论文部分内容阅读
近几年,在信号处理领域出现了一种新的数据理论压缩感知CS,该理论在数据采集的同时实现压缩,突破了传统奈奎采集斯特采样定理的限制,为数据采集技术带来了革命性的变化,使得该理论在压缩成像系统、军事密码学、模拟/信息生物、无线传感等领域有着广阔的应用前景。在很多领域中,高速摄像机发挥着越来越重要的作用,然而测量高速视频对摄像机的设计来说是一种挑战。关于视频的压缩感知通过目前主要有分布式压缩感知模型,主要将视频分为关键帧和非关键帧进行重构,以及Jianbo Yang提出的高斯混合模型,该模型采用对视频帧进行0,1观测,然后将前后8帧的观测数据进行相加,之后采用混合高斯模型对观测到的数据进行重构,该重构方法在视频前后帧变动部分的重构效果比较模糊,且该方法重构之前要人为训练一个关于高斯均值和方差的参数,基于此本文提出了基于遗传进化的视频压缩感知重构,本文的主要工作如下:1.提出了新的关于视频数据的观测方案。首先以8帧为一个数据组,根据视频序列同一位置图像块差值的二范数,将视频图像块分为变化块和非变化块。对于非变化块,本文只对每组视频的第一帧的非变化图像块进行高斯随机观测,其它视频帧的非变化图像块不需要观测;对每组视频的所有的变化块都进行相应的高斯随机观测,非变化块和变化块的观测率可以不同。2.提出了基于Ridgelet冗余字典和遗传进化算法的视频压缩感知重构方法。对视频数据的重构中,本文采用已有的图像块的结构判别算法,首先对图像块的类别进行判定,基于图像块的结构特性,对同一个数据组的视频,对每一类别的图像块进行聚类,对每一类的视频数据进行重构。在遗传进化算法中,我们提出了基于方向统计的变异操作和基于方向判定的种群初始化方案。在每次变异过程中,选择原子最少的方向子字典中的原子进行替换,维持了种群的多样性。在种群初始化中,对于单方向选取它方向相邻的5个方向进行种群初始化。对于多方向图像块,对每个图像块标记其相关的最优3个方向,再对多方向图像块进行聚类,在每一类中统计标记的3个方向,选出统计后最多的3个方向作为该类的最优相关方向。和yang jianbo的混合高斯模型相比,本文方法具有较好的重构效果,特别是在视频的前景运动部分,其重构效果更好。