基于经验模态分解和融合的多视点图像编码研究

【摘要】：随着立体显示技术的发展,以及人们对具真实感和临场感的场景再现需求与日俱增,具有3D视觉功能的多视点视频技术成为近年来研究的热点之一。在多视点视频中,除了各个视频流内具有很强的空间和时间相关性,各视点之间也具有一定的交叉相关性,因此,关键是如何有效地利用视点间的视差信息以提高编码效率,使其能在有限的带宽传输或在有限的存储空间上记录。基于这个出发点,本文针对多视点视频系统中平行或角度差异较小的相邻视点某时刻的图像,在颜色校正,图像配准,图像融合,图像拆分,多视点图像压缩编码等方面展开研究。 本文首先分析了目前多视点视频编码的研究现状,指出目前编码方法的不足之处,创新性地提出可考虑结合图像融合的优势,尝试使用基于融合的方法对多视点图像进行编码,替代传统去冗余的编码方式,以求取得高压缩比同时,尽可能地保留图像的信息。融合效果的好坏直接影响到算法的表现,因此需要选用一种合适的图像分析工具。经验模态分解方法完全由数据驱动,经实验证明,比传统的分解方法有着更好的空间和频率特性,有助于融合图像质量的提高。因此,本文对其原理、关键技术以及在图像处理中的表现进行了详细的研究。 在选取分析工具后,还需要探讨怎样将其应用于本文的算法中。因此,着重对基于经验模态分解的图像融合,以及基于经验模态分解的图像压缩编码方法进行研究。通过分析前人研究成果,对比各种方法的优劣,得出适合本文的具体算法。 接着设计基于相邻视点融合的多视点图像编码方法的原理框架,对框架中的各部分算法展开论述,包括颜色校正,图像配准,融合,拆分以及图像压缩编码。框架可大致描述为:在编码端,原始图像经过经验模态分解,得出二维的经验模态函数和余量图像,对模态函数和余量图像分别进行融合得到融合图像,并对融合图像进行基与经验模态的压缩编码;在解码端,再将融合图像拆分,重构出原始图像。 最后依照编码框架进行计算机仿真,根据实验结果,对编码个环节的表现进行横向和纵向的比较,得出算法的各种性能指标。实验结果表明,该方法具有失真度小和压缩比高的优势,具有实践意义。