傳統(tǒng)的視頻編解碼技術(shù)(如H.264x/MPEG-4等)需要在編碼端完成復(fù)雜的運動估計和運動補償?shù)冗^程,這些過程使得編碼端的計算復(fù)雜度增高。因此,這種編碼方案不適用編碼端資源緊缺的應(yīng)用場景,如無線多媒體傳感器網(wǎng)絡(luò)(WMSN)設(shè)備。目前,分布式壓縮視頻感知(DCVS)系統(tǒng)是解決這一問題最有效的方案。該方案是在分布式視頻編碼(DVC)技術(shù)的基礎(chǔ)上融合了壓縮感知(CS)技術(shù),不僅實現(xiàn)了將壓縮和采樣同時進行,還將計算復(fù)雜的運動估計、運動補償?shù)葟木幋a端轉(zhuǎn)移到了解碼端,控制了編碼端的計算量。因此,DCVS系統(tǒng)非常適用編碼端資源緊缺的WMSN設(shè)備。本文通過分析目前DCVS系統(tǒng)中的重構(gòu)算法在視頻序列重構(gòu)質(zhì)量方面所面臨重大挑戰(zhàn)的基礎(chǔ)上,以改善重構(gòu)算法對運動較劇烈的視頻序列重構(gòu)率失真性能不佳的問題為研究目標(biāo),對視頻序列相鄰幀之間的結(jié)構(gòu)特征以及CS觀測值預(yù)測殘差特征進行了深入分析,從而對DCVS系統(tǒng)中的重構(gòu)算法和量化方法提出改進措施,主要工作和研究成果如下:(1)針對目前DCVS系統(tǒng)中的重構(gòu)算法對運動緩慢的視頻序列重構(gòu)質(zhì)量較好,對運動較劇烈的視頻序列重構(gòu)質(zhì)量卻不理想的問題,本文在圖像組稀疏表示重構(gòu)算法(GSR...

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
        1.1.1 WMSN簡介
        1.1.2 基于壓縮感知的分布式視頻編解碼技術(shù)
    1.2 基于壓縮感知的分布式視頻編碼關(guān)鍵技術(shù)研究現(xiàn)狀
        1.2.1 壓縮感知研究現(xiàn)狀
        1.2.2 分布式壓縮視頻感知系統(tǒng)研究現(xiàn)狀
        1.2.3 壓縮感知中量化方法研究現(xiàn)狀
        1.2.4 分布式壓縮視頻感知中量化方法研究現(xiàn)狀
    1.3 論文研究內(nèi)容及結(jié)構(gòu)安排
2 圖像壓縮感知重構(gòu)算法與經(jīng)典的量化方法性能分析
    2.1 引言
    2.2 塊圖像壓縮感知重構(gòu)算法
        2.2.1 多假設(shè)預(yù)測重構(gòu)算法
        2.2.2 組稀疏表示重構(gòu)(GSR)算法
    2.3 圖像壓縮感知中的量化方法
        2.3.1 均勻量化
        2.3.2 DPCM非均勻標(biāo)量量化(DPCM-NSQ)
    2.4 仿真結(jié)果及分析
        2.4.1 兩類重構(gòu)算法的仿真結(jié)果與分析
        2.4.2 量化方法仿真結(jié)果與分析
    2.5 本章小結(jié)
3 DCVS中基于擴展梯度結(jié)構(gòu)相似度的GSR算法
    3.1 引言
    3.2 基于E-GSSIM的 GSR算法描述
        3.2.1 E-GSSIM-InterF-GSR算法整體框架
        3.2.2 E-GSSIM-InterF-GSR重構(gòu)算法
        3.2.3 基于E-GSSIM的非關(guān)鍵幀相似塊組選擇
        3.2.4 非關(guān)鍵幀相似塊組的匹配準(zhǔn)則
        3.2.5 最優(yōu)相似塊個數(shù)調(diào)整方案
    3.3 仿真結(jié)果及分析
        3.3.1 無量化仿真結(jié)果與分析
        3.3.2 采集端幀間殘差DPCM量化仿真結(jié)果及分析
        3.3.3 時間復(fù)雜度分析
    3.4 本章小結(jié)
4 DCVS中自適應(yīng)最優(yōu)量化深度模型
    4.1 引言
    4.2 改進的幀間DPCM非均勻量化方法
        4.2.1 觀測值預(yù)測殘差分布概率分析
        4.2.2 改進的幀間DPCM非均勻量化模型
    4.3 基于幀間預(yù)測殘差特征的自適應(yīng)最優(yōu)量化深度模型
        4.3.1 預(yù)測殘差幅值分布與采樣率的關(guān)系
        4.3.2 基于幀間預(yù)測殘差特征的最優(yōu)量化深度模型
        4.3.3 自適應(yīng)最優(yōu)量化深度模型
    4.4 仿真結(jié)果與分析
        4.4.1 率失真性能和視頻序列重構(gòu)質(zhì)量的對比
        4.4.2 時間復(fù)雜度分析
    4.5 本章小結(jié)
5 結(jié)論
    5.1 工作總結(jié)
    5.2 今后工作展望
致謝
參考文獻
攻讀學(xué)位期間的研究成果



本文編號：3881152