臺灣博碩士論文加值系統

第一部份: 以物件為基礎之影像壓縮在非常低位元率之應用 :為了善用頻
寬﹐大量的影像資料必須先經過壓縮﹐以期縮小其資料量。現今已有許多
影像壓縮技術已被標準化﹐但在某些應用上仍未臻理想﹔例如﹐在影想會
議的應用上。在本論文中我們提出一個以物體為基礎的影像壓縮方法來提
供在極高壓縮比(極低位元率)下有較高的影像品質﹐因為是以物體為基礎
﹐本方法的第一步便是將影像分割為多個物體﹐而且在我們的區域分割方
法中我們測試了多種的準則且獲得了不錯的結果﹔然後﹐我們亦提出了一
種以物體為基礎的運動預測及運動補償方法﹐且靠著接收端與傳輸端的同
步運作﹐大量的邊緣訊號可以不用傳送﹐唯一惱人的是由於區塊物體不為
方形﹐故因位移向量的差異﹐會產生一些未被補償到的區域﹐為了解決此
一問題﹐我們亦提出一個新的兩種再補償方式﹐分別對付較大及較小的未
補償區域。關於補償後所剩下之錯誤訊號(剩餘訊號)﹐我們採取與DCT不
同的策略﹐將剩餘訊號做區域分割﹐並以三種參數表示之﹐分別為﹕起始
點﹐邊緣連鎖碼﹐顏色成份﹐此一壓縮方式能避免方塊效應。在第一部份
的最後﹐我們的結果會被分析並做出結論﹐我們發現我們的新方法獲得了
極高的壓縮比﹐即極小的位元率。且有較佳的人眼接受度。第二部份: 利
用微方塊資料做已壓縮影像之場景分析 : 近來﹐隨著影像資料的大量增
加﹐在建立影像資料庫的同時﹐一個有效的影像資料索引方法便變得相當
的重要﹐傳統而言﹐影像資料索引是以人工來完成﹐如此一來便較為費事
及不穩定﹐於是﹐自動化的影像索引方法便成為一個挑戰。場景分析是影
像索引很重要的第一步﹐它通常將動態影像分為許多的時間段落或將其中
的一些較特別的影像找出﹐再者﹐由於現今的影像資料都是以壓縮的方式
來儲存﹐故直接在已壓縮的資料上做處理﹐可以加快場景分析的工作速度
﹐在第二部份的論文中﹐我們提出來一種新的場景分析方法﹐此方法利用
了在運動估計及補償程序中的所產生的微方塊類型資料做分析發現﹐在場
景有特殊變化(例如:換景﹐閃光燈﹐注解)出現時﹐微方塊的統計特性會
呈現某種特殊的型態﹐故利用這些特殊的型態﹐就可以尋得這些特殊變化
的時間位置﹐達成一極快的場景分析。 最後﹐一系列的結果分析發現﹐
我們發現我們的方法不但簡單而且極為準確﹐而且不須完成整個解壓縮過
程。

Part I: Object-Based Video Coding Nowadays, conventional
approaches are reaching a saturation point so that object-based
approaches arise more and more attention and interest. We have
developed a novel method toward very low bit rate application
which is object-based. Decomposing a image into several objects
simulates the function of human vision and helps to decrease
the number of the motion vectors compared to MPEG. we have also
proposed a method to solve some drawback of object-based motion
compensation in this part. As to residue coding, that is,
prediction error coding, block-based transform method in
conventional algorithm is replaced by a segmentation method to
eliminate the artificial blocky effects. At last part of this
part, some simulation results are shown and the performance is
discussed. Part II: Compressed Image Scene Analysis In the near
future, efficient indexing methods will be required to handle
rapidly increasing visual information, especially when visual
information systems such as video databases are established.
Video analysis that partitions the video into clips or extracts
interesting frames is a very important initial step for video
indexing. In this part, we have developed a novel method for
video analysis using the macroblack type information in the
MPEG framework. This method exploits the comparison operations
performed in the motion estimation procedure in the MPEG
framework for detecting the scene changes resulted from motion
estimation will follow some specific pattern when scene changes
occurs or some effects are applied. Experiments show that our
approach can perform very fast scene change, flashlight and
caption detection.