低照度數字圖像處理及視頻編碼幀內預測模式選擇研究.pdf

1、近幾年來，隨著多媒體技術和因特網的迅猛發(fā)展及普及，數字圖像處理技術及視頻編碼技術受到了前所未有的廣泛重視，不僅在理論研究上取得了重大進步，而且在實際應用中也獲得了很大成果，為人類帶來了巨大的經濟社會效益，已融入到科學研究的各個領域。低照度圖像的特點是圖像較暗、對比度較低，且含有大量加性隨機噪聲，給實際的圖像增強和去噪算法提出了更高的要求。最新視頻編碼標準H．264采用了一系列先進的編碼技術，在圖像壓縮率、圖像清晰度、容錯能力、網絡適應能

2、力等各方面的優(yōu)異性能不僅成為目前視頻會議最主要的實現標準，并且被廣泛應用于數字廣播、數字存儲、高清晰度數字視盤、高清晰度電視、實時監(jiān)控等各個領域。本文就是在這種背景下，研究基于圖像處理基本理論的圖像增強技術、圖像去噪技術，以及基于視頻編碼基本理論的幀內預測模式選擇技術。為數字圖像處理技術及視頻編碼技術的實際應用提供一個行之有效的方法。本文的主要工作及貢獻包括以下內容。 (1)針對低照度圖像較暗且對比度較低的特點及直方圖均衡化造成

3、的取整誤差，研究了適合低照度圖像的規(guī)定化函數及映射規(guī)則，提出了基于直方圖均衡化的全局增強方法，達到了自動增強整幅圖像對比度、提高直方圖均衡化精度的目的。針對直方圖均衡化造成的增強圖像細節(jié)信息丟失問題，提出了基于局部窗口方差和平均值的局部自適應對比度增強方法，達到了滿足不同灰度值、不均勻低對比度的增強要求，且微調局部細節(jié)的目的。 (2)提出了基于圖像整體增強與細節(jié)局部增強相結合的全局自適應均衡增強方法，設計并實現了低照度圖像增強算

4、法。通過理論和實驗分析，可以將低照度圖像的整體亮度提高大約3倍，對比度展寬大約3倍：驗證了本文提出的低照度圖像增強方法具有改善圖像外貌、強化圖像細節(jié)、減少增強誤差、保持圖像信息量的特點。 (3)針對低照度圖像含有大量噪聲的特點，研究了噪聲對低照度圖像的影響，分析了影響圖像質量的主導噪聲是加性隨機噪聲。針對噪聲對圖像質量及壓縮后產生視頻碼流數據量的影響，確定了低照度圖像去噪效果三項衡量指標：圖像平滑效果，圖像清晰程度，算法時間復雜

5、度；并根據這三項指標，對頻率域方法、空間域方法及數學形態(tài)學方法進行了分析和比較。 (4)提出了基于數學形態(tài)學及中值濾波的二次濾波去噪方法，設計并實現了低照度圖像去噪算法。通過理論和實驗分析，可以將壓縮后產生視頻碼流的數據量降低15％～20％左右，算法時間復雜度為O(N)；驗證了本文設計的低照度圖像去噪方法兼顧了圖像平滑效果、圖像清晰程度、算法時間復雜度三個方面的要求。 (5)針對H.264編碼幀內最優(yōu)預測模式選擇采用RD

6、O策略及FS方式帶來的高額運算復雜度，提出了改進幀內預測算法結構的方法，達到了既保證幀內預測模式選擇準確度，又減少算法運算復雜度的目的。根據原始宏塊有很強方向性且其紋理具有所選擇預測模式對應方向的理論，提出了基于邊緣矢量強度和、分析當前子塊預測方向、運用RDO策略的Intra_4×4最優(yōu)預測模式選擇方法，達到了減少Intra_4×4預測模式的目的。按照幀內預測模式選擇原則，提出了提前中止選擇的兩個準則，達到了保證低失真度的同時保證低碼率

7、、提高編碼效率的同時保證降低時間復雜度的目的。 (6)提出了基于綜合運用RDO及SATD策略、快速選擇Intra_4×4預測模式、提前中止選擇準則的預測模式選擇方法，設計并實現了幀內最優(yōu)預測模式快速選擇算法。通過理論和實驗分析，該算法與參考模型JM86相比，I幀編碼bit平均增加了3.58％，I幀編碼所用時間平均降低了74.35％，Y分量PSNR值平均降低了0.02dB；驗證了本文提出的幀內最優(yōu)預測模式快速選擇方法在編碼時間明顯降低的同