CN111416983A - 基于成像相关的多焦距光场视频帧内预测方法和装置 - Google Patents

基于成像相关的多焦距光场视频帧内预测方法和装置 Download PDF

Info

Publication number
CN111416983A
CN111416983A CN202010266649.3A CN202010266649A CN111416983A CN 111416983 A CN111416983 A CN 111416983A CN 202010266649 A CN202010266649 A CN 202010266649A CN 111416983 A CN111416983 A CN 111416983A
Authority
CN
China
Prior art keywords
light field
lens
intra
focal
reference block
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.)
Granted
Application number
CN202010266649.3A
Other languages
English (en)
Other versions
CN111416983B (zh
Inventor
金欣
李羚俊
江帆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen International Graduate School of Tsinghua University
Original Assignee
Shenzhen International Graduate School of Tsinghua University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen International Graduate School of Tsinghua University filed Critical Shenzhen International Graduate School of Tsinghua University
Priority to CN202010266649.3A priority Critical patent/CN111416983B/zh
Publication of CN111416983A publication Critical patent/CN111416983A/zh
Application granted granted Critical
Publication of CN111416983B publication Critical patent/CN111416983B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H04N19/593—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding involving spatial prediction techniques
    • 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
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/105—Selection of the reference unit for prediction within a chosen coding or prediction mode, e.g. adaptive choice of position and number of pixels used for prediction
    • 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
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/103—Selection of coding mode or of prediction mode
    • H04N19/11—Selection of coding mode or of prediction mode among a plurality of spatial predictive coding modes
    • 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
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/136—Incoming video signal characteristics or properties
    • H04N19/14—Coding unit complexity, e.g. amount of activity or edge presence estimation

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Studio Devices (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

一种基于成像相关的多焦距光场视频帧内预测方法，包括：S1、根据当前预测单元的位置和光场相机参数计算出当前预测单元对应的透镜类型I0；S2、根据I0和相机参数分别确定出I0左、左上和右上相邻宏像素对应的透镜类型I1，I2和I3；S3、根据透镜间的焦距关系分别计算出左、左上、右上相邻宏像素下的参考块位置p1，p2，p3和缩放因子f1，f2和f3；S4、分别对位置p1，p2，p3的参考块进行f1，f2，f3倍数的缩放，生成新参考块x1，x2，x3；S5、对新参考块x1，x2和x3进行加权预测得到帧内预测块y。本发明提高了光场图像视频的压缩率，降低了编解码计算复杂度，提高了计算的鲁棒性。

Description

基于成像相关的多焦距光场视频帧内预测方法和装置
技术领域
本发明涉及计算机视觉与数字处理领域，具体涉及一种基于成像相关的多焦距光场视频帧内预测方法。
背景技术
光场相机是一种能同时捕获光线的强度和角度信息的新型相机，可用于立体显示、三维重建以及虚拟现实等计算机视觉领域，引起了研究人员的广泛关注。为了进一步提升采集的光场质量，研究人员们提出了基于多焦距微透镜阵列的光场相机，可同时对多个场景深度进行聚焦。然而这种新型的相机采集到的光场图像或视频具有比传统光场更为复杂的像素分布结构，同一物体在不同焦距透镜下的像相关性下降，使得用现有的编解码算法和编解码软硬件架构的压缩效率极具下降，也制约着高质量光场内容的进一步发展和应用。因此，研究针对这种新型光场数据的编码技术，寻找针对性的高效压缩方法成为由平面多媒体迈向立体影像时代急需且必须的核心技术。
目前尚未有针对这种新型光场数据利用帧内预测技术的直接压缩方法，但是用传统图像的方法也能对这种新型光场数据进行压缩，只是能够获得的压缩率十分有限；如HEVC(High Efficiency Video Coding)自身的帧内预测方法能够处理光场视频，达到一定的压缩效果。但是由于光场数据的数据量较普通图像或视频急剧上升，将光场数据作为传统图像视频进行压缩，将耗费巨大的计算资源。尽管一些传统的光场图像压缩方法也能用于压缩这种新型光场数据，但压缩效率不高。目前利用帧内预测对光场图像视频进行直接压缩的方法中，统一存在的缺陷就是由于图像中宏像素结构间的相关性未能充分利用，进而影响了编码效率。
发明内容
本发明的主要目的在于克服现上述技术缺陷中的至少一种，提供一种基于成像相关的多焦距光场视频帧内预测方法。
为实现上述目的，本发明采用以下技术方案：
一种基于成像相关的多焦距光场视频帧内预测方法，包括以下步骤：
S1、输入要进行帧内预测的当前预测单元，根据当前预测单元的位置和光场相机参数计算出当前预测单元对应的透镜类型I0；
S2、根据透镜类型I0和相机参数分别确定出透镜类型I0左、左上和右上相邻宏像素对应的透镜类型I1，I2和I3；
S3、根据透镜间的焦距关系分别计算出左、左上、右上相邻宏像素下的参考块的左上方像素点的位置p1，p2，p3和缩放因子f1，f2和f3；
S4、分别对位置p1，p2，p3的参考块进行f1，f2，f3倍数的缩放，生成新的参考块x1，x2，x3；
S5、对新的参考块x1，x2和x3进行加权预测得到帧内预测块y。
进一步地，还可包括以下步骤：
S6、通过代价函数，从包含所述帧内预测块y在内的由多个不同帧内预测模式预测得到的多个帧内预测块中进行选择，确定最佳预测块。
一种基于成像相关的多焦距光场视频帧内预测装置，包括计算机可读存储介质和处理器，所述计算机可读存储介质存储有可执行程序，所述可执行程序被所述处理器执行时，实现所述的基于成像相关的多焦距光场视频帧内预测方法。
一种计算机可读存储介质，所述计算机可读存储介质存储有可执行程序，所述可执行程序被处理器执行时，实现所述的基于成像相关的多焦距光场视频帧内预测方法。
本发明提供的上述技术方案，与现有技术相比，至少具有以下有益效果：首先确定出输入的预测单元对应的透镜类型和相邻宏像素对应的透镜类型，以选择出最佳的缩放参数和相应的参考块，从而提高参考块和当前预测单元的相关性。其次，对选取的参考块按照相应的缩放因子进行缩放，使得不同焦距透镜下的像具有一致的尺度，进一步提高参考块与当前预测单元的相关性，进而提高预测准确度。最后对经缩放后的参考块进行加权预测，提高算法的鲁棒性。在此基础上，最终可以根据HEVC自身的框架完成整个光场图像视频的压缩过程，采用本发明提供的上述帧内预测方法，可以为整个压缩过程节省更多的码流，提高了光场图像视频的压缩率，并降低了编解码两端的计算复杂度。
附图说明
图1是本发明优选实施例提供的一种基于宏像素的光场视频帧间预测方法的流程图；
图2是其中一种示例性多焦距光场相机成像示意图；
图3是一种具体实施例中的边缘匹配算法示意图。
具体实施方式
以下对本发明的实施方式作详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。
参阅图1，本发明实施例提出一种基于成像相关的多焦距光场视频帧内预测方法，包括以下步骤：
S1、输入要进行帧内预测的当前预测单元，根据当前预测单元的位置和光场相机参数计算出当前预测单元对应的透镜类型I0；
S2、根据透镜类型I0和相机参数分别确定出透镜类型I0左、左上和右上相邻宏像素对应的透镜类型I1，I2和I3；
S3、根据透镜间的焦距关系分别计算出左、左上、右上相邻宏像素下的参考块位置p1，p2，p3和缩放因子f1，f2和f3；
S4、分别对位置p1，p2，p3的参考块进行f1，f2，f3倍数的缩放，生成新的参考块x1，x2，x3；
S5、对新的参考块x1，x2和x3进行加权预测得到帧内预测块y。
如图1所示，在一种优选的实施例中，所述方法还包括：
S6、通过代价函数，从包含所述帧内预测块y在内的由多个不同帧内预测模式预测得到的多个帧内预测块中进行选择，确定最佳预测块。
本发明实施例提出的基于成像相关的多焦距光场视频帧内预测方法，基于挖掘光场数据中宏像素之间的相关性和相似性的分析，根据同意物体在不同焦距透镜下的成像相关性，有针对性的对不同焦距微透镜下的像进行变换，从而提高宏像素间的相关性。最后选取相关性较高的参考块进行帧内预测，实现编码效率的提升。本发明实施例的光场视频帧内预测方法既能提升光场数据的编码压缩效率，同时又能降低编解码两端的计算复杂度。
以下结合附图进一步描述本发明具体实施例的特征和优点。
本发明的实施例提供了一种基于成像相关的多焦距光场视频帧内预测方法，用于在对光场图像视频进行压缩编码的过程中进行帧内预测，本发明的方法可以适用于大多数视频编码的软件，在后述的说明中以应用于HM16.15软件中为例。编码软件的类型和版本不对本发明的保护范围构成限制。
参考图1，本发明的所述方法包括以下步骤S1至S6：
步骤S1，输入要进行帧内预测的当前预测单元，通过已知的光场相机微透镜阵列各焦距微透镜的分布和当前预测单元的位置确定出对应的透镜类型I0。
步骤S2，通过已知的光场相机微透镜阵列各焦距微透镜的分布确定出I0左、左上和右上宏像素对应的透镜类型I1，I2和I3。
步骤S3，根据透镜间的焦距关系分别计算出左、左上、右上相邻宏像素下的参考块的左上方像素点的位置p1，p2，p3和缩放因子f1，f2和f3。
图2中，中轴线上的透镜为示例的聚焦透镜，图2中上下相邻透镜均为非聚焦透镜。图2中最右侧为物平面5。
在一些具体实施例中，如图2所示，步骤S3中各参考块的位置通过如下方法得到：
先计算相邻透镜与聚焦透镜的成像距离s，
Figure BDA0002441526220000041
Figure BDA0002441526220000042
其中，a为像平面3与微透镜阵列2之间的水平距离，b'为相邻透镜到其成像平面3的距离，b为传感器1到微透镜阵列2之间的距离，d为微透镜直径，F’为相邻透镜的焦距，当像平面3位于微透镜阵列2与主透镜4之间时取‘+’，当像平面3位于传感器1之后时取‘-’；
对于当前预测单元位于聚焦透镜下的情况，其各参考块的左上方像素点的位置为：
p1＝(xp0-s1，yp0)
Figure BDA0002441526220000043
Figure BDA0002441526220000044
其中，p1，p2，p3分别为左，左上，右上相邻宏像素下的参考块左上方像素点的坐标xp0和yp0分别为当前预测块左上角像素点的横、纵坐标，s1，s2，S3分别为左，左上，右上透镜与当前透镜的成像距离。
各缩放因子通过如下方法得到：
Figure BDA0002441526220000051
其中l为当前预测单元的尺寸，在当前的编码器中按照块的大小取4，8，16，32，64，fi(i＝1,2,3)为相邻的左、左上，右上透镜与聚焦透镜间的缩放因子，bi'(i＝1,2,3)为相邻的左、左上，右上透镜到其成像平面的距离，聚焦透镜与相邻透镜的缩放因子则取倒数即可。
其他情况为散焦的情况，即相邻透镜的情况。若当前预测单元位于散焦的透镜下时，则通过相邻的聚焦透镜计算。
步骤S4，通过对参考块进行f1，f2，f3的缩放得到新的参考块x1，x2，x3。
在一种具体的实施例中，步骤S4中采用双线性插值算法对原参考块进行缩放，缩放倍数分别为f1，f2，f3，经缩放后取相同的像素大小的块作为新的参考块x1，x2，x3。
步骤S5，对x1，x2和x3进行加权预测得到帧内预测块y。
在一种具体的实施例中，步骤S5中采用边缘匹配算法对当前预测单元进行加权预测。其方法如下：
Figure BDA0002441526220000052
Figure BDA0002441526220000053
Figure BDA0002441526220000054
其中x′i为xi参考块内部左侧和上侧的一列和一行像素如图3所示，x′0为当前预测单元x0外部左侧和上侧的一列和一行像素，wi为各参考块权重。
步骤S6、通过代价函数，从包含所述帧内预测块y在内的由多个不同帧内预测模式预测得到的多个帧内预测块中进行选择，确定最佳预测块。
上述实施例的步骤S1-S5作为新的一种帧内预测模式，得到了所述帧内预测块y，同时，使用其他的帧内预测模式也会得到各自的帧内预测块并输出。在本优选的实施例中，通过代价函数，从包括本方法步骤S1-S5得到的帧内预测块在内的多个帧内预测块中选择一个最佳预测块，作为帧内预测结果。最佳预测块所对应的帧内预测模式也即为当前预测单元选择的最佳帧内预测模式。
本发明的背景部分可以包含关于本发明的问题或环境的背景信息，而不一定是描述现有技术。因此，在背景技术部分中包含的内容并不是申请人对现有技术的承认。
以上内容是结合具体/优选的实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，其还可以对这些已描述的实施方式做出若干替代或变型，而这些替代或变型方式都应当视为属于本发明的保护范围。在本说明书的描述中，参考术语“一种实施例”、“一些实施例”、“优选实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。尽管已经详细描述了本发明的实施例及其优点，但应当理解，在不脱离专利申请的保护范围的情况下，可以在本文中进行各种改变、替换和变更。

Claims (9)

1.一种基于成像相关的多焦距光场视频帧内预测方法，其特征在于：包括以下步骤：
S1、输入要进行帧内预测的当前预测单元，根据当前预测单元的位置和光场相机参数计算出当前预测单元对应的透镜类型I0；
S2、根据透镜类型I0和相机参数分别确定出透镜类型I0左、左上和右上相邻宏像素对应的透镜类型I1，I2和I3；
S3、根据透镜间的焦距关系分别计算出左、左上、右上相邻宏像素下的参考块的左上方像素点的位置p1，p2，p3和缩放因子f1，f2和f3；
S4、分别对各位置p1，p2，p3的参考块进行f1，f2，f3倍数的缩放，生成新的参考块x1，x2，x3；
S5、对新的参考块x1，x2和x3进行加权预测得到帧内预测块y。
2.如权利要求1所述的基于成像相关的多焦距光场视频帧内预测方法，其特征在于：还包括以下步骤：
S6、通过代价函数，从包含所述帧内预测块y在内的由多个不同帧内预测模式预测得到的多个帧内预测块中进行选择，确定最佳预测块。
3.如权利要求1或2所述的基于成像相关的多焦距光场视频帧内预测方法，其特征在于：步骤S1中，根据光场相机微透镜阵列各焦距微透镜的分布和当前预测单元的位置确定出对应的透镜类型I0。
4.如权利要求1至3任一项所述的基于成像相关的多焦距光场视频帧内预测方法，其特征在于：步骤S2中，根据光场相机微透镜阵列各焦距微透镜的分布确定出透镜类型I0左、左上和右上相邻宏像素对应的透镜类型I1，I2和I3。
5.如权利要求1至4任一项所述的基于成像相关的多焦距光场视频帧内预测方法，其特征在于：步骤S3中各参考块的位置通过如下方法得到：
先计算相邻透镜与聚焦透镜的成像距离s，
Figure FDA0002441526210000011
Figure FDA0002441526210000021
其中，a为像平面与微透镜阵列间的水平距离，b为传感器到微透镜阵列间的距离，b′为相邻透镜到其成像平面的距离，d为微透镜直径，F’为相邻透镜的焦距，当像平面位于微透镜阵列与主透镜之间时取‘+’，当像平面位于传感器之后时取‘-’；
其中，当当前预测单元位于聚焦透镜下时，其各参考块的左上方像素点的位置：
Figure FDA0002441526210000022
Figure FDA0002441526210000023
Figure FDA0002441526210000024
其中，p1，p2，p3分别为左、左上、右上相邻宏像素下的参考块的左上方像素点的坐标，
Figure FDA0002441526210000025
和
Figure FDA0002441526210000026
分别为当前预测块左上角像素点的横、纵坐标，s1，s2，s3分别为左、左上、右上透镜与当前透镜的成像距离；
各缩放因子通过如下方法得到：
Figure FDA0002441526210000027
其中l为当前预测单元的尺寸，fi(i＝1，2，3)为相邻的左、左上，右上透镜与聚焦透镜间的缩放因子，bi′(i＝1，2，3)为相邻的左、左上，右上透镜到其成像平面的距离，聚焦透镜与相邻透镜的缩放因子则取倒数。
6.如权利要求1至5任一项所述的基于成像相关的多焦距光场视频帧内预测方法，其特征在于：在步骤S4中，采用双线性插值算法对参考块进行缩放，缩放倍数分别为f1，f2，f3，经缩放后取相同的像素大小的块作为新的参考块x1，x2，x3。
7.如权利要求1至6任一项所述的基于成像相关的多焦距光场视频帧内预测方法，其特征在于：在步骤S5中，使用x1，x2，x3通过加权得到帧内预测块y具体包括：
采用边缘匹配算法对当前预测单元进行加权预测，其方法如下：
Figure FDA0002441526210000031
Figure FDA0002441526210000032
Figure FDA0002441526210000033
其中x′i为xi参考块内部左侧和上侧的一列和一行像素，x′0为当前预测单元x0外部左侧和上侧的一列和一行像素，wi为各参考块权重。
8.一种基于成像相关的多焦距光场视频帧内预测装置，包括计算机可读存储介质和处理器，所述计算机可读存储介质存储有可执行程序，其特征在于，所述可执行程序被所述处理器执行时，实现如权利要求1至7任一项所述的基于成像相关的多焦距光场视频帧内预测方法。
9.一种计算机可读存储介质，所述计算机可读存储介质存储有可执行程序，其特征在于，所述可执行程序被处理器执行时，实现如权利要求1至7任一项所述的基于成像相关的多焦距光场视频帧内预测方法。
CN202010266649.3A 2020-04-07 2020-04-07 基于成像相关的多焦距光场视频帧内预测方法和装置 Active CN111416983B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010266649.3A CN111416983B (zh) 2020-04-07 2020-04-07 基于成像相关的多焦距光场视频帧内预测方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010266649.3A CN111416983B (zh) 2020-04-07 2020-04-07 基于成像相关的多焦距光场视频帧内预测方法和装置

Publications (2)

Publication Number Publication Date
CN111416983A true CN111416983A (zh) 2020-07-14
CN111416983B CN111416983B (zh) 2022-03-15

Family

ID=71493423

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010266649.3A Active CN111416983B (zh) 2020-04-07 2020-04-07 基于成像相关的多焦距光场视频帧内预测方法和装置

Country Status (1)

Country Link
CN (1) CN111416983B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112435168A (zh) * 2020-12-01 2021-03-02 清华大学深圳国际研究生院 一种参考块缩放方法及计算机可读存储介质
CN112492288A (zh) * 2020-12-01 2021-03-12 清华大学深圳国际研究生院 面向聚焦式全光视频序列的帧内预测方法及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105144719A (zh) * 2012-12-28 2015-12-09 高通股份有限公司 使用一般化残差预测对视频信息进行可缩放及多视图/3d译码的装置及方法
CN106375766A (zh) * 2016-09-08 2017-02-01 电子科技大学 一种光场图像压缩方法
EP3139614A1 (en) * 2015-09-07 2017-03-08 Thomson Licensing Method and device for encoding and decoding a light field based image, and corresponding computer program product
CN106961605A (zh) * 2017-03-28 2017-07-18 清华大学深圳研究生院 一种基于宏像素边界匹配的光场图像压缩方法
CN108293135A (zh) * 2015-10-21 2018-07-17 汤姆逊许可公司 对基于光场的图像进行编码的方法和进行解码的方法以及对应设备
EP3579561A1 (en) * 2018-06-05 2019-12-11 InterDigital VC Holdings, Inc. Prediction for light-field coding and decoding

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105144719A (zh) * 2012-12-28 2015-12-09 高通股份有限公司 使用一般化残差预测对视频信息进行可缩放及多视图/3d译码的装置及方法
EP3139614A1 (en) * 2015-09-07 2017-03-08 Thomson Licensing Method and device for encoding and decoding a light field based image, and corresponding computer program product
CN108293135A (zh) * 2015-10-21 2018-07-17 汤姆逊许可公司 对基于光场的图像进行编码的方法和进行解码的方法以及对应设备
CN106375766A (zh) * 2016-09-08 2017-02-01 电子科技大学 一种光场图像压缩方法
CN106961605A (zh) * 2017-03-28 2017-07-18 清华大学深圳研究生院 一种基于宏像素边界匹配的光场图像压缩方法
EP3579561A1 (en) * 2018-06-05 2019-12-11 InterDigital VC Holdings, Inc. Prediction for light-field coding and decoding

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YUN LI: "Coding of Focused Plenoptic Contents by Displacement Intra Prediction", 《 IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS FOR VIDEO TECHNOLOGY》 *
刘宇洋: "光场数据压缩研究综述", 《中国图象图形学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112435168A (zh) * 2020-12-01 2021-03-02 清华大学深圳国际研究生院 一种参考块缩放方法及计算机可读存储介质
CN112492288A (zh) * 2020-12-01 2021-03-12 清华大学深圳国际研究生院 面向聚焦式全光视频序列的帧内预测方法及存储介质
CN112435168B (zh) * 2020-12-01 2024-01-19 清华大学深圳国际研究生院 一种参考块缩放方法及计算机可读存储介质

Also Published As

Publication number Publication date
CN111416983B (zh) 2022-03-15

Similar Documents

Publication Publication Date Title
US10652577B2 (en) Method and apparatus for encoding and decoding light field based image, and corresponding computer program product
US10785502B2 (en) Method and apparatus for encoding and decoding a light field based image, and corresponding computer program product
CN108921910B (zh) 基于可伸缩卷积神经网络的jpeg编码压缩图像复原的方法
CN111416983B (zh) 基于成像相关的多焦距光场视频帧内预测方法和装置
JP2018530225A (ja) 光照射野ベース画像を符号化及び復号する方法と装置、および対応するコンピュータプログラム製品
Jin et al. Plenoptic image coding using macropixel-based intra prediction
WO2022016350A1 (zh) 光场图像的处理方法、编码器、解码器及存储介质
CN116542889A (zh) 一种拥有稳定视点的全景视频增强方法
CN110677644B (zh) 一种视频编码、解码方法及视频编码帧内预测器
Zhao et al. Light field image compression via CNN-based EPI super-resolution and decoder-side quality enhancement
CN106961605B (zh) 一种基于宏像素边界匹配的光场图像压缩方法
WO2014057989A1 (ja) 互いに類似した情報を含む複数画像のデータサイズを低減する方法、プログラムおよび装置
US20180278955A1 (en) Method and apparatus for reducing the coding artefact of a light field based image, and corresponding computer program product
CN107135393B (zh) 一种光场图像的压缩方法
Perra et al. An analysis of HEVC compression for light field image refocusing applications
US20170150152A1 (en) Methods and devices for encoding and decoding a matrix of views obtained from light-field data, corresponding computer program and non-transitory program storage device
Sehli et al. WeLDCFNet: Convolutional Neural Network based on Wedgelet Filters and Learnt Deep Correlation Features for depth maps features extraction
Wang et al. Learning-based high-efficiency compression framework for light field videos
CN109996067B (zh) 一种基于深度的全光图像自适应卷积编码方法
Tong et al. Learned focused plenoptic image compression with microimage preprocessing and global attention
CN113610055B (zh) 一种基于梯度信息的全光视频序列帧内预测方法
Liu et al. Hybrid linear weighted prediction and intra block copy based light field image coding
JP7417388B2 (ja) 符号化装置、復号装置、及びプログラム
Yang et al. Three-dimensional holoscopic image-coding scheme using a sparse viewpoint image array and disparities
Mukati Light field coding and processing for view sequences

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant