[发明专利]一种基于运动估计共享的雾霾视频压缩方法

权利要求书

1.一种基于运动估计共享的雾霾视频压缩方法，其特征在于，包括以下步骤：

步骤1，每次读取原始雾霾视频序列中连续的n帧，中间一帧为当前待去雾及编码的帧，前后其他帧作为参考帧；

步骤2，将当前帧划分为若干相互不重叠的宏块，对于每一个宏块，采用不同的划分模式将其进一步划分为更小的块；

步骤3，利用运动估计算法遍历所有可能的运动矢量，并利用运动矢量对当前帧的透射率图进行帧间一致性优化并基于大气散射模型对雾霾视频序列进行去雾；

步骤4，利用步骤3中对应的运动矢量对原始视频序列进行初始压缩编码；

步骤5，基于不同的运动矢量所对应的去雾效果及编码性能决策出当前帧与参考帧之间的最佳运动矢量；

步骤6，基于不同的宏块划分模式对应的去雾效果和压缩编码性能对宏块的划分模式进行最优化决策；

步骤7，确定宏块划分模式并得到该模式下相对应的最佳运动矢量，基于最佳运动矢量对雾霾视频进行帧间一致性去雾，利用最优化决策的宏块划分模式及相应的最佳运动矢量，对去雾后的无雾视频序列进行最终的压缩编码；

其中步骤5具体包括如下步骤：

步骤501，分别评估各运动矢量对应的编码率失真性能J_motion

其中，mv表示运动矢量，D_mv是指原始块和预测块之间的绝对误差和， 是与量化参数QP相关的拉格朗日乘子，R_mv表示对运动矢量编码的码率；

步骤502，计算透射率未优化的去雾图像与透射率优化的去雾图像之间的结构相似性SSIM_mv(x,y)

其中，x、y分别表示透射率未优化和透射率优化的去雾图像块，u_x、u_y分别表示x、y的均值，σ_x、σ_y、σ_xy是x、y各自的方差及协方差，c₁、c₂为常数；

步骤503，采用加权的方法将J_motion和SSIM_mv结合：

其中α₁+α₂=1，采用动态的方式对α₁、α₂进行设定；

步骤504，选择F_mv取得最小值所对应的运动矢量作为最佳运动矢量；

其中步骤6具体包括如下步骤：

步骤601，评估不同划分模式下编码的率失真性能：

其中，D_mode 是指原始块和预测块之间的误差平方和SSD， 是与量化参数QP相关的拉格朗日乘子，R_mode表示对残差、划分模式进行编码的码率，J_mode越小表示编码性能越好；

步骤602，针对不同划分模式评估去雾结果的清晰度，包括可见边之比e和可见边的规范化梯度均值r

其中，n_x、n_x分别表示x、y中可见边的数量，℘_r是y中可见边的集合，P_i是y中可见边的像素点，r_i是y在P_i处的 Sobel 梯度与x在P_i处的 Sobel 梯度的比值；

当去雾的效果越好，e、r值也就越大；

步骤603，采用Min-Max标准化方法将J_mode、SSIM_mode、e、r分别映射到[0,1]之间，以保证各评价指标的数量级相同；

步骤604，对去雾效果进行评估：

步骤605，采用加权的方法将J_mode、S_mode、结合

其中β₁+β₂=1，采用动态的方式对β₁、β₂进行设定；

步骤606，选择F_mode取得最小值所对应的宏块划分模式。