导读:本文包含了感兴趣区域压缩论文开题报告文献综述及选题提纲参考文献，主要关键词:感兴趣区域视频压缩编码,深度学习,机器学习,计算机视觉
感兴趣区域压缩论文文献综述
张哲为[1]（2019）在《基于感兴趣区域率失真优化的视频压缩编码通信系统设计》一文中研究指出基于感兴趣区域模式的视频压缩编码近年来成为视频压缩、计算机视觉领域研究的热点课题。从广义上来讲,视频中的感兴趣区域指视频帧中引起人们注意的像素部分区域。它通常包括视频中运动的目标、色彩变化的区域。感兴趣区域视频编码的关键思想在于,对这部分区域以较小的量化步长进行压缩编码,以获得较高的编码精度。而对于非感兴趣区域部分,则采用较大的量化步长进行粗糙编码,以降低整体编码输出的比特。依据人体视觉系统的要求,感兴趣区域视频编码的目的是将特定的感兴趣区域在解码端得以清晰的呈现,而对于非感兴趣区域,人们的关注点并不在这部分,因此并没有必要完全保证这部分的编码质量。换句话说,在某种特定应用场景下,为尽可能减小编码速率,仅保留感兴趣区域部分的编码精度以达到不影响人们对视频内容理解的目的。本文设计了一套基于感兴趣区域率失真优化的视频编码通信系统,该系统包括感兴趣区域提取模块、感兴趣区域视频编码率失真模块与感兴趣区域视频流传输模块。设计这套系统的目的在于实现低比特视频流通信同时不影响对视频内容的理解。围绕这一系统展开,本文主要研究这叁大模块中的叁个核心技术:感兴趣区域提取技术、感兴趣区域视频编码的率失真优化技术、感兴趣区域视频流在无线网络环境下的传输技术。其中,感兴趣区域提取技术主要研究如何从视频帧数据中提取感兴趣区域,它主要指运动的区域以及一些特定的目标物体。这一部分区域作为视频帧的前景部分,而其它区域则作为背景部分。感兴趣区域视频编码的率失真优化技术主要解决视频编码中的速率和失真权衡的问题。即给定一组视频序列,使得速率受限制的约束条件下,该组序列的失真达到最小。在解决这一优化问题时,如何建立恰当准确的速率失真模型是其中的关键部分。速率失真模型可对感兴趣区域编码模式下的速率、失真进行数学描述。通过速率失真模型列出率失真优化问题的目标函数以及约束条件,并对其进行求解,得到视频组序列每帧的比特分配方案,进而设计速率控制策略。感兴趣区域视频流传输技术主要以异构无线网络为背景,通过对视频帧中编码单元的编码信息进行封装,组成网络层的传输单元并将这些传输单元分配到不同属性的无线信道进行传输。异构无线网络的传输的模式仍基于端到端的传输模式,然而终端具有多家乡接入属性。通常上讲,终端具有多元化网络接入单元接口,可同时接入不同属性的无线网络。感兴趣区域编码模式下的视频流传输力图保证包含感兴趣区域信息的传输单元能够具有较少的传输失真与解码失真。同时,视频流的传输需满足实时性要求。对于超过时延截止部分的视频流分组则会被丢弃以节约网络资源。此外,传输过程中引入信道差错控制编码技术,通过引入额外监督位降低误码率,并尽可能满足感兴趣区域部分信息得以完整的解码与重建。本文针对上述内容,对感兴趣区域视频编码的关键技术进行了深入详细的研究,主要内容包括:(1)研究了感兴趣区域提取技术。结合传统的数字图像处理理论以及当前流行的深度学习理论。本文分别提出了两种新的感兴趣区域提取检测方法:级联模型算法与基于文本主题模型的边界框修正算法。其中,级联检测算法四个级联步骤:全局运动补偿,运动块提取,多层像素分割和模型更新。前面两个步骤提取前景运动块并形成运动遮罩,后面两个步骤移除属于运动遮罩内背景的像素,并更新背景模型的颜色分布。另外,提出了基于块到像素的检测思路以实现检测灵活性。所提出的方法的另一个好处是它可以嵌入视频编解码器中以进行实时ROI检测和编码。实验结果表明,该方法在检测精度和时间消耗方面都实现了改进的性能。文本主题模型的边界框修正算法属于机器学习算法。它包含两个阶段:模型训练与验证。在训练阶段,它将检测目标图像的特征点信息转换成文本信息。在文档主题生成模型(Latent Dirichlet Allocation,LDA)的基础上,本文提出了一个具有单词共现先验的主题模型,其中图像特征之间的共现信息被充分利用。在验证阶段,本文提出了一种基于边界框(Anchor-box)的修正算法,该算法可以从一些传统算法中快速检测与预训练主题模型相对应的检测结果,并具有快速检测时间。对各种数据集的实验表明,所提出的方法可以在效率和计算成本方面提高检测性能。它对于颜色,光照,尺度等不同的物体也具有鲁棒性。有趣的是,所提出的方法可以与许多快速但有失准确性的感兴趣区域提取算法相结合,并增强了系统模型的灵活性。(2)研究了感兴趣区域视频压缩的率失真优化与速率控制技术。本文提出了一种基于DCT残差系数的混合分布与径向基函数神经网络的适合感兴趣区域编码模式下的速率失真模型。通过将编码单元分类为不同的深度、纹理特征来对其速率失真进行建模。在此之后,利用所提出的速率失真模型,列出率失真优化问题的目标函数以及约束条件,并根据凸优化理论对其进行求解。同时,设计针对感兴趣区域编码模式下的速率控制策略。通过实验验证,所提出的方法在解码重构的视觉质量,速率失真性能和比特率精度等方面取得了相应的改进。它针对感兴趣区域部分取得了较高的编码精度,同时保持编码缓冲器稳定输出,失真满足在可控范围内。(3)研究了感兴趣区域编码模式下视频流在无线异构网络环境下的传输技术。本文提出了一种基于感兴趣编码模式视频传输框架,该框架基于多家乡接入终端的异构无线网络环境。它包含感兴趣区域提取模块和帧分离器的模块,其中编码单元被分类封装到网络传输单元中。该框架还包括监视每个通信路径状态的信道监视器,并将反馈信号发送至视频流控制器来进行分组调度控制。本文提出了用于信道状态预测的深度学习方法。为了解决视频流分组传输问题,本文设计了适用于感兴趣区域编码模式下的视频流传输的速率失真模型,并制定传输调度策略。该策略传输延迟和失真之间寻求平衡点。它还保证具有ROI内容的数据包在具有足够带宽和低损耗的路径上进行传输。通过与其他传输方法的比较的模拟实验,验证了所提出的方案在视频传输质量,端到端延迟以及播放流畅度方面均取得了良好的效果。(本文来源于《北京交通大学》期刊2019-05-01）
赵扬,王伟,董蓉,王敬时,汤敏[2]（2017）在《基于NLTV和NESTA的MRI/MRA图像感兴趣区域的压缩感知重构》一文中研究指出压缩感知理论借助信号内在的稀疏性或可压缩性,利用随机投影实现在远低于奈奎斯特频率的采样频率下对压缩数据进行采集。将该技术应用于医学成像领域可以加快MRI/MRA的扫描速度,提高扫描效率,减少患者的不适感。以NLTV(Nonlocal Total Variation)正则化来改善传统TV导致的边缘模糊、阶梯效应等缺点,提出改进的NESTA算法(简称NLTV-ROI-NESTA算法)实现MRI/MRA图像感兴趣区域(Region of Interests,ROIs)的精确重构,增强低对比度血管的细节信息,以峰值信噪比、结构化相似度、相对误差3个指标来定性、定量地评价算法的性能。实验结果表明,与传统的压缩感知重构算法相比,NLTV-ROI-NESTA算法在重构精度和细节保留方面均具有明显优势,能较好地保持低对比度血管或其他感兴趣区域的细节特征,在快速医学成像领域具有广阔的应用前景。(本文来源于《计算机科学》期刊2017年09期）
杜梅,曹蔚然,赵怀慈[3]（2017）在《基于压缩感知的感兴趣区域编码》一文中研究指出受无线信道带宽的约束,图像经传统图像压缩方法压缩并经无线信道传输后,图像质量受损严重,会影响后续探测识别结果的准确性,本文针对这个问题提出一种基于压缩感知(Compressed Sensing,CS)的感兴趣区域(Region Of Interest,ROI)图像压缩方法。首先,将位平面位移技术引入压缩感知,对获得的图像进行量化、位平面分解;然后位移ROI位平面,并给出编码方案;最后,在解码端通过解码、重构,得到ROI质量良好的重构图像。仿真结果表明,本文算法重构图像的ROI部分PSNR高于传统的压缩感知编码方法,验证了方法的可行性和有效性,从而为ROI图像编码提供了一种可行的解决方案。(本文来源于《软件工程》期刊2017年06期）
赵威[4]（2017）在《遥感云图感兴趣区域压缩算法研究》一文中研究指出根据全球的云量数据分析结果,地球一半以上的部分被云覆盖。因此在获取大范围遥感图像时,多数情况下都会有云的存在。随着遥感图像空间分辨率、时间分辨率和量化深度的不断提高,遥感图像数据急剧膨胀。为了更加高效地对遥感云图进行压缩,本文将感兴趣区域(Region of Interest,ROI)编码的思想运用到遥感云图的压缩过程中,并从遥感云图ROI提取、ROI掩模编码和遥感云图ROI编码叁个方面进行深入研究。主要工作内容如下:一,已有的ROI提取方法大多针对于特定的目标,在遥感云图内容未知的情况下,这些方法有很大的局限性。针对这一问题,本文选取遥感云图中重要的细节区域作为ROI,并提出了一种基于小波变换的ROI提取方法。本方法首先利用小波变换的高频信息进行重要细节提取,然后使用膨胀、腐蚀等形态学操作将重要细节连接为区域,完成ROI的提取。实验结果表明,本方法可以提取任意形状的多个ROI,且提取过程可以和压缩过程并行完成。二,本文结合改进的方块编码和一种灰度ROI掩模的等价表示,提出了一种新的ROI掩模编码方法。本方法将灰度ROI掩模等价转换为相应的二值掩模和种子点集合的形式,分别进行编码。由于等价转换得到的二值掩模有着更小的信息熵,且种子点集合的编码花费又非常少,因此该等价表示方法从信源方面对灰度ROI掩模进行了优化。在对二值掩模进行方块编码的过程中,对出现概率大、连续性强的符号单独计算游程长度数组,从而进一步实现二值掩模的编码优化。实验结果表明,本文方法有效地提高了ROI掩模的编码效率。叁,本文提出了一种基于重要位平面的位平面位移方法,核心思想是仅提升ROI系数的重要位平面,将编码ROI系数不重要位平面的码流更合理地分配给BG系数,使得当ROI达到一定恢复质量时BG区域可以更快地恢复,从而提高图像的整体恢复质量。针对基于SPIHT算法实现ROI编码的过程中,由于位平面位移而导致的编码冗余问题,本文提出了一种基于集合判断的SPIHT编码方法。首先根据使用的位平面位移方法,为每个位平面生成有效系数集合,然后利用这些集合对相应位平面的编码输出进行精确控制,从而有效地避免冗余比特的输出。(本文来源于《西安电子科技大学》期刊2017-06-01）
胡敏,周波[5]（2016）在《基于视觉冗余的多感兴趣区域医学图像压缩》一文中研究指出针对医学图像信息量大的特征,提出基于视觉特性的多兴趣区域图像压缩方案,通过仿真实验表明,该方法得到较高的压缩比和压缩视觉效果,为医学图像远程传输和存储提供更为有效的方案。(本文来源于《科技创新与应用》期刊2016年30期）
杜梅,赵怀慈,周浩[6]（2016）在《压缩感知在感兴趣区域编码中的应用》一文中研究指出针对面向目标探测识别的无线图像传输应用,为了解决探测识别任务对图像质量的高要求与无线信道带宽约束之间的冲突,提出一种基于压缩感知的编码方法。鉴于压缩感知优秀的抗干扰特性,利用其进行图像压缩,并将位平面提升技术引入压缩感知。首先,对图像进行分块压缩感知,然后,对获得的信号进行量化、位平面分解;然后提升感兴趣区域位平面,并分别给出3种不同的感兴趣区域位平面编码方案;最后,在解码端通过解码、阈值迭代法重构,得到感兴趣区域质量优于背景的重构图像。实验结果表明,在相同码率下,重构图像的感兴趣区域PSNR(Peak Signal to Noise Ratio)高于通常的压缩感知编码方法,验证了方法的可行性和有效性。因此,基于压缩感知的感兴趣区域编码方法能够提高无线图像传输效率,从而更好地满足目标探测识别的需求。(本文来源于《沈阳师范大学学报(自然科学版)》期刊2016年04期）
曾基业,肖德琴,林探宇[7]（2016）在《农业图像感兴趣区域可调压缩处理系统设计与实现》一文中研究指出随着科技水平的快速发展,图像处理技术也愈加成熟。目前,在基于感兴趣区域的图像压缩对医学图像、遥感图像方面进行较多的研究,但是在农业图像方面的感兴趣分割以及压缩算法研究较少。设计一个压缩比可调的农业图像感兴趣区域压缩处理系统,首先采用支持向量机SVM的模型,对农业图像进行感兴趣区域(ROI)与非感兴趣区域(RONI)的分割处理;再对感兴趣区域采用可调压缩比的JPEG图像压缩算法进行压缩处理,对非感兴趣区域采用高压缩比的JPEG图像压缩算法进行压缩处理,然后将两个区域进行结合,形成完整的农业图像。最后,将处理后的农业图像进行客户端/服务器模式(C/S模式)传输,实现远程传输图像的功能。实验展示,实现4.7:1至5.75:1之间的感兴趣区域(ROI)可调压缩比功能,并能在2秒内实现所有处理,提高传输过程中的传输速率,具有一定应用前景。(本文来源于《现代计算机(专业版)》期刊2016年15期）
林国川,何小海,李向群,于成业[8]（2016）在《基于感兴趣区域的HEVC压缩性能优化》一文中研究指出根据人类视觉系统(HVS)对纹理复杂及运动区域具有较强感知度的特点,提出了一种基于感兴趣区域的高效率视频编码(HEVC)压缩性能优化算法。首先使用Sobel梯度检测算子和运动矢量分别检测纹理复杂区域和运动区域,把检测到的纹理复杂及运动区域定义为感兴趣区域;再对感兴趣区域分级,通过调整量化参数(QP),优化比特分配。实验结果表明,与HEVC标准算法相比,所提算法码率平均减少了15.29%,时间平均节省了11.38%。(本文来源于《电讯技术》期刊2016年01期）
刘欣[9]（2015）在《基于感兴趣区域的监控视频压缩编码研究》一文中研究指出当今,随着人们对社会安全的重视程度越来越高,监控视频呈现爆炸性增长,如何传输和存储海量的监控视频成为急需解决的问题。本文首先介绍了现有的感兴趣区域编码技术以及监控视频的特点,然后分析了几种适合监控视频的编码技术的优劣。在此基础上,本文提出了一种新的初始帧量化参数计算方法和视频分区域编码方法,并针对存在短暂停留的目标情况下的感兴趣区域检测做出了改进,具体包括以下几个方面:针对视频中存在短暂停留的目标情况下的感兴趣区域检测,提出了基于时域的叁背景差检测方法,通过定义静态背景帧、渐变背景帧、当前背景帧,通过叁种背景帧的差值计算出短暂停留的目标所在的区域。针对现有编码标准中,不同视频在相同码率下的初始帧量化参数相同的情况,提出了基于内容复杂度的初始帧量化参数计算方法。在给定编码码率和视频初始帧的内容复杂度条件下,计算出使得视频序列中各帧的峰值信噪比、量化参数和编码比特数波动最小的初始帧量化参数。针对感兴趣区域编码,本文提出了编码预测模式分集和自适应量化参数调整的方法,对于已经划分的感兴趣区域、过渡区域和背景区域,在对应的预测模式集中选择最优的预测模式,并且根据所在区域提高或降低量化参数,达到缩短编码时间和提高感兴趣区域的编码质量的目的。(本文来源于《北京邮电大学》期刊2015-12-01）
孔玲君,孙叶维[10]（2015）在《基于图像感兴趣区域的图像压缩方法》一文中研究指出目的提出一种基于图像感兴趣区域的图像压缩方式,实现在减少图像存储空间时图像失真少的效果。方法采用眼动仪提取图像感兴趣区域,制作压缩掩码对图像进行分区压缩,非感兴趣区域采用DCT算法进行压缩,而感兴趣区域不做任何压缩处理直接保留原样。结果主客观评价实验表明:压缩后的图像失真较少,视觉观察效果好,且压缩后所占存储空间减半,方法简便,压缩效率高。结论结合眼动仪提取感兴趣区域的压缩方法优于基于Itti视觉模型的压缩方法,适合压缩多种类型的图像,具有较好的实用性。(本文来源于《包装工程》期刊2015年19期）
感兴趣区域压缩论文开题报告
（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：
压缩感知理论借助信号内在的稀疏性或可压缩性,利用随机投影实现在远低于奈奎斯特频率的采样频率下对压缩数据进行采集。将该技术应用于医学成像领域可以加快MRI/MRA的扫描速度,提高扫描效率,减少患者的不适感。以NLTV(Nonlocal Total Variation)正则化来改善传统TV导致的边缘模糊、阶梯效应等缺点,提出改进的NESTA算法(简称NLTV-ROI-NESTA算法)实现MRI/MRA图像感兴趣区域(Region of Interests,ROIs)的精确重构,增强低对比度血管的细节信息,以峰值信噪比、结构化相似度、相对误差3个指标来定性、定量地评价算法的性能。实验结果表明,与传统的压缩感知重构算法相比,NLTV-ROI-NESTA算法在重构精度和细节保留方面均具有明显优势,能较好地保持低对比度血管或其他感兴趣区域的细节特征,在快速医学成像领域具有广阔的应用前景。
（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。
感兴趣区域压缩论文参考文献
[1].张哲为.基于感兴趣区域率失真优化的视频压缩编码通信系统设计[D].北京交通大学.2019
[2].赵扬,王伟,董蓉,王敬时,汤敏.基于NLTV和NESTA的MRI/MRA图像感兴趣区域的压缩感知重构[J].计算机科学.2017
[3].杜梅,曹蔚然,赵怀慈.基于压缩感知的感兴趣区域编码[J].软件工程.2017
[4].赵威.遥感云图感兴趣区域压缩算法研究[D].西安电子科技大学.2017
[5].胡敏,周波.基于视觉冗余的多感兴趣区域医学图像压缩[J].科技创新与应用.2016
[6].杜梅,赵怀慈,周浩.压缩感知在感兴趣区域编码中的应用[J].沈阳师范大学学报(自然科学版).2016
[7].曾基业,肖德琴,林探宇.农业图像感兴趣区域可调压缩处理系统设计与实现[J].现代计算机(专业版).2016
[8].林国川,何小海,李向群,于成业.基于感兴趣区域的HEVC压缩性能优化[J].电讯技术.2016
[9].刘欣.基于感兴趣区域的监控视频压缩编码研究[D].北京邮电大学.2015
[10].孔玲君,孙叶维.基于图像感兴趣区域的图像压缩方法[J].包装工程.2015
标签：感兴趣区域视频压缩编码; 深度学习; 机器学习; 计算机视觉;