图像运动检测的子场编码范文

本站小编为你精心准备了图像运动检测的子场编码参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

《电视技术杂志》2014年第十一期

1基于图像运动检测的子场优化算法

PDP输入信号一般为256灰度级RGB三基色信号。在内部信号处理过程中，需要考虑使用产生DFC较少的灰度级构成关键灰度体系以解决动态图像DFC问题，同时还要考虑采用完整的256灰度级体系以解决静态图像的灰度级轮廓现象。因此，通常需要将两种方法综合考虑，找到一个灰度级数量的平衡点来实现灰度级显示。这种在两种灰度级方案中折中选择平衡点的算法，并不能完全解决动态伪轮廓和低灰度级轮廓问题。为了适应不同运动状态的图像对灰度级显示的需求，本文提出了根据图像的运动速度采用不同的灰度级方案进行图像的灰度级处理的方法，既不损失静态图像的灰度细节，又可以解决动态图像的DFC问题。

1．1运动图像检测实现方法传统的运动速度预测和判断方法，主要是将相邻第N和N+1帧的图像进行存储，然后对图像不同帧的相同特征点进行进行计算比较。这种算法不仅需要较大的硬件存储空间，而且在运动速度和方向判别时进行复杂的计算，难以采用硬件的方法实现［8］。为了简化计算难度，提高运动状态的判断速度，本算法主要采用视频数据的变化率对DFC的影响来判断图像的运动状态，这种变化率主要包括运动方向、运动大小以及灰度级的变化。在判断中，采用第N帧与第N+1帧之间的数据变化作为引起一帧图像出现DFC现象的主要判断依据，并采用行与行之间的数据变化对局部空间内可能出现DFC现象进行精准判别。这种采用数据的变化情况作为图像运动状态的判别可以简化程序，更易于硬件实现。整个运动状态判断算法实现过程中，需要预设置帧灰度阈值DF1，DF2和行内像素灰度阈值DP1和DP2作为判断图像的运动状态标准。然后统计图像的第N帧与第N+1帧数据的灰度差ΔDF以及第N帧中相同行内数据的灰度差ΔDP。在此基础上，将两帧数据灰度差和相同行数据的灰度差与阈值进行判别，可以得到视频图像的三种运动状态:1)静止图像，其第N帧和第N+1帧图像中帧数据变化值ΔDF低于DF1。2)运动图像，其第N帧和第N+1帧图像中帧数据变化值ΔDF高于DF2。3)混合图像，其图像中第N帧和第N+1帧数据变化在两个帧阈值之间，即一部分图像存在运动的情况。具体图像运动状态判断方法如表1所示。上述算法中，静止和运动图像的判断主要以输入数据的灰度变化量为基准来考虑。而混合图像的处理有两个判别标准:帧灰度阈值和行内像素灰度阈值。当帧灰阈值满足条件后才会进入行内像素判断过程。行数据变化大于行像素阈值DP2的时候进入高速运动图像灰度级处理模式，当行数据变化像素阈值DP1时进入低速运动图像灰度级处理模式。当数据的变化在两个数据之间的时候采用中速灰度级处理。

1．2子场编码优化算法的实现子场编码的优化算法主要是根据运动状态检测来选择不同的编码方式。静止图像没有DFC现象，显示中的细节损失主要是由灰度级轮廓形成，因此显示时使用全灰度级显示来减少灰度级轮廓。运动图像和混合图像会出现DFC现象，这种情况下DFC现象导致灰度级反转，引起画面失真，因此需要采用较少的灰度级实现整个显示灰度体系的重构。运动图像的DFC产生主要是由于采用ADS驱动方法造成了各个子场的维持脉冲数量差异，这使得各个子场发光中心在时间轴上分布具有不均匀性。在实际视频显示中，如果第N帧和第N+1帧图像中相邻像素数据灰度级接近，而子场编码使得两者发光亮度最大值的位置相差很远，就有可能在运动过程中出现DFC现象。DFC现象的严重程度和图像的运动速度、亮度最大值、亮度最大值的位置等均有关系，可以采用GCC方式选择编码来减少DFC现象。通过式(1)能够分析出各种编码方式最容易产生发光权重跳变的灰度级，并将这种有跳变的灰度级删除，使用半色调算法还原整个灰度级。特别是在采用10子场编码时，使用发光权重的评估优化可以利用冗余编码优化子场权重的排列方式，最大限度地减少编码方式对运动图像的影响。混合图像主要由静止的背景和移动的物体构成，如果对这种图像直接采用全灰度级方案，就会在运动图像上产生较为严重的动态伪轮廓。而完全采用运动图像的最小灰度级又不能保证静止的背景上显示细节，出现低灰度级轮廓现象。因此，混合图像的灰度级选择不能固定为某一种方式而是要对整幅图像划分区域采用多种灰度级数量及构成方式的动态选择。在算法说明中混合图像仅采用了三种灰度级方案，在实际使用过程中，可以根据图像的需要增加多种像素阈值来实现更多灰度级方案的处理，以到达更好的显示效果。如果采用图像边缘检测对混合图像的边缘进行划分，不仅算法复杂而且难以适应高速的视频图像处理要求。因此，在实际使用中简化成每行内的区域划分，这样的划分方式可以变成相邻像素的变化率判别。当变化率高于预先设定的一段阈值时，相应地采用一种灰度级编码方式。根据PDP子场特性，这种伪轮廓更容易在横向产生，因此这种检测主要依据了横向的行内图像变化来进行判断选择，以达到提高动态图像画质的目的。

1．3算法流程图整个算法在实现过程中分为检测和处理两个部分，首先通过统计第N和第N+1帧的ΔDF分别与DF1、DF2比较确定该帧图像的整体运动状态，并选择全灰度级编码和运动图像编码方式进行灰度级处理。当显示图像介于完全运动和基本静止图像中间的混合运动状态时，则进行逐行子场编码的方式处理灰度级重构。在每一行内部分别采用低速、中速和高速进行不同灰度级和编码方式的选择，以减少DFC现象，提高显示画质。具体算法图1所示。整个硬件电路主要是在原有PDP控制电路设计中增加了运动图像检测模块和灰度级编码映射表，如图2所示。在实际使用中，首先利用不同灰度级编码方法实现编码方式的优化，然后通过运动检测来计算帧数据灰度差和行内数据灰度差与阈值比较，确定运动速度，并通过不同运动速度的判断选择不同的灰度级编码方式输出，即可实现。

2结果及讨论

采用10子场［1，2，3，7，12，17，26，43，59，85］编码方式，选择XILINIX的FPGASpartan－3ADSP1800A芯片对整个算法进行功能验证，所得结果如图3所示。算法通过采用帧状态信号以及混合速度判断信号对整幅运动状态进行静态、动态和混合运动状态的判断，并采用行状态信号对一行内数据的运动状态进行进一步的区别。本段验证主要是截取了一帧混合数据中的多行数据。从结果可以看到状态判断信号会根据输入数据不断切换。当输入数据在两个相邻数据阈值之间的时候为高，选择中间灰度级的子场编码;当输入数据在两个相邻数据阈值之外的时候为低，选择最高或者最低灰度级编码方式。采用MATLAB对256灰度级图像进行运动状态算法仿真，可以发现未使用该方法时动态图像DFC现象比较严重，在若干灰度级上会出现灰度失真，灰度级出现反转，显示图像的灰阶和实际图像不符，见图4a。在使用该方法后，灰度级变化平滑，灰度级反转减少，图像的灰度级失真得到了控制，如图4b所示。采用FPGA作为控制芯片在50in(1in=2．54cm)高清PDP模组中对算法进行实际显示验证，并使用移动的脸部画面作为测试图像。结果表明，未使用本算法前，显示的脸部图像会有明显的斑纹和灰度级反转，导致运动图像脸部出现不同的DFC现象，特别是眼部、嘴部和鼻部等灰度级较多的部分最为明显，见图5a。使用该算法后，脸部过渡较为自然，斑纹和灰度级反转得到了抑制，显示画质得到了明显提高，见图5b。

3结论

采用有限灰度级来解决DFC问题是目前PDP常用的算法，但算法不可避免地在静态区域造成低灰度级图像轮廓现象。基于图像运动检测的子场优化编码算法在考虑动态图像和静态图像各自特点的基础上，采用图像帧数据以及行数据变化值和预先设定的阈值比较来判断图像运动状态，并针对每种运动状态图像采用不同的处理方式来解决DFC现象，同时避免了图像的灰度级轮廓。实验证明，这种方式可以有效减少图像的动态伪轮廓现象，提高PDP显示画质，并具有算法简单，易于实施的优点。

作者：韦海成赵静单位：北方民族大学电信学院宁夏大学计算机学院