基于冗余優(yōu)化的多描述三維圖像編碼.pdf

1、三維技術的應用廣泛，涉及工業(yè)，教育，航天和醫(yī)療等各個領域，也是未來多媒體發(fā)展的方向，然而立體技術對視點數目是有要求的，隨之而來的就是數據量的問題。因此，高效率的圖像壓縮就成為了對抗數據激增的熱門研究。本文使用的是紋理圖像和深度圖像相結合的方式來表示三維圖像。多描述編碼的出現(xiàn)，解決了在傳統(tǒng)信道上由于網絡延遲和丟包引起的質量嚴重下降的問題。本文基于多描述的方法，將其應用到三維圖像的編解碼中，完成的工作主要包括:
　　(1)在三維圖像技

2、術中，深度圖像代表了場景中物體和攝像機的距離，結合已有的多視點圖像，可以有效地合成任意虛擬位置的圖像，從而更加完整地展現(xiàn)整個場景的信息。深度圖像的一些高頻分量在一定程度上對于合成圖像的質量并沒有太大影響，尤其是針對多描述編碼的方法來說，這些信息還會對壓縮傳輸造成碼率浪費。本文提出一個基于DCT域深度圖像冗余去除的多描述編碼的方法。建立在DCT系數特點的基礎上，同時提出一個拉格朗日優(yōu)化算法來決定DCT域的多少冗余信息被去除;在解碼端，提出

3、一個自適應零填補的方案去重建深度圖像。經過編解碼和優(yōu)化算法之后，有效地提高多描述編碼方法的率失真性能。
　　(2)傳統(tǒng)多描述編碼方法往往沒有充分考慮人類視覺系統(tǒng)特性，而對圖像質量的感知很大程度上取決于人眼。為此，本文結合最小可覺差JND信息提出基于人類視覺系統(tǒng)的多描述深度圖像的編碼方法。將深度圖像的JND模型引入深度圖像的多描述編碼當中，并優(yōu)化冗余信息量。于考慮了人類視覺系統(tǒng)的特性來重新對深度圖像的冗余信息進行調整，使得人眼敏感的

4、一些失真得到重視。經過編碼和優(yōu)化算法之后，在相同碼率下可以獲取更好的重建質量。
　　(3)為了將本文提出的方案具體地應用到3D圖像的編解碼當中，本文結合左右兩個視角的深度圖像和紋理圖像，構造一種多視角的JND模型，并通過合成圖像的質量評價驗證MJND模型能容納更多的失真。同時，結合紋理圖像的特點以及提出的MJND模型，對紋理圖像提出了一個編碼方案，使得它在傳輸過程中有更強的抗干擾性。將深度圖像按照基于人類視覺系統(tǒng)的多描述的方案進行