發(fā)布時間：2017-10-01 12:14

  本文關(guān)鍵詞：視頻壓縮感知多假設(shè)預(yù)測重構(gòu)算法研究

  更多相關(guān)文章： 視頻壓縮感知 重構(gòu) 多假設(shè)預(yù)測 多參考幀 量化

【摘要】：傳統(tǒng)視頻信號采集建立在奈奎斯特采樣定理之上,先對視頻信號進行高速采樣,然后通過復(fù)雜的傳統(tǒng)視頻編碼壓縮算法丟棄大量的冗余數(shù)據(jù),以實現(xiàn)高效存儲與傳輸。該做法造成了采樣資源的巨大浪費,加上過高的壓縮編碼復(fù)雜度,使得傳統(tǒng)視頻編碼方案在采樣端資源受限的應(yīng)用場景并不適用,如無線視頻監(jiān)控,無線多媒體傳感器網(wǎng)絡(luò)。壓縮感知實現(xiàn)了信號的采樣與壓縮同時進行,大大節(jié)省了采樣資源的同時降低了信號采樣的復(fù)雜度,適用于采樣端資源受限的應(yīng)用場景。視頻壓縮感知將壓縮感知技術(shù)用于視頻信號的采集與恢復(fù),對各視頻幀進行獨立觀測,聯(lián)合重構(gòu)。其中,如何利用視頻序列的幀間相關(guān)性進行高質(zhì)量的視頻重構(gòu)是視頻壓縮感知的研究重點,也是本文的研究重點。多假設(shè)運動補償能有效挖掘視頻序列的幀間相關(guān)性,因此,本文重點研究了基于多假設(shè)預(yù)測的視頻壓縮感知重構(gòu)算法。本文的主要工作及研究成果如下:1.現(xiàn)有的Tikhonov正則化多假設(shè)預(yù)測算法以當(dāng)前塊在參考幀中的所有搜索塊作為假設(shè)塊,造成計算復(fù)雜度過高以及預(yù)測精度受限,而且,基于歐氏距離加權(quán)的Tikhonov正則化不能準確反映假設(shè)塊與當(dāng)前塊的相似度,會造成正則化失真。針對以上問題,文中提出了最優(yōu)多假設(shè)塊選擇方案以及聯(lián)合歐氏距離與相關(guān)系數(shù)加權(quán)的正則化度量,并通過結(jié)合多參考幀技術(shù),提出了基于多參考幀的最優(yōu)多假設(shè)預(yù)測算法。此外,文中還對觀測值實現(xiàn)了幀間DPCM量化,以進一步提高壓縮效率。仿真結(jié)果表明,所提最優(yōu)假設(shè)塊選擇方案大大降低了多假設(shè)預(yù)測的計算復(fù)雜度,同時有效提高了預(yù)測精度,基于多參考幀的最優(yōu)多假設(shè)預(yù)測算法具有較高的視頻重構(gòu)質(zhì)量。2.現(xiàn)有的視頻壓縮感知多假設(shè)預(yù)測算法大多在觀測域提出,這種預(yù)測方法由于受到不重疊分塊的限制,造成了塊效應(yīng),降低重構(gòu)質(zhì)量。針對該問題,文中提出了兩階段多假設(shè)預(yù)測重構(gòu)方案,并針對該重構(gòu)方案設(shè)計了基于幀的和基于圖像組的兩種實現(xiàn)方法。仿真結(jié)果表明,所提兩階段多假設(shè)預(yù)測重構(gòu)方案通過像素域的重疊分塊多假設(shè)預(yù)測,有效減小了塊效應(yīng),得到了較高的重構(gòu)質(zhì)量,同時,文中還分析了所提算法在幀間DPCM量化下的率失真性能。
【關(guān)鍵詞】：視頻壓縮感知 重構(gòu) 多假設(shè)預(yù)測 多參考幀 量化
【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】：2016
【分類號】：TN919.81
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-16
• 1.1 研究背景和意義10-11
• 1.2 壓縮感知研究現(xiàn)狀11-12
• 1.3 視頻壓縮感知及其重構(gòu)算法研究現(xiàn)狀12-14
• 1.4 本文主要研究工作及內(nèi)容安排14-16
• 第二章 視頻壓縮感知中多假設(shè)預(yù)測算法16-27
• 2.1 預(yù)測-殘差重構(gòu)框架的一般流程16-17
• 2.2 多假設(shè)預(yù)測算法17-20
• 2.2.1 基于l1正則化的多假設(shè)預(yù)測18-19
• 2.2.2 基于Tikhonov正則化的多假設(shè)預(yù)測19
• 2.2.3 基于彈性網(wǎng)的多假設(shè)預(yù)測19-20
• 2.3 多假設(shè)預(yù)測算法性能分析20-26
• 2.3.1 多假設(shè)線性權(quán)值分析21-22
• 2.3.2 率失真性能分析22-24
• 2.3.3 時間復(fù)雜度分析24-26
• 2.4 本章小結(jié)26-27
• 第三章 基于多參考幀的最優(yōu)多假設(shè)預(yù)測算法27-41
• 3.1 基于多參考幀的最優(yōu)多假設(shè)預(yù)測（MRMH）27-31
• 3.1.1 最優(yōu)多假設(shè)塊選擇方案27-28
• 3.1.2 聯(lián)合歐氏距離與相關(guān)系數(shù)加權(quán)的Tikhonov正則化度量28-29
• 3.1.3 MRMH算法描述29-31
• 3.2 仿真結(jié)果與分析31-40
• 3.2.1 最優(yōu)多假設(shè)塊選擇方案及聯(lián)合加權(quán)正則化度量的有效性驗證31-34
• 3.2.2 本文算法與基于加權(quán)彈性網(wǎng)的多假設(shè)預(yù)測算法對比34-36
• 3.2.3 本文的視頻壓縮感知重構(gòu)方案與其他視頻壓縮感知重構(gòu)方案對比36-37
• 3.2.4 時間復(fù)雜度分析37
• 3.2.5 采集端觀測值在幀間DPCM量化下的實驗結(jié)果及分析37-40
• 3.3 本章小結(jié)40-41
• 第四章 兩階段多假設(shè)預(yù)測重構(gòu)方案41-54
• 4.1 兩階段多假設(shè)預(yù)測重構(gòu)（2sMHR）41-43
• 4.1.1 2sMHR總體流程41
• 4.1.2 像素域多假設(shè)預(yù)測41-42
• 4.1.3 2sMHR的兩種實現(xiàn)方法42-43
• 4.2 仿真實驗及結(jié)果分析43-53
• 4.2.1 2sMHR的有效性驗證44-47
• 4.2.2 2sMHR與最新文獻結(jié)果的對比47-50
• 4.2.3 時間復(fù)雜度分析50-51
• 4.2.4 2sMHR在幀間DPCM量化下的率失真性能分析51-53
• 4.3 本章小結(jié)53-54
• 結(jié)論54-56
• 參考文獻56-61
• 攻讀碩士學(xué)位期間取得的研究成果61-62
• 致謝62-63
• 附件63

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉盾;石和平;;基于一種改進的壓縮感知重構(gòu)算法的分析與比較[J];科學(xué)技術(shù)與工程;2012年21期

2 蔣英春;;離散空間中正交小波分解重構(gòu)算法的實現(xiàn)[J];計算機應(yīng)用研究;2013年02期

3 劉勇;魏東紅;毛京麗;;基于優(yōu)化內(nèi)積模型的壓縮感知快速重構(gòu)算法[J];北京郵電大學(xué)學(xué)報;2013年01期

4 王田川;宋建新;;壓縮感知重構(gòu)算法研究[J];電視技術(shù);2013年11期

5 李福建,陳廷槐,田梅,周六丁;一種新的環(huán)網(wǎng)故障診斷與重構(gòu)算法[J];計算機工程;1992年06期

6 童露霞;王嘉;;基于壓縮傳感的重構(gòu)算法研究[J];電視技術(shù);2012年11期

7 李博;郭樹旭;;一種改進的壓縮感知重構(gòu)算法研究[J];現(xiàn)代電子技術(shù);2013年03期

8 李志剛;;一種快速的壓縮感知信號重構(gòu)算法[J];信息技術(shù);2013年06期

9 梁棟,楊尚俊,章權(quán)兵;一種基于圖象序列的3D重構(gòu)算法[J];安徽大學(xué)學(xué)報(自然科學(xué)版);2001年01期

10 陳勤;鄒志兵;張e，

本文編號：953385