导读:本文包含了视频后处理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:后处理,视频,卷积,全景,神经网络,电视,方块。
视频后处理论文文献综述
李雅茹[1]（2019）在《全景视频的压缩及后处理》一文中研究指出随着人们对虚拟现实(Virtual Reality,VR)的兴趣与日俱增,各种商业化的虚拟现实产品在市场中所占的比重越来越大,全景视频作为当前VR的主要内容源而备受关注。对比普通视频而言,全景视频具有高分辨、多视角、存储数据量大的特点。为了适应视频的传输,利用经典的编码标准对全景视频进行压缩时,我们通常会牺牲它的质量来节省码率,而低质量的全景视频严重影响了用户沉浸式的体验。因此,本文提出将卷积神经网络应用到全景视频压缩及后处理的工作中,以有效提高全景视频的质量。本文主要完成了以下叁个工作。(1)全景视频的质量对于用户的观看体验至关重要,尤其是由某个区域的全景视频映射成的当前视口的视频。因此,本文基于卷积神经网络中的生成对抗网络提出了 Panorama-GAN网络,其中生成模型使用U-NET网络,损失函数通过VGG19计算特征差异而形成。然后本文利用此网络分别对压缩后的全景视频以及具有不同映射关系的当前视口的视频训练生成模型,以提高全景视频的质量。最后通过实验证明了网络对当前视口视频质量的提升具有更出色的表现。(2)改善低质量帧可参考与其相似的高质量帧。因此,本文考虑到全景视频的帧与帧之间具有很大相似性的特点,进一步提出不平等编码方案,将立方体投影的全景视频编码成高、低质量两个版本的视频。接下来在传输过程中,以一个视频组(Group of Pictures,GOP)为单位交叉传输视频,最后利用一个四层卷积神经网络,将低质量帧和相邻高质量帧的特征提取并结合,经过特征增强、映射和图像重建低质量视频帧,实验证明我们的方案提高了整个全景视频的质量。(3)由于通常采用基于视口方案传输全景视频,即传输当前视口的高质量视频流和其它视口的低质量视频流。因此,用户转头时,网络延迟会造成转头画面不清晰的现象。本文在基于兼容HEVC的Tile压缩全景视频解决方案的基础上,提出二次压缩方案:在服务器端,低质量视频由高质量视频再一次压缩形成,或者进行下采样后再压缩形成;客户端收到全景视频后,压缩当前视口高质量视频并送入卷积神经网络训练,最后用生成的模型提升其它视口低质量的视频。实验结果证明了方案的有效性,并且下采样方案在低码率传输中显示出了更好的性能。(本文来源于《北京交通大学》期刊2019-06-01）
张昆,张峰,张德,王惠峰,王子玮[2]（2019）在《网络视频数据获取与后处理技术综述》一文中研究指出视频在内容表达上具有直观性和丰富性的优点,其作为信息和知识的载体更容易被人们接受。近年来,随着互联网尤其是移动互联网技术的成熟,网络视频行业呈现出繁荣发展的态势。另外,以深度学习为代表的人工智能技术与视频数据相结合,推动了视频内容理解领域的核心技术突破,促成多项相关技术落地。可以预见,未来的信息检索系统将承载视频数据,而网络视频数据获取与后处理技术,作为视频信息检索系统数据来源的提供者,将发挥巨大的作用。本文综述了网络视频数据获取技术的现状,并对该方向的未来发展作了展望。(本文来源于《电视技术》期刊2019年06期）
侯敬轩[3]（2017）在《基于卷积神经网络的压缩视频后处理》一文中研究指出随着科学技术的发展,视频趋向于高清化、超高清化、高帧率化。同时,与视频相关的商业应用不断涌现。视频技术的进步和新商业应用的出现给我们的生活带来便利,但视频数据量的激增给数据的存储和网络传输带来极大挑战。视频压缩/编码一直是缓解这一挑战的有效工具。但是视频编码会导致视频质量下降,所以在不增加数据量的情况下,提高视频质量成了现实需求。实现这一需求的途径之一就是对压缩后的视频进行后处理。视频后处理算法主要包括去隔行、帧率转换和帧图像增强等。本文将目前广泛应用的卷积神经网络应用到视频的后处理中,提高了压缩后视频的质量,完成的工作主要包括:(1)基于卷积神经网络的帧图像增强算法:为了应对压缩导致的失真,本文提出一种基于卷积神经网络的自学习视频增强方案。方案利用卷积神经网络,在编码端以压缩前与压缩后的帧图像为样本,训练端到端的映射,在解码端以低质量的视频序列与神经网络参数即可重建高质量视频序列。(2)基于卷积神经网络的帧率提升算法:帧率提升算法主要用来增加视频帧频以消除低帧率视频序列可能存在的运动模糊及影像抖动问题。为了达到这一目的,本文提出一种基于卷积神经网络的自学习帧率提升方案。方案中利用卷积神经网络,以两相邻帧预测待插值帧。与传统的基于块运动补偿的帧率提升算法相比,本文方法基于全局预测,可有效避免孔洞效应和遮挡效应。(3)基于卷积神经网络的非对称立体视频压缩后处理算法:在多视点视频编码中,非对称立体视频压缩是一种广泛使用的视频压缩方法。虽然非对称的编码方法的压缩效率相对于对称的编码方法有一定程度提升,但也使得两视角间视频的质量存在一定差距。针对这种情况,本文提出利用高质量视频信息,辅助低质量视角视频进行后处理的方案。对低质量视角视频帧中的宏块,在对应的高质量视角视频帧中寻找匹配的宏块,组成宏块组,最后利用宏块组重建低质量视角视频的高频信息。(本文来源于《北京交通大学》期刊2017-03-01）
康晓,周莉,孙涛,陈鹏[4]（2016）在《高清视频后处理模块的ASIC设计》一文中研究指出随着高清视频处理技术的发展,高清视频的应用场合日益增长。为了适应高清视频后处理系统的需求,介绍了一种具备较为全面的高清视频后处理功能的ASIC设计,及其仿真验证技术。整个系统包括视频采集模块、视频调整模块、块效应滤波模块、DMA控制器、高清视频显示模块等,实现了从传感器采集高清视频,经过高清视频尺寸调整、视频旋转,完成对解码视频块效应滤波,对高清视频实现缓存显示控制的一整套后处理过程。设计采用软硬件联合验证技术,通过搭建的软硬件联合仿真平台完成功能测试。(本文来源于《计算机工程与应用》期刊2016年03期）
刘伟[5]（2015）在《平板电视数字视频后处理芯片的设计及实现》一文中研究指出平板显示器因尺寸、清晰、外形轻薄等优势,使其逐步成为电视等视频显示设备的显示终端。出于我国对平板显示器数字视频后处理芯片的开发需求,本次研究对基于SDRAM控制器的DTV100视频后处理芯片的设计方案、相关技术指标以及软件实现方法进行分析,该设计方案以经济性、功能性等为原则根据规范制定芯片设计流程,以0.25um CMOS工艺技术实现视频处理集成电路。和同类芯片相比,此种芯片在性能、投入等方面更为优良,能够满足预期设计标准。(本文来源于《电脑知识与技术》期刊2015年21期）
方宏俊[6]（2015）在《适配智能电视分辨率动态变化的视频后处理技术研究》一文中研究指出当前基于网络传输的智能电视越来越普及,用户对于智能电视的收看体验要求也越来越高。不仅需要支持4K超清信号的分辨率,在播放网络视频节目时,还需要根据网络服务质量支持分辨率动态变化的视频后处理技术,为用户提供完美的视觉体验。智能电视处理器中这种支持分辨率动态变化的视频后处理技术被称之为无缝自适应技术,它是一种基于网络传输状况动态改变系统内部的分辨率格式和视频后处理模式的新技术。其目的是让观众不被网络传输状况波动所困扰,利用相关的视频后处理技术,使用户可以在不受网络波动影响的情况下连续的看完整部影片节目。本文的研究工作主要集中在为满足网络流媒体无缝自适应显示要求,设计相应的数字视频处理算法。本文首先介绍了无缝自适应技术及其视频处理设计的方案,研究了用于数字电视无缝自适应技术中的视频后处理方案选择。其次,根据方案设计流程图,依次研究了视频后处理中的时域、空间域检测算法和图像增强算法。并根据各算法模块的评价指标和无缝自适应图像质量的要求,对实验结果进行了分析评价。实验证明,利用本文提出的算法对智能电视进行视频后处理,无缝自适应的用户体验效果良好,达到了无缝自适应提升图像画质水平的目标和要求。(本文来源于《上海交通大学》期刊2015-06-01）
刘书[7]（2013）在《监控视频的后处理技术》一文中研究指出监控技术的快速发展，成本的快速降低使得越来越多的监控系统应用在人们生活中的各个方面ǐ然而监控视频每日二十四小时连续拍摄，其数据量巨大，给存储和传输都造成了很大的困难，因此如何解决压缩问题成为监控视频应用的重中之重ǐ一方面，雨雪等动态天气条件会造成视频运动估计的不准确，导致的结果是运动补偿时残差增大，从而降低了压缩率，而动态的雨雪并非监控视频中有用的信息，却极大的制约了当前监控视频的存储系统ǐ因此如果能够在视频拍摄后有效地去除视频中的雨雪等动态粒子，可以去除不良天气条件造成的干扰，从而提高压缩率ǐ另一方面，在编码时，监控视频往往被压缩成JPEG, MPEG-x,H.26x等标准格式ǐ在这些标准中，图像块首先被变换到不同的域，然后再对其参数进行量化，量化幅度越大，视频数据越少ǐ这些有损压缩造成了图像块显示的不连续性，导致了块效应ǐ因此，如果能对监控图像进行去块处理，就可以使得压缩更加有效，从而提高查找效率和人眼的主观感受ǐ考虑到监控视频应用的广泛性，视频去雨去块后处理算法有着很大的社会意义ǐ为了降低视频的运动补偿残差，针对雨雪等不良天气对图像造成的污染，本文以各向异性扩散核为数学基础进行研究，并根据动态天气的特点，将其运用到去雨当中ǐ各向异性扩散的思想近年来在图像降噪图像分割方面获得了较为广泛的应用ǐ该算法的基本思想是求解基于原始图像的偏微分方程ǐ基于这种思想设计的扩散张量θdiffusion tensorι滤波器通过各向异性扩散，可以对图像实现有效的平滑，并且较好地保存边缘，从而有效去除噪声ǐ利用扩散张量滤波器的这种特性，本文对雨的光度特性进行分析，再基于这些特征设计自适应去雨算法，同时使其在时间域和空间域上进行各向异性滤波ǐ修改后的滤波器可以去除动态的雨雪，同时保持原图片背景的完整性ǐ结果表明，该滤波器可以较为有效的去除图像中的雨串ǐ而且和传统的去雨方法相比，各向异性滤波器不对雨点轨迹进行探测，而采用自适应滤波器对雨进行滤除，使得算法有较好的鲁棒性和运算速度ǐ为了提高压缩效率，本文首先针对监控视频的块效应做了滤波的后处理工作ǐ滤波以非局部均值滤波(non-local means filter, NLF)作为理论基础，创新点在于对其参数的选择做了自适应的研究，选取的主要方法为机器学习ǐ本文首先提出了衡量块效应的两个指标：最小均方差和块内信息能量残差，并根据以评价标准PSNR为指标，计算出最佳的非局部均值滤波参数ǐ接下来以此为标准数据，对模型进行了训练ǐ得到模型以后，根据测试图像信息，自适应的计算非局部均值滤波的参数，并进行滤波ǐ实验数据表明，从本文提出的算法从PSNR和SSIM的角度均好于同类算法ǐ(本文来源于《上海交通大学》期刊2013-12-01）
盛希[8]（2013）在《基于HEVC视频编码标准的后处理技术的研究》一文中研究指出视频编码标准经历了JPEG、MPEG、AVS等几代标准的发展，逐渐形成了以H.264/AVC为代表的比较成熟的第二代视频编码标准。近年来随着数据信息量的增大，H.264/AVC标准已经不再能满足人们的需求，因此VCEG和MPEG两大标准组织进行合作，成立了名为JCT-VC（Joint Collaborative Teamon Video Coding）的组织，为新一代视频编码标准HEVC（High EfficiencyVideo Coding）的发展提供平台。HEVC标准继承了H.264/AVC基于传统的混合编码框架和主要思想，其中的后处理技术也在不断进行改进。后处理技术设于编码环路内部，主要包括去方块滤波技术和样点自适应补偿技术两种。后处理技术针对重建图像的方块效应进行优化，有效地降低了图像由于预测、量化带来的失真，使作为参考图像的重建图像更接近原始图像，以此减小参考图像的失真累积。本文以研究HEVC的后处理技术为核心，提出了两种加权运算的方法，该方法有效的改善了图像的视觉质量。论文主要的研究成果包括以下两个方面：1．提出基于去方块滤波的加权算法。由于HEVC灵活的块分割结构，去方块滤波对于块边界的判断通常是基于重建图像自身的块来决定的，因此只考虑到重建图像内块与块之间的相关性。本文提出的加权算法，利用重建图像与原始图像之间的相关性，求出相应加权系数并应用于重建图像的去方块滤波中，在一定程度上缩小了重建图像与原始图像的差距，有效的提升了图像压缩的主观质量。2．提出基于样点自适应补偿的加权思想。样点自适应补偿技术基于HEVC的分块结构进行操作，对不同的块结构根据其自身特性选取不同的补偿值，以达到减小图像失真的目的。由于补偿值类型的不同，进行了样点补偿的相邻块差距会随之增大，本文提出在选取不同类型补偿值的块边界处进行权值修改，以弱化块边界补偿值的方式达到减小块效应的目的。该方法改善了图像的主观质量，在一定程度上弱化了块效应的的视觉效果。(本文来源于《北京工业大学》期刊2013-06-21）
刘如意[9]（2013）在《多视点视频编码的预测和后处理技术研究》一文中研究指出多视点视频作为下一代多媒体应用的发展方向，通过提供多个视点的视频数据来满足用户自由选择观察角度的需求，具有立体感和交互操作的功能。多视点视频的数据量通常随着摄像机数目的增加而线性增长，如何有效地对多视点视频进行编码压缩成为制约多视点视频广泛应用的关键问题。虚拟视图合成是实现自由选择视点的关键技术，它以深度图为辅助，利用相邻视点的视频数据得到虚拟视图，深度图的质量很大程度上决定了虚拟视图合成的质量。多视点视频视点间视频数据具有很强的相关性，联合视频组扩展了H.264/AVC视频编码标准来支持多视点视频编码，它采用视差估计的方法消除视点间的冗余。不同视点间存在遮挡和形变区域，这些区域视差估计的方法效率较低。对于深度图，通常采用现有的编码方法进行压缩，然后使用后处理技术处理深度图，以提高虚拟视图合成的质量。本文围绕上述问题展开研究，提出了基于低秩矩阵恢复的视点间预测方法和边缘自适应的深度图后处理方法。论文的工作集中在如下两个方面：第一，针对多视点视频视点间的信息冗余和视点间的遮挡和形变问题，利用低秩矩阵恢复的理论，提出了一种基于低秩矩阵恢复的视点间预测方法。通过相邻视点视频信息和深度图信息，可以得到当前视点的虚拟视图。利用虚拟视图中对应的块作为参考，从参考视图中得到若干个相似块，构造一个低秩矩阵，利用低秩矩阵恢复的方法，去除这些相似块中的噪声信号，得到更加准确的预测值。实验结果表明，基于低秩矩阵恢复的视点间预测方法有效提升了视点间预测的效率。第二，对于深度图的后处理，本文提出了一种边缘自适应的深度图后处理方法。首先利用边缘检测算法得到深度图和对应彩色图的边缘信息，然后通过边缘对齐方法，明确区分深度图中的平滑区域、边缘区域和编码造成的不连续区域。然后使用不同的滤波方法对它们分别处理，在保护深度图原有边缘的前提下，消除由于编码造成的不连续。通过实验表明，该方法有效地改善了编码压缩后的深度图用于虚拟视图合成的主客观质量。(本文来源于《北京工业大学》期刊2013-06-18）
陈星,史再峰,姚素英,张之圣[10]（2012）在《基于类定向测试的多制式视频后处理芯片验证》一文中研究指出为加快多制式视频后处理芯片的验证进度,以约束随机化和功能覆盖率收敛技术为指导,提出基于类定向测试的芯片验证方法,给出定向测试中的权重修正过程。仿真实验结果表明,该方法能够提高覆盖盲点被击中的概率、减少重复配置,使输入输出制式覆盖率快速收敛,验证效率比传统方法提升60%~70%。(本文来源于《计算机工程》期刊2012年15期）
视频后处理论文开题报告
（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：
视频在内容表达上具有直观性和丰富性的优点,其作为信息和知识的载体更容易被人们接受。近年来,随着互联网尤其是移动互联网技术的成熟,网络视频行业呈现出繁荣发展的态势。另外,以深度学习为代表的人工智能技术与视频数据相结合,推动了视频内容理解领域的核心技术突破,促成多项相关技术落地。可以预见,未来的信息检索系统将承载视频数据,而网络视频数据获取与后处理技术,作为视频信息检索系统数据来源的提供者,将发挥巨大的作用。本文综述了网络视频数据获取技术的现状,并对该方向的未来发展作了展望。
（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。
视频后处理论文参考文献
[1].李雅茹.全景视频的压缩及后处理[D].北京交通大学.2019
[2].张昆,张峰,张德,王惠峰,王子玮.网络视频数据获取与后处理技术综述[J].电视技术.2019
[3].侯敬轩.基于卷积神经网络的压缩视频后处理[D].北京交通大学.2017
[4].康晓,周莉,孙涛,陈鹏.高清视频后处理模块的ASIC设计[J].计算机工程与应用.2016
[5].刘伟.平板电视数字视频后处理芯片的设计及实现[J].电脑知识与技术.2015
[6].方宏俊.适配智能电视分辨率动态变化的视频后处理技术研究[D].上海交通大学.2015
[7].刘书.监控视频的后处理技术[D].上海交通大学.2013
[8].盛希.基于HEVC视频编码标准的后处理技术的研究[D].北京工业大学.2013
[9].刘如意.多视点视频编码的预测和后处理技术研究[D].北京工业大学.2013
[10].陈星,史再峰,姚素英,张之圣.基于类定向测试的多制式视频后处理芯片验证[J].计算机工程.2012
论文知识图
