研究论文

基于红外图像的帧速率上转换算法

作者:

石国陈、和

京城史作者信息和声明

ICCMS’21：第13届计算机建模与仿真国际会议论文集

2021年6月

页225-230

https://doi.org/10.1145/3474963.3475843

出版:2021年10月14日出版历史

获取访问权限

摘要

随着红外视频在生活中的应用越来越普遍，人们对红外成像帧速率的要求也越来越高。高质量的红外图像为后续的目标识别、视频压缩和解压缩操作提供了更好的基础。因此，有效获取红外高帧频图像，提高红外图像质量具有重要意义。作为一种有效的视频转换手段，帧速率增强技术已经成为计算机视觉领域的研究热点。然而，现有的基于红外图像的视频插值方法都是基于块匹配的，不能很好地逼近复杂的运动现实世界。为了解决这些问题，提出了一种基于像素运动补偿的红外视频插值光流方法。第二种插值方法可以更好地利用视频中的运动信息。最后，利用光流优化网络进行优化，可以更好地优化光流估计中的伪影，提高最终图像质量。实验表明，我们的方法对各种红外视频数据集上的模型具有更好的效果，并且计算复杂度较低。

工具书类

[1]

索尔顿G，麦吉尔M J.现代信息检索导论[J]。1986

数字图书馆

[2]

Sullivan G J，Ohm J，Han W-J，高效视频编码（HEVC）标准概述[J]。IEEE视频技术电路和系统汇刊，2012，22（12）：1649–1668。

数字图书馆

[3]

Bauer D、Bonacker M、Cavonius C R。用于无闪烁观看明亮VDU屏幕的帧重复率[J]。显示器、技术和应用，1983，4（1）：31-33。

[4]

Richard C，David D，Yadong L I.超声波多普勒彩色血流成像的运动自适应帧平均：，US 7153268 B2[P]。2006

[5]

闫N，刘D，李H，视频编码中半像素插值的卷积神经网络方法[C]//电路与系统（ISCAS），2017 IEEE国际研讨会，2017:1-4。

[6]

陈忠，何涛，金X，视频压缩学习[J]。arXiv预印arXiv:1804.098692018】

[7]

Dosovitskiy A，Fischery P，Ilg E，FlowNet:用卷积网络学习光流[C]//IEEE国际计算机视觉会议。2015

[8]

Ilg E，Mayer N，Saikia T，FlowNet 2.0：基于深度网络的光流估计的发展[C]//IEEE计算机视觉与模式识别会议。2017.

[9]

周涛，图西亚尼S，孙伟，基于外观流的视图合成[C]//欧洲计算机视觉会议。2016 : 286–301.

[10]

Liu Z，Yeh R，Tang X，基于深体素流的视频帧合成[C]//国际计算机视觉会议（ICCV）：第2卷。2017.

[11]

Niklaus S，Mai L，Liu F.基于自适应可分离卷积的视频帧插值[J]。arXiv预印arXiv:1708.016922017。

[12]

Niklaus S，Liu F.视频帧插值的上下文感知合成[J]。2018

[13]

姜浩，孙德，贾帕尼V，超级SloMo:视频插值中多中间帧的高质量估计[J]。2017.

[14]

Ioffe S，Szegedy C.批量规范化：通过减少内部协变量偏移来加速深层网络训练[J]。arXiv预印本arXiv:1502.031672015。

[15]

Santurkar S、Tsipras D、Ilyas A，批次标准化如何帮助优化？（不，这与内部协变量转移无关）[J]。arXiv预印arXiv:1805.116042018。

[16]

Horn B K P，Schunck B G.测定光流[J]。人工智能，1980，17（1-3）：185-203。

数字图书馆

[17]

Lucas B D，Kanade T.差分法光学导航[C]//国际人工智能联合会议。1985.

[18]

Fleet DJ，Jepson A D.从局部相位信息计算分量图像速度[J]。国际计算机视觉杂志，1990，5（1）：77-104。

数字图书馆

[19]

Mahajan D，Huang F C，Matusik W，移动梯度：似然图像插值的基于路径的方法[C]//Acm Siggraph。2009

数字图书馆

[20]

N.Wadhwa、M.Rubinstein、F.Durand和W.T.Freeman。基于相位的视频运动处理。ACM事务处理。图表。，32(4):80:1–80:10, 2013.

数字图书馆

[21]

P.Didyk、P.Sitti-amorn、W.T.Freeman、F.Durand和W.Matusik。自动多视角3D显示的联合视图扩展和过滤。ACM事务处理。图表。，32(6):221:1–221:8, 2013.

数字图书馆

[22]

Meister S，Hur J，Roth S.UnFlow:光流的无监督学习与双向普查损失[J]。2017.

[23]

刘平，吕明，金一，自流：光流的自我监督学习[J]。2019

[24]

Hur J、Roth S。光流与遮挡联合估计的迭代残差精化[J]。2019

[25]

Long G，Kneip L，Alvarez J M，通过简单观看视频学习图像匹配[C]//欧洲计算机视觉会议。斯普林格，查姆，2016年。

基于红外图像的帧速率上转换算法
1. 计算方法
  1. 人工智能
  2. 计算机图形

建议

基于运动分类的自适应帧速率上转换

本文将图像序列的自适应运动分类（AMC）与混合运动估计（ME）相结合，提出了一种新的视频帧速率上转换（FRUC）技术。在提出的FRUC方案中，AMC将。。。
阅读更多信息
基于多帧的双边运动估计，重点是用于帧速率上转换的静态字幕处理

本文提出了一种新的运动补偿帧速率上转换算法，该算法使用多帧来提高运动估计的精度。我们还开发了自适应运动矢量平滑，以纠正运动矢量场中的异常值。在。。。
阅读更多信息
帧速率上转换的双运动估计

在这封信中，我们提出了一种新的用于帧速率上转换的运动估计算法。提出的双运动估计算法通过利用运动矢量的单向和双向匹配率来提高运动矢量的估计精度。。。
阅读更多信息

评论

信息和贡献者

问询处

发布于

封面图片ACM其他会议

ICCMS'21：第13届国际计算机建模与仿真会议论文集

2021年6月

276页

国际标准图书编号：9781450389792

内政部：10.1145/3474963

版权所有©2021 ACM。

如果复制品不是为了盈利或商业利益而制作或分发的，并且复制品的第一页载有本通知和完整引文，则允许免费制作本作品的全部或部分数字或硬拷贝以供个人或课堂使用。必须尊重ACM以外的其他人对本作品组成部分的版权。允许用信用证进行摘要。要以其他方式复制或重新发布，在服务器上发布或重新发布到列表，需要事先获得特定许可和/或付费。从请求权限[电子邮件保护]

出版商

计算机协会

美国纽约州纽约市

出版历史

出版：2021年10月14日

权限

请求对此文章的权限。

检查更新

作者标记

限定符

研究文章
研究
推荐有限公司

会议

ICCMS’21

ICCMS第21届：2021年第13届国际计算机建模与仿真会议

2021年6月25日至27日

维多利亚州，墨尔本，澳大利亚

贡献者

其他指标

查看文章指标

文献计量学和引文

文献计量学

文章指标

0
引文总数
37
总下载次数

下载次数（过去12个月）4
下载次数（最近6周）0

其他指标

查看作者指标

引文

视图选项

获取访问权限

登录选项

检查您是否可以通过登录凭据或您的机构访问本文。

完全访问权限

获取此出版物

查看选项

PDF格式

以PDF文件查看或下载。

电子阅读器

使用联机查看电子阅读器.

电子阅读器

HTML格式格式

在中查看本文HTML格式格式。

媒体

数字

其他

桌子