版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著時(shí)代的發(fā)展,視頻圖像等數(shù)據(jù)無(wú)處不在,數(shù)據(jù)量巨大一直受到人們的關(guān)注。龐大的數(shù)據(jù)帶來(lái)了大量的信息,促進(jìn)了高速發(fā)展,另一方面也造成了諸多問(wèn)題,比如儲(chǔ)存問(wèn)題,帶寬問(wèn)題等等。因此,圖像編碼問(wèn)題依舊是研究的一大熱點(diǎn)。通常的圖像編碼方法是針對(duì)整個(gè)畫(huà)面,使得其中的每個(gè)物體壓縮到最好。但實(shí)際上,人眼的注意力往往只集中在畫(huà)面中最顯著的某一部分區(qū)域。在本文中,利用視覺(jué)顯著性這個(gè)原理,以降低非感興趣區(qū)域的質(zhì)量為代價(jià)使得感興趣區(qū)域的編碼效果更好。本文一共提出
2、了三種實(shí)現(xiàn)方法。
第一,基于深度控制量化的編碼方法。直接利用深度圖標(biāo)定視覺(jué)顯著區(qū)域,即把距離成像設(shè)備近的區(qū)域當(dāng)作視覺(jué)顯著區(qū)域,通過(guò)調(diào)整 HEVC中的量化參數(shù)值,使得較近的區(qū)域分配較多的碼率,而較遠(yuǎn)的區(qū)域分配較少的碼率。
第二,基于景深重建的編碼方法。利用直方圖的方法加深度信息提取視覺(jué)顯著區(qū)域,也就是感興趣圖。再利用感興趣圖和低通濾波器重建景深。最后基于HEVC碼率控制的原理,將重建景深后的圖利用HEVC編碼。
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 復(fù)雜背景織物圖像中視覺(jué)顯著區(qū)域檢測(cè)方法研究.pdf
- 圖像顯著區(qū)域的標(biāo)注算法研究.pdf
- 基于區(qū)域的圖像顯著目標(biāo)檢測(cè).pdf
- 形狀部分的視覺(jué)顯著度與形狀編碼.pdf
- 視覺(jué)顯著區(qū)域檢測(cè)算法研究.pdf
- 基于視覺(jué)感知機(jī)理的顯著區(qū)域研究.pdf
- 基于顯著區(qū)域的圖像檢索方法研究.pdf
- RGB-D圖像的顯著區(qū)域檢測(cè).pdf
- 基于人類視覺(jué)系統(tǒng)的顯著區(qū)域檢測(cè).pdf
- 人眼視覺(jué)顯著區(qū)域提取方法研究.pdf
- 圖像顯著區(qū)域檢測(cè)算法研究.pdf
- 基于分類思想的圖像顯著區(qū)域檢測(cè).pdf
- 適于全視覺(jué)圖像感興趣區(qū)域的信道編碼研究.pdf
- 自然圖像顯著區(qū)域檢測(cè)及其應(yīng)用.pdf
- 基于視覺(jué)顯著性的立體視頻編碼研究.pdf
- 基于視覺(jué)顯著性檢測(cè)的圖像分類.pdf
- 考慮視覺(jué)顯著性的圖像質(zhì)量評(píng)估.pdf
- 圖像顯著區(qū)域提取及其在圖像檢索中的應(yīng)用.pdf
- 基于視覺(jué)顯著性的圖像分割方法研究.pdf
- 基于顯著性檢測(cè)的感興趣區(qū)域編碼.pdf
評(píng)論
0/150
提交評(píng)論