【摘要】：傳統(tǒng)視頻編碼技術(shù)以奈奎斯特定理進(jìn)行采樣,即采樣頻率要大于或等于信號最高頻率的兩倍,再對大批采樣后的信號去冗余完成壓縮過程。這種視頻壓縮編碼方法需要采樣端具有較強(qiáng)的計(jì)算能力,并且會造成采樣端資源的浪費(fèi),不適用于采樣端資源受限的場合。壓縮感知理論將采樣和壓縮過程結(jié)合,突破了奈奎斯特定理對采樣頻率的限制,在采樣的同時(shí)完成了壓縮,將計(jì)算復(fù)雜度從采樣端轉(zhuǎn)移到重構(gòu)端。視頻壓縮感知是近年來壓縮感知理論研究的重點(diǎn),是基于壓縮感知理論的一種新的視頻采集方法,尤其適用于采樣端資源匱乏,計(jì)算能力受限的場合。本文基于組稀疏思想對視頻壓縮感知重構(gòu)算法展開研究,主要工作分為以下三個(gè)部分:1.通過研究已有的SSIM-InterF-GSR算法,在組稀疏表示中,提出了一種基于采樣率的自適應(yīng)閾值算法(AT-GSR)。仿真實(shí)驗(yàn)表明所提重構(gòu)算法AT-GSR,對于運(yùn)動不太劇烈的視頻序列,相對于SSIM-InterF-GSR降低了算法復(fù)雜度,同時(shí)提高了重構(gòu)性能,與目前性能較好的2sMHR算法和RRS算法相比,重構(gòu)性能也有明顯提升。2.針對AT-GSR算法閾值設(shè)置的局限性,提出了觀測域幀分類的自適應(yīng)閾值組稀疏重構(gòu)算法(yMSE-CTP-GSR),將視頻序列以幀為單位根據(jù)初始預(yù)測性能自適應(yīng)設(shè)置合適的閾值,選擇閾值遞減方案;并提出一種基于幀運(yùn)動的自適應(yīng)參考幀方案。仿真結(jié)果表明,yMSE-CTP-GSR算法對所有快速運(yùn)動序列、慢速運(yùn)動序列和運(yùn)動變化的序列都有較好的重構(gòu)效果,平均提升1-2dB。3.針對AT-GSR算法低采樣率重構(gòu)效果差的問題,提出了基于結(jié)構(gòu)相似性的組內(nèi)優(yōu)化塊選擇與恢復(fù)方案(OB-S/R)。該方案利用結(jié)構(gòu)相似性的特點(diǎn),將組內(nèi)的塊相似程度再度提高以增加組稀疏度,同時(shí)在幀重構(gòu)時(shí)舍棄相似程度降低的塊,增加重構(gòu)幀精度。仿真實(shí)驗(yàn)表明,該方案在低采樣率下對AT-GSR算法的重構(gòu)效果有大幅度的提升,平均提升1-3dB。
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TN919.81
【圖文】：

10 argmin . .ii ii B ixx xs t y x （2-2）由于視頻序列的重構(gòu)也是逐幀重構(gòu)的，且有很強(qiáng)的時(shí)間相關(guān)性，幀與幀之間相似程度較高，故非關(guān)鍵幀的重構(gòu)是通過已重構(gòu)幀中含有的信息與自身真實(shí)的觀測值進(jìn)行聯(lián)合重構(gòu)。不同的視頻壓縮感知重構(gòu)算法在利用時(shí)間相關(guān)性上思路不同，2.2 中要介紹的預(yù)測-殘差重構(gòu)框架是利用已重構(gòu)幀中的信息預(yù)測當(dāng)前幀中的塊，再利用殘差信號比原信號具有更好的稀疏性來進(jìn)行殘差稀疏重構(gòu)；2.3 中要介紹的加權(quán)殘差稀疏模型是對預(yù)測過后的殘差信號的變換域稀疏系數(shù)進(jìn)行加權(quán)，使得殘差更稀疏，在迭代中反復(fù)求解 l1范數(shù)最小化問題得到重構(gòu)信號；2.4 中要介紹的組稀疏表示是在已重構(gòu)幀和正在重構(gòu)的當(dāng)前幀中尋找相似程度高的塊組在一起，利用自然圖像的局部稀疏性和非局部自相似性使得組內(nèi)稀疏性更好，從而不斷的濾去噪聲并在迭代中尋得最優(yōu)解�？偟膩碚f，視頻壓縮感知的一般流程如圖 2-1，圖 2-1 中 CR1和 CR2分別代表關(guān)鍵幀和非關(guān)鍵幀的采樣率，且1 2CR CR。

塊的權(quán)值置零，而彈性網(wǎng)則會將這一組假設(shè)塊均分配大權(quán)值，充分利用有效信息進(jìn)行預(yù)測。彈性網(wǎng)的求解需要使用 LARS-EN[47,48]算法，隨采樣率升高復(fù)雜度會指數(shù)型升高，整體的計(jì)算復(fù)雜度在三種多假設(shè)預(yù)測方法中最高。得到預(yù)測塊,pret ix 之后，將對當(dāng)前塊進(jìn)行重構(gòu)，主要方法是使用 BCS-SPL 算法[49-51]進(jìn)行殘差重構(gòu)，我們需對預(yù)測塊 進(jìn)行觀測，得到預(yù)測塊的觀測值,pret iy ，進(jìn)而得到觀測值的殘差ry ，如式（2-12）所示。, , , ,pre prer t i t i t i B t iy y y y x（2-12）隨后對殘差ry 進(jìn)行稀疏重構(gòu)，得到塊殘差rx ，再加上預(yù)測塊 得到重構(gòu)塊, t ix ，如式（2-13）。, , ( )pret i t i rx x R y（2-13）其中 R( ) 為殘差重構(gòu)過程。預(yù)測-殘差重構(gòu)的基本流程如圖 2-2。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張永立;黃芳;范志勇;;壓縮感知重構(gòu)算法研究[J];科技視界;2019年10期

2 位魯松;蔣英春;;一種改進(jìn)的加權(quán)圖信號傳播重構(gòu)算法[J];桂林電子科技大學(xué)學(xué)報(bào);2017年03期

3 崔平;倪林;;分布式壓縮感知聯(lián)合重構(gòu)算法（英文）[J];紅外與激光工程;2015年12期

4 徐偉;;面向數(shù)據(jù)重構(gòu)算法[J];計(jì)算機(jī)應(yīng)用與軟件;2011年08期

5 張大力,曹思遠(yuǎn);用直射線穿透CT技術(shù)反演介質(zhì)的速度分布[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);1989年06期

6 森干;;基于稀疏壓縮感知的醫(yī)學(xué)圖像重構(gòu)算法的研究[J];科技通報(bào);2015年05期

7 劉哲;楊揚(yáng);;一種新的基于壓縮感知理論的稀疏信號重構(gòu)算法[J];光電子.激光;2011年02期

8 陳勤;鄒志兵;張e

本文編號：2737573