專(zhuān)利名稱(chēng)：一種圖像區(qū)域劃分/編碼方法、裝置及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及視頻編碼領(lǐng)域，尤其涉及一種圖像區(qū)域劃分/編碼方法、裝置及系統(tǒng)。
背景技術(shù)：
面對(duì)一個(gè)復(fù)雜的場(chǎng)景，人類(lèi)視覺(jué)注意系統(tǒng)(HVS，human visual system)能夠迅速 將注意力集中在少數(shù)幾個(gè)顯著的視覺(jué)對(duì)象上，對(duì)其進(jìn)行優(yōu)先處理，該過(guò)程被稱(chēng)為視覺(jué)注意， 顯著的視覺(jué)對(duì)象被稱(chēng)為感興趣區(qū)域(region of interest，R0I)。在該機(jī)制的作用下，HVS對(duì) 有限的信息加工資源進(jìn)行了合理分配，使視覺(jué)感知過(guò)程具備了選擇能力。由此可見(jiàn)，并非整 個(gè)圖像的所有區(qū)域在圖像的主觀質(zhì)量都有同等重要的地位，圖像的主觀質(zhì)量是更多的由圖 象中的感興趣區(qū)域的質(zhì)量決定的。ROI檢測(cè)對(duì)眾多圖像分析都具有較大的應(yīng)用價(jià)值，其中較 為突出的幾個(gè)應(yīng)用方向包括圖像質(zhì)量評(píng)估、圖像壓縮與編碼、圖像檢索、場(chǎng)景渲染、目標(biāo)檢 測(cè)。目前，最常用的衡量圖像、視頻質(zhì)量的標(biāo)準(zhǔn)是峰值信號(hào)與噪聲之比(PSNR， PowerSignal-to-NoiseRatio，信噪功率比)PSNRtffi = IOiog10 (2n-i) 2/mse (ι)其中，MSE為原始圖像和編碼后圖像之間的均方誤差，(2η-1)2為圖像中最大可能 的信號(hào)值平方，η為表示每個(gè)象素的比特?cái)?shù)。然而，PSNR并不能完全反應(yīng)圖像、視頻的主觀質(zhì)量。如圖1所示(注PSNR是人 們衡量?jī)煞鶊D像相似程度的最常用的指標(biāo)，該值越高，我們通常認(rèn)為兩幅圖像越相似)，雖 然圖1(b)的PSNR值最高，但人們往往會(huì)認(rèn)為圖1(d)和原圖更相似，圖像質(zhì)量更高。這是 因?yàn)樵趫D1(d)中視覺(jué)感興趣區(qū)域(如人臉、眼鏡等區(qū)域)比圖(b) (c)更為清晰，即使該圖 1(d)在視覺(jué)不感興趣的區(qū)域(女孩身后的地板、小提琴)顯得比圖(b) (c)模糊。以至即使 圖(d)整體的PSNR比圖(b)低將近3個(gè)db (即圖像整體客觀質(zhì)量相差較大)，我們依然會(huì) 主觀的人為圖1(d)中的圖像更清晰。由此可見(jiàn)，圖像中不同區(qū)域在人們的主觀評(píng)價(jià)中具有不同的重要性，圖像的主觀 質(zhì)量是更多的由圖象中的感興趣區(qū)域的質(zhì)量決定的?，F(xiàn)有技術(shù)的圖像編碼壓縮方法沒(méi)有對(duì) 前景和背景進(jìn)行精確劃分，在碼率一定的情況下，不能將有限的比特更合理的有機(jī)的分配 到人類(lèi)視覺(jué)感興趣的區(qū)域上，不能提供人類(lèi)主觀感覺(jué)更清晰的圖像效果。

發(fā)明內(nèi)容
本發(fā)明實(shí)施例的目的在于提出一種圖像區(qū)域劃分方法，旨在解決現(xiàn)有技術(shù)不能精 確劃分圖形的前景和背景問(wèn)題。本發(fā)明實(shí)施例是這樣實(shí)現(xiàn)的，一種圖像區(qū)域劃分方法，所述方法包括以下步驟提取視頻序列中每幀圖像各宏塊的運(yùn)動(dòng)向量；對(duì)當(dāng)前幀的運(yùn)動(dòng)向量進(jìn)行統(tǒng)計(jì)，計(jì)算相同的運(yùn)動(dòng)向量的數(shù)量；標(biāo)注并提取當(dāng)前幀中宏塊運(yùn)動(dòng)向量相對(duì)復(fù)雜的區(qū)域，劃分感興趣和非感興趣區(qū)域。本發(fā)明實(shí)施例的另一目的在于提出一種圖像區(qū)域劃分裝置，所述裝置包括宏塊運(yùn)動(dòng)向量提取模塊，用于提取視頻序列中每幀圖像各宏塊的運(yùn)動(dòng)向量；宏塊運(yùn)動(dòng)向量統(tǒng)計(jì)模塊，用于對(duì)當(dāng)前幀的運(yùn)動(dòng)向量進(jìn)行統(tǒng)計(jì)，計(jì)算相同的MV的數(shù) 量；宏塊運(yùn)動(dòng)向量復(fù)雜區(qū)域處理模塊，用于標(biāo)注并提取當(dāng)前幀中宏塊運(yùn)動(dòng)向量相對(duì)復(fù) 雜的區(qū)域，對(duì)劃分區(qū)域后的圖像根據(jù)宏塊的空間相關(guān)性及時(shí)間相關(guān)性進(jìn)行進(jìn)一步精確判 斷，劃分其感興趣區(qū)和非感興趣區(qū)。本發(fā)明實(shí)施例的另一目的在于提出一種圖像區(qū)域編碼方法，，所述方法包括以下 步驟根據(jù)圖像宏塊的運(yùn)動(dòng)向量的復(fù)雜度判斷劃分感興趣區(qū)域或非感興趣區(qū)域，運(yùn)動(dòng)向 量復(fù)雜度高的區(qū)域?yàn)楦信d趣區(qū)域，運(yùn)動(dòng)向量復(fù)雜度低的區(qū)域?yàn)榉歉信d趣區(qū)域；對(duì)于圖像感興趣區(qū)域降低編碼量化參數(shù)以提高該區(qū)域的圖象質(zhì)量，對(duì)圖像非感興 趣區(qū)域則提高編碼量化參數(shù)以保持整體的編碼比特不變。本發(fā)明實(shí)施例的另一目的在于提出一種圖像區(qū)域編碼系統(tǒng)，所述系統(tǒng)包括宏塊運(yùn)動(dòng)向量提取模塊，用于提取視頻序列中每幀圖像各宏塊的運(yùn)動(dòng)向量；宏塊運(yùn)動(dòng)向量統(tǒng)計(jì)模塊，用于對(duì)當(dāng)前幀的運(yùn)動(dòng)向量進(jìn)行統(tǒng)計(jì)，計(jì)算相同的MV的數(shù) 量；宏塊運(yùn)動(dòng)向量復(fù)雜區(qū)域處理模塊，用于標(biāo)注并提取當(dāng)前幀中宏塊運(yùn)動(dòng)向量相對(duì)復(fù) 雜的區(qū)域，對(duì)劃分區(qū)域后的圖像根據(jù)宏塊的空間相關(guān)性及時(shí)間相關(guān)性進(jìn)行進(jìn)一步精確判 斷，劃分其感興趣區(qū)和非感興趣區(qū)。視頻編碼模塊，用于根據(jù)所述圖像區(qū)域劃分裝置劃分出的感興趣區(qū)域和非感興趣 區(qū)域，進(jìn)行不同質(zhì)量的視頻編碼。本發(fā)明的有益效果本發(fā)明根據(jù)圖像中宏塊運(yùn)動(dòng)向量的復(fù)雜度判斷圖像為感興趣 區(qū)域或非感興趣區(qū)域，從而對(duì)圖像進(jìn)行感興趣區(qū)域和非感興趣區(qū)域劃分。對(duì)感興趣區(qū)域采 用較小的量化參數(shù)以提高視頻的質(zhì)量，相應(yīng)的，對(duì)非感興趣區(qū)域采用較高的量化參數(shù)，以平 衡總體的比特消耗不變，最終達(dá)到提高視頻主觀質(zhì)量的效果。


圖1為現(xiàn)有技術(shù)中的原圖與不同PSNR的對(duì)比圖；圖2為本發(fā)明實(shí)施例的一種圖像區(qū)域劃分方法流程圖；圖3為本發(fā)明實(shí)施例網(wǎng)球比賽中某一幀的圖像及標(biāo)注了該幀圖像中各宏塊運(yùn)動(dòng) 向量的圖；圖4為圖3中的圖像劃分成前景和背景區(qū)域后的圖；圖5為對(duì)圖4中的圖像劃分區(qū)域進(jìn)行進(jìn)一步優(yōu)化后的圖；圖6為本發(fā)明實(shí)施例的一種圖像區(qū)域劃分裝置結(jié)構(gòu)具體實(shí)施例方式為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖和實(shí)施例，對(duì)
6本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說(shuō)明，為了便于說(shuō)明，僅示出了與本發(fā)明實(shí)施例相關(guān)的部分。應(yīng)當(dāng)理 解，此處所描寫(xiě)的具體實(shí)施例，僅僅用于解釋本發(fā)明，并不用以限制本發(fā)明。本發(fā)明實(shí)施例通過(guò)提取視頻序列中每一幀圖像各宏塊的運(yùn)動(dòng)向量，對(duì)當(dāng)前幀的運(yùn) 動(dòng)向量進(jìn)行統(tǒng)計(jì)，計(jì)算相同的運(yùn)動(dòng)向量的數(shù)量，根據(jù)運(yùn)動(dòng)向量的復(fù)雜度判斷圖像為感興趣 區(qū)域或非感興趣區(qū)域，從而對(duì)圖像進(jìn)行感興趣區(qū)域和非感興趣區(qū)域劃分。對(duì)感興趣區(qū)域采 用較小的量化參數(shù)以提高視頻的質(zhì)量，相應(yīng)的，對(duì)非感興趣區(qū)域采用較高的量化參數(shù)，以平 衡總體的比特消耗不變，最終達(dá)到提高視頻主觀質(zhì)量的效果。實(shí)施例一圖2是本發(fā)明實(shí)施例的一種圖像區(qū)域劃分方法流程圖，所述方法包括以下步驟S101，提取視頻序列中每幀圖像各宏塊的運(yùn)動(dòng)向量。具體方法如下對(duì)圖像的宏塊進(jìn)行空間上連續(xù)性的分析，根據(jù)運(yùn)動(dòng)預(yù)測(cè)SATD(Sum of Absolute Transform Difference)變換后絕對(duì)差值和計(jì)算得出當(dāng)前宏塊的運(yùn)動(dòng)向量 (MVX, MVY)，并存儲(chǔ)下來(lái)。S102，對(duì)當(dāng)前幀的運(yùn)動(dòng)向量進(jìn)行統(tǒng)計(jì)，計(jì)算相同的運(yùn)動(dòng)向量的數(shù)量。具體方法如下將步驟SlOl中X軸方向的運(yùn)動(dòng)搜索范圍為[_h，h)，Y軸方向的運(yùn) 動(dòng)搜索范圍為[_v，v)。設(shè)矩陣M為2hX2v的運(yùn)動(dòng)向量統(tǒng)計(jì)矩陣 其中(MVXi, j, MVYi, j)表示第i行第j列的宏塊的運(yùn)動(dòng)向量，Mi, j表示當(dāng)前幀中運(yùn) 動(dòng)向量(MVXiij，MVYiij)等于(i-h，j-v)的宏塊數(shù)目。S103，標(biāo)注并提取當(dāng)前幀中宏塊運(yùn)動(dòng)向量相對(duì)復(fù)雜的區(qū)域，劃分感興趣和非感興 趣區(qū)域。一般情況下，每幀圖像的背景的運(yùn)動(dòng)趨勢(shì)都是相對(duì)近似的，而前景區(qū)域的運(yùn)動(dòng)向 量則相對(duì)復(fù)雜。如圖3所示為本發(fā)明實(shí)施例網(wǎng)球比賽中某一幀的圖像及標(biāo)注了該幀圖像中 各宏塊運(yùn)動(dòng)向量的圖。由此可見(jiàn)，將運(yùn)動(dòng)向量相對(duì)復(fù)雜的區(qū)域加以區(qū)分，即可將圖像的前景，即人們感興 趣的區(qū)域提取出來(lái)。具體方法如下將步驟S102中的矩陣M按從小到大的方式排序，存入數(shù)組M_Coimt中 其中M_Coimtn的值表示具有η個(gè)相同運(yùn)動(dòng)向量的宏塊的數(shù)目。在該數(shù)組中，η值 越少的元素代表著越罕見(jiàn)的宏塊運(yùn)動(dòng)，同時(shí)亦意味著這些宏塊越有可能是前景。因此， CoimtnW累加值在域值D以下時(shí)，認(rèn)為這些宏塊為前景，反之為背景。方法原理如下
，該區(qū)域被認(rèn)為是前景，該區(qū)域被認(rèn)為是背景(4)其中，域值D = k · width/16 · height/16 ；width指視頻序列的寬度；height指視 頻序列的高度；width/16 AeighVie指一幀圖像中所含宏塊的總量；k為比例系數(shù)，表明在運(yùn)動(dòng)向量較為罕見(jiàn)宏塊數(shù)的與全圖總宏塊數(shù)之比為k，此處，k的值設(shè)定為0. 384。為確定上式(4)中比例系數(shù)k的值，此處引用了黃金分割的法則黃金分割又稱(chēng) 黃金律，是指事物各部分間一定的數(shù)學(xué)比例關(guān)系，即將整體一分為二，較大部分與較小部分 之比等于整體與較大部分之比，其比值為1 0.618或0.618 0.384，即長(zhǎng)段為全段的 0.618。0.618被公認(rèn)為最具有審美意義的比例數(shù)字。上述比例是最能引起人的美感的比 例，因此被稱(chēng)為黃金分割。根據(jù)人類(lèi)的視覺(jué)特點(diǎn)，將總和為1的圖像全景分割為0. 384的背 景和0. 618的背景更能符合人類(lèi)的審美觀。因此，我們將k的值設(shè)定為0. 384。根據(jù)上述法則，能將圖3中的圖像劃分成前景及背景區(qū)域，圖4所示為對(duì)圖3中的 圖像劃分成前景和背景區(qū)域后的圖。S104，對(duì)視頻序列中每幀圖像的前景作進(jìn)一步判斷。雖然圖4已將所述幀圖像的前景背景做出了初步分離，但圖中仍有部分被誤判的 區(qū)域。由于視頻序列在空間上和時(shí)間上都有較強(qiáng)的連續(xù)性，因此在判斷當(dāng)前宏塊是否圖像 的前景時(shí)，可將空間上和時(shí)間上臨近的區(qū)域也作為考慮因素，加強(qiáng)判斷的準(zhǔn)確性。視頻序列 空間上區(qū)域的連續(xù)性考慮如下例如當(dāng)前宏塊被判斷為前景，但與當(dāng)前宏塊接鄰的上、下、 左、右宏塊都被判斷為背景，那當(dāng)前宏塊是前景的可能性就大為降低了 ；同理，若當(dāng)前宏塊 被判斷為背景，但與當(dāng)前宏塊接鄰的上、下、左、右宏塊都被判斷為前景，那當(dāng)前宏塊是背景 的可能性也很低。視頻序列時(shí)間上的連續(xù)性考慮如下若當(dāng)前宏塊所在區(qū)域在前一幀圖像中為前 景，則當(dāng)前幀中該區(qū)域也是前景的幾率就會(huì)大大增加；反之，若當(dāng)前宏塊所在區(qū)域在前一幀 圖像中為背景，則前幀中該區(qū)域則更可能是背景而非前景。為使對(duì)圖像前景背景區(qū)域判斷更準(zhǔn)確，可對(duì)步驟S103中區(qū)分出來(lái)的區(qū)域進(jìn)行進(jìn) 一步的篩選、優(yōu)化，使結(jié)果更準(zhǔn)確。其具體方法如下1)將步驟S103中前景背景的判定方法進(jìn)行優(yōu)化。 其中，level表示當(dāng)前宏塊以運(yùn)動(dòng)的稀有性來(lái)判斷得出是前景的可能性。該值越 高表明當(dāng)前宏塊越可能是前景。2)根據(jù)當(dāng)前宏塊的空間相關(guān)性及時(shí)間相關(guān)性確定當(dāng)前宏塊是否為前景。設(shè)當(dāng)前宏塊的level值為levely，結(jié)合當(dāng)前宏塊的空間相關(guān)性，得到當(dāng)前宏塊為 前景的空間可能性為L(zhǎng)f0re^ntlWoreij J>n = Ievelijj^a · (Ieveli^lj j+leveli+lj j+level^ ^+Ievelij J+1) (6)其中i，j為當(dāng)前宏塊所處的行、列，η為當(dāng)前宏塊所在的幀的序號(hào)，α為時(shí)間相關(guān) 性系數(shù)，取值為W，l]。對(duì)處于邊界區(qū)域的宏塊，令臨近的宏塊超出邊界部分的level值取 0，例若i_l < 1，即當(dāng)前宏塊位于圖像最左邊，則令I(lǐng)evel^1 = 0
結(jié)合當(dāng)前宏塊的時(shí)間相關(guān)性，得到當(dāng)前宏塊為前景的綜合可能性為L(zhǎng)vi,“。Lvijjjn = L_foreijJ,n+A · Lforeijj,^ (7)其中i，j為當(dāng)前宏塊所處的行、列，η為當(dāng)前宏塊所在的幀的序號(hào)，λ為時(shí)間相關(guān) 性系數(shù)，取值為
。3)選擇域值，判定當(dāng)前宏塊是否為前景。方法如下對(duì)式(6)中α取0.6，對(duì)式(J)中λ取.05，對(duì)式(8)中threshold取10，對(duì)圖3 進(jìn)行前景區(qū)域提取，可得如圖5所示為對(duì)圖4中的圖像劃分區(qū)域進(jìn)行進(jìn)一步優(yōu)化后的圖。本發(fā)明實(shí)施例通過(guò)提取視頻序列中每一幀圖像各宏塊的運(yùn)動(dòng)向量，對(duì)當(dāng)前幀的運(yùn) 動(dòng)向量進(jìn)行統(tǒng)計(jì)，計(jì)算相同的運(yùn)動(dòng)向量的數(shù)量，根據(jù)運(yùn)動(dòng)向量的復(fù)雜度判斷圖像為感興趣 區(qū)域或非感興趣區(qū)域，并對(duì)劃分區(qū)域后的圖像根據(jù)宏塊的空間相關(guān)性及時(shí)間相關(guān)性進(jìn)行進(jìn) 一步精確判斷，從而對(duì)圖像進(jìn)行前景和背景區(qū)域的精確劃分。實(shí)施例二如圖6所示為本發(fā)明實(shí)施例的一種圖像區(qū)域劃分裝置結(jié)構(gòu)圖。所述裝置包括以下 部分宏塊運(yùn)動(dòng)向量提取模塊，用于提取視頻序列中每幀圖像各宏塊的運(yùn)動(dòng)向量；宏塊運(yùn)動(dòng)向量統(tǒng)計(jì)模塊，用于對(duì)當(dāng)前幀的運(yùn)動(dòng)向量進(jìn)行統(tǒng)計(jì)，計(jì)算相同的MV的數(shù) 量；宏塊運(yùn)動(dòng)向量復(fù)雜區(qū)域處理模塊，用于標(biāo)注并提取當(dāng)前幀中宏塊運(yùn)動(dòng)向量相對(duì)復(fù) 雜的區(qū)域，對(duì)劃分區(qū)域后的圖像根據(jù)宏塊的空間相關(guān)性及時(shí)間相關(guān)性進(jìn)行進(jìn)一步精確判 斷，劃分其感興趣區(qū)和非感興趣區(qū)。所述宏塊運(yùn)動(dòng)向量復(fù)雜區(qū)域處理模塊包括初步處理模 塊和優(yōu)化處理模塊，所述初步處理模塊用于用于標(biāo)注并提取當(dāng)前幀中宏塊運(yùn)動(dòng)向量相對(duì)復(fù) 雜的區(qū)域；所述優(yōu)化處理模塊用于根據(jù)當(dāng)前宏塊的空間相關(guān)性及時(shí)間相關(guān)性對(duì)分區(qū)域后的 圖像進(jìn)行進(jìn)一步精確判斷，劃分其感興趣區(qū)和非感興趣區(qū)；本發(fā)明實(shí)施例通過(guò)提取視頻序列中圖像的運(yùn)動(dòng)向量，根據(jù)運(yùn)動(dòng)向量的復(fù)雜度判斷 圖像為感興趣區(qū)域或非感興趣區(qū)域，并對(duì)劃分區(qū)域后的圖像根據(jù)宏塊的空間相關(guān)性及時(shí)間 相關(guān)性進(jìn)行進(jìn)一步精確判斷，從而對(duì)圖像進(jìn)行前景和背景區(qū)域精確劃分。實(shí)施例三本發(fā)明實(shí)施例還提供一種圖像區(qū)域編碼方法，所述方法包括實(shí)施例一的方法包括 的步驟外，還包括步驟根據(jù)最終劃分出的前景和背景，進(jìn)行不同質(zhì)量的視頻編碼，對(duì)感興 趣區(qū)域采用較小的量化參數(shù)編碼以提高視頻的質(zhì)量，對(duì)非感興趣區(qū)域采用較高的量化參數(shù) 編碼，以平衡總體的比特消耗不變。本發(fā)明實(shí)施例通過(guò)提取視頻序列中圖像的運(yùn)動(dòng)向量，根據(jù)運(yùn)動(dòng)向量的復(fù)雜度判斷 圖像為感興趣區(qū)域或非感興趣區(qū)域，并對(duì)劃分區(qū)域后的圖像根據(jù)宏塊的空間相關(guān)性及時(shí)間 相關(guān)性進(jìn)行進(jìn)一步精確判斷，從而對(duì)圖像進(jìn)行前景和背景區(qū)域精確劃分。對(duì)感興趣區(qū)域采 用較小的量化參數(shù)以提高視頻的質(zhì)量，對(duì)非感興趣區(qū)域采用較高的量化參數(shù)，以平衡總體
9的比特消耗不變，最終達(dá)到提高視頻主觀質(zhì)量的效果。實(shí)施例四本發(fā)明實(shí)施例還提供一種圖像區(qū)域編碼系統(tǒng)，所述系統(tǒng)包括宏塊運(yùn)動(dòng)向量提取模塊，用于提取視頻序列中每幀圖像各宏塊的運(yùn)動(dòng)向量；宏塊運(yùn)動(dòng)向量統(tǒng)計(jì)模塊，用于對(duì)當(dāng)前幀的運(yùn)動(dòng)向量進(jìn)行統(tǒng)計(jì)，計(jì)算相同的MV的數(shù) 量；宏塊運(yùn)動(dòng)向量復(fù)雜區(qū)域處理模塊，用于標(biāo)注并提取當(dāng)前幀中宏塊運(yùn)動(dòng)向量相對(duì)復(fù) 雜的區(qū)域，對(duì)劃分區(qū)域后的圖像根據(jù)宏塊的空間相關(guān)性及時(shí)間相關(guān)性進(jìn)行進(jìn)一步精確判 斷，劃分其感興趣區(qū)和非感興趣區(qū)。所述宏塊運(yùn)動(dòng)向量復(fù)雜區(qū)域處理模塊包括初步處理模 塊和優(yōu)化處理模塊，所述初步處理模塊用于用于標(biāo)注并提取當(dāng)前幀中宏塊運(yùn)動(dòng)向量相對(duì)復(fù) 雜的區(qū)域；所述優(yōu)化處理模塊用于根據(jù)當(dāng)前宏塊的空間相關(guān)性及時(shí)間相關(guān)性對(duì)分區(qū)域后的 圖像進(jìn)行進(jìn)一步精確判斷，劃分其感興趣區(qū)和非感興趣區(qū)；視頻編碼模塊，用于根據(jù)最終劃分出的感興趣區(qū)域和非感興趣區(qū)域，進(jìn)行不同質(zhì) 量的視頻編碼。本發(fā)明實(shí)施例通過(guò)提取視頻序列中圖像的運(yùn)動(dòng)向量，根據(jù)運(yùn)動(dòng)向量的復(fù)雜度判斷 圖像為感興趣區(qū)域或非感興趣區(qū)域，并對(duì)劃分區(qū)域后的圖像根據(jù)宏塊的空間相關(guān)性及時(shí)間 相關(guān)性進(jìn)行進(jìn)一步精確判斷，從而對(duì)圖像進(jìn)行前景和背景區(qū)域精確劃分。對(duì)感興趣區(qū)域采 用較小的量化參數(shù)以提高視頻的質(zhì)量，對(duì)非感興趣區(qū)域采用較高的量化參數(shù)，以平衡總體 的比特消耗不變，最終達(dá)到提高視頻主觀質(zhì)量的效果。本領(lǐng)域的普通技術(shù)人員可以理解，實(shí)現(xiàn)上述實(shí)施例方法中的全部或部分步驟是可 以通過(guò)程序指令相關(guān)硬件來(lái)完成的，所述的程序可以存儲(chǔ)于一計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中， 所述的存儲(chǔ)介質(zhì)可以為ROM、RAM、磁盤(pán)、光盤(pán)等。以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精 神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
權(quán)利要求
一種圖像區(qū)域劃分方法，其特征在于，所述方法包括以下步驟提取視頻序列中每幀圖像各宏塊的運(yùn)動(dòng)向量；對(duì)當(dāng)前幀的運(yùn)動(dòng)向量進(jìn)行統(tǒng)計(jì)，計(jì)算相同的運(yùn)動(dòng)向量的數(shù)量；標(biāo)注并提取當(dāng)前幀中宏塊運(yùn)動(dòng)向量相對(duì)復(fù)雜的區(qū)域，劃分感興趣和非感興趣區(qū)域。
2.如權(quán)利要求1所述的圖像感興趣和非感興趣區(qū)域劃分方法，其特征在于，所述方法 還包括以下步驟對(duì)劃分感興趣和非感興趣區(qū)域后的圖像根據(jù)宏塊空間和時(shí)間的相關(guān)性進(jìn)行進(jìn)一步判斷。
3.如權(quán)利要求1所述的圖像區(qū)域劃分方法，其特征在于，所述“提取視頻序列中每幀圖 像各宏塊的運(yùn)動(dòng)向量”包括對(duì)圖像的宏塊進(jìn)行空間上連續(xù)性的分析，根據(jù)運(yùn)動(dòng)預(yù)測(cè)SATD (Sum ofAbsolute Transform Difference)變換后絕對(duì)差值和計(jì)算得出當(dāng)前宏塊的運(yùn)動(dòng)向量(MVX，MVY)，并存 儲(chǔ)下來(lái)。
4.如權(quán)利要求1所述的圖像區(qū)域劃分方法，其特征在于，所述“對(duì)當(dāng)前幀的運(yùn)動(dòng)向量進(jìn) 行統(tǒng)計(jì)，計(jì)算相同的運(yùn)動(dòng)向量的數(shù)量”包括將所述宏塊的運(yùn)動(dòng)向量中X軸方向的運(yùn)動(dòng)搜索范圍為[_h，h)，Y軸方向的運(yùn)動(dòng)搜索范 圍為[-ν，ν)，設(shè)矩陣M為2hX2v的運(yùn)動(dòng)向量統(tǒng)計(jì)矩陣m=h-\,n=v~lMu = Σ (MVXmn, MVYmn) = (/ -Kj- ν)τη=-Λ，《=-ν 2 )其中(MVXi, j, MVYi, j)表示第i行第j列的宏塊的運(yùn)動(dòng)向量，Mi, j表示當(dāng)前幀中運(yùn)動(dòng)向 量(MVXiij，MVYiij)等于(i-h，j-v)的宏塊數(shù)目。
5.如權(quán)利要求1所述的圖像區(qū)域劃分方法，其特征在于，所述“標(biāo)注并提取當(dāng)前幀中宏 塊運(yùn)動(dòng)向量相對(duì)復(fù)雜的區(qū)域，劃分感興趣和非感興趣區(qū)域”包括將所述矩陣M按從小到大的方式排序，存入數(shù)組M_Coimt中i=2h-\J=2v-\M _ Countn = ^jMij == ηW=O ‘(3)其中M_Coimtn的值表示具有η個(gè)相同運(yùn)動(dòng)向量的宏塊的數(shù)目，η值越少的元素代表著 越罕見(jiàn)的宏塊運(yùn)動(dòng)，其為前景的可能性就越大，當(dāng)M_Coimtn的累加值在域值D以下時(shí)，認(rèn)為 這些宏塊為前景，反之為背景。方法原理如下ΛΓ< \^-M_countx<D，該區(qū)域被認(rèn)為是前景/ else，該區(qū)域被認(rèn)為是背景(4)其中，域值D = k · width/16 · height/16 ；width指視頻序列的寬度；height指視頻序 列的高度；width/16 AeighVie指一幀圖像中所含宏塊的總量；k為比例系數(shù)，表明在運(yùn)動(dòng) 向量較為罕見(jiàn)宏塊數(shù)的與全圖總宏塊數(shù)之比為k，此處，k的值設(shè)定為0. 384。
6.如權(quán)利要求2所述的圖像區(qū)域劃分方法，其特征在于，所述“對(duì)劃分感興趣和非感興 趣區(qū)域后的圖像根據(jù)宏塊空間和時(shí)間的相關(guān)性進(jìn)行進(jìn)一步判斷”還包括以下步驟A)將公式(4)中前景背景的判定方法進(jìn)行優(yōu)化， 其中，level表示當(dāng)前宏塊以運(yùn)動(dòng)的稀有性來(lái)判斷得出是前景的可能性，該值越高表明 當(dāng)前宏塊越可能是前景；B)根據(jù)當(dāng)前宏塊的空間相關(guān)性及時(shí)間相關(guān)性確定當(dāng)前宏塊是否為前景，設(shè)當(dāng)前宏塊的level值為levely，結(jié)合當(dāng)前宏塊的空間相關(guān)性，得到當(dāng)前宏塊為前景 的空間可能性為L(zhǎng)fore^n，Woreij J>n = Ievelij j+α · (Ieveli^lj j+leveli+lj j+level^ ^+Ievelij J+1) (6)其中i，j為當(dāng)前宏塊所處的行、列，η為當(dāng)前宏塊所在的幀的序號(hào)，α為時(shí)間相關(guān)性系 數(shù)，取值為W，1]，對(duì)處于邊界區(qū)域的宏塊，令臨近的宏塊超出邊界部分的level值取0，例 若i-Ι < 1，即當(dāng)前宏塊位于圖像最左邊，則令levels」= ，結(jié)合當(dāng)前宏塊的時(shí)間相關(guān)性，得到當(dāng)前宏塊為前景的綜合可能性為L(zhǎng)v^n，Lvijjjn = Lforei, j,η+λ · Lforei, j,η (7)其中i，j為當(dāng)前宏塊所處的行、列，η為當(dāng)前宏塊所在的幀的序號(hào)，λ為時(shí)間相關(guān)性系 數(shù)，取值為
；C)選擇域值，判定當(dāng)前宏塊是否為前景 方法如下 對(duì)式(6)中α取0.6，對(duì)式(8)中λ取.05，對(duì)式(9)中threshold取10，對(duì)圖像前景 區(qū)域提取，對(duì)所述圖像進(jìn)行進(jìn)一步優(yōu)化劃分。
7.一種圖像區(qū)域劃分裝置，其特征在于，所述裝置包括宏塊運(yùn)動(dòng)向量提取模塊，用于提取視頻序列中每幀圖像各宏塊的運(yùn)動(dòng)向量；宏塊運(yùn)動(dòng)向量統(tǒng)計(jì)模塊，用于對(duì)當(dāng)前幀的運(yùn)動(dòng)向量進(jìn)行統(tǒng)計(jì)，計(jì)算相同的MV的數(shù)量；宏塊運(yùn)動(dòng)向量復(fù)雜區(qū)域處理模塊，用于標(biāo)注并提取當(dāng)前幀中宏塊運(yùn)動(dòng)向量相對(duì)復(fù)雜的 區(qū)域，對(duì)劃分區(qū)域后的圖像根據(jù)宏塊的空間相關(guān)性及時(shí)間相關(guān)性進(jìn)行進(jìn)一步精確判斷，劃 分其感興趣區(qū)和非感興趣區(qū)。
8.如權(quán)利要求7所述的圖像區(qū)域劃分裝置，其特征在于，所述宏塊運(yùn)動(dòng)向量復(fù)雜區(qū)域 處理模塊包括初步處理模塊，用于用于標(biāo)注并提取當(dāng)前幀中宏塊運(yùn)動(dòng)向量相對(duì)復(fù)雜的區(qū)域；優(yōu)化處理模塊，用于根據(jù)當(dāng)前宏塊的空間相關(guān)性及時(shí)間相關(guān)性對(duì)分區(qū)域后的圖像進(jìn)行 進(jìn)一步精確判斷，劃分其感興趣區(qū)和非感興趣區(qū)。
9.一種圖像區(qū)域編碼方法，其特征在于，所述方法包括以下步驟根據(jù)圖像宏塊的運(yùn)動(dòng)向量的復(fù)雜度判斷劃分感興趣區(qū)域或非感興趣區(qū)域，運(yùn)動(dòng)向量復(fù)雜度高的區(qū)域?yàn)楦信d趣區(qū)域，運(yùn)動(dòng)向量復(fù)雜度低的區(qū)域?yàn)榉歉信d趣區(qū)域；對(duì)于圖像感興趣區(qū)域降低編碼量化參數(shù)以提高該區(qū)域的圖象質(zhì)量，對(duì)圖像非感興趣區(qū) 域則提高編碼量化參數(shù)以保持整體的編碼比特不變。
10. 一種圖像區(qū)域編碼系統(tǒng)，其特征在于，所述系統(tǒng)包括 如權(quán)利要求7所述的圖像區(qū)域劃分裝置；視頻編碼模塊，用于根據(jù)所述圖像區(qū)域劃分裝置劃分出的感興趣區(qū)域和非感興趣區(qū) 域，進(jìn)行不同質(zhì)量的視頻編碼。
全文摘要
本發(fā)明公開(kāi)一種圖像區(qū)域劃分/編碼方法、裝置及系統(tǒng)，通過(guò)提取視頻序列中圖像的運(yùn)動(dòng)向量，根據(jù)運(yùn)動(dòng)向量的復(fù)雜度判斷圖像為感興趣區(qū)域或非感興趣區(qū)域，并對(duì)劃分區(qū)域后的圖像根據(jù)宏塊的空間相關(guān)性及時(shí)間相關(guān)性進(jìn)行進(jìn)一步精確判斷，從而對(duì)圖像進(jìn)行前景和背景區(qū)域精確劃分。對(duì)感興趣區(qū)域采用較小的量化參數(shù)以提高視頻的質(zhì)量，對(duì)非感興趣區(qū)域采用較高的量化參數(shù)，以平衡總體的比特消耗不變，最終達(dá)到提高視頻主觀質(zhì)量的效果。
文檔編號(hào)G06T7/20GK101882316SQ20101019379
公開(kāi)日2010年11月10日 申請(qǐng)日期2010年6月7日 優(yōu)先權(quán)日2010年6月7日
發(fā)明者張智雄 申請(qǐng)人:深圳市融創(chuàng)天下科技發(fā)展有限公司