空间域去噪方法中的非局部均值去噪算法(Non-local means,NLM)在图像去噪方面应用较为广泛.然而,传统NLM方法在对图像边缘结构信息处理上易产生过平滑现象,且算法的固定参数对不同图像特征难以自适应调整.针对NLM算法中相似性权重忽略...空间域去噪方法中的非局部均值去噪算法(Non-local means,NLM)在图像去噪方面应用较为广泛.然而,传统NLM方法在对图像边缘结构信息处理上易产生过平滑现象,且算法的固定参数对不同图像特征难以自适应调整.针对NLM算法中相似性权重忽略边缘信息而导致的上述问题,文中提出了一种自适应边缘相似度非局部均值(Adaptive non-local mean based on edge similarity,ANLM-ES)图像去噪方法.在NLM相似性权重的基础上,依据图像边缘信息构造基于距离与角度双维度边缘相似性的图像相似性权值,并通过加权其自身和相邻像素来估算中心像素,从而保留局部邻域信息,将所有生成的中心像素进行组合构成最终的去噪图像.最后,自适应参数的选择运用4方向差分因子检测模板提取的边缘信息及噪声方差确定.文中ANLM-ES方法与传统NLM算法、NLM-SVB算法及NLM-BDPCA算法在公开数据集上的实验结果表明,ANLM-ES方法能够更好地保留图像的边缘细节信息,提升图像的去噪性能.展开更多
针对基于局部熵进行加密图像视觉安全性评估存在块效应的局限性,引入图像的边缘特征,通过共有边缘来衡量加密图像与原始图像的边缘相似度,消除了块效应。由于局部熵对加密等级低的图像不敏感,边缘相似度对加密等级高的图像不敏感,将两...针对基于局部熵进行加密图像视觉安全性评估存在块效应的局限性,引入图像的边缘特征,通过共有边缘来衡量加密图像与原始图像的边缘相似度,消除了块效应。由于局部熵对加密等级低的图像不敏感,边缘相似度对加密等级高的图像不敏感,将两个评估方法进行自适应融合,提出SLEES(Local Entropy and Edge Similarity,SLEES)指标。通过改变图像像素位置和图像像素值的加密方式处理图像和视频帧进行测试,实验结果表明,SLEES指标相比传统评估指标有更好的鲁棒性,评估范围更广。展开更多
在新一代高效三维视频编码标准(High Efficiency Video Coding for 3D,3D-HEVC)中,为了更加精确地表示深度图中的物体边界,利用非矩形块分割的深度建模模式(Depth modelling modes,DMMs)预测编码方法被引入,现有的DMMs模式包括锲形(Wedg...在新一代高效三维视频编码标准(High Efficiency Video Coding for 3D,3D-HEVC)中,为了更加精确地表示深度图中的物体边界,利用非矩形块分割的深度建模模式(Depth modelling modes,DMMs)预测编码方法被引入,现有的DMMs模式包括锲形(Wedgelet)分割和轮廓(Contour)分割2种模式,其主要区别在于推导分割的方式不同。Contour分割利用已编码纹理块信息进行深度分区推导,然而这种分割方法仅仅利用了纹理与深度之间的结构相关性,而忽略了边界相邻块之间具有的边缘相似性,这潜在导致推导块分割不准确,进而影响编码效率。针对Contour分割模式导致的分割不准确问题,结合深度边界块之间的边缘相似信息,提出了一种增强的Contour分割方法。实验结果表明,与3D-HEVC的参考软件HTM11.0相比,在全帧内(AllIntra,AI)编码测试条件下,对于合成视点平均有近0.1%的BD-Rate节省。展开更多
文摘空间域去噪方法中的非局部均值去噪算法(Non-local means,NLM)在图像去噪方面应用较为广泛.然而,传统NLM方法在对图像边缘结构信息处理上易产生过平滑现象,且算法的固定参数对不同图像特征难以自适应调整.针对NLM算法中相似性权重忽略边缘信息而导致的上述问题,文中提出了一种自适应边缘相似度非局部均值(Adaptive non-local mean based on edge similarity,ANLM-ES)图像去噪方法.在NLM相似性权重的基础上,依据图像边缘信息构造基于距离与角度双维度边缘相似性的图像相似性权值,并通过加权其自身和相邻像素来估算中心像素,从而保留局部邻域信息,将所有生成的中心像素进行组合构成最终的去噪图像.最后,自适应参数的选择运用4方向差分因子检测模板提取的边缘信息及噪声方差确定.文中ANLM-ES方法与传统NLM算法、NLM-SVB算法及NLM-BDPCA算法在公开数据集上的实验结果表明,ANLM-ES方法能够更好地保留图像的边缘细节信息,提升图像的去噪性能.
文摘针对基于局部熵进行加密图像视觉安全性评估存在块效应的局限性,引入图像的边缘特征,通过共有边缘来衡量加密图像与原始图像的边缘相似度,消除了块效应。由于局部熵对加密等级低的图像不敏感,边缘相似度对加密等级高的图像不敏感,将两个评估方法进行自适应融合,提出SLEES(Local Entropy and Edge Similarity,SLEES)指标。通过改变图像像素位置和图像像素值的加密方式处理图像和视频帧进行测试,实验结果表明,SLEES指标相比传统评估指标有更好的鲁棒性,评估范围更广。
文摘在新一代高效三维视频编码标准(High Efficiency Video Coding for 3D,3D-HEVC)中,为了更加精确地表示深度图中的物体边界,利用非矩形块分割的深度建模模式(Depth modelling modes,DMMs)预测编码方法被引入,现有的DMMs模式包括锲形(Wedgelet)分割和轮廓(Contour)分割2种模式,其主要区别在于推导分割的方式不同。Contour分割利用已编码纹理块信息进行深度分区推导,然而这种分割方法仅仅利用了纹理与深度之间的结构相关性,而忽略了边界相邻块之间具有的边缘相似性,这潜在导致推导块分割不准确,进而影响编码效率。针对Contour分割模式导致的分割不准确问题,结合深度边界块之间的边缘相似信息,提出了一种增强的Contour分割方法。实验结果表明,与3D-HEVC的参考软件HTM11.0相比,在全帧内(AllIntra,AI)编码测试条件下,对于合成视点平均有近0.1%的BD-Rate节省。
