分布式视频编码中边信息生成方法技术

一种分布式视频编码中边信息生成方法，包括以下步骤：分别对当前WZ帧的两个相邻关键帧进行SIFT特征提取；对提取的特征点，按照距离最近的原则进行帧间特征匹配，生成若干特征点对；用特征点对的运动向量生成用于解码当前WZ帧的边信息，所述特征点对的运动向量为特征点对中两个特征点的相对位移矢量。该方法能够有效提高分布式视频编码中边信息的质量。

【技术实现步骤摘要】

本专利技术涉及分布式视频编码，更具体地说，涉及。
技术介绍
随着无线多媒体传感器网络应用的逐渐兴起，分布式视频编码近来逐渐成为研究的热点。由于分布式视频编码当前最大问题在于其率失真性能方面不如传统视频编码标准，如ITU-TH.264。为了提高分布式视频编码的率失真性能，国内外的研究人员在相关噪声模型优化以及改善边信息质量上做了大量的工作。传统边信息生成算法一般采用运动预测和运动补偿方式进行，其基本步骤包含匹配最佳块、预测运动向量和运动补偿等。匹配算法往往采用最小均方差等方式进行，然后通过前后视频帧的运动向量加权求和来预测当前视频帧的运动向量，最后通过加权平均方式完成运动补偿来生成边信息。在分布式视频编码中，由于解码器并不知道当前帧的内容，因此通过传统方式得到的前后视频帧的最佳匹配块并不能准确反映当前视频帧的运动向量。
技术实现思路
本专利技术的目的是提供一种，以提高分布式视频编码中边信息的质量。图像边缘区域以及图像纹理复杂区域通常是提高边信息质量的瓶颈区域。通过SIFT算法提取的局部特征往往位于局部对象边缘区域以及纹理复杂区域，因此非常有利于准确估计运动向量，与传统基于视频块的运动预测运动补偿相比，有很大的优势。为了实现上述目的，本专利技术的总体思路是:通过对相邻的两个关键帧(前后视频帧)的局部特征进行特征匹配来定位局部特征在视频序列中的运动矢量，然后基于局部特征的运动矢量来有效估计局部对象运动向量和/或全局背景运动向量。本专利技术采用的技术方案如下:一种，包括以下步骤:分别对当前WZ帧的两个相邻关键帧进行SIFT特征提取；对提取的特征点，按照距离最近的原则进行帧间特征匹配，生成若干特征点对；以及用特征点对的运动向量生成用于解码当前WZ帧的边信息，所述特征点对的运动向量为特征点对中两个特征点的相对位移矢量。上述的边信息生成方法中，生成的边信息可以包括局部对象运动向量、和/或全局背景运动向量。上述的边信息生成方法中，优选通过以下方法计算局部对象区域中像素的运动向量:从所述的若干特征点对中选择与当前像素相邻的特征点对；按照距离当前像素越近权重越大的原则，对选出的相邻的特征点对进行运动向量加权平均，所得平均值作为当前像素的运动向量。上述的边信息生成方法中，优选地，全局背景运动向量的计算方法包括:将当前WZ帧分割成宏块的集合；对于含有特征点对的每个宏块，统计宏块内特征点对的所有运动向量的次数，将出现次数最多的运动向量作为该宏块的运动向量；对于没有特征点对的宏块，将全局运动向量作为其运动向量；所述全局运动向量通过以下方法获得:统计帧内特征点对的所有运动向量的次数，将运动矢量出现次数最多的运动矢量作为全局运动向量。本专利技术能够提升边信息的质量。经实验证明，采用本专利技术边信息生成方法后，分布式视频编码的率失真性能(尤其是低码率下的率失真性能)有很大改善。【附图说明】图1为基于特征点对的全局背景运动估计示意图；图2为基于特征点对集合的局部对象运动估计示意图；图3为帧率7.5，GOP大小为2的情况下，Foreman视频序列的性能比较图；图4为帧率7.5， GOP大小为4的情况下，Foreman视频序列的性能比较图。【具体实施方式】下面结合附图和实施例对本专利技术进一步说明。以下实施例中，当前WZ帧用X2i表示，当前WZ帧的前、后两个相邻向关键帧分别用X21-!和X2i+1表示。一些实施例如下。一.首先，对于视频序列中的当前WZ帧X2i，先将其相邻的前、后两幅关键帧X2H和x2i+1进行SIFT特征提取，得到相应的特征点集合W2i_i和w2i+1。对于SIFT特征提取本身而言，是本领域的公知技术，这里不再赘述。二.对提取的特征点，按照距离最近的原则进行帧间特征匹配，生成若干特征点对。—种实施例中，用特征点集合w2i+1来构建一棵Kd-树,遍历特征点集合W2H中的每一个特征点Oi，在Kd-树中寻找距离最近特征点。距离匹配函数采用欧氏距离:W (ωι，0)j):= jJZk(^ik-^jk)2 εω?.^jkeo)j}⑴，其中Sik表示特征点COi的第k个特征分量，3#表示对应特征点的第k个特征分量。所有找到的特征点对组成一个集合，表示为式(2 )ζ |(^2ι-1?ι 5?2ι+1? ) Iee 沙2!'+1，? S σ }⑵，其中σ表示连个特征点是否相邻的阈值。三.用特征点对的运动向量生成用于解码当前WZ帧X2i的边信息，其中，所述的特征点对的运动向量为特征点对中两个特征点的相对位移矢量。—种较佳实施例中，生成的边信息包括局部对象运动向量和全局背景运动向量。下面分别说明其生成方法。1.全局背景运动向量的一种生成方法如下:图1显示的是对WZ帧进行宏块分割示意图，每一个小的虚框表示宏块，每个宏块内包含一些特征点对。如图1所示，首先将图像分割为宏块的集合，将相同宏块内的特征点对组成同一组，当特征点对的两个特征点属于不同组时，则同时加入两组。接着，统计每一个宏块内特征点对的所有运动矢量的次数，然后将宏块内出现次数最多的运动矢量作为该宏块的运动向量，该方法的计算公式如下所示:本文档来自技高网...

【技术保护点】
分布式视频编码中边信息生成方法，其特征在于，包括以下步骤：分别对当前WZ帧的两个相邻关键帧进行SIFT特征提取；对提取的特征点，按照距离最近的原则进行帧间特征匹配，生成若干特征点对；以及用特征点对的运动向量生成用于解码当前WZ帧的边信息，所述特征点对的运动向量为特征点对中两个特征点的相对位移矢量。

【技术特征摘要】
1.分布式视频编码中边信息生成方法，其特征在于，包括以下步骤: 分别对当前WZ帧的两个相邻关键帧进行SIFT特征提取； 对提取的特征点，按照距离最近的原则进行帧间特征匹配，生成若干特征点对；以及用特征点对的运动向量生成用于解码当前WZ帧的边信息，所述特征点对的运动向量为特征点对中两个特征点的相对位移矢量。2.根据权利要求1所述的边信息生成方法，其特征在于，生成的边信息包括局部对象运动向量。3.根据权利要求1或2所述的边信息生成方法，其特征在于，生成的边信息包括全局背景运动向量。4.根据权利要求2所述的边信息生成方法，其特征在于，通过以下方法计算局部对象区域中像素的运动向量: ...

【专利技术属性】
技术研发人员：袁春，游小光，
申请(专利权)人：清华大学深圳研究生院，
类型：发明
国别省市：