[發明專利]一種實時運動感知圖像增強的方法

有效

• 申請號: 201410500982.0
• 申請日: 2014-09-26
• 公開（公告）號: CN104243994B
• 公開（公告）日: 2017-06-27
• 發明（設計）人: 孔令波
• 申請（專利權）人: 廈門億聯網絡技術股份有限公司
• 主分類號: H04N19/20
• 分類號: H04N19/20;H04N19/124;H04N19/56;H04N19/17
• 代理公司: 廈門市新華專利商標代理有限公司35203
• 代理人: 朱凌

技術領域

本發明涉及視頻編碼領域，更具體地說，涉及一種實時運動感知圖像增強、提升運動圖像編碼質量的方法。

背景技術

在視頻編碼領域，針對靜態圖像編碼效率高，編碼圖像質量好，但是針對動態圖像或者動態內容，在同等帶寬條件下，編碼效果較靜態圖像有一定差距，并且帶寬越低，差異越明顯。當前視頻編碼系統基本采用原始編碼器的策略，針對新的一幀待編碼圖像沒有任何先驗知識，一般以圖像宏塊(一般是16*16的像素塊)為單位，通過運動搜索(Motion Estimation)手段來判斷該宏塊是否運動，計算量大，并且過于局限于局部信息，部分情況下搜索匹配效果較差，影響編碼圖像質量。

混合高斯模型就是使用多個（基本為3到5個）高斯模型來表征圖像中各個像素點的特征,在新一幀圖像獲得后更新混合高斯模型,用當前圖像中的每個像素點與混合高斯模型匹配,如果成功則判定該點為背景點, 否則為前景點。

目前存在的相關技術，比如2014-05-14公開的，公開號為103796028A的中國發明《一種視頻編碼中基于圖像信息的運動搜索方法和裝置》，其特征在于，所述方法包括：先對當前待編碼圖像進行前、背景性質劃分，得到該圖像的前、背景信息；再根據所述前景信息對前景區域采用高復雜度搜索方法，根據所述背景信息對背景區域采用低復雜度搜索方法。與該發明相比，本發明方法對前景信息和量化信息進行了不同的量化控制，有效提升了圖像編碼的整體效果，且本發明使用圖像前景運動向量信息作為運動搜索的起始點，增加了編碼器先驗知識，從而進一步提升了運動搜索的準確性。

再如2013-06-26公開的，公開號為103179402A的中國發明《一種視頻壓縮編碼與解碼方法及其裝置》，其特征在于，所述方法包括；實時建立視頻的背景模型，并根據背景模型對背景視頻進行壓縮編碼；檢測前景運動目標，保存前景運動目標的相關信息，并根據檢測到的前景運動目標對前景視頻數據進行壓縮編碼；將所述壓縮編碼后的背景視頻數據和前景視頻數據融合后解碼進行視頻播放。該發明對前景、背景分別編碼，并且解碼端對兩部分信息進行融合與解碼操作，需要配對編碼和解碼系統，應用范圍受限，而本發明方法僅僅使用前、背景信息對整幅圖像進行編碼，最終輸出為一路碼流，不需要解碼端的任何處理，通用性更好。

發明內容

本發明要解決的技術問題，在于提供一種實時運動感知圖像增強的方法，將前景、背景分離算法與圖像編碼器相結合，通過前景、背景分離算法獲取圖像的前景區域以及背景區域信息，并且將該信息傳輸給圖像編碼器，圖像編碼器對不同區域采用不同策略進行編碼，從而提升總體編碼圖像的質量。

本發明要解決的技術問題是這樣實現的：一種實時運動感知圖像增強的方法，適用于視頻會議系統，所述方法包括如下步驟：

步驟10、根據實際場景及需求動態調節圖像的幀率，并對其中分辨率較高的圖像進行縮小操作，降低圖像的分辨率，這樣可以減少系統性能的消耗；

步驟11、對經過步驟10處理后的圖像建立混合高斯模型，判別所述圖像的背景點與前景點，作為輸出的背景信息和前景信息；

步驟12、提取步驟11輸出的所述前景信息，對所述前景信息進行聚類操作，從而得到前景區域，然后剔除較小的前景區域；

步驟13、利用卡爾曼濾波算法（所述卡爾曼濾波算法是一種最優化自回歸數據處理算法，它是現有的公開算法） 在所述前景區域內進行目標跟蹤，得到前景區域的運動向量；

步驟14、將所述前景信息、背景信息和前景區域的運動向量作為圖像的先驗知識傳遞給圖像編碼器進行運動搜索和量化控制；

步驟15、進行圖像編碼。

進一步的，所述聚類操作是通過八鄰域連通搜索算法（所述八鄰域連通搜索算法是以一像素點為中心，搜索它的八個領域點作為一個連通區域的現有公開算法）對以像素為單位的前景信息進行處理，獲得與每個像素點連通的矩形區域的集合作為前景區域。

進一步的，所述剔除較小的前景區域是采用噪聲濾波的方式，設定一個濾波閾值，濾除低于該濾波閾值的前景區域。

進一步的，所述運動搜索是，圖像編碼器根據判斷當前編碼宏塊所在區域進行不同位置的運動搜索：若當前編碼宏塊處于背景區域，則以當前位置作為起始點進行運動搜索，若當前編碼宏塊處于前景區域，則以所述前景區域的運動向量作為起始點進行運動搜索，這樣進一步提升了運動搜索的準確性。