基于區(qū)域分割與熵匹配相結(jié)合的序列圖像幀間預測編碼方法的研究.pdf

1、預測編碼是八十年代發(fā)展起來的一種圖像壓縮編碼方法.由于兼顧了圖像序列之間的時空相關性,在采用運動補償技術之后,幀間預測的準確度相當高,近年來在運動圖像編碼中得到了廣泛的應用.該文主要研究幀間預測編碼中的一種基于運動對象的圖像運動估計算法.圖像分割是運動補償技術的基礎,通過圖像分割可以將圖像劃分為各個特征一致性的區(qū)域,作為圖像匹配單元.如果劃分不當,將增加匹配過程的復雜程度,并將造成重構(gòu)圖像的失真,所以我們討論了幾種常用的不同的圖像分割方

2、法,并在區(qū)域跟蹤分割的理論基礎上,根據(jù)生長點的提取及生長方法的不同對區(qū)域生長法做了一定的改進和完善,實驗表明,它在分割精度、區(qū)域連貫性和信息完整性上都有優(yōu)于其他幾種分割方法之處,是后面做好圖像匹配的關鍵.對于分割后的圖像,我們提取出其中的運動部分,得到要匹配的運動區(qū)域,然后再用局部最小熵差匹配算法進行匹配,得到所需的重構(gòu)圖像.熵值反映的是圖像的統(tǒng)計特性,利用熵值來進行圖像匹配是一種適應性強且非常有效的圖像匹配算法.它主要利用圖像灰度的統(tǒng)

3、計特性,求得各運動區(qū)域內(nèi)的像素灰度分布,再在搜索區(qū)間內(nèi)對各個待匹配區(qū)域進行最小熵差的匹配.因為之前較為精確的提取了圖像中的運動部分,因此這里我們可以采用簡化了的熵公式進行匹配計算,從而提高匹配效率.同時由于該算法不存在門限選取、參數(shù)確定等人為因素的影響,因此算法穩(wěn)定性好,且能在一定程度上抵抗噪聲和幾何失真的影響.區(qū)域生長法與局部最小熵差匹配的有力結(jié)合,充分利用了前后幀運動信息的相關性,同時保證了匹配區(qū)域內(nèi)運動矢量的一致性,提高了運動部分