《基於感知的深度視頻信號處理與編碼研究》是彭宗舉為項目負責人，寧波大學為依託單位的面上項目。
基本介紹
- 中文名：基於感知的深度視頻信號處理與編碼研究
- 項目類別：面上項目
- 項目負責人：彭宗舉
- 依託單位：寧波大學
項目摘要,結題摘要,
項目摘要
自由視點系統在教育培訓、娛樂、交通、銀行、醫療和文化遺產保護等領域具有廣闊的套用前景和巨大的市場價值。連續準確的深度視頻獲取、高效率低複雜度深度視頻編碼是自由視點視頻系統的關鍵問題。目前針對上述關鍵問題的研究主要是從信號處理的角度出發，沒有結合人類視覺感知機制。本項目研究深度感知計算模型，並將其進一步運用到深度視頻的處理和編碼之中，主要包括（1）探索人類的深度感知機制，從虛擬視點繪製和顯示的角度研究人類恰不可察覺的深度變化，建立深度感知計算模型；（2）在深度感知計算模型的理論基礎上，研究深度視頻相關性特徵，提出深度視頻處理方法，提高深度視頻的時空一致性，提高深度視頻的壓縮效率和虛擬視點繪製與顯示質量；（3）提出基於深度感知計算模型的深度視頻編碼方法，進一步提高深度視頻的壓縮效率，降低深度視頻編碼複雜度。本項目的研究能為深度視頻信號的實時壓縮和傳輸、高質量的虛擬視點繪製和顯示提供理論基礎。
結題摘要
連續準確的深度視頻獲取、高效率低複雜度深度視頻編碼是自由視點視頻系統的關鍵問題。本項目的研究目標是提高深度視頻編碼效率、繪製和顯示質量、降低深度視頻編碼複雜度。本項目在深度感知計算模型、深度視頻處理和深度視頻編碼等方面展開研究，完全達到項目確定的研究目標。 基於恰可察覺繪製失真的深度視頻時空相關性增強算法：提出一種明顯的繪製失真（JNRD）模型，基於JNRD模型，從時間和空間相關性增強兩個方面處理深度視頻。該算法在保持虛擬視點質量不變的同時，能夠降低其碼率。 面向高壓縮效率的深度視頻像素分類與平滑方法：提出一種深度視頻預處理算法來提高深度視頻編碼的效率，在保持繪製質量不變的同時，碼率最低節省了3.15%，最高節省了37.94%。 基於類相關及角點敏感濾波的深度視頻處理方法：提出一種基於自適應模糊C均值聚類(FCM)算法。對於非邊緣像素點，通過每個聚類特徵採用不同的方法。邊界區域像素點，根據角點區域或非角點區域得像素點選擇不同視窗大小的中值濾波。該方法的虛擬視點的客觀質量平均提高了0.42dB。 基於分割的深度視頻快速模式選擇算法：提出一種基於深度分割的快速模式決策的深度視頻編碼算法。該方法在保證虛擬視點質量不下降的同時，節省碼率大約在82.49% 到 93.21%。 基於PMFS的立體圖像質量評價方法：提出一種基於單目和雙目特性的感知模型相似性(PMFS)度量標準進行質量評價。該評價方法對於主觀質量分數與其他一些新的質量評價方法相比，能夠達到更高的一致性。 已發表論文34篇。其中，SCI檢索9篇，EI檢索21篇。撰寫專利10項，已授權3項。培養研究生17名，其中在校9名，已經畢業8名。
