本文關(guān)鍵詞：基于分布式壓縮感知的深空探測視頻編解碼技術(shù)研究

  更多相關(guān)文章： 壓縮感知 雙密度雙樹復(fù)小波變換 小波樹結(jié)構(gòu) 分布式壓縮感知 雙稀疏字典表示模型

【摘要】：深空探測視頻由于數(shù)據(jù)量巨大,導(dǎo)致傳輸設(shè)備的存儲與運(yùn)算存在巨大壓力,同時(shí)對信道帶寬提出了較高要求。傳統(tǒng)的視頻壓縮與傳輸技術(shù)難以突破遠(yuǎn)端傳送設(shè)備載荷資源受限的制約,所以高效率壓縮、高質(zhì)量解壓、編碼端低復(fù)雜度、解壓漸近可伸縮等發(fā)展方向成為了深空探測視頻傳輸技術(shù)發(fā)展的必然趨勢。壓縮感知(Compressed Sensing,CS)理論作為信號采樣理論的重要突破,打破了傳統(tǒng)方法中信號采樣速率必須大于等于奈奎斯特采樣速率的制約,該方法由于能夠有效地節(jié)約編碼端采樣成本,因此非常適用于深空探測視頻通信這種數(shù)據(jù)量大且冗余度高的應(yīng)用環(huán)境。分布式壓縮感知(Distributed Compressed Sensing,DCS)理論作為CS理論的延伸,其出現(xiàn)是考慮到在一組信號的壓縮感知中,可以將信號間的相關(guān)性作為一種先驗(yàn)信息,從而實(shí)現(xiàn)這組信號的更高效壓縮。將DCS理論與分布式視頻編碼(Distributed Video Coding,DVC)思想相結(jié)合能夠?yàn)樯羁仗綔y視頻編解碼系統(tǒng)提供新的方法,即設(shè)計(jì)出分布式視頻壓縮感知(Distributed Compressed Video Sensing,DCVS)系統(tǒng),該系統(tǒng)可以實(shí)現(xiàn)系統(tǒng)編碼端復(fù)雜度的更進(jìn)一步降低,并且可以將計(jì)算復(fù)雜度大幅度轉(zhuǎn)移至解碼端。為了改善視頻幀圖像的恢復(fù)質(zhì)量、提高系統(tǒng)的性能,本文在解碼端針對關(guān)鍵幀重構(gòu)提出了一種基于雙密度雙樹復(fù)小波(Double-Density Dual-Tree Complex Wavelet Transform,DDDT-CWT)基的結(jié)構(gòu)化CS圖像重構(gòu)算法,該算法將圖像在雙密度雙樹復(fù)小波變換下的系數(shù)呈現(xiàn)的樹結(jié)構(gòu)化特征與CoSaMP(Compressive Sampling Matching Pursuit)重構(gòu)算法相結(jié)合,實(shí)現(xiàn)了對關(guān)鍵幀圖像的更精確重構(gòu)。針對DCVS系統(tǒng)中非關(guān)鍵幀重構(gòu),本文根據(jù)雙重稀疏模型思想,分離出每幀圖像小波域下不同尺度的子帶形成訓(xùn)練集,分別由(K-means Singular Value Decomposition)K-SVD算法進(jìn)行字典訓(xùn)練得到具有多尺度特性的冗余字典,將該字典結(jié)合GPSR(Gradient Pursuit for Sparse Reconstruction)重構(gòu)算法,實(shí)現(xiàn)非關(guān)鍵幀重構(gòu)。更進(jìn)一步,針對傳統(tǒng)離散小波變換(Discrete Wavelet Transform,DWT)的方向性較差、缺少相空間信息等缺陷,本文采用雙密度雙樹復(fù)小波變換作為雙重稀疏模型的核心字典,提高了視頻非關(guān)鍵幀重構(gòu)質(zhì)量,從而在整體上提升了系統(tǒng)性能。實(shí)驗(yàn)結(jié)果表明,在相同壓縮比下,本文所提出的針對關(guān)鍵幀以及非關(guān)鍵幀的重構(gòu)算法能夠使恢復(fù)圖像的質(zhì)量有所提升,從而實(shí)現(xiàn)深空探測視頻的更高性能解壓。
【關(guān)鍵詞】：壓縮感知 雙密度雙樹復(fù)小波變換 小波樹結(jié)構(gòu) 分布式壓縮感知 雙稀疏字典表示模型
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TN919.81
【目錄】：

• 摘要4-5
• Abstract5-8
• 第1章 緒論8-13
• 1.1 課題研究背景8-9
• 1.2 研究的目的與意義9
• 1.3 國內(nèi)外研究現(xiàn)狀及分析9-11
• 1.3.1CS理論與DCS理論研究現(xiàn)狀10
• 1.3.2 深空視頻編解碼研究現(xiàn)狀10-11
• 1.4 現(xiàn)階段研究工作存在的問題與不足11
• 1.5 本文主要內(nèi)容和結(jié)構(gòu)安排11-13
• 第2章 壓縮感知與分布式視頻編解碼基本理論13-21
• 2.1 引言13
• 2.2 壓縮感知理論基礎(chǔ)13-17
• 2.2.1 信號的稀疏表示13-14
• 2.2.2 信號壓縮原理14-15
• 2.2.3 信號重構(gòu)算法15-16
• 2.2.4 壓縮感知在圖像壓縮中的應(yīng)用16-17
• 2.3 基于壓縮感知的分布式視頻編解碼理論17-20
• 2.3.1 分布式視頻編碼17-19
• 2.3.2 分布式壓縮感知19-20
• 2.4 本章小結(jié)20-21
• 第3章 CS重構(gòu)算法原理21-34
• 3.1 引言21
• 3.2 常用CS重構(gòu)算法21-26
• 3.2.1 正交匹配追蹤算法（OMP）21-22
• 3.2.2 壓縮采樣匹配追蹤算法（CoSaMP）22-23
• 3.2.3 子空間追蹤算法（SP）23
• 3.2.4 迭代閾值算法（IHT）23-25
• 3.2.5 梯度投影稀疏重構(gòu)算法（GPSR）25-26
• 3.3 實(shí)驗(yàn)對比與結(jié)果分析26-32
• 3.4 本章小結(jié)32-34
• 第4章 基于雙密度雙樹復(fù)小波的結(jié)構(gòu)化CS圖像重構(gòu)算法34-48
• 4.1 引言34
• 4.2 雙密度雙樹復(fù)小波變換與小波樹結(jié)構(gòu)模型34-38
• 4.2.1 小波變換原理35
• 4.2.2 雙樹復(fù)小波變換35-36
• 4.2.3 雙密度雙樹復(fù)小波變換36-37
• 4.2.4 小波樹模型37-38
• 4.3 基于小波樹模型的CS圖像重構(gòu)算法38-41
• 4.3.1 壓縮分類選擇算法39-40
• 4.3.2 DDDT-CWT-Tree-CoSaMP算法40-41
• 4.4 實(shí)驗(yàn)對比與結(jié)果分析41-46
• 4.5 本章小結(jié)46-48
• 第5章 基于DDDT-CWT的雙重稀疏模型下的DCVS系統(tǒng)48-63
• 5.1 引言48
• 5.2 DCVS視頻編解碼系統(tǒng)48-52
• 5.2.1 DCVS系統(tǒng)編碼端設(shè)計(jì)50
• 5.2.2 DCVS系統(tǒng)解碼端設(shè)計(jì)50-52
• 5.3 基于DDDT-CWT的雙稀疏小波域多尺度字典訓(xùn)練52-56
• 5.3.1 雙重稀疏字典模型53
• 5.3.2 雙稀疏模型下的小波域多尺度字典訓(xùn)練53-54
• 5.3.3 基于DDDT-CWT的小波域字典訓(xùn)練算法54-56
• 5.4 實(shí)驗(yàn)對比與結(jié)果分析56-62
• 5.5 本章小結(jié)62-63
• 結(jié)論63-64
• 參考文獻(xiàn)64-69
• 攻讀碩士學(xué)位期間發(fā)表的論文及其它成果69-71
• 致謝71

【共引文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 練秋生;肖瑩;;基于小波樹結(jié)構(gòu)和迭代收縮的圖像壓縮感知算法研究[J];電子與信息學(xué)報(bào);2011年04期

2 顧福飛;張群;梁穎;楊秋;孫鳳蓮;;基于壓縮感知的地面運(yùn)動目標(biāo)成像方法[J];電波科學(xué)學(xué)報(bào);2013年04期

3 王蓉芳;焦李成;劉芳;楊淑媛;;利用紋理信息的圖像分塊自適應(yīng)壓縮感知[J];電子學(xué)報(bào);2013年08期

4 秦乙;朱衛(wèi)綱;胡旭;舒奇泉;;寬帶跳頻信號的壓縮采樣與重構(gòu)[J];國外電子測量技術(shù);2013年09期

5 CAI Yun;LI Song;;Compressed data separation via dual frames based split-analysis with Weibull matrices[J];Applied Mathematics:A Journal of Chinese Universities(Series B);2013年04期

6 呂方旭;張金成;石洪君;王泉;王鈺;;WSN中的分布式壓縮感知[J];傳感技術(shù)學(xué)報(bào);2013年10期

7 徐藝萌;管樺;王國正;張群;周麗;;基于Chirplet變換和壓縮感知的空中顫振目標(biāo)稀疏成像[J];電訊技術(shù);2013年10期

8 李然;干宗良;崔子冠;朱秀昌;;壓縮感知圖像重建算法的研究現(xiàn)狀及其展望[J];電視技術(shù);2013年19期

9 蔣國良;馬永濤;趙宇;;基于稀疏信號結(jié)構(gòu)信息的壓縮檢測算法[J];電子產(chǎn)品世界;2014年01期

10 孫虎;;利用ZC序列的OFDM同步及稀疏信道估計(jì)[J];電子科技;2013年11期

中國重要會議論文全文數(shù)據(jù)庫 前7條

1 舒奇泉;胡旭;秦乙;;模擬信號壓縮采樣的自適應(yīng)改進(jìn)算法[A];虛擬運(yùn)營與云計(jì)算——第十八屆全國青年通信學(xué)術(shù)年會論文集（上冊）[C];2013年

2 郭偉佳;張春陽;王有政;;一種低信噪比環(huán)境下的壓縮感知稀疏圖像的重建方法[A];第九屆衛(wèi)星通信學(xué)術(shù)年會論文集[C];2013年

3 舒奇泉;胡旭;秦乙;;模擬信號壓縮采樣的自適應(yīng)改進(jìn)算法[A];第十八屆全國青年通信學(xué)術(shù)年會論文集（上冊）[C];2013年

4 胡曉宇;陳U，

本文編號：1013318