论文部分内容阅读
随着移动互联网和多媒体技术的快速发展,在移动终端上的视频应用越来越广泛,如移动可视电话、无线视频监控、无线可视会议等。在这些视频应用场景中,移动终端的计算、存储及传输能力有限,很难处理复杂的数据运算,这使得编码端采样率和计算复杂度较高的传统视频编码方案已不能满足这类视频应用的需求。因此,为了满足新视频应用场景下的新需求,一种分布式视频压缩感知编码方案被提出,这种编码方法不仅具有分布式视频编码中独立编码与联合解码的特质,而且还具有压缩感知的低采样率、编码简单、抗噪声能力强等特点,具有重大的研究意义和应用价值。目前对分布式视频压缩感知的研究主要集中在两方面:一是如何权衡编码端的计算复杂度与编码效率;二是如何有效利用帧间、帧内相关信息提高重构算法效率和重构质量。本文主要从以上两个方面进行深入研究,论文的主要工作及创新内容如下:1.针对传统的基于Tikhonov正则化的多假设预测重构算法在编码端采样率较低的情况下对视频图像的预测精度不高的问题,本文提出了一种迭代重加权多假设预测重构算法。算法通过对Tikhonov正则矩阵迭代重加权的方式不断优化多假设集预测系数,在提高了多假设集权重分配精度的同时进一步提高了视频的重构性能。在标准视频序列集上的实验结果表明,本文提出的算法相较于传统的多假设预测方法在平均重构视频PSNR上提高了1~3dB。2.在上述研究工作的基础上,为进一步提高重构效果,提出了一种最佳线性估计与多假设预测相结合的分布式视频压缩感知重构算法。该算法通过设计的相似判别、测量值补充和平滑判别三种机制,实现了对视频序列中非关键帧的高质量分类重构。在标准视频序列集上的实验结果表明,在测量率低于0.2时,提出的算法在平滑区域较多或运动缓慢的视频序列上平均重构视频信号的PSNR提高了3~5dB。3.实现了一种新的基于残差-预测重构的分布式视频压缩感知重构算法。算法利用预测帧与当前帧残差的稀疏特性,通过梯度投影方法在测量域实现了视频图像数据的高质量恢复。该算法充分地挖掘并利用了视频图像信号的时空相关性,提高了数据的重构质量。在标准视频序列集上的实验结果表明,基于残差-预测的重构算法在不增加编码端计算复杂度的情况下,有效的提高了解码端的视频图像重构质量。