基于网格形变的视频重定向研究

发布时间：2021-04-15 01:05

　　随着数字显示设备的多样化,如何对视频进行分辨率和宽高比的调整以满足不同的显示需求己成为亟待解决的问题。基于内容感知的视频重定向算法旨在视频缩放的过程中尽可能地保证视频中视觉显著区域的重建质量,以及保持视频帧之间的时域连续性。现有的视频重定向算法主要采用基于逐帧或全局的方法实现视频缩放:基于逐帧的重定向方法计算复杂度低,但是重建的视频容易出现较多抖动点;而采用基于全局的重定向方法的重建视频质量较好,但运算复杂度极高,两者需要有效的平衡与折中。此外,绝大部分现有的基于网格形变的视频重定向算法往往采用恒定的网格大小。鉴于视频内容的多样性,固定网格的大小通常会影响着视频重定向的质量。为了解决上述问题,本文深入研究了基于网格形变的视频重定向算法,旨在有效地提升其性能。研究结果如下:提出了一种基于网格形变与帧分组的视频重定向算法。该算法以网格形变为基础,考虑基于视频分组的方法实现重定向,旨在有效地平衡基于逐帧和基于全局的重定向方法的优缺点。具体地说,为了尽可能保护视觉显著区域的宽高比与视频的时空连续性,首先在构造视频相机运动模型的基础上,按设定的网格大小对视频帧进行分组;然后在每个视频组形成的拼接... 

【文章来源】：广西大学广西壮族自治区 211工程院校

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

图１－１种类繁多的显示设备??Ｆｉｇ．?１－１?Ｖａｒｉｅｔｙ?ｏｆ?ｄｉｓｐｌａｙ?ｅｑｕｉｐｍｅｎｔ??

步骤６：结合时空连贯性量度求得当前组各网格的缩放因子后，对当前组内各帧进??行缩放，得到重定向后的视频帧。??当然，本章算法同样适用于视频高度的缩小。为了更好说明本章提出的算法，图２－１??以缩小视频的宽度为例来阐明算法的步骤。值得注意的是，图２－１中黄色方块代表运动??对象，灰色程度的深浅代表该网格在该组中的重要程度。??１０??

图２－４相邻两组的网格划分示意图??Ｆｉｇ．２－４?Ｇｒｉｄ?ｄｉｖｉｓｉｏｎ?ｆｏｒ?ａｄｊａｃｅｎｔ?ｔｗｏ?ｇｒｏｕｐｓ??如图２－４所示，假设第／?＋?１组相对第／组向右平移了一个网格，第／＋１组的第１个网??格的内容与第／组的第２个网格的背景完全相同，两者的缩放因子应一致。但是，由于??网格宽度的不同，第／＋１组的第１个网格除了包含第／组第２个网格的内容外，还包括了??部分第／组第３个网格的内容（红色区域）。由于最终缩放因子的差异，红色区域的内容??将会导致明显的视觉抖动。??１５??


本文编号：3138359