《图像运动检测的子场编码.docx》由会员分享，可在线阅读，更多相关《图像运动检测的子场编码.docx（6页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、图像运动检测的子场编码（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GB三基色信号。在内部信号处理经过中，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好的256灰度级体系以解决静态图像的灰度级轮廓现象。因而，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
2、静态图像的灰度细节，又能够解决动态图像的DFC问题。11运动图像检测实现方法传统的运动速度预测和判定方法，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一样特征点进行进行计算比拟。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，提高运动状态的判定速度，本算法主要采用视频数据的变化率对DFC的影响来判定图像的运动状态，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。在判定中，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现象的主要判定根据，并采用行与行之间的数据变化对局部空间内可能出现D
3、FC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能够简化程序，更易于硬件实现。整个运动状态判定算法实现经过中，需要预设置帧灰度阈值DF1，DF2和行内像素灰度阈值DP1和DP2作为判定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DF以及第N帧中一样行内数据的灰度差DP。在此基础上，将两帧数据灰度差和一样行数据的灰度差与阈值进行判别，能够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DF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DF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
4、之间，即一部分图像存在运动的情况。详细图像运动状态判定方法如表1所示。上述算法中，静止和运动图像的判定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。当帧灰阈值知足条件后才会进入行内像素判定经过。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形式，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形式。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。12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构成，因而显示时使用全灰
5、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，因而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，假如第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，就有可能在运动经过中出现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，能够采用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
6、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，使用半色调算法复原整个灰度级。十分是在采用10子场编码时，使用发光权重的评估优化能够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，假如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。因而，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。在算法讲明中混合图像仅采用了三种灰度级方案，在实际使用经过中
7、，能够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。假如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。因而，在实际使用中简化成每行内的区域划分，这样的划分方式能够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，因而这种检测主要根据了横向的行内图像变化来进行判定选择，以到达提高动态图像画质的目的。13算法流程图整个算法在实现经过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DF分别与DF1、DF2比拟确定该帧图像的整体运
8、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。详细算法图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拟，确定运动速度，并通过不同运动速度的判定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
9、，2，3，7，12，17，26，43，59，85编码方式，选择XILINIX的FPGASpartan3ADSP1800A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定信号对整幅运动状态进行静态、动态和混合运动状态的判定，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。从结果能够看到状态判定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
10、状态算法仿真，能够发现未使用该方法时动态图像DFC现象比拟严重，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=254cm)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，十分是眼部、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拟来判定图像运动状态，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。实验证实，这种方式能够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，易于施行的优点。