导读:本文包含了立体视频论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:视差,视频,评价,算法,加速运动,棱锥,深度。
立体视频论文文献综述
薛琳,李硕,邢家明,侯永宏[1]（2019）在《基于模糊控制的立体视频自适应传输算法》一文中研究指出设计一种适用于3D视频传输的模糊自适应算法,选用缓存状态和估计网络吞吐量作为视频质量选择依据.不同于2D视频传输,设计自适应算法同时考虑视点选择对用户观看视频质量体验影响.实验表明,在几种常见变化网络环境条件下,算法可以为网络视频用户提供更好的质量体验.(本文来源于《南开大学学报(自然科学版)》期刊2019年05期）
沈丽丽,耿小荃,徐礼胜[2]（2019）在《基于脑电的立体视频加速度的特征识别》一文中研究指出构建一种能够自适应提取脑电特征的PMEMD-2JSD-CSP模型,明确了立体视频的两类匀加速深度运动的可分性.利用部分噪声辅助多变量经验模态分解(PNA-MEMD)对脑电(EEG)信号进行分解得到本征模态函数(IMF),应用基于詹森-香农散度(JSD)的有效因子对IMF进行两次不同范围的自适应筛选,筛选结果按照权重迭加构成重构信号.利用共空间模式(CSP)对重构信号进行空域特征提取,支持向量机(SVM)对特征进行分类,分类正确率最高为73. 16%,证明了该模型对两类EEG信号特征提取的有效性.(本文来源于《东北大学学报(自然科学版)》期刊2019年10期）
陈琳[3]（2019）在《基于视差约束的3D立体视频重新定位研究》一文中研究指出文中提出了一种视差约束的3D立体视频重新定位方法,该方法同时将双目视频调整为新的纵横比,并将深度感知进行重新映射。建立畸变能量建模来防止视频内的目标区域形变,通过模拟视差变化能量来约束空间域和时间域中的视差范围,实现了深度映射的稳定性。运用原始立体视频生成不同显示分辨率的高感知质量的图像版本,克服了能量模型中目标分辨率的非均匀性和像素形变的干扰。最后通过实验分析验证了所提方法的有效性。(本文来源于《信息技术》期刊2019年07期）
张克新,邸金红,杨富堂,李素巧,闫利超[4]（2019）在《基于3D-HEVC的立体视频码流组织方案》一文中研究指出立体视频通常包含多个视点的纹理信息和深度信息,因而相对于传统的二维视频,立体视频数据量巨大,这就给立体视频的存储和传输带来了挑战,3D-HEVC作为最新的立体视频编码标准,有着良好的编码性能,但是依然无法满足立体视频在现有网络和终端环境下的自由共享,本文基于立体视频的数据特性和人眼视觉效应,提出一种优化的码流组织方案,该方案对立体视频不同视点的纹理信息和深度信息分别采用不同的量化参数,最终生成不同码率的立体视频码流,在码率逐渐降低的情况下,该方案能够保证较好的立体视频效果。(本文来源于《电视技术》期刊2019年06期）
房若宇[5]（2018）在《立体视频通信的创新设计》一文中研究指出利用佩珀尔幻象,采用传统的四棱锥立体投影装置,构建了一种新的立体视频通信装置。将投影源和拍摄源通过无线信号相连接,实现了由被拍摄物到立体投影源的实时传输转换。该装置克服了传统立体投影装置中对投影源的限制,是对新型立体视频通信装置设计的创新探索。(本文来源于《大学物理实验》期刊2018年06期）
史惠,肖潇[6]（2018）在《基于立体视频图像质量的评价方法研究》一文中研究指出在2D视频图像质量评价方法基础上,针对立体视频图像的主观感知特性,提出了一种基于立体视频图像质量的客观评价算法模型。该模型采用最小二乘法将主观评价值与反映3D图像画面质量的A-PSNR指标以及反映立体感的D-PSNR指标进行线性回归拟合。实验结果表明,本文提出的立体视频质量客观评价模型的预测值与主观评价结果具有较好的一致性,即符合主观感觉,因此能够有效地反映立体视频图像的质量。(本文来源于《广播与电视技术》期刊2018年11期）
丁学东,李素梅,马瑞泽,范如[7]（2018）在《立体视频质量客观评价方法研究》一文中研究指出提出1种部分参考立体视频质量评价方法.首先,在立体视频传输系统的发送端提取参考立体视频的特征信息,将其通过无损的辅助信道传输;然后,在接收端计算失真立体视频的局部结构相似度以及清晰度,并结合运动权重得到立体视频的全局质量结构相似度指标、清晰度指标和深度结构相似度指标;最后,通过回归分析,赋予各指标不同的权重,从而建立部分参考立体视频质量客观评价模型.实验结果表明,所提立体视频质量客观评价模型与主观实验结果具有很好的一致性,而且符合人眼视觉特性,为立体视频领域的发展提供了新的理论依据.(本文来源于《南开大学学报(自然科学版)》期刊2018年05期）
刘菁华,陈婧[8]（2018）在《一种基于平面运动视差不变性的立体视频整帧丢失重建技术》一文中研究指出针对立体视频单个视点中的整帧丢失问题,提出基于平面运动视差不变性的差错隐藏方案。该方案主要包括两个部分:1)利用两个视点的运动一致性,根据视差定位目标位置,把正确接收视点的当前帧与前一帧的帧差投影到丢失帧所在视点,作为当前帧与前一帧的帧差,再由帧差及前一帧的像素值重建丢失的帧;2)根据空洞特征自适应地选择基于邻域的方法或基于运动向量的方法进行空洞填补。实验结果表明,所提算法能够高质量地重建丢失的帧,其重建质量优于现有算法。(本文来源于《计算机科学》期刊2018年06期）
任云,程福林,黎洪松[9]（2018）在《基于频率敏感叁维自组织映射的立体视频视差估计算法》一文中研究指出传统基于块的立体视频视差估计算法计算复杂、效率较低,难于以硬件实现。为此,提出一种基于叁维自组织映射的视差模式识别算法。根据图像块均值的大小,为视差序列建立高、底亮度模式库,输入块根据均值大小在不同的库中匹配模式块,从而实现视差估计。在模式库训练时引入频率敏感方法,以提高矢量利用率,减少死神经元,降低获胜矢量响应频率。实验结果表明,与基于块的视差估计算法相比,该算法的视差预测图像的平均峰值信噪比提高了1.78 dB。(本文来源于《计算机工程》期刊2018年05期）
李翩[10]（2018）在《基于立体视频的显着性检测研究》一文中研究指出随着多媒体技术的迅猛发展,图像视频等多媒体信息日益增长,人工处理这些海量信息已不可能。因此提出了显着性检测的概念,使计算机能像人眼一样从大量图像或视频中迅速捕获最值得关注的部分,进而对这些部分进行优先或重点处理。本文主要针对立体视频进行显着性计算模型的构建,当前基于立体视频的显着性检测模型主要利用叁大类信息:2D静态信息、运动信息和深度信息。当前大多数工作都建立在深度图质量优秀的基础上,而通过立体匹配或距离传感器获得的深度图总会带有一些空洞或噪声,这些问题都会使模型的性能下降;此外在目前针对多特征显着图的融合方法中,很多采用简单数学运算的方法无法有效挖掘不同场景中不同特征发挥的作用,从而使有的场景结果较好而有些场景结果很差。本文针对上述问题展开了研究。首先,提出基于超像素内聚类的深度显着图生成算法。该算法首先对深度图进行超像素内聚类,然后利用每个超像素的大类聚类中心去进行全局对比度计算,以减少深度图中噪声和空洞带来的影响;最后引入背景先验信息,以减少某些自然场景中与显着物体拥有相同深度值的天空或地面等区域的影响。然后,采用稠密光流为视频每一帧计算一张运动显着图。针对3D场景,为了可以检测到物体在垂直镜头方向的运动,本文将深度信息加入到2D视频的光流中,得到每个像素点在水平、竖直和垂直镜头叁个方向上的位移;同样对运动图进行超像素分割,并进行全局聚类找到相对静止的“背景代表”超像素,计算其它超像素与该“背景代表”的距离,以解决部分场景相机存在运动的情况。最后采用基于贝叶斯公式的融合算法将2D静态特征、运动特征和深度特征这叁类特征各自得到的显着图进行融合,以使不同种类的显着图能互相修正,“取长补短”。实验结果显示我们的显着性检测模型相比其它经典算法拥有更加准确和稳定的表现。(本文来源于《华中科技大学》期刊2018-05-01）
立体视频论文开题报告
（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：
构建一种能够自适应提取脑电特征的PMEMD-2JSD-CSP模型,明确了立体视频的两类匀加速深度运动的可分性.利用部分噪声辅助多变量经验模态分解(PNA-MEMD)对脑电(EEG)信号进行分解得到本征模态函数(IMF),应用基于詹森-香农散度(JSD)的有效因子对IMF进行两次不同范围的自适应筛选,筛选结果按照权重迭加构成重构信号.利用共空间模式(CSP)对重构信号进行空域特征提取,支持向量机(SVM)对特征进行分类,分类正确率最高为73. 16%,证明了该模型对两类EEG信号特征提取的有效性.
（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。
立体视频论文参考文献
[1].薛琳,李硕,邢家明,侯永宏.基于模糊控制的立体视频自适应传输算法[J].南开大学学报(自然科学版).2019
[2].沈丽丽,耿小荃,徐礼胜.基于脑电的立体视频加速度的特征识别[J].东北大学学报(自然科学版).2019
[3].陈琳.基于视差约束的3D立体视频重新定位研究[J].信息技术.2019
[4].张克新,邸金红,杨富堂,李素巧,闫利超.基于3D-HEVC的立体视频码流组织方案[J].电视技术.2019
[5].房若宇.立体视频通信的创新设计[J].大学物理实验.2018
[6].史惠,肖潇.基于立体视频图像质量的评价方法研究[J].广播与电视技术.2018
[7].丁学东,李素梅,马瑞泽,范如.立体视频质量客观评价方法研究[J].南开大学学报(自然科学版).2018
[8].刘菁华,陈婧.一种基于平面运动视差不变性的立体视频整帧丢失重建技术[J].计算机科学.2018
[9].任云,程福林,黎洪松.基于频率敏感叁维自组织映射的立体视频视差估计算法[J].计算机工程.2018
[10].李翩.基于立体视频的显着性检测研究[D].华中科技大学.2018
论文知识图
