导读:本文包含了帧率转换论文开题报告文献综述及选题提纲参考文献，主要关键词:SEA,运动矢量投影,帧率转换,运动估计
帧率转换论文文献综述
张迪,黄倩,陈斯斯[1]（2019）在《基于运动矢量投影的帧率转换算法》一文中研究指出提出一种基于运动矢量投影的帧率转换算法。在运动估计阶段,采用连续消除算法SEA,将该算法与全搜索相结合,对块匹配准则的计算过程进行优化,可以在保证图像质量的同时减小计算复杂度。在运动矢量场投影过程中,定义一个新的运动矢量选取标准,在匹配准则的基础上添加了块的位置信息,相对于传统标准,本标准更能代表内插块的真实运动,准确性更高。在运动补偿阶段,针对投影过程中产生的重迭现象,采用自适应加权补偿插值算法,考虑所有重迭投影块的运动信息。对于产生的空洞现象,采用运动矢量中值滤波的算法来填充。实验结果表明,该算法可以减少运动信息的丢失,插值效果更加准确。(本文来源于《计算机与现代化》期刊2019年05期）
陈立鑫[2]（2019）在《基于卷积神经网络的压缩视频帧率上转换算法研究》一文中研究指出随着数字信息时代的到来,大规模的图像和视频已经成为了信息传播的重要媒介。由于移动互联网的驱动,人们对于图像以及视频的获取变得更为热情。但是很多的高清视频的容量越来越大,观看高清视频需要消耗大量的流量并且有限的带宽使得高清视频的播放质量不能满足人们的需求。因此,需要先将视频进行压缩再进行传输。为了更好的减小带宽,需要对压缩的视频进行低帧率的传输,在接收端利用插值的方式将低帧率的压缩视频恢复到原来的帧率,这就是帧率上转换技术。这种技术不仅能够提高视频的帧率,还能减少视频播放过程中卡顿现象,能极大的提高用户的视觉体验,所以帧率上转换的研究具有重要的现实意义。目前比较流行的帧率上转换技术是利用运动估计和运动补偿,这种方法是通过计算出各个宏块的运动矢量来进行插值。虽然帧率上转换技术已经逐渐成熟,但是视频中运动剧烈的部分还是会产生很多的块效应。另一方面,利用目前的主流压缩标准对视频进行压缩会损失很多的信息,这也增加了帧率上转换技术恢复的难度。为了解决这一问题,本文提出了两种算法对压缩的视频进行帧率上转换。第一种算法是利用一个深度残差网络对经过传统的帧率上转换算法后的插值帧进行处理,相当于一个后滤波器的作用,能有效的去除经过传统的帧率上转换后产生的块效应。这个网络是由叁个部分组成的,分别是特征提取,特征递归分析以及图像复原。第二种算法是先用两个深度卷积网络分别对经过双向运动估计得到的前后向运动估计帧进行特征提取,再将这两个网络的输出结合成一个初始的插值帧,然后把初始的插值帧输入到一个深度残差网络进行增强,最后得到最终的插值帧。实验结果表明,本文提出的两种算法在主观上和客观上比起传统的帧率上转换算法有提高并有效的解决了块效应的问题。(本文来源于《杭州电子科技大学》期刊2019-03-12）
何天琦,蒋兴浩,孙锬锋[3]（2018）在《视频帧率上转换检测技术综述》一文中研究指出视频帧率上转换检测技术是视频取证技术的一种。为了系统阐述视频上转换检测领域现状,合理导向后续研究,对相关技术进行了综述。首先对相关研究历史和发展进程进行阐述,总结上转换概念及技术框架。然后根据检测技术的目的,对现有算法分类阐述。最后汇总介绍了视频帧率上转换检测领域的主要研究团队及其研究成果。从算法框架、检测结果等方面对比现有检测技术,提出了两点展望。视频帧率上转换作为视频后处理技术的重要组成部分,目前仍需进一步研究。(本文来源于《网络与信息安全学报》期刊2018年10期）
吉秉彧[4]（2018）在《帧率上转换技术及其在视频编码中的应用》一文中研究指出帧率上转换(Frame Rate Up-Conversion,FRUC)技术是视频处理技术中研究的热点问题之一。该技术可将视频序列从低帧率提升至高帧率,从而增加视频流畅度,提升视频质量和视觉效果。然而,现有的帧率上转换技术虽然保证了一定质量,但往往会耗费大量计算时间,不能很好的兼顾图像质量与运算时间,且如何将FRUC技术应用于重构缺失帧的视频编码中,现有文献缺少相应探讨。针对这些问题,本文提出了两种帧率上转换算法,并探究了FRUC技术在视频编码领域中的应用:(1)提出了一种基于时空相关的多分辨率帧率上转换算法。该算法引入了图像金字塔方法,用以构造多分辨率图像层,利用时空相关性的特征,在顶层图像上执行运动估计算法,降低了时间复杂度。为校正运动矢量场中存在的低精度运动矢量,引入了运动矢量校正技术,在运动矢量场的逐层传递过程中,检测并校正异常运动矢量。通过实验检验,该算法具有耗费时间少与保证精度的优点。(2)提出了一种基于空间预测的帧率上转换算法。该算法将内插帧的图像块分成两类,对第一类待插块执行全搜索运动估计算法,并引入连续消除算法降低时间复杂度。依据空间相关性,计算第二类块的运动矢量,进一步提升了运算效率。这种分类计算运动矢量的方式有效减少了运动估计算法执行的次数,同时,利用空间相关性的特性,保证了图像块具有相对真实的运动矢量。通过实验对比,该方案具有平均单帧处理时间较少的特点。(3)提出了一种FRUC技术在视频编码领域的应用方案,即视频压缩感知编码。相较于传统视频编码方案,该编码方案将FRUC技术与压缩感知理论相结合,在编码端具有采样率低、在解码端具有重建视频帧速度快的技术特点,从而降低了传输码率以及提升了解码效率。通过实验对比,视频压缩感知编码具有较低的率能量失真性能,使其在低能耗环境下更具优势。(本文来源于《信阳师范学院》期刊2018-05-01）
樊聿聪[5]（2017）在《嵌入式GPU在SAR图像变化检测和视频帧率上转换的应用研究》一文中研究指出传统桌面级GPU具有功耗高,设备体积大的缺点,不利于搭载在嵌入式移动端设备。近年来随着高性计算的快速发展,系统级芯片性能提升,使得嵌入式平台设备的计算能力显着提升。拥有低功耗、高性能的嵌入式GPU正在向传统桌面级GPU设备发起挑战。本文围绕NVIDIA嵌入式GPU在FLICM无监督聚类的SAR图像变化检测算法和视频帧率上转换算法两个方向展开研究。本文所研究的主要内容有以下几个方面:(1)本文对基于FLICM聚类的SAR图像变化检测算法进行分析,提出基于CUDA-FLICM聚类的并行SAR图像变化检测算法。CUDA-FLICM并行算法分为两部分,第一部分是并行差异图求解,由于图像中像素参与的运算相互独立,数据的访存无依赖关系,因此将每个像素的对数比值运算映射到GPU的一个线程中计算。第二部分是并行FLICM聚类运算,对每个像素的模糊因子计算和隶属度计算映射在GPU的一个线程内执行。本文将CUDA-FLICM并行算法分别在NVIDIA嵌入式Tegra K1 GPU平台和嵌入式Tegra X1 GPU平台进行加速比的测试,实验结果表明CUDA-FLICM并行算法最高可获得130倍加速比。(2)本文通过CUDA并行框架对视频帧率上转换算法进行了并行化。并行视频帧率上转换算法包括基于3DRS运动估计算法和基于中值滤波的运动补偿算法。本文首先对基于3DRS的运动估计算法进行并行分析,提出并行运动估计CUDA-ME算法,CUDA-ME算法中由于3DRS中每行宏块的空间候选运动矢量具有依赖性,因此将每行宏块的10个候选矢量的计算放在GPU执行,GPU的每一个线程计算一个候选矢量。另外,通过对基于中值滤波的运动补偿算法进行并行分析,提出并行运动补偿CUDA-MC算法,CUDA-MC算法中每个像素之间的运算相互独立,可以将运动补偿算法中每个像素的插值运算通过GPU的众核完成。CUDA并行帧率上转换算法的实验在NVIDIA嵌入式Tegra K1平台内进行加速比的实验,对CUDA-ME并行算法和CUDA-MC并行算法分别进行加速比的测试。本文实验表明,CUDA-ME并行算法可以达到最高19倍加速比,CUDA-MC并行算法可以达到最高56倍加速比。此后通过CUDA核代码与OpenGL交互操作,完成并行视频帧率上转换算法可视化系统,展示了NVIDIA嵌入式GPU在工程领域的应用前景。(本文来源于《西安电子科技大学》期刊2017-06-01）
姚羽轩[6]（2016）在《视频帧率上转换被动取证研究》一文中研究指出随着视频采集设备以及各种编辑工具的普及,用户可以轻松地对数字视频进行篡改伪造,传统的“眼见为实”的观念正在被颠覆。帧操作是数字视频特有的篡改操作,包括常见的帧复制、帧删除、帧插入和帧重组等。此外,帧率上转换是另一种数字视频特有的时域操作,原来用于提高视频的运动连续性,但也可以恶意篡改为目的。为此,迫切需要行之有效的技术手段对数字视频的真实性进行鉴定。目前,视频帧率上转换的取证刚刚开始。本文通过分析帧率上转换后的视频原始帧和插值帧之间统计特征的变化,研究相应的被动取证技术。具体地,论文的主要工作和创新点如下:首先,提出了一种基于边缘强度周期性的视频帧率上转换被动取证算法。该算法首先通过计算出边缘强度,然后利用卡夫曼自适应移动均线KAMA定义自适应阈值区别原始帧和插值帧。此外,还可以推算出视频的原始帧率。实验表明,本文提出的算法既可以检测简单的帧重复和线性加权平均,也可以检测复杂的运动补偿插值类视频帧率上转换,平均检测准确率可以达到94.5%以上,且具有计算简单的特点。其次,提出了一种基于清晰度和帧差的相关系数的视频帧率上转换的取证方法。首先,利用形态学梯度计算视频帧的清晰度,并根据得到视频的清晰度曲线是否存在异常,判断视频是否经历过帧率上转换。此外,考虑到判别过程中可能出现的少量待测视频帧无法准确判定、却仍然可能是上转换得到的插值帧,通过进一步引入帧差的相关系数,再次对可疑的篡改视频进行取证。最后,定位出篡改帧的位置。实验表明,本文提出的算法平均检测准确率高,对于帧率上转换的篡改操作的检测效果更好。(本文来源于《湖南大学》期刊2016-05-09）
沈娟,田绪婷,郭丹,汪萌[7]（2016）在《基于加权运动估计多层次检测的帧率转换算法》一文中研究指出为了增强帧率转换的有效性,该文提出了一种基于运动估计多层次检测的帧率转换算法。该算法首先利用加权运动估计优化调整的方法检测精确的运动矢量;其次利用码本模型(Codebook model)的运动估计分割检测前景区域;然后利用多级重迭块运动补偿重分类的方法检测能反映物体真实运动轨迹的运动矢量。该过程中,采用了预处理方法保证边缘结构信息的完整性,并且利用重分类和平滑方法对不可靠运动区域进行细化处理,有效地降低了传统方法中的方块效应和重影现象;最后利用运动补偿内插实现帧率转换。实验结果表明:该算法相对于传统方法,更适用于背景复杂或快速运动变化的视频,主观视觉效果和客观评估标准上都有所提高,并且具有很好的适应性。(本文来源于《南京理工大学学报》期刊2016年01期）
赵祖麟[8]（2015）在《基于叁维递归搜索的帧率上转换算法研究》一文中研究指出随着信息技术的飞速发展,图像和视频的通信占据了多媒体信息的主导地位。其中,以高清电视、远程教育、视频会议为主要内容的移动终端视频业务得到广泛普及与应用。自20世纪70年代,帧率上转换技术就越来越多的被应用在不同帧率视频格式之间的转换、减少视频编码中时间冗余度以及提高平板电视图像质量等实际场景之中。本文根据帧率上转换技术的背景及研究现状,对比并分析了当前帧率上转换算法中存在的不足,提出了基于叁维递归搜索(3-D Recursive Search,3DRS)的帧率上转换算法。相比传统算法,该算法精确了运动估计矢量,解决了重迭和空洞问题,避免了遮挡物体产生的光晕效应。本文对两类帧率上转换算法进行了研究。其中,非运动补偿帧率上转换算法计算量小、易实现,在慢速码流中表现良好,但在快速码流中插帧效果不理想;然而,运动补偿帧率上转换算法利用相邻帧运动信息预测中间帧,因此能够较为理想的反映出真实物体运动,所以本文提出的帧率上转换算法采用后者。本文将提出算法分成运动估计、运动矢量后处理和运动补偿叁部分,并分别对其进行讨论。在本文算法的运动估计部分,考虑到单向运动估计的准确性较高但会影响插值结果这一因素,选用前向后向相结合的运动估计,分别产生前向和后向运动估计矢量,并在矢量后处理算法中对其作进一步处理;由于传统块匹配容易产生块效应,因此在估计时采用自适应的可变块方法,对估计不准确的块进行进一步的估计;为了使候选运动矢量更具时空相关性,本文对其选择进行了优化选取;由于在估计时很有可能产生分数精度候选矢量,所以本文对亚像素精度进行了运动估计;为了改进传统3DRS匹配准则判断条件单一的缺点,本文引入梯度概念并提出新的匹配准则。在本文算法的运动矢量后处理和运动补偿部分,为解决上一部分运动估计在插值中出现的重迭和空洞问题,对运动矢量进行映射,得到了双向运动矢量;由于传统中值滤波算法计算方法繁琐,本文对其进行了改进;为了避免了物体因遮挡出现光晕,本文对遮挡情况分成叁类并根据其类别进行自适应插值。实验中,通过观察本文算法与其他传统算法插入帧与原始帧的相似程度可以得出本文的主观质量是最佳的;将本文算法与其他传统算法在不同码流序列上产生的峰值信噪比曲线、结构相似性曲线以及运动矢量场的一致性曲线作对比,并分别计算它们的峰值信噪比和结构相似性平均值,得出本文算法的客观性能也是最佳的。最终证明,本文提出算法的综合性能优于传统的帧平均算法、3DRS算法和全搜索法。(本文来源于《哈尔滨工业大学》期刊2015-12-01）
关云辉[9]（2015）在《基于OpenCL的视频帧率上转换算法研究》一文中研究指出帧率上转换是一种视频后处理技术,通过在原有视频帧中插入中间帧的方式,将低帧率视频转变成高帧率视频。随着高清2K视频逐渐在人们生活中得到普及,以及超高清4K视频的出现,极大地增加了图像的分辨率和视频的大小。近年来加速帧率上转换已成为视频处理技术中的一个新热点。目前大多数帧率上转换采用运动补偿类的方法,该方法主要分为两个部分,运动估计和运动补偿。叁维递归搜索算法因为在矢量一致性方面有较大的优势,所以在运动估计部分得到了广泛的应用。随着异构计算的兴起,多核众核并行计算设备的不断出现,使得要想写出适合多数平台的高性能运算的程序越来越复杂。从NVIDIA和AMD的新一代GPU的出现,我们可以看出并行计算设备的计算能力有了很大的提升。OpenCL标准自2008年提出以来,就以其良好的跨平台性得到很快的发展。本文提出了基于OpenCL的视频帧率上转换算法,并对其在各个平台上的并行性能进行了分析,达到了程序的可移植性以及实时性的要求。本文的主要工作如下:本文分析了视频帧率上转换算法,因为叁维递归搜索算法的时间复杂度高,使得视频帧率上转换算法不能满足实时性的要求。本文针对每一行上宏块计算的无依赖性提出了基于宏块的并行3DRS算法(P-3DRS)。但经过对P-3DRS算法运行发现,它的效率并不高,我们对P-3DRS进行以下两方面的优化:一方面,通过并行化计算宏块的各个候选运动矢量来扩大程序并发度,提出了P-3DRS1算法,有效地加速了P-3DRS算法;另一方面,针对计算宏块间相似度时的无依赖性提出了一种细粒度的并行3DRS算法(P-3DRS2);最后本文设计了并行的运动补偿算法。我们将以上算法运行在NVIDIA GeForce GTX 970,AMD R9 285,NVIDIA Tesla K20上得出了实验结果。我们通过对实验结果的分析,验证了以上算法所得出的结果是正确的,并对他们的加速比进行了对比分析。由于OpenCL框架具有性能上的可移植性,所以我们把本文所提出的P-3DRS1算法和P-MC算法运行在不同的并行计算设备上。我们在多核CPU、GPU、APU等异构加速设备上对P-3DRS1算法和P-MC算法进行了验证。实验结果显示,根据不同计算设备的计算能力的不同,P-3DRS1算法和P-MC算法的运行时间会有很大的变化。经过对计算设备单精度浮点计算能力的比较发现,随着计算设备计算能力的提高,P-3DRS1算法和P-MC算法的运行时间会有相应的减少。(本文来源于《西安电子科技大学》期刊2015-12-01）
徐文杰[10]（2015）在《基于嵌入式平台的视频帧率上转换系统的研究与开发》一文中研究指出当前,高帧率电影即将成为一种主流发展模式。人们对于更流畅、更逼真的电影和电视画面有了越来越严苛要求,并且市面上视频的画面不断增大,已经有8K的片源产出,这使得快速甚至实时提升视频帧率的需求越来越迫切。帧率上转换作为一种提升视频帧率的手段被广泛使用,主要有运动估计和运动补偿两个过程,而精度高、收敛快且硬件易于实现的叁维递归搜索(3-Dimension Recursive Search,3DRS)块匹配运动估计算法更是广受工业界推崇。嵌入式平台应用广泛,发展迅速,有着良好的应用前景。2013年高通公司推出了Adreno 330 GPU(Graphics Processing Unit),2014年英伟达公司推出了Tegra K1 GPU,性能强大。OpenCL作为一种新的语言,有着较好的移植性能,对于当前计算能力很难得到提升的CPU来说,利用嵌入式平台上GPU来进行并行计算无疑是最佳的选择。因此,本文就如何在嵌入式平台上实现帧率上转换算法做了深入研究,提出了嵌入式平台上基于OpenCL的帧率上转换系统的开发方案,对算法中耗时高的运动估计和运动补偿部分进行了优化,实现嵌入式平台上帧率转换的加速。具体工作如下:(1)本文通过采用Java Native Interface(JNI)技术,利用Cygwin关联NDK把底层C语言编写的帧率上转换算法编译封装在本地共享库中,使得Android上层Java代码能够调用这个本地共享库,从而开发出了视频帧率上转换系统。最后在视频帧率上转换系统上,对2K和4K视频进行测试,在运动估计方面,APQ8074开发板处理时间分别为183ms和639ms,在运动补偿方面,APQ8074处理时间为392ms和1567ms。(2)针对帧率上转换算法需要高效、快速甚至实时处理视频等市场需求,在嵌入式平台上,本文开发出了基于OpenCL的视频帧率上转换系统。先对视频帧率上转换算法中运动估计和运动补偿两个耗时部分进行了并行设计,充分利用OpenCL移植性高和GPU核心多、并发性强来对视频进行并行处理,为了能够进一步提升运动估计和运动补偿处理速度,本文采用了网格划分优化和矢量化优化方案,网格划分优化合理设置工作组数目,矢量化优化充分利用GPU硬件资源,优化后的并行算法相比串行算法,在运动估计方面,Adreno405 GPU和Tegra K1分别能获得最低1.73和11.36倍的加速比;在运动补偿方面,Adreno330 GPU、Adreno405 GPU和Tegra K1分别能获得最低1.46、2.16和64.67倍的加速。(本文来源于《西安电子科技大学》期刊2015-12-01）
帧率转换论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着数字信息时代的到来,大规模的图像和视频已经成为了信息传播的重要媒介。由于移动互联网的驱动,人们对于图像以及视频的获取变得更为热情。但是很多的高清视频的容量越来越大,观看高清视频需要消耗大量的流量并且有限的带宽使得高清视频的播放质量不能满足人们的需求。因此,需要先将视频进行压缩再进行传输。为了更好的减小带宽,需要对压缩的视频进行低帧率的传输,在接收端利用插值的方式将低帧率的压缩视频恢复到原来的帧率,这就是帧率上转换技术。这种技术不仅能够提高视频的帧率,还能减少视频播放过程中卡顿现象,能极大的提高用户的视觉体验,所以帧率上转换的研究具有重要的现实意义。目前比较流行的帧率上转换技术是利用运动估计和运动补偿,这种方法是通过计算出各个宏块的运动矢量来进行插值。虽然帧率上转换技术已经逐渐成熟,但是视频中运动剧烈的部分还是会产生很多的块效应。另一方面,利用目前的主流压缩标准对视频进行压缩会损失很多的信息,这也增加了帧率上转换技术恢复的难度。为了解决这一问题,本文提出了两种算法对压缩的视频进行帧率上转换。第一种算法是利用一个深度残差网络对经过传统的帧率上转换算法后的插值帧进行处理,相当于一个后滤波器的作用,能有效的去除经过传统的帧率上转换后产生的块效应。这个网络是由叁个部分组成的,分别是特征提取,特征递归分析以及图像复原。第二种算法是先用两个深度卷积网络分别对经过双向运动估计得到的前后向运动估计帧进行特征提取,再将这两个网络的输出结合成一个初始的插值帧,然后把初始的插值帧输入到一个深度残差网络进行增强,最后得到最终的插值帧。实验结果表明,本文提出的两种算法在主观上和客观上比起传统的帧率上转换算法有提高并有效的解决了块效应的问题。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
帧率转换论文参考文献
[1].张迪,黄倩,陈斯斯.基于运动矢量投影的帧率转换算法[J].计算机与现代化.2019
[2].陈立鑫.基于卷积神经网络的压缩视频帧率上转换算法研究[D].杭州电子科技大学.2019
[3].何天琦,蒋兴浩,孙锬锋.视频帧率上转换检测技术综述[J].网络与信息安全学报.2018
[4].吉秉彧.帧率上转换技术及其在视频编码中的应用[D].信阳师范学院.2018
[5].樊聿聪.嵌入式GPU在SAR图像变化检测和视频帧率上转换的应用研究[D].西安电子科技大学.2017
[6].姚羽轩.视频帧率上转换被动取证研究[D].湖南大学.2016
[7].沈娟,田绪婷,郭丹,汪萌.基于加权运动估计多层次检测的帧率转换算法[J].南京理工大学学报.2016
[8].赵祖麟.基于叁维递归搜索的帧率上转换算法研究[D].哈尔滨工业大学.2015
[9].关云辉.基于OpenCL的视频帧率上转换算法研究[D].西安电子科技大学.2015
[10].徐文杰.基于嵌入式平台的视频帧率上转换系统的研究与开发[D].西安电子科技大学.2015