技术详细介绍
一种自适应阈值的视频流多纹理方向错误隐藏方法，其特征是基于改进的自适应阈值的Sobel边缘检测算法，通过检测出错误宏块的相邻块可能的边缘方向，结合边界像素差值成本函数自适应地确定错误宏块中每个像素点的插值方向，然后对错误宏块中的每个像素点进行方向插值来恢复错误宏块，能够更精确的提取出边缘信息及自适应的恢复丢失宏块，保证了恢复后视频图像的平滑性。本发明与H.264标准的错误隐藏算法相比，其视频图像隐藏效果在主观视觉判断和客观数值计算上都有一定的提高。
一种自适应阈值的视频流多纹理方向错误隐藏方法，其特征是包括以下步骤：
步骤（1）：判断接收端收到的视频图像的宏块是否发生错误，如果是，则转到步骤（2）；否则转到步骤（6）；
步骤（2）：对错误宏块的相邻块进行改进的Sobel边缘检测算法，依次确定各个相邻块的边缘方向；
步骤（3）：根据边缘像素差值成本函数自适应确定错误宏块中每个像素点的插值方向，边界像素差值成本函数为；
其中：f（i,j）为错误宏块中的像素点灰度值，f"（i,j）为经过错误宏块的像素点沿着可能的边缘方向与相邻块交点的像素点灰度值，PN为经过错误宏块的像素点沿着可能的边缘方向与相邻块交点的集合；
步骤（4）：对错误宏块中的每个像素点依据其插值方向计算方向插值，并恢复错误宏块；
步骤（5）：判断错误宏块是否全部被错误隐藏，如果是，则转到步骤（6）；否则转到步骤（2）；
步骤（6）：输出接收到的视频图像；所述的改进的Sobel边缘检测算法如下：
（1）计算梯度的幅值和方向水平梯度Jx（i,j）为：
Jx（i,j）＝Gx2（i,j）+Gy2（i,j）
垂直梯度Jy（i,j）为：
Jy（i,j）＝2Gx（i,j）Gy（i,j）
其中Gx（i,j）和Gy（i,j）分别是传统的Sobel边缘检测算法中的水平梯度和垂直梯度；令图像中每个像素点的梯度幅值和方向分别为G*（i,j）和θ*（i,j），则：
（2）自适应阈值设定设待进行边缘检测视频图像的尺寸大小为M×N，进行边缘检测的图像需要剔除边界点，因此其尺寸大小为（M?2）×（N?2）；基于自适应阈值进行边缘检测的步骤如下：1）：分别根据以下两个公式计算待进行边缘检测图像的平均梯度幅值MG1和梯度标准差SD1：
2）：令自适应阈值Ath1＝MG1+k1×SD1，其中k1为阈值因子；如果G*（i,j）＞Ath<1，则初步判定该像素点为待定边缘点；
3）：分别根据以下两个公式计算以待测像素点为中心的3×3邻域窗中像素的平均梯度幅值MG2和梯度标准差SD2：
4）：令自适应阈值Ath2＝MG2+k2×SD2，其中k2为阈值因子；如果G*（i,j）＞Ath2，则可判定该像素点为边缘点。