基于自回歸模型的視頻信號插值方法研究.pdf

1、隨著多媒體通信和信息處理技術(shù)的發(fā)展，人們對圖像質(zhì)量的要求越來越高。然而，受通信帶寬的限制(如無線條件下)，獲得的圖像的質(zhì)量往往很低，難以滿足人們的需要。圖像插值技術(shù)能夠簡單、快速的提高圖像的質(zhì)量。因此，它被廣泛地應(yīng)用到圖像處理的各種鄰域，如圖像放大、圖像修補、圖像去隔行。
　　本文主要研究插值算法在圖像/視頻放大上的應(yīng)用。首先介紹了圖像插值算法近期的研究成果。然后，根據(jù)圖像的自回歸模型(Auto Regressive AR)，從空

2、域和時空域的圖像/視頻信號自回歸模型兩個方面，研究視頻信號的內(nèi)插放大方法。主要內(nèi)容包括：⑴提出了一種基于空域AR模型的圖像插值重建算法：用SAI(Soft-Decision Adaptive Interpolation)算法插值結(jié)果作為初始值，采用EM(Expectation Maximization)估計算法估計AR模型參數(shù)，進而求出圖像插值。實驗表明:所提出算法的PSNR值比SAI算法提高了0.23dB~0.38dB，同時改善了圖像

3、的主觀視覺效果。⑵提出了兩種基于時空域AR模型的視頻插值重建算法：一種算法仍采用SAI算法提出的AR模型，利用時空域內(nèi)的冗余信息來估計AR模型參數(shù)，求出圖像插值。實驗表明：該改進算法的PSNR值比SAI算法提高0.27dB~0.39dB，同時得到了較好的主觀視覺效果。另外一種算法提出了一種新的STAR(Spatio-Temporal AR)模型，它由當(dāng)前幀內(nèi)的4個像素點和相鄰幀內(nèi)的4的像素點構(gòu)成，再通過估計STAR模型參數(shù)求出圖像插值。