论文部分内容阅读
多视点视频作为一种新型的视频,通过多台摄像机,从不同角度的摄取场景的信息。多视点视频的数据量庞大,需要利用时间相关性和视点间相关性充分去除冗余,提高压缩效率。随机访问性能也是多视点视频的一个重要性能指标,设计合理的预测结构可以达到编码效率和随机访问性能的平衡。由于摄像机的拍摄角度、光强等因素的干扰,不同视点图像间存在颜色差异,降低了视点间的相关性,影响编码效率,需要采用颜色校正去除这些差异。论文分析了MVC分层B帧预测结构,定量分析了不同时间层和不同序列的最佳参考图像分布情况；通过分析测试序列的时间相关性和视点间相关性的差异,改进预测结构,尽可能地提高随机访问性能,文中根据时间相关性和视点相关性在预测中所占的比重情况,提出了三种新的预测结构。实验表明,在压缩效率影响较小的情况下,本文提出的改进预测结构可以有效地提高随机访问性能。论文对比分析了局部自适应亮度补偿方法、基于乘加模型颜色校正方法和基于平均值匹配颜色校正方法。实验结果表明,这些颜色校正方法使得当前图像更近似于参考图像,减少了视点间图像的颜色差异,达到了颜色校正的目的。鉴于上述颜色校正方法没有考虑图像本身的特征因素,尤其是图像纹理细节较多时,校正精度更会受到影响,本文提出基于SIFT的颜色校正方法。SIFT算法很好地处理发生平移、旋转、颜色变化图像间的匹配问题,本文将SIFT特征信息引入传统的直方图校正和偏色校正算法,修正了校正因子。实验结果表明,引入SIFT特征信息的多视点视频颜色校正方法获得了更优的校正效果。