导读:本文包含了错误隐藏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:错误,空域,视差,视频,深度,矢量,线性。
错误隐藏论文文献综述
周洋,吴佳忆,陆宇,殷海兵[1]（2019）在《面向叁维高效视频编码的深度图错误隐藏》一文中研究指出基于多视点视频序列视点内、视点间存在的相关性,并结合视点间运动矢量共享技术,该文提出一种面向3维高效视频编码中深度序列传输丢包的错误隐藏算法。首先,根据3D高效视频编码(3D-HEVC)的分层B帧预测(HBP)结构和深度图纹理特征,将深度图丢失块分成运动块和静止块;然后,对于受损运动块,使用结合纹理结构的外边界匹配准则来选择相对最优的运动/视差矢量进行基于位移矢量补偿的错误掩盖,而对受损静止块采用参考帧直接拷贝进行快速错误隐藏;最后,使用参考帧拆分重组来获取新的运动/视差补偿块对修复质量较差的重建块进行质量提升。实验结果表明:相较于近年提出的对比算法,该文算法隐藏后的深度帧平均峰值信噪比(PSNR)能提升0.25～2.03 dB,结构相似度测量值(SSIM)能提升0.001～0.006,且修复区域的主观视觉质量与原始深度图更接近。(本文来源于《电子与信息学报》期刊2019年11期）
陈廷国[2]（2019）在《“隐藏”在物理题目中的错误分析研究》一文中研究指出通过对"隐藏"在题目中的错误分析,确保自创题、改编题、借用题在试卷命制过程中的科学性,达到培养学生全面分析问题和提高学习思维能力的目的。(本文来源于《中学生数理化(学习研究)》期刊2019年Z1期）
吴佳忆[3]（2019）在《多视点加深度叁维视频的错误隐藏技术研究》一文中研究指出叁维(Three dimension,3D)视频能给观众带来更高的逼真度和身临其镜的沉浸感,越来越受到用户的欢迎和青睐。多视点视频加深度是当前3D高效视频编码(3D video coding based on the high efficiency video coding,3D-HEVC)所采用的主要编码格式,它通过虚拟视点合成技术将压缩传输后的有限个视点的信息在解码端进行拓展,降低了传输信息量。压缩后的多视点码流在传输中因网络阻塞和噪声干扰等原因会出现某些数据包丢失的现象,导致解码端出现图像块丢失,甚至传输图像整帧丢失。如果多视点视频在传输过程中发生错误或丢包,在解码端不但重建的图像会产生不同程度的失真或缺损,而且利用视点合成技术进行拓展的绘制视点图像均会受到影响。因此,对多视点加深度视频进行差错控制是必不可少的,而解码端错误隐藏是差错控制的有效途径。如何更高效地利用各时空域及视点间的相关性来得到更加准确的运动矢量、视差矢量?如何通过这些运动、视差矢量更好地重建图像?以及如何利用深度视频帧对出错的整帧纹理图像进行精确重建都是多视点加深度视频错误隐藏的重要问题。本文在分析3D-HEVC关键技术和虚拟视点绘制技术的基础上,提出了面向3D-HEVC标准的多视点加深度视频错误隐藏算法,主要研究贡献如下:1.基于多视点视频序列视点内、视点间存在的相关性,并结合视点间运动矢量共享技术,提出了一种面向3D-HEVC编码中深度序列传输丢包的错误隐藏算法。首先,基于3D-HEVC的分层B帧预测结构和深度图纹理特征,将深度图丢失块分成运动块和静止块;然后,对于受损运动块,根据结合纹理结构的外边界匹配准则来选择相对最优的运动/视差矢量进行基于位移矢量补偿的错误掩盖,而对受损静止块采用参考帧直接拷贝进行快速错误隐藏;最后,使用参考帧拆分重组来获取新的运动/视差补偿块对错误隐藏质量较差的重建块进行质量提升。在不同类型多视点测试序列上的实验结果表明:本文算法隐藏后的深度帧平均峰值信噪比和结构相似度测量值均有明显提升,且修复区域的主观视觉质量与原始深度图更接近。2.利用深度图绘制技术(DIBR),提出一种面向3D-HEVC的整帧丢失错误隐藏算法。该算法基于3D-HEVC的分层B帧预测结构和虚拟视点绘制技术及其特点,首先利用单路正确接收视点的图像帧,对丢失的另一视点整帧图像进行绘制;接着,结合图像结构,对边界块的模糊失真进行基于时域信息的修补;最后,使用块联合运动判定法来决定图像块的后处理,对绘制后的静止块和运动块进行不同类型的基于像素的残差补足来再次提升重建质量。在不同类型的测试序列上实验结果表明:本文算法进行单路DIBR虚拟视点绘制的整帧丢失错误隐藏后可相对传统方法提升PSNR值1.99～6.75dB,SSIM值可提升0.0119～0.0547。修复后区域的主观视觉感知质量更佳,能很好地克服HBP结构中由于整帧图像运动矢量重建困难而造成的错误隐藏质量下降。(本文来源于《杭州电子科技大学》期刊2019-03-01）
张一章[4]（2018）在《立体图像和视频的自适应错误隐藏算法研究》一文中研究指出立体视频的应用场景随着互联网的发展而越来越丰富,但是其庞大的数据量和数据压缩编码方式对传输网络构成不小的挑战。一旦在网络传输中造成误码或者数据包丢失,将对用户接收到的视频的质量产生巨大的影响。因此,对立体视频的误码进行控制有十分重要的意义,而错误隐藏技术是立体视频控制差错的的主要方法之一。本文针对立体视频的误码控制问题,在分析了立体图像和立体视频的特点之后,并提出了分别针对立体图像和立体视频的错误隐藏算法,具体研究内容如下:根据立体图像的视点间的相关性,本文提出了一种基于超像素分割和自适应视差选择策略的错误隐藏算法。本文首先获取了左右两个视点的图像的超像素分割标签,然后在视差搜索匹配过程中将超像素分割的标签加入到约束条件中,将图像中像素的空间组织相关性纳入到视差估计中。为了降低视差选取策略在图像某些区域的视差选取的随机性,本文还提出了一种自适应视差选取策略以提高最佳视差选取的合理性。设定候选视差的比重阈值,将累积比重小于阈值的所有视差都加入视差候选集中,然后通过边界平滑度原则确定最佳的估计视差。最后,恢复出丢失图像中的丢失部分。实验结果表明,本文算法在客观质量评价和主观质量评价上都具有一定的优势。立体视频与立体图像紧密相关,其具有空域相关性、视点间相关性和相邻帧间的相关性。针对立体视频的这些特点,本文提出了一种基于图像金字塔理论的时空域混合立体视频错误隐藏算法。首先,对立体视频的没有丢失块的视点的前后两帧进行降采样,然后对降采样后的视频帧图像采用帧差法进行场景切换检测。对于场景切换帧,对丢失视点的视频图像采用视点间的错误隐藏算法进行掩盖,对于非场景切换帧,检测同时刻的有丢失视点序列的视频帧内的丢失块的运动特性。利用丢失块周围图像块以及视频帧降采样后的图像中对应区域的图像块综合评估丢失块的运动特性。丢失块的运动特性分为静止、相对运动和剧烈运动,每种运动特性的丢失块分别采用对应的方法进行错误隐藏。实验结果表明,与其他算法相比,本文所提出的算法在客观质量评价上有一定的优势,同时主观质量评价上能更好的保留图像的细节和纹理,运算复杂度也较小。(本文来源于《南京邮电大学》期刊2018-11-14）
史惠,肖潇[5]（2018）在《基于场景切换的错误隐藏算法研究》一文中研究指出当含有场景切换的视频序列传输出错时,仅仅根据视频帧的类型去选择相应的错误隐藏方法会对错误宏块的恢复造成很大的影响,导致重建视频图像质量下降。因此,针对场景切换对错误隐藏算法的影响,本文在H.264参考模型JM的错误隐藏算法的基础上提出了一种基于视频场景切换的错误隐藏算法。实验结果表明,该算法不仅具备较好的容错效果,可以进一步提高视频的图像质量,而且具有较低的计算复杂度,满足实际应用的需求。(本文来源于《广播与电视技术》期刊2018年10期）
王冰,刘浩,李康达,孙晓帆,张鑫生[6]（2018）在《基于迭代自适应终止的马尔科夫错误隐藏算法》一文中研究指出现有马尔科夫算法对于平滑图像块存在无效的迭代补偿,增加了时间复杂度。为此,提出一种空域错误隐藏算法。该算法采用平均绝对误差准则测量迭代增益的变化,通过设定合适的阈值自适应地去除马尔科夫算法对于平滑块的无效迭代,以减小所有丢失块的平均迭代次数。实验结果表明,与现有马尔科夫算法相比,该算法在保证恢复质量的前提下,降低了运算时间。(本文来源于《计算机工程》期刊2018年09期）
严静文[7]（2018）在《基于双稀疏优化的空域错误隐藏算法研究》一文中研究指出随着数字媒体技术的不断发展,多媒体图像视频已应用在工作和生活的各个方面。高清图像视频极大地提高了用户体验,但高清图像视频意味着更高的数据量,在传输时由于当前网络带宽有限,视频码流在传输前通常需要被压缩,压缩码流在传输时的误码能力更差,接收端恢复的图像将严重失真。解决该类问题的方法之一是重传视频,但该方法实时性和带宽代价较大;错误隐藏算法能在不改变编码器结构、保持原有码率的情况下,在解码端采用错误隐藏技术恢复丢失信息,保证接收端图像质量,因而被广泛应用。错误隐藏技术根据所利用的冗余信息的不同,通常分为时域错误隐藏、空域错误隐藏和时空域错误隐藏。由于时域信息难以得到,本文主要针对空域错误隐藏技术进行研究。空域隐藏算法的核心思想是基于邻域信息相关的特性,利用周围信息进行线性插值来恢复丢失的像素。现有的空域错误隐藏算法分为线性插值方法和稀疏表达方法。然而在利用线性插值算法恢复不平滑图像时,邻域信息存在很大不一致性将导致恢复的图像模糊。因而本文主要依托基于稀疏的错误隐藏算法展开,并针对字典构建阶段模版匹配模块和稀疏重构阶段局部线性相关模型做了分析和改进。本文第一部分针对字典构建阶段模版匹配模块做了优化。字典构建是稀疏表示和稀疏求解的关键,模版匹配就是建立字典所需数据的准备。传统的模版匹配算法采用固定的阈值作为数据选取标准构建字典,这种固定阈值寻找的匹配块由于缺少灵活性可能导致部分匹配结果不准确。针对该问题,本文提出了一种基于动态阈值的模版匹配算法,依据待恢复像素块之间的特征差异性,自适应地计算模板匹配的阈值,从而为待恢复像素块选取更准确的观测集和潜在集,因而获得更好的重建效果。本文通过叁种场景的试验对所提出方法进行了测试,所有测试对比算法选取一个Baseline方法。针对独立丢失情况,PSNR平均提高了 0.29dB;针对连续丢失情况,PSNR平均提高了 0.28dB;针对随机丢失情况,PSNR均值提升了 0.07dB。本文第二部分是针对局部线性相关模型所做的优化调整。稀疏表示在求解系数时需要重构信息作为前置条件,局部线性相关模型主要应用于重构信息的粗略构建。然而传统的局部线性相关模型采用的是基于脊回归方法,脊回归方法进行重构信号粗略估计时,对于参数设置敏感。模型参数较小时,模型看上去就较平缓稳定,但该模型求解的结果可能了数值的稳定性而牺牲了一定的无偏性。针对该问题,本文提出了一种基于典型相关分析的局部线性相关模型,典型相关分析算法能显着地揭示出两组变量之间的内在联系,且待处理的两组变量的维数可以任意改变,灵活性更高。本文通过叁种场景的试验对所提出方法进行了测试,试验结果表明,针对独立丢失情况,PSNR平均提高了 0.55dB;针对连续丢失情况,PSNR平均提高了 0.54dB;针对随机丢失情况,该方法目前空域错误隐藏效果最好的方法对比,PSNR平均提高了0.80dB。(本文来源于《武汉大学》期刊2018-05-01）
严静文,肖晶,高戈[8]（2019）在《基于双稀疏优化的空域错误隐藏》一文中研究指出现有空域错误隐藏算法通常利用线性插值或者常规稀疏表达恢复丢失像素,但线性插值在恢复不平滑图像时因邻域信息不一致导致恢复图像模糊,而常规稀疏表达因字典构建不当造成丢失像素重建效果较差。为此,提出一种改进的空域错误隐藏算法,采用动态阈值搜索潜在集合和模板集合提高字典构建精度,利用典型相关分析获得双稀疏优化的初值,通过稀疏重建恢复丢失像素。实验结果表明,与现有主流算法相比,该算法的峰值信噪比至少提高1. 23 dB,具有较好的错误隐藏效果。(本文来源于《计算机工程》期刊2019年02期）
李福翠[9]（2017）在《叁维视频系统中的错误隐藏研究》一文中研究指出叁维视频能提供给用户更逼真、更广角和交互性更强的体验,已成为当前先进视觉媒体模式之一。而其中多视点彩色和深度联合视频由于能提供显示立体场景的深度几何信息和拍摄场景不同角度的视频信息,成为了叁维视频的核心数据表现方式。在叁维视频系统中,当庞大的视频数据进行高效压缩编码后,经过通信信道进行传输时,由于目前的因特网信道或无线信道等都是不可靠信道,传输中视频数据不可避免的会出现丢包或整帧丢失,将严重影响解码端视频重建质量。在解码端利用已经正确接收的图像来对丢失图像进行错误隐藏,由于其不需要对编码端进行修改和不会带来延迟而受到广泛关注。因此,针对叁维视频系统的错误隐藏技术极具研究价值。本文重点研究了如何结合图像的内容特征及人眼视觉特性,利用叁维视频中存在的各种相关性来进行高效的叁维视频错误隐藏;另本文为了今后更一进步研究解码端因包丢失或比特位出错而影响的视频流的感知质量评价,还提出了一种基于全局和局部稀疏表示的无参考立体图像质量评价方法。本论文的主要工作如下:(1)针对叁维视频中多视点彩色联合深度视频编码结构中的整帧丢失提出了一种新的错误隐藏方法,算法首先利用丢失帧的彩色纹理和深度参考帧对丢失帧进行运动/静止区域划分,再利用结构相似度(SSIM)来度量丢失帧在不同的区域里视点域相关性还是时域相关性哪个更强,然后针对丢失帧不同的区域采用双向视差错误恢复或双向运动补偿恢复。实验结果表明本文提出的算法能够使恢复帧获得很好的主客观质量。(2)提出了一种叁维视频B帧整帧丢失的分层错误隐藏算法。该方法首先根据帧所在视点类型和参考层的不同将B帧丢失定义为重要帧丢失和普通帧丢失;然后将丢失B帧进行了运动/静止区域估计;算法对不同层次的丢失帧的不同区域自适应地选择不同的错误隐藏方法来进行图像帧的恢复。实验结果表明本文算法有效的减少了算法复杂度,提高了所恢复的多视点视频中丢失帧图像的主客观质量。(3)针对叁维视频传输中深度视频整帧丢失,提出了一种新的深度图丢失的错误隐藏算法,算法对彩色图像帧与对应深度图像帧之间进行了运动矢量共享映射,结合了深度丢失帧前后双向运动估计和运动补偿来对丢失帧进行错误隐藏,提出的算法恢复出的深度丢失帧能够使绘制出来的中间视点帧获得良好的主客观质量。(4)本文还提出了一种基于深度最大可容忍失真度的深度丢失帧错误隐藏方法。先利用深度丢失帧所对应的彩色纹理帧作为参考求取彩色恰可失真模型(JND),寻找深度失真与JND之间的关系,由此构建最大可容忍失真分布图;算法据深度图不同区域的最大可容忍失真度的值的大小调整错误隐藏策略。对于深度最大可容忍度失真度值大的区域采用粗恢复,提高错误隐藏效率;而对于最大容忍度值小的区域采用较精细的隐藏策略,提高虚拟视点绘制质量。(5)提出了一种基于全局和局部稀疏表示的无参考立体图像质量评价方法,在训练阶段,通过构造大量的训练样本,分别采用全局和局部的特征和质量描述,通过多模态字典训练,得到局部和全局的特征和质量字典;在测试图像,根据任意的测试立体图像,采用与训练相同的操作,通过多模态稀疏表示获得各个模态的稀疏系数,并通过全局和局部预测获得质量预测值,然后再对预测出的全局质量和局部质量进行加权得到最终的立体图像评价值。本方法在现有的立体图像数据库上均取得较高的评价结果。由于本方法不需要主观评价值进行训练,且训练模型独立于测试数据集,评价结果具有很强的通用性。(本文来源于《宁波大学》期刊2017-11-21）
李承欣,叶锋,陈家祯,许力,林晖[10]（2017）在《一种时空域结合的自适应错误隐藏算法》一文中研究指出视频数据的损失会影响视频的主观视觉质量,因此,恢复丢失的视频数据是非常重要的.针对此问题提出了一种时空域结合的错误隐藏算法.该算法主要包含空域错误隐藏修复和时域错误隐藏修复两种.在空域修复中使用提出的基于块位置自适应空域错误隐藏策略,该策略主要分析接收块的位置以及帧内宏块划分模式来选择改进的和已有的帧内修复算法.在时域修复中需要判断周边接收宏块的帧间分割类型,根据分割类型对受损宏块进行区域划分,通过划分模式使用不同的帧间修复模型.实验结果表明,时空域结合的错误隐藏方法在视觉质量上有一定的改善,并且客观质量也有提高.(本文来源于《小型微型计算机系统》期刊2017年07期）
错误隐藏论文开题报告
（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：
通过对"隐藏"在题目中的错误分析,确保自创题、改编题、借用题在试卷命制过程中的科学性,达到培养学生全面分析问题和提高学习思维能力的目的。
（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。
错误隐藏论文参考文献
[1].周洋,吴佳忆,陆宇,殷海兵.面向叁维高效视频编码的深度图错误隐藏[J].电子与信息学报.2019
[2].陈廷国.“隐藏”在物理题目中的错误分析研究[J].中学生数理化(学习研究).2019
[3].吴佳忆.多视点加深度叁维视频的错误隐藏技术研究[D].杭州电子科技大学.2019
[4].张一章.立体图像和视频的自适应错误隐藏算法研究[D].南京邮电大学.2018
[5].史惠,肖潇.基于场景切换的错误隐藏算法研究[J].广播与电视技术.2018
[6].王冰,刘浩,李康达,孙晓帆,张鑫生.基于迭代自适应终止的马尔科夫错误隐藏算法[J].计算机工程.2018
[7].严静文.基于双稀疏优化的空域错误隐藏算法研究[D].武汉大学.2018
[8].严静文,肖晶,高戈.基于双稀疏优化的空域错误隐藏[J].计算机工程.2019
[9].李福翠.叁维视频系统中的错误隐藏研究[D].宁波大学.2017
[10].李承欣,叶锋,陈家祯,许力,林晖.一种时空域结合的自适应错误隐藏算法[J].小型微型计算机系统.2017
论文知识图
