在奈奎斯特采樣定理的基礎(chǔ)上提出的傳統(tǒng)視頻編碼理論,采樣頻率需要大于或等于信號(hào)最高頻率的兩倍,然后通過傳統(tǒng)編碼方法去除視頻信號(hào)中時(shí)空冗余信息。隨著人們?cè)诮K端對(duì)圖像/視頻等多媒體內(nèi)容的質(zhì)量要求越來越高,視頻編碼端的負(fù)擔(dān)越來越重,這種編碼方法對(duì)于某些特定的視頻編碼端受到功耗、存儲(chǔ)能力以及計(jì)算能力限制的應(yīng)用環(huán)境（例如無線視頻監(jiān)控）,并不適用。壓縮感知理論中采樣與壓縮并行處理的方式簡(jiǎn)化了信號(hào)壓縮步驟,減少了信號(hào)采集端的運(yùn)算復(fù)雜度,從而有效避免了計(jì)算資源的浪費(fèi)。在視頻編碼端計(jì)算資源受限的情況下,這種特點(diǎn)顯得尤為珍貴。因此基于壓縮感知的分布式視頻壓縮一經(jīng)提出,就受到了廣泛的關(guān)注。在分布式視頻壓縮感知中,如何充分利用幀間/幀內(nèi)的相關(guān)性對(duì)視頻幀進(jìn)行高效的重構(gòu)已成為研究重點(diǎn)之一,本文對(duì)視頻壓縮感知中的預(yù)測(cè)算法進(jìn)行了深入分析與研究,本文的主要工作內(nèi)容分為以下兩個(gè)部分:1.目前的多假設(shè)預(yù)測(cè)算法對(duì)運(yùn)動(dòng)劇烈的視頻序列依然存在計(jì)算復(fù)雜度較高或者重構(gòu)質(zhì)量不佳的缺陷,另外,由于觀測(cè)值與真實(shí)信號(hào)是一對(duì)多的關(guān)系,只采用觀測(cè)值的絕對(duì)誤差和（SAD）準(zhǔn)則選擇假設(shè)塊會(huì)在預(yù)測(cè)圖像塊中引入噪聲,從而限制了重構(gòu)質(zhì)量。針對(duì)這些問題,本文... 

【文章來源】：華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：63 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

預(yù)測(cè)-殘差重構(gòu)流程圖

2w22211222,,,^w(1 )argminyHwwwtitiwti （2兩式中， 的表達(dá)式與（2-11）相同，并且 (1)2 控制項(xiàng)使得求解過程收斂更獻(xiàn)[47]中，作者分別通過 LARS_EN 算法和 LARS 算法求解上述兩式。在仿真，本文依然遵循文獻(xiàn)中的原始做法。兩階段多假設(shè)預(yù)測(cè)算法上述預(yù)測(cè)算法依然只屬于觀測(cè)域多假設(shè)算法系列，由于觀測(cè)域多假設(shè)預(yù)測(cè)算法值進(jìn)行預(yù)測(cè)回歸，且在重構(gòu)端我們已知的只有不重疊分塊的觀測(cè)值，使得預(yù)測(cè)構(gòu)結(jié)果中依然存在著塊效應(yīng)。因此文獻(xiàn)[49]基于文獻(xiàn)[40]的 Tikhonov 正則化多模型提出了兩階段多假設(shè)預(yù)測(cè)模式，分為觀測(cè)域多假設(shè)預(yù)測(cè)和像素域多假設(shè)了像素域靈活分塊的特性，在像素域進(jìn)行重疊塊多假設(shè)預(yù)測(cè)，有效地削弱了重塊效應(yīng)，其流程如圖（2-2）所示

圖 2-3 SPL 算法流程圖真結(jié)果對(duì)比與分析縮感知重構(gòu)算法中，預(yù)測(cè)精度直接影響重構(gòu)視頻的質(zhì)量，本測(cè)算法進(jìn)行仿真結(jié)果對(duì)比與分析。性能對(duì)比驗(yàn)中，分別對(duì) Foreman，Coastguard，Hall，F(xiàn)ootball，Soccer 40 幀進(jìn)行仿真實(shí)驗(yàn)，GOP 為 2，分塊大小為 16*16，搜索窗高斯隨機(jī)觀測(cè)矩陣，對(duì)于關(guān)鍵幀，采樣率為 0.7，在重構(gòu)端樣率由低到高（0.1-0.5）。仿真中實(shí)驗(yàn)環(huán)境為 Inter Core i5B，操作系統(tǒng)為 Windows 7，所有仿真實(shí)驗(yàn)均在 MTALAB R

【參考文獻(xiàn)】：
期刊論文
[1]視頻壓縮感知中基于結(jié)構(gòu)相似的幀間組稀疏表示重構(gòu)算法研究[J]. 和志杰,楊春玲,湯瑞東.  電子學(xué)報(bào). 2018(03)
[2]一種視頻壓縮感知中兩級(jí)多假設(shè)重構(gòu)及實(shí)現(xiàn)方法[J]. 歐偉楓,楊春玲,戴超.  電子與信息學(xué)報(bào). 2017(07)
[3]CVS中基于殘差結(jié)構(gòu)特征的塊分類重構(gòu)算法[J]. 楊春玲,李文豪.  華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(03)
[4]CVS中基于多參考幀的最優(yōu)多假設(shè)預(yù)測(cè)算法[J]. 楊春玲,歐偉楓.  華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(01)
[5]聯(lián)合時(shí)空特征的視頻分塊壓縮感知重構(gòu)[J]. 李然,干宗良,崔子冠,武明虎,朱秀昌.  電子與信息學(xué)報(bào). 2014(02)
[6]壓縮感知中確定性測(cè)量矩陣構(gòu)造算法綜述[J]. 王強(qiáng),李佳,沈毅.  電子學(xué)報(bào). 2013(10)



本文編號(hào)：3452193