三維視頻跳幀缺幀動態(tài)補(bǔ)償方法仿真

孟凡墨

(吉林師范大學(xué)，吉林 四平 136000)

1 引言

三維視頻缺幀、跳幀是指在視頻播放過程中存在黑屏或閃屏、卡頓不流暢等現(xiàn)象，極為影響視覺感官，通常會動態(tài)補(bǔ)償方法來彌補(bǔ)缺失。跳幀、缺幀補(bǔ)償作為三維視頻處理的重要領(lǐng)域，其在視頻的虛擬圖像合成、視頻幀率提升和慢速制造等方面都擁有廣泛使用。傳統(tǒng)補(bǔ)償方法通過光流場檢測完成視頻輸入聚類匹配，然后使用計(jì)算出的匹配數(shù)據(jù)合成中間幀圖像。但因?yàn)楣饬鲌龃嬖诓环€(wěn)定現(xiàn)象，導(dǎo)致三維視頻缺幀補(bǔ)償后效果不佳，而其它方法在現(xiàn)實(shí)應(yīng)用中經(jīng)常面臨困難，基于此相關(guān)研究者提出如下解決方案。

文獻(xiàn)[1]通過混入統(tǒng)計(jì)特性的高斯噪聲，從而提高三維視頻缺幀、跳幀補(bǔ)償精準(zhǔn)度，但因?yàn)楦咚乖肼暬烊胄枰罅康臅r(shí)間進(jìn)行實(shí)現(xiàn)，導(dǎo)致該方法在補(bǔ)償效率上并不理想。文獻(xiàn)[2]提出了一種基于結(jié)構(gòu)相似的幀間組稀疏表示重構(gòu)算法研究，該方法首先將三維視頻的結(jié)構(gòu)相似度作為匹配的標(biāo)準(zhǔn)，再對其參考幀進(jìn)行搜索匹配，從而生成相似塊組，然后通過相似塊組中關(guān)鍵特征實(shí)現(xiàn)幀間補(bǔ)償。但該方法步驟過于繁瑣，需要消耗大量的人力、物力資源和時(shí)間。文獻(xiàn)[3]提出了一種基于特征匹配與運(yùn)動補(bǔ)償?shù)囊曨l穩(wěn)像算法，通過長度不變的SURE對視頻進(jìn)行特征提取，并計(jì)算描述符，再引入鄰近匹配算法獲得匹配點(diǎn)，從而提高對視頻幀間的補(bǔ)償效率。但SURE算法在特征提取的過程中，容易將重要特征當(dāng)做冗余干擾并實(shí)行剔除，導(dǎo)致最后的補(bǔ)償不夠完整，三維視頻效果差強(qiáng)人意。

針對上述問題本文提出了一種基于幀間投影的補(bǔ)償方法，通過對三維視頻進(jìn)行投影，有效提高補(bǔ)償過程的完整性。根據(jù)投影結(jié)果獲得單獨(dú)兩種的波形，并利用深度卷積神經(jīng)網(wǎng)絡(luò)對兩個(gè)獨(dú)立波形進(jìn)行訓(xùn)練，有效縮短視頻補(bǔ)償時(shí)間，從而實(shí)現(xiàn)三維視頻中的跳幀、缺幀進(jìn)行補(bǔ)償。實(shí)驗(yàn)結(jié)果證明，相較于傳統(tǒng)方法，本文提出的方法在補(bǔ)償三維視頻幀間的效率上較為突出，并且不會出現(xiàn)補(bǔ)償遺漏以及補(bǔ)償不完整問題。

2 三維視頻跳幀缺幀動態(tài)補(bǔ)償方法

2.1 三維視頻幀間投影

三維視頻跳幀、缺幀的實(shí)質(zhì)就是視頻幀間的丟失或跳過[4]。預(yù)算三維視頻幀間的平移運(yùn)動算法有很多種，比如代表點(diǎn)比較法、匹配算法、邊沿識別算法等。本文提出的幀間投影算法，會依據(jù)所獲得的三維視頻總體分布規(guī)律來求出當(dāng)前幀相對于參考幀在水平方向與垂直方向的運(yùn)動矢量，它擁有計(jì)算速度快、效率高等優(yōu)點(diǎn)。

對于三維視頻輸入預(yù)處理的所有幀來說，通過預(yù)處理后，將其幀間運(yùn)動投影成兩個(gè)單獨(dú)的波形，其投影方法表示為

(1)

(2)

式中，Gk(i)和Gk(j)分別代表為k幀視頻第j列和第i行，Gk(i，j)表示第k幀視頻上的(i，j)的位置。經(jīng)過分別匹配行、列的投影矢量，就能求得在水平方向和垂直方向的運(yùn)動矢量。因?yàn)橥队捌ヅ渌惴梢园讶S視頻轉(zhuǎn)化為兩個(gè)一維的矢量，因此很大程度上提高了計(jì)算效率。

分別將參考視頻和當(dāng)前視頻分成若干的子區(qū)域，當(dāng)子區(qū)域劃分較少時(shí)，會省略旋轉(zhuǎn)運(yùn)動，使用投影匹配算法可以精準(zhǔn)的求出子區(qū)域在垂直方向和水平方向的局部運(yùn)動矢量。

如何確準(zhǔn)子區(qū)域的大小是一個(gè)非常重要的問題。如果區(qū)域劃分的越多，理論上最終實(shí)現(xiàn)的視頻旋轉(zhuǎn)補(bǔ)償精準(zhǔn)度就越高，如果區(qū)域選擇過大，那么區(qū)域的旋轉(zhuǎn)運(yùn)動則不能忽略，同時(shí)會缺失一些局部運(yùn)動信息[5-6]?？紤]到現(xiàn)實(shí)的應(yīng)用，對一些分辨率為650*490像素的三維視頻來說，能夠選擇子區(qū)域的大小為6*65像素，即將一幀三維視頻分成25個(gè)子區(qū)域，對于分辨率為353*289像素的三維視頻來說，能偶分成17個(gè)子區(qū)域，子區(qū)域的大小則選為51*65像素。

因?yàn)槿S視頻上存在的背景和景物不同，區(qū)分以后，有的區(qū)域會產(chǎn)生不明顯變化，不具有足夠的信息量，尤其是航攝三維視頻[7]。比如，某一個(gè)區(qū)域只存在幀間單一的景物，出現(xiàn)該區(qū)域，能夠使用各子區(qū)域運(yùn)動矢量的均衡值作為該區(qū)域的運(yùn)動矢量[8]。

2.2 視頻的仿射變換

三維視頻幾何變換就是視頻中點(diǎn)和點(diǎn)之間的空間投影關(guān)系，這屬于初始圖像和其變形之后圖像中所有各點(diǎn)間的投影關(guān)系函數(shù)，可表示為

[x，y]=[X(u，v)，Y(u，v)]

(3)

或

[u，v]=[U(x，y)，V(x，y)]

(4)

式中，[u，v]代表輸入三維視頻中像素的坐標(biāo)，[x，y]代表輸出視頻中像素的坐標(biāo)。X、Y、U、V代表唯一確準(zhǔn)的空間變換函數(shù)，就是它們定義了輸出視頻和輸入視頻中的全部點(diǎn)間幾何對應(yīng)關(guān)系，X、Y把輸入投影到輸出，叫做向前投影，U、V把輸出視頻投影到輸入，叫做逆向投影。

仿射變換是一種常見是平面投影方法，但其轉(zhuǎn)化方式比較特殊，表達(dá)公式為

(5)

逆變轉(zhuǎn)化能夠限制三維視頻的旋轉(zhuǎn)、平移與基礎(chǔ)的變形，減少后續(xù)補(bǔ)償?shù)母蓴_向量。

2.3 深度卷積神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)

相對于傳統(tǒng)的深度神經(jīng)網(wǎng)絡(luò)，構(gòu)建用于三維視頻跳幀、缺幀動態(tài)補(bǔ)償?shù)纳疃染矸e神經(jīng)網(wǎng)絡(luò)需要對下述三個(gè)問題進(jìn)行考慮：

1)和僅為目標(biāo)分類概率的目網(wǎng)絡(luò)不同，本文的任務(wù)是為了將輸入視頻分辨率和輸出視頻分辨率進(jìn)行相同的匹配，從而融合出完整一幀[9-10]。

2)考慮到三維視頻中使用場景的視頻長度比，經(jīng)常會各不相同的情況，用于三維視頻中跳幀、缺幀補(bǔ)償?shù)木矸e神經(jīng)網(wǎng)絡(luò)，需要擁有處理不同長度視頻的能力，提升方法適用性。

3)設(shè)計(jì)出的卷積神經(jīng)網(wǎng)路需要擁有視頻細(xì)節(jié)處理能力，并且還要考慮在視頻中幀數(shù)較多的情況下，如何使用優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)降低幀分散現(xiàn)象，使得卷積神經(jīng)網(wǎng)絡(luò)能夠?qū)g進(jìn)行優(yōu)質(zhì)的訓(xùn)練，提升跳幀、缺幀補(bǔ)償效果[11-12]。

本文提出的三維視頻跳幀、缺幀動態(tài)補(bǔ)償深度卷積神經(jīng)網(wǎng)絡(luò)總體構(gòu)造如圖1所示。

圖1 深度卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖

對于給定的一幅圖像，第1次卷積選取5個(gè)卷積核，經(jīng)過遍歷輸入圖像，經(jīng)過采樣處理，得到下采樣特征圖，下采樣層一般采用均值處理，每6個(gè)像素進(jìn)行平均；第2個(gè)卷積層再次使用卷積核，再經(jīng)過2次卷積處理后，和最終的輸出層實(shí)現(xiàn)全連接。

利用初始卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建反卷積模塊，通過激活卷積層和函數(shù)層進(jìn)行三次重復(fù)交替，訓(xùn)練模塊最后在融入池化層內(nèi)組合。本文深度卷積層的設(shè)定跨步尺寸和內(nèi)部邊距為1，3，1。啟用函數(shù)層使用參數(shù)修正現(xiàn)單元作為激活函數(shù)，池化層的預(yù)感跨步為1，尺寸為3。

2.4 訓(xùn)練及跳幀缺幀補(bǔ)償

如上文所述，本文可以使用現(xiàn)有的三維視頻對上節(jié)建造的深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并且去掉了人工標(biāo)注環(huán)節(jié)，在節(jié)省了大量時(shí)間的同時(shí)，減少人力物力資源的浪費(fèi)。因?yàn)槿S視頻中含有時(shí)序一致性，就是在短時(shí)間內(nèi)可以對拍攝物體與攝像機(jī)進(jìn)行快速運(yùn)動，所以建造的深度卷積神經(jīng)網(wǎng)絡(luò)較為適合對本文三維視頻進(jìn)行訓(xùn)練。

本文使用Durian來建造訓(xùn)練樣本，其中原始數(shù)據(jù)是KITTI。KITTI是三維視頻中安放在汽車上的攝影機(jī)，它是公開的數(shù)據(jù)集，可以對自動駕駛、像視覺里程計(jì)算、Stereo、光流場計(jì)算和圖像分割等進(jìn)行應(yīng)用。相較于KITTI和Sintel數(shù)據(jù)，本文只使用起始的三維視頻數(shù)據(jù)對訓(xùn)練樣本進(jìn)行提取。

KITTI數(shù)據(jù)集包含58個(gè)視頻序列，總計(jì)15942幀圖像。在全部序列中，使用三幀連續(xù)的圖像建造為一個(gè)訓(xùn)練樣本，第一幀和第三幀當(dāng)做輸入視頻，第二幀則表示為運(yùn)動插值視頻的真值。并且對事項(xiàng)中包含上下翻轉(zhuǎn)、左右翻轉(zhuǎn)跡象的方式通過訓(xùn)練來構(gòu)建新的樣本，同時(shí)該樣本一共生成了123517個(gè)訓(xùn)練樣本。對三維視頻，還是使用65個(gè)視頻序列進(jìn)行采集，序列中含有5891幀圖像。使用和KITTI數(shù)據(jù)類似的方法建造36541個(gè)訓(xùn)練樣本。對KITTI數(shù)據(jù)的輸入圖像采樣為280*248，對Sintel數(shù)據(jù)，使用的視頻尺寸為275*137。

(6)

(7)

式中ε為0.2。

3 仿真研究

3.1 實(shí)驗(yàn)環(huán)境

仿真環(huán)境為:操作系統(tǒng)為Windows7Ultimate，處理器為Intel T6400，內(nèi)存為2GB，仿真軟件為Matlab7.8a。

3.2 不同方法三維視頻補(bǔ)償效率

為了更好的檢驗(yàn)本文方法的性能，采用文獻(xiàn)[1]的方法和本文方法進(jìn)行比較，因?yàn)镸PEG-1輸出三維視頻碼率是固定的1.3MBIT/s，所以標(biāo)準(zhǔn)的MPEG-1三維視頻編碼器擁有碼率控制能力。在進(jìn)行視頻補(bǔ)償仿真過程中，取消了碼率控制，并定義量化參數(shù)，對IP于B幀都固定為Q=30，其中，運(yùn)動估值使用的是全搜索算法，下表給出實(shí)驗(yàn)比較結(jié)果。

表1 不同方法的對比結(jié)果

從表1能夠看出本文方法較比文獻(xiàn)[1]在三維視頻補(bǔ)償效率上要高出很多，分析其原因，本文方法使用了幀間投影算法，通過簡單的投影就可以節(jié)省大量時(shí)間，較比文獻(xiàn)[1]通過特征提取來分類三維視頻要快。

3.3 三維視頻跳幀缺幀動態(tài)補(bǔ)償完整性

首先為了檢驗(yàn)方法補(bǔ)償完整性，將本文方法于文獻(xiàn)[2]、文獻(xiàn)[3]的方法進(jìn)行對比，使用常見的Comer Planes與Punctured Sphere模型，如圖2所示。

圖2 實(shí)驗(yàn)中使用的兩種模型

求三維視頻模型的缺幀、跳幀補(bǔ)償誤差結(jié)果，對比結(jié)果如圖3所示。其中曲線InvErr是文獻(xiàn)[2]的補(bǔ)償結(jié)果。

圖3 不同方法相同模型的誤差圖

從圖3能夠看出，其中本文的結(jié)果對于幀間誤差不大，這代表鄰近圖能夠用來更好的模擬高維數(shù)據(jù)低維流形結(jié)構(gòu)。文獻(xiàn)[2]、文獻(xiàn)[3]中因?yàn)猷徑鼒D使用的順序?yàn)樗阉鞑呗?，留下的是完全滿足條件的數(shù)據(jù)點(diǎn)，但滿足部分條件的有效點(diǎn)被刪除，所以比較降維前后鄰近圖中相似性時(shí)會出現(xiàn)一定的偏差，使補(bǔ)償誤差大幅度增加，三維視頻補(bǔ)償后視覺效果差。

然后構(gòu)建最優(yōu)質(zhì)的映射矩陣，考慮到三維視頻和數(shù)據(jù)在時(shí)間上存有聯(lián)系，同時(shí)也是為了盡量保持三維視頻的流行結(jié)構(gòu)，使用鏡頭樣本來獲取映射矩陣。首先來獲得三維視頻鏡頭的最優(yōu)質(zhì)維度數(shù)，建造鄰近結(jié)構(gòu)矩陣。通過在實(shí)驗(yàn)中對不同方法進(jìn)行降維處理，獲得了降維前后的流行結(jié)構(gòu)誤差圖，如圖4所示。

圖4 兩種方法的完整性對比

通過圖4能夠看出，本文方法比較文獻(xiàn)[2]方法的補(bǔ)償完整度更高，主要原因是，深度卷積神經(jīng)網(wǎng)絡(luò)在分類兩種波形時(shí)擁有具體的分類形式，不會出現(xiàn)檢測遺漏波形，所以本文補(bǔ)償三維視頻的跳幀、缺幀時(shí)不會出現(xiàn)傳統(tǒng)方法的遺漏現(xiàn)象，從而更加完整的補(bǔ)償三維視頻的幀間運(yùn)動。

從上述可以看出本文提出的方法在三維視頻跳幀、缺幀方面擁有非常好的性能，并且效率更高。

4 結(jié)論

為了解決三維視頻缺幀、跳幀補(bǔ)償?shù)男蔬^慢，補(bǔ)償不完整問題，提出了一種通過幀間投影和深度卷積神經(jīng)網(wǎng)絡(luò)的補(bǔ)償方法。通過仿真結(jié)果證明，所提方法具有良好應(yīng)用性能，可以在該領(lǐng)域得以廣泛應(yīng)用。但三維視頻幀間補(bǔ)償是一種非常復(fù)雜的程序，需要涉及到很多種學(xué)科問題，由于作者的水平限制，研究時(shí)間較短，雖然在三維視頻的跳幀、缺幀補(bǔ)償方面小有成就，但以下問題仍然沒有做到滿意：

1)動態(tài)補(bǔ)償方法還沒有成熟。動態(tài)補(bǔ)償可以從理論上解釋三維視頻幀間治理、視頻資源提取思想，但針對三維視頻動態(tài)補(bǔ)償模式研究還不夠成熟，會限制實(shí)際使用。

2)如何改進(jìn)算法使其進(jìn)一步提高三維視頻跳幀缺幀補(bǔ)償性能也是未來需要研究的方向。

3)本文中的補(bǔ)償研究大部分都是圍繞著跳幀、缺幀進(jìn)行的，但三維視頻中出現(xiàn)的問題不止是跳幀和缺幀，還有很多的問題等待的廣大學(xué)者的研究。