基于视点合成的深度图编码技术研究.doc

基于视点合成的深度图编码技术研究自由视点视频(FreeViewpointVideo/Televison,FVV/FTV)能够提供具有丰富沉浸感的立体视频,并且允许用户在一定范围内自由选择观看位置,因此,FTV已经成为视频信号处理领域的下一个重要研究方向。为了实现所期望的业务,FTV除了传输传统2D纹理视频外还需要额外传输深度图像来生成虚拟视点。与纹理视频相比,深度图像具有完全不同的性质和用途,如果直接采用传统纹理视频的编码方式对深度图像进行编码会引起合成视点中的较大失真。所以,在保证虚拟视点合成质量的前提下,对深度图像进行高效的编码压缩已经成为当前的研究热点。本文首先对3D视频编解码国际标准平台——HTM中深度图像编码关键技术的使用频率进行了统计,确定了两个主要研究方向:区域直流编码(SDC)和深度建模模式(DMM)。然后,从提高视点合成质量的角度,在SDC和DMM这两个方向上分别探索高效的深度图编解码方案,本文的主要学术贡献如下:1.搭建一个深度图像区域直流编码(SDC)的优化框架第一步,针对SDC中深度查询表引入的映射误差,提出单样本预测法代替原始的四样本预测来降低映射误差,建立一个SDC预测编码优化模型;第二步,为了提升虚拟视点的合成质量,在编码端搜索SDC的最优残差值时,提出一个SDC残差搜索的视点合成优化方案。通过以上两步搭建一个SDC预测编码及残差选择的优化框架,实验证明该优化框架能带来高达0.31%的编码增益(标准研究中有0.10%的增益就可以进行提案)。2.对深度建模模式(DMM)中的DMM1和DMM4模式进行优化处理一方面,DMM1的楔形模板查询表中模板数目众多,占用了较多的缓冲内存。通过分析不同尺寸块查询表的生成流程,提出下采样简化方法,建立一个基于上/下采样的楔形模板查询表简化模型来降低模板数目。实验结果表明,该简化模型能节省27.1%的缓冲内存,且几乎不会带来编码损失。另一方面,考虑到DMM1只适用于具有直线边界的图像块,DMM4只适用于纹理和深度内容高度匹配的图像块。为了弥补DMM1和DMM4模式对边界预测的不足,针对具有非直线边界、且纹理和深度内容不匹配的图像块,提出二阶楔波预测(Second-orderWedgeletPrediction),实验表明该预测能够带来0.05%的编码增益。