發(fā)布時間：2017-11-02 07:37

  本文關(guān)鍵詞：基于壓縮感知的無線多媒體傳感器網(wǎng)絡(luò)視頻重構(gòu)算法研究

  更多相關(guān)文章： 無線多媒體傳感器網(wǎng)絡(luò) 壓縮感知 視頻重構(gòu) 梯度投影 迭代收縮閾值

【摘要】：無線多媒體傳感器網(wǎng)絡(luò)(Wireless Multimedia Sensor Networks,WMSN)是一種集傳感器、無線通信和嵌入式信息處理于一體的綜合性網(wǎng)絡(luò),其數(shù)據(jù)形式直觀,含有豐富的多媒體信息,在視頻監(jiān)控、智能安保等諸多領(lǐng)域得到了廣泛應(yīng)用。然而,視頻作為WMSN中重要的數(shù)據(jù)形式,如果按照傳統(tǒng)的奈奎斯特采樣定理對其進(jìn)行采用和處理,對WMSN視頻節(jié)點(diǎn)的計(jì)算能力、存儲能力和能耗都構(gòu)成了巨大挑戰(zhàn),并將嚴(yán)重影響WMSN網(wǎng)絡(luò)性能和生命周期。而近年來發(fā)展起來的壓縮感知(Compressed Sensing,CS)理論為海量數(shù)據(jù)的采樣壓縮提供了一種新的思路。根據(jù)CS理論,在對信號進(jìn)行采樣的過程中,可以利用信號的冗余性,超越傳統(tǒng)奈奎斯特采樣定理的極限,從而極大地簡化了信號采樣壓縮的處理流程。因此,如果能將CS理論應(yīng)用于WMSN視頻數(shù)據(jù)的采樣壓縮過程,將有效緩解資源受限的WMSN視頻數(shù)據(jù)處理壓力。本論文基于CS理論,針對WMSN視頻監(jiān)控應(yīng)用場景,對基于CS的WMSN視頻重構(gòu)算法進(jìn)行研究,主要研究工作如下:在壓縮感知視頻數(shù)據(jù)獲取模型的基礎(chǔ)上,針對WMSN視頻監(jiān)控應(yīng)用場景的特殊要求,即對算法實(shí)時性要求較高且要保證視頻質(zhì)量,本文提出了基于改進(jìn)梯度投影法(Gradient Projection for Sparse Reconstruction,GPSR)的WMSN視頻重構(gòu)方法,該方法首先構(gòu)建合適的測量矩陣,通過簡單運(yùn)算即可快速恢復(fù)出預(yù)覽視頻,然后,利用光流法對預(yù)覽視頻提取運(yùn)動矢量,并將運(yùn)動矢量加入改進(jìn)的GPSR算法迭代重構(gòu)過程中,從而實(shí)現(xiàn)高分辨率視頻重構(gòu)。實(shí)驗(yàn)結(jié)果表明,該方法可以在極短的時間內(nèi)獲得預(yù)覽視頻,與GPSR算法相比,其最終重構(gòu)效果在視頻主觀質(zhì)量和客觀評價指標(biāo)上都有所提升。為進(jìn)一步提高應(yīng)用于WMSN視頻監(jiān)控的重構(gòu)算法的實(shí)時性和重構(gòu)效果,采用視頻分階段重構(gòu)的思想,本文提出了基于改進(jìn)迭代收縮閾值法(Iterative Shrinkage Thresholding,IST)的WMSN視頻重構(gòu)方法。該方法利用視頻幀之間的運(yùn)動矢量重新構(gòu)建IST數(shù)據(jù)保真項(xiàng),同時通過不斷收縮正則化參數(shù)來更新迭代閾值。實(shí)驗(yàn)結(jié)果表明,該方法能夠?qū)崿F(xiàn)WMSN視頻場景信息的快速預(yù)覽,能夠滿足WMSN視頻監(jiān)控實(shí)時性的要求。在最終重構(gòu)效果方面,與IST算法相比,本文提出的算法在視覺效果和客觀評價指標(biāo)方面,都有較大提高,可以更好地滿足WMSN視頻監(jiān)控要求。
【關(guān)鍵詞】：無線多媒體傳感器網(wǎng)絡(luò) 壓縮感知 視頻重構(gòu) 梯度投影 迭代收縮閾值
【學(xué)位授予單位】：華東交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP212.9;TN929.5
【目錄】：

• 摘要3-4
• ABSTRACT4-8
• 第一章 緒論8-16
• 1.1 課題研究背景及意義8-10
• 1.2 國內(nèi)外研究現(xiàn)狀及其進(jìn)展10-14
• 1.2.1 無線多媒體傳感器網(wǎng)絡(luò)研究和發(fā)展概況10-12
• 1.2.2 壓縮感知研究和發(fā)展概況12-14
• 1.3 本論文研究內(nèi)容及結(jié)構(gòu)安排14-16
• 1.3.1 論文研究內(nèi)容14
• 1.3.2 論文結(jié)構(gòu)安排14-16
• 第二章 壓縮感知理論16-22
• 2.1 壓縮感知理論的提出16
• 2.2 壓縮感知理論框架16-20
• 2.2.1 信號稀疏表示17-18
• 2.2.2 信號投影測量18-19
• 2.2.3 信號重構(gòu)算法19-20
• 2.3 信號重構(gòu)質(zhì)量的評價標(biāo)準(zhǔn)20-21
• 2.4 本章小結(jié)21-22
• 第三章 基于壓縮感知的WMSN視頻圖像重構(gòu)算法22-36
• 3.1 引言22
• 3.2 WMSN視頻圖像的稀疏處理22-27
• 3.2.1 視頻圖像的冗余22-24
• 3.2.2 視頻圖像的稀疏表示24-27
• 3.3 基于貪婪算法的WMSN視頻圖像重構(gòu)27-31
• 3.3.1 正交匹配追蹤算法28-29
• 3.3.2 正則化正交匹配追蹤算法29-30
• 3.3.3 實(shí)驗(yàn)仿真與分析30-31
• 3.4 基于凸優(yōu)化算法的WMSN視頻圖像重構(gòu)31-35
• 3.4.1 基追蹤算法31-32
• 3.4.2 梯度投影算法32-34
• 3.4.3 實(shí)驗(yàn)仿真與分析34-35
• 3.5 本章小結(jié)35-36
• 第四章 基于改進(jìn)梯度投影法的WMSN視頻重構(gòu)36-46
• 4.1 引言36
• 4.2 壓縮感知視頻數(shù)據(jù)獲取模型36-38
• 4.3 改進(jìn)的梯度投影重構(gòu)算法38-42
• 4.3.1 預(yù)覽視頻重構(gòu)38
• 4.3.2 測量矩陣的設(shè)計(jì)38-39
• 4.3.3 運(yùn)動矢量的提取39-41
• 4.3.4 高分辨率視頻重構(gòu)41-42
• 4.4 實(shí)驗(yàn)仿真與分析42-45
• 4.5 本章小結(jié)45-46
• 第五章 基于改進(jìn)迭代收縮閾值法的WMSN視頻重構(gòu)46-52
• 5.1 引言46
• 5.2 迭代收縮閾值算法流程46-47
• 5.3 改進(jìn)的迭代收縮閾值算法47-48
• 5.4 實(shí)驗(yàn)仿真與分析48-51
• 5.5 本章小結(jié)51-52
• 第六章 總結(jié)與展望52-53
• 參考文獻(xiàn)53-57
• 個人簡歷 在讀期間發(fā)表的學(xué)術(shù)論文57-58
• 致謝58

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 計(jì)文平,郭寶龍;數(shù)字視頻壓縮編碼的國際標(biāo)準(zhǔn)[J];計(jì)算機(jī)應(yīng)用研究;2003年04期

2 馬碧芳;;視頻壓縮編碼分析[J];福建師大福清分校學(xué)報(bào);2006年02期

3 程濤;;視頻壓縮編碼技術(shù)分析[J];信息與電腦(理論版);2012年07期

4 原菲;司占軍;顧，

本文編號：1130627