能量函数;
步骤(2-3):利用能量函数最小化,从错误运动矢量校正候选集和不可靠运动矢量校正候选集中选取最优候选运动矢量,用最优候选运动矢量替代错误运动矢量或者不可靠运动矢量,将最优优选运动矢量保存到真实运动矢量场中,完成校正处理。
所述步骤(2)的步骤为:
将步骤(1)检测得到的错误运动矢量表示为vk1,则vk1的8邻域中所有真实运动矢量组成vk1的错误运动矢量校正候选集Ω1;
将步骤(1)检测得到的不可靠运动矢量表示为vk2,不可靠运动矢量校正候选集为Ω2,则Ω2除了包含vk2的8邻域中所有真实运动矢量外,还包含vk2本身;
对于错误运动矢量,利用空间、颜色和深度信息构建能量函数,如公式(2),并利用能量函数最小化从错误运动矢量校正候选集中选取最优候选运动矢量,如公式(3):
E(vj1)=Espatial1(vj1)+λc1Ecolor1(vj1)+λd1Edepth1(vj1) (2)
其中vj1为错误运动矢量校正候选集Ω1中的一个候选运动矢量,为错误运动矢量校正后的运动矢量。公式(2)中,Espatial1表示错误运动矢量能量函数中的空间分量;Ecolor1表示错误运动矢量能量函数中的颜色分量;Edepth1表示错误运动矢量能量函数中的深度分量。λc1表示错误运动矢量颜色分量的加权系数;λd1表示错误运动矢量深度分量的加权系数。
Espatial1、Ecolor1和Edepth1分别用下面公式计算:
其中,公式(4)中vl1表示错误运动矢量校正候选集Ω1中除vj1以外的候选运动矢量,即vl1=Ω1-vj1,K1表示vl1中运动矢量的个数;
公式(5)中表示当以vj1为当前图像块的运动矢量时,当前图像块在上一帧中对应的图像块;
表示当以vj1为当前图像块的运动矢量时,当前图像块在下一帧中对应的图像块,N1表示图像块中像素的个数;p1表示当前图像块的位置,即当前图像块最左上角像素点的坐标;t1表示时间参数;例如,表示时间为t1的视频帧中最左上角像素坐标为p1的图像块。
公式(6)中表示对应的深度图像块;表示对应的深度图像块。
对于不可靠运动矢量,利用空间、颜色和深度信息构建能量函数,如公式(7),并利用能量函数最小化从不可靠运动矢量校正候选集中选取最优候选运动矢量,如公式(8):
E(vj2)=Espatial2(vj2)+λc2Ecolor2(vj2)+λd2Edepth2(vj2) (7)
其中vj2为不可靠运动矢量校正候选集Ω2中的一个候选运动矢量,为不可靠运动矢量校正后的运动矢量。公式(7)中,Espatial2表示不可靠运动矢量能量函数中的空间分量;Ecolor2表示不可靠运动矢量能量函数中的颜色分量;Edepth2表示不可靠运动矢量能量函数中的深度分量。λc2表示不可靠运动矢量颜色分量的加权系数;λd2表示不可靠运动矢量深度分量的加权系数。Espatial2、Ecolor2和Edepth2分别用下面公式计算:
其中,公式(9)中vl2表示不可靠运动矢量校正候选集Ω2中除vj2以外的候选运动矢量,即vl2=Ω2-vj2,K2表示vl2中运动矢量的个数;
公式(10)中表示当以vj2为当前图像块的运动矢量时,当前图像块在上一帧中对应的图像块;表示当以vj2为当前图像块的运动矢量时,当前图像块在下一帧中对应的图像块,N2表示图像块中像素的个数;p2表示当前图像块的位置,即当前图像块最左上角像素点的坐标;t2表示时间参数;例如,表示时间为t2的视频帧中最左上角像素坐标为p2的图像块。
公式(11)中表示对应的深度图像块;表示对应的深度图像块。
一种立体视频帧率提升中运动矢量检测与校正系统,包括:
检测模块:利用基于空间相关性的运动矢量检测方法对插入帧的运动矢量场进行处理,检测出插入帧的运动矢量场中的错误运动矢量和不可靠运动矢量;
校正模块:利用融合空间、颜色和深度信息的方法对插入帧的运动矢量场中的错误运动矢量和不可靠运动矢量进行校正。
所述检测模块包括:
基于方向相关性的运动矢量检测单元:利用被检测运动矢量和被检测运动矢量的8邻域运动矢量在方向上的关系计算运动矢量的可靠性,确定被检测运动矢量是否为错误运动矢量;若是错误运动矢量,就将错误运动矢量保存;若不是错误运动矢量则进入基于幅度相关性的运动矢量检测单元;
基于幅度相关性的运动矢量检测单元:利用被检测运动矢量和被检测运动矢量8邻域运动矢量在幅度上的关系进行进一步检测,并确定被检测运动矢量是否为不可靠运动矢量,若是不可靠运动矢量,就将不可靠运动矢量保存,若不是不可靠运动矢量,则将运动矢量保存到真实运动矢量场中。
所述校正模块包括:
运动矢量校正候选集构建单元:对错误运动矢量构建错误运动矢量校正候选集;对不可靠运动矢量构建不可靠运动矢量校正候选集;
能量函数构建单元:利用错误运动矢量校正候选集和不可靠运动矢量校正候选集中候选运动矢量的空间关系,以及所述候选运动矢量对应的图像块的颜色和深度信息,构建能量函数;
校正处理单元:利用能量函数最小化,从错误运动矢量校正候选集和不可靠运动矢量校正候选集中选取最优候选运动矢量,用最优候选运动矢量替代错误运动矢量或者不可靠运动矢量,将最优优选运动矢量保存到真实运动矢量场中,完成校正处理。
本发明的有益效果为:
首先,本发明通过两步完成运动矢量的检测,利用运动矢量方向相关性检测出错误运动矢量,对其余的运动矢量采用幅度相关性进行近一步检测,检测出不可靠运动矢量,从而提高了检测效果,降低了错误运动矢量的漏检率;
其次,在对运动矢量进行校正时,本发明融合空间、颜色和深度信息构建能量函数,并分别针对错误运动矢量和不可靠运动矢量构建不同的运动矢量校正候选集,利用能量函数最小化从运动矢量校正候选集中选取最优候选运动矢量,替代当前错误运动矢量或者不可靠运动矢量,而非采用其他运动矢量对错误运动矢量进行补偿,因而校正后的运动矢量更能反映该图像块的真实运动。
附图说明
图1(a)为单向运动补偿帧率提升方式;
图1(b)为双向运动补偿帧率提升方式;
图2为本发明的流程图;
图3(a)为常见错误运动矢量类别;
图3(b)为常见错误运动矢量类别;
图3(c)为常见错误运动矢量类别。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
与现有的方法不同,本发明提出的方法分别利用运动矢量方向相关性和幅度相关性进行错误运动矢量和不可靠运动矢量的检测,提高了运动矢量检测效果;其次,区别于现有的错误运动矢量校正方法,本发明针对错误运动矢量和不可靠运动矢量分别构建运动矢量校正候选集,并提出融合空间、颜色和深度三种信息的能量函数,通过能量函数最小化从运动矢量校正候选集中选取最优候选运动矢量,对错误运动矢量或不可靠运动矢量进行校正,使用本方法校正后的运动矢量更能反映该图像块的真实运动。
本发明提出一种立体视频帧率提升中运动矢量检测与校正方法。首先,利用相邻运动矢量方向相关性进行初步检测,判断被检测运动矢量是否为错误运动矢量,若初步检测结果不是错误运动矢量,则基于幅度相关性进行近一步检测,判断其是否为不可靠运动矢量;其次,完成对插入帧整个运动矢量场的检测后,采用融合空间、颜色和深度信息的运动矢量校正方法对错误运动矢量和不可靠运动矢量进行校正处理。本发明的流程图如图2所示,具体实施方式如下:
(1)基于空间相关性的运动矢量检测。
通常而言,在运动矢量场中可以通过被检测运动矢量和其相邻运动矢量之间空间相关性来测量被检测运动矢量的可靠性,而运动矢量空间相关性反映在两个方面:方向相关性和幅度相关性。因此,错误运动矢量与其相邻的真实运动矢量在方向或者幅度上必然存在区别。如图3(a)-图3(c)所示,图中v表示被检测运动矢量,vi(其中i=1,…,8)表示被检测运动矢量的8邻域运动矢量。若被检测运动矢量为错误运动矢量,则其可以分为两类:第一类如图3(a)所示,v的方向与其邻域内所有或者大部分运动矢量的方向不同;第二类如图3(b)和图3(c)所示,v的幅度与其邻域内所有或者大部分运动矢量的幅度差异较大。基于此,本发明提出了一种基于空间相关性的两步运动矢量检测方法。
第一步:基于方向相关性的运动矢量检测。如前所述,v表示被检测运动矢量,vi(其中i=1,…,8)表示被检测运动矢量的8邻域运动矢量。则v与vi(其中i=1,…,8)之间的方向相似度可以用公式(1)表示:
其中‖·‖表示矢量的欧氏距离,即矢量的幅度。很明显,γi反映了被检测运动矢量v和其邻域运动矢量vi(其中i=1,…,8)之间方向上的关系。假设γi(其中i=1,…,8)中正数和非正数的数量分别为np和nn,如果np<nn,则v被标记为错误运动矢量;如果np≥nn,则v需要经过第二步基于幅度相关性的运动矢量检测。
第二步:基于幅度相关性的运动矢量检测。若被检测运动矢量v经过第一步检测不是错误运动矢量,则需要通过幅度相关性来进行进一步判断。首先,从v的邻域运动矢量vi(其中i=1,…,8)中选取所有满足γi>0(γi通过公式(1)计算得到)的运动矢量,组成集合V={‖v‖,‖vi‖|γi>0},若‖v‖是集合V中的最大值或者最小值,则标记v为不可靠运动矢量;如果‖v‖不是集合V中的最大值或者最小值,则标记v为真实运动矢量。需要注意的是此处定义的不可靠运动矢量可能为错误运动矢量,即步骤(1-1)漏检的错误运动矢量,也可能为真实运动矢量。
经过以上两步运动矢量检测方法可以将运动矢量场中的所有错误运动矢量和不可靠运动矢量标记出来,然后利用下面的方法进行校正处理。
(2)融合空间、颜色和深度信息的运动矢量校正。
通过上述步骤将运动矢量场中的运动矢量分为错误运动矢量、不可靠运动矢量和真实运动矢量三类,本发明对错误运动矢量和不可靠运动矢量进行校正。
将步骤(1)检测得到的错误运动矢量表示为vk1,则vk1的8邻域中所有真实运动矢量组成vk1的错误运动矢量校正候选集Ω1;
将步骤(1)得到的不可靠运动矢量表示为vk2,其不可靠运动矢量校正候选集为Ω2,则Ω2除了包含vk2的8邻域中所有真实运动矢量外,还包含vk2本身。
对于错误运动矢量,利用空间、颜色和深度信息构建能量函数,如公式(2),并利用能量函数最小化从错误运动矢量校正候选集中选取最优候选运动矢量,如公式(3):
E(vj1)=Espatial1(vj1)+λc1Ecolor1(vj1)+λd1Edepth1(vj1) (2)
其中vj1为错误运动矢量校正候选集Ω1中的一个候选运动矢量,为错误运动矢量校正后的运动矢量。公式(2)中,Espatial1表示错误运动矢量能量函数中的空间分量;Ecolor1表示错误运动矢量能量函数中的颜色分量;Edepth1表示错误运动矢量能量函数中的深度分量。λc1表示错误运动矢量颜色分量的加权系数;λd1表示错误运动矢量深度分量的加权系数。实验中我们取λc1=1,λd1=0.5。
Espatial1、Ecolor1和Edepth1分别用下面公式计算:
其中,公式(4)中vl1表示错误运动矢量校正候选集Ω1中除vj1以外的候选运动矢量,即vl1=Ω1-vj1,K1表示vl1中运动矢量的个数;
公式(5)中表示当以vj1为当前图像块的运动矢量时,当前图像块在上一帧中对应的图像块;
表示当以vj1为当前图像块的运动矢量时,当前图像块在下一帧中对应的图像块,N1表示图像块中像素的个数;p1表示当前图像块的位置,即当前图像块最左上角像素点的坐标;t1表示时间参数;例如,表示时间为t1的视频帧中最左上角像素坐标为p1的图像块。
公式(6)中表示对应的深度图像块;表示对应的深度图像块。
对于不可靠运动矢量,利用空间、颜色和深度信息构建能量函数,如公式(7),并利用能量函数最小化从不可靠运动矢量校正候选集中选取最优候选运动矢量,如公式(8):
E(vj2)=Espatial2(vj2)+λc2Ecolor2(vj2)+λd2Edepth2(vj2) (7)
其中vj2为不可靠运动矢量校正候选集Ω2中的一个候选运动矢量,为不可靠运动矢量校正后的运动矢量。公式(7)中,Espatial2表示不可靠运动矢量能量函数中的空间分量;Ecolor2表示不可靠运动矢量能量函数中的颜色分量;Edepth2表示不可靠运动矢量能量函数中的深度分量。λc2表示不可靠运动矢量颜色分量的加权系数;λd2表示不可靠运动矢量深度分量的加权系数。实验中我们取λc2=1,λd2=0.5。
Espatial2、Ecolor2和Edepth2分别用下面公式计算:
其中,公式(9)中vl2表示不可靠运动矢量校正候选集Ω2中除vj2以外的候选运动矢量,即vl2=Ω2-vj2,K2表示vl2中运动矢量的个数;
公式(10)中表示当以vj2为当前图像块的运动矢量时,当前图像块在上一帧中对应的图像块;表示当以vj2为当前图像块的运动矢量时,当前图像块在下一帧中对应的图像块,N2表示图像块中像素的个数;p2表示当前图像块的位置,即当前图像块最左上角像素点的坐标;t2表示时间参数;例如,表示时间为t2的视频帧中最左上角像素坐标为p2的图像块。
公式(11)中表示对应的深度图像块;表示对应的深度图像块。
通过上述步骤,我们用最优候选运动矢量替换插入帧运动矢量场中所有错误运动矢量和不可靠运动矢量,得到插入帧的真实运动矢量场,然后利用真实运动矢量场进行帧率提升,提高了插入帧的视觉质量。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (8)
1.一种立体视频帧率提升中运动矢量检测与校正方法,其特征是,包括以下步骤:
步骤(1):利用基于空间相关性的运动矢量检测方法对插入帧的运动矢量场进行处理,检测出插入帧的运动矢量场中的错误运动矢量和不可靠运动矢量;
步骤(2):利用融合空间、颜色和深度信息的方法对插入帧的运动矢量场中的错误运动矢量和不可靠运动矢量进行校正;
所述步骤(2)包括:
步骤(2-1):对错误运动矢量构建错误运动矢量校正候选集;对不可靠运动矢量构建不可靠运动矢量校正候选集;
步骤(2-2):利用错误运动矢量校正候选集和不可靠运动矢量校正候选集中候选运动矢量的空间关系,以及所述候选运动矢量对应的图像块的颜色和深度信息,构建能量函数;
步骤(2-3):利用能量函数最小化,从错误运动矢量校正候选集和不可靠运动矢量校正候选集中选取最优候选运动矢量,用最优候选运动矢量替代错误运动矢量或者不可靠运动矢量,将最优优选运动矢量保存到真实运动矢量场中,完成校正处理。
2.如权利要求1所述的一种立体视频帧率提升中运动矢量检测与校正方法,其特征是,所述步骤(1)包括:
步骤(1-1):基于方向相关性的运动矢量检测:利用被检测运动矢量和被检测运动矢量的8邻域运动矢量在方向上的关系计算运动矢量的可靠性,确定被检测运动矢量是否为错误运动矢量;若是错误运动矢量,就将错误运动矢量保存;若不是错误运动矢量则进入步骤(1-2);
步骤(1-2):基于幅度相关性的运动矢量检测:利用被检测运动矢量和被检测运动矢量8邻域运动矢量在幅度上的关系进行进一步检测,并确定被检测运动矢量是否为不可靠运动矢量,若是不可靠运动矢量,就将不可靠运动矢量保存,若不是不可靠运动矢量,则将运动矢量保存到真实运动矢量场中。
3.如权利要求2所述的一种立体视频帧率提升中运动矢量检测与校正方法,其特征是,所述步骤(1-1)的步骤为:
v表示被检测运动矢量,vi表示被检测运动矢量的8邻域运动矢量,其中i=1,…,8;则v与vi之间的方向相似度用公式(1)表示:
其中,||·||表示矢量的欧氏距离,即矢量的幅度;γi反映了被检测运动矢量v和被检测运动矢量的8邻域运动矢量vi之间方向上的关系;
假设γi中正数的数量为np,假设γi中非正数的数量为nn,如果np<nn,则v被标记为错误运动矢量;如果np≥nn,则v进入步骤(1-2)基于幅度相关性的运动矢量检测。
4.如权利要求3所述的一种立体视频帧率提升中运动矢量检测与校正方法,其特征是,所述步骤(1-2)的步骤为:
首先,从被检测运动矢量的8邻域运动矢量vi中选取所有满足γi>0的运动矢量,组成集合V={||v||,||vi|||γi>0},若||v||是集合V中的最大值或者最小值,则标记v为不可靠运动矢量;如果||v||不是集合V中的最大值或者最小值,则标记v为真实运动矢量;所述不可靠运动矢量包括被步骤(1-1)漏检的错误运动矢量或被步骤(1-2)误检的真实运动矢量。
5.如权利要求1所述的一种立体视频帧率提升中运动矢量检测与校正方法,其特征是,所述步骤(2)的步骤为:
将步骤(1)检测得到的错误运动矢量表示为vk1,则vk1的8邻域中所有真实运动矢量组成vk1的错误运动矢量校正候选集Ω1;
将步骤(1)检测得到的不可靠运动矢量表示为vk2,不可靠运动矢量校正候选集为Ω2,则Ω2除了包含vk2的8邻域中所有真实运动矢量外,还包含vk2本身;
对于错误运动矢量,根据公式(2),利用空间、颜色和深度信息构建能量函数,并根据公式(3),利用能量函数最小化从错误运动矢量校正候选集中选取最优候选运动矢量:
E(vj1)=Espatial1(vj1)+λc1Ecolor1(vj1)+λd1Edepth1(vj1)(2)
其中vj1为错误运动矢量校正候选集Ω1中的一个候选运动矢量,为错误运动矢量校正后的运动矢量;公式(2)中,Espatial1表示错误运动矢量能量函数中的空间分量;Ecolor1表示错误运动矢量能量函数中的颜色分量;Edepth1表示错误运动矢量能量函数中的深度分量;λc1表示错误运动矢量颜色分量的加权系数;λd1表示错误运动矢量深度分量的加权系数;
Espatial1、Ecolor1和Edepth1分别用下面公式计算:
其中,公式(4)中vl1表示错误运动矢量校正候选集Ω1中除vj1以外的候选运动矢量,即vl1=Ω1-vj1,K1表示vl1中运动矢量的个数;
公式(5)中表示当以vj1为当前图像块的运动矢量时,当前图像块在上一帧中对应的图像块;
表示当以vj1为当前图像块的运动矢量时,当前图像块在下一帧中对应的图像块,N1表示图像块中像素的个数;p1表示当前图像块的位置,即当前图像块最左上角像素点的坐标;t1表示时间参数;
公式(6)中表示对应的深度图像块;表示对应的深度图像块;
对于不可靠运动矢量,根据公式(7),利用空间、颜色和深度信息构建能量函数,并根据公式(8),利用能量函数最小化从不可靠运动矢量校正候选集中选取最优候选运动矢量:
E(vj2)=Espatial2(vj2)+λc2Ecolor2(vj2)+λd2Edepth2(vj2)(7)
其中vj2为不可靠运动矢量校正候选集Ω2中的一个候选运动矢量,为不可靠运动矢量校正后的运动矢量;公式(7)中,Espatial2表示不可靠运动矢量能量函数中的空间分量;Ecolor2表示不可靠运动矢量能量函数中的颜色分量;Edepth2表示不可靠运动矢量能量函数中的深度分量;λc2表示不可靠运动矢量颜色分量的加权系数;λd2表示不可靠运动矢量深度分量的加权系数;Espatial2、Ecolor2和Edepth2分别用下面公式计算:
其中,公式(9)中vl2表示不可靠运动矢量校正候选集Ω2中除vj2以外的候选运动矢量,即vl2=Ω2-vj2,K2表示vl2中运动矢量的个数;
公式(10)中表示当以vj2为当前图像块的运动矢量时,当前图像块在上一帧中对应的图像块;表示当以vj2为当前图像块的运动矢量时,当前图像块在下一帧中对应的图像块,N2表示图像块中像素的个数;p2表示当前图像块的位置,即当前图像块最左上角像素点的坐标;t2表示时间参数;
公式(11)中表示对应的深度图像块;表示对应的深度图像块。
6.一种立体视频帧率提升中运动矢量检测与校正系统,其特征是,包括:
检测模块:利用基于空间相关性的运动矢量检测方法对插入帧的运动矢量场进行处理,检测出插入帧的运动矢量场中的错误运动矢量和不可靠运动矢量;
校正模块:利用融合空间、颜色和深度信息的方法对插入帧的运动矢量场中的错误运动矢量和不可靠运动矢量进行校正;
对错误运动矢量构建错误运动矢量校正候选集;对不可靠运动矢量构建不可靠运动矢量校正候选集;
利用错误运动矢量校正候选集和不可靠运动矢量校正候选集中候选运动矢量的空间关系,以及所述候选运动矢量对应的图像块的颜色和深度信息,构建能量函数;
利用能量函数最小化,从错误运动矢量校正候选集和不可靠运动矢量校正候选集中选取最优候选运动矢量,用最优候选运动矢量替代错误运动矢量或者不可靠运动矢量,将最优优选运动矢量保存到真实运动矢量场中,完成校正处理。
7.如权利要求6所述的系统,其特征是,所述检测模块包括:
基于方向相关性的运动矢量检测单元:利用被检测运动矢量和被检测运动矢量的8邻域运动矢量在方向上的关系计算运动矢量的可靠性,确定被检测运动矢量是否为错误运动矢量;若是错误运动矢量,就将错误运动矢量保存;若不是错误运动矢量则进入基于幅度相关性的运动矢量检测单元;
基于幅度相关性的运动矢量检测单元:利用被检测运动矢量和被检测运动矢量8邻域运动矢量在幅度上的关系进行进一步检测,并确定被检测运动矢量是否为不可靠运动矢量,若是不可靠运动矢量,就将不可靠运动矢量保存,若不是不可靠运动矢量,则将运动矢量保存到真实运动矢量场中。
8.如权利要求6所述的系统,其特征是,所述校正模块包括:
运动矢量校正候选集构建单元:对错误运动矢量构建错误运动矢量校正候选集;对不可靠运动矢量构建不可靠运动矢量校正候选集;
能量函数构建单元:利用错误运动矢量校正候选集和不可靠运动矢量校正候选集中候选运动矢量的空间关系,以及所述候选运动矢量对应的图像块的颜色和深度信息,构建能量函数;
校正处理单元:利用能量函数最小化,从错误运动矢量校正候选集和不可靠运动矢量校正候选集中选取最优候选运动矢量,用最优候选运动矢量替代错误运动矢量或者不可靠运动矢量,将最优优选运动矢量保存到真实运动矢量场中,完成校正处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610976656.6A CN106358044B (zh) | 2016-10-28 | 2016-10-28 | 一种立体视频帧率提升中运动矢量检测与校正方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610976656.6A CN106358044B (zh) | 2016-10-28 | 2016-10-28 | 一种立体视频帧率提升中运动矢量检测与校正方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106358044A CN106358044A (zh) | 2017-01-25 |
CN106358044B true CN106358044B (zh) | 2017-07-21 |
Family
ID=57864905
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610976656.6A Active CN106358044B (zh) | 2016-10-28 | 2016-10-28 | 一种立体视频帧率提升中运动矢量检测与校正方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106358044B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090052532A1 (en) * | 2007-08-24 | 2009-02-26 | Simon Robinson | Automatically identifying edges of moving objects |
CN101299799B (zh) * | 2008-06-13 | 2011-11-09 | 北京中星微电子有限公司 | 图像检测、修复方法和图像检测、修复装置 |
EP2227012A1 (en) * | 2009-03-05 | 2010-09-08 | Sony Corporation | Method and system for providing reliable motion vectors |
CN102055987B (zh) * | 2009-11-11 | 2013-07-03 | 中兴通讯股份有限公司 | 一种解码错误宏块的错误隐蔽方法及装置 |
CN105451023B (zh) * | 2015-11-20 | 2018-10-02 | 南京杰迈视讯科技有限公司 | 一种运动感知的视频存储系统和方法 |
-
2016
- 2016-10-28 CN CN201610976656.6A patent/CN106358044B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN106358044A (zh) | 2017-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103252778B (zh) | 用于估计机器人位置的设备及其方法 | |
CN103369209B (zh) | 视频降噪装置及方法 | |
CN102075686B (zh) | 一种鲁棒的实时在线摄像机跟踪方法 | |
CN102819824B (zh) | 用于图像处理的设备和方法 | |
CN104574366A (zh) | 一种基于单目深度图的视觉显著性区域的提取方法 | |
CN101556692A (zh) | 基于特征点邻域伪Zernike矩的图像拼接方法 | |
CN109508661B (zh) | 一种基于物体检测和姿态估计的举手者检测方法 | |
CN102982334B (zh) | 基于目标边缘特征与灰度相似性的稀疏视差获取方法 | |
US11823326B2 (en) | Image processing method | |
CN106296726A (zh) | 一种天基光学序列图像中的空间目标检测跟踪方法 | |
US8422773B2 (en) | Image zone detecting using color gradation levels, method, apparatus and computer readable medium | |
CN103985128B (zh) | 一种基于颜色内相关和自适应支撑权重的立体匹配方法 | |
US20130083993A1 (en) | Image processing device, image processing method, and program | |
CN105096307A (zh) | 在成对的立体图像中检测物体的方法 | |
CN106548169A (zh) | 基于深度神经网络的模糊文字增强方法及装置 | |
CN106997478B (zh) | 基于显著中心先验的rgb-d图像显著目标检测方法 | |
CN108470356A (zh) | 一种基于双目视觉的目标对象快速测距方法 | |
Hua et al. | Extended guided filtering for depth map upsampling | |
CN104065954B (zh) | 一种高清立体视频的视差范围快速检测方法 | |
CN116205947A (zh) | 基于相机运动状态的双目-惯性融合的位姿估计方法、电子设备及存储介质 | |
CN106384363A (zh) | 一种快速自适应权重立体匹配算法 | |
CN110956646A (zh) | 目标跟踪方法、装置、设备及存储介质 | |
CN109493373A (zh) | 一种基于双目立体视觉的立体匹配方法 | |
KR20130064039A (ko) | 실루엣 보정 방법 및 시스템과 실루엣 묘출 방법 및 시스템 | |
CN102447870A (zh) | 静止物体检测方法和运动补偿装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |