基于自适应卡尔曼的时域增强算法研究

在图像序列进行压缩感知重构的过程中,基于运动补偿的分块压缩感知重建算法利用了帧间残差图像的稀疏特性,有效提高了重构视频的质量。但该算法仅在空域对图像进行了维纳滤波,帧间存在抖动现象,视频主观质量较差。文章将自适应卡尔曼滤波算法应用到分块压缩感知重建算法的重建过程中,可以有效地去除视频帧间的噪声,使得图像的主观质量得到了改善。     

基于压缩感知理论的视频编解码器

结合压缩感知理论和传统的视频编解码技术,提出了一种基于压缩感知理论的视频编解码器.其编码过程可看成是将高维信号投影到低维空间的过程,解码过程不再是传统方式下的编码的逆过程,而可看作是求解欠定方程组的过程.该编解码器结构比较简单,不仅所需图像的样本数很少,样本数可根据不同的编码模式进行选择,而且能获得较高的压缩比和较好的重构图像质量.     

鲁棒性压缩感知重构技术及其在智能视频监控中的应用研究

在视频监控中需要进行鲁棒性压缩感知重构,降低视频丢包和时延等因素的影响,提出一种基于隐马尔科夫模型的鲁棒性压缩感知重构技术并应用在智能视频监控中。首先利用隐马尔科夫模型对智能视频监控系统中的视频帧序列进行频域特征点奇偶分裂处理;然后计算视频监控编码的标量量化码率分配系数,建立视频压缩感知重构的时空方向树,采用隐马尔科夫模型进行解码重建,实现视频帧的鲁棒性压缩感知重构;最后进行仿真测试。结果表明,采用该方法进行监控视频的压缩感知重构,能有效降低丢包率和传输时延,在智能视频监控中具有较好的应用价值。     

帧间自适应压缩感知算法在视频编码中的应用

阐述了压缩感知的理论框架,分析了视频信号帧间相关性特点,提出了一种帧间自适应压缩感知的视频编码算法。本方法中,利用视频差值信号的特点建立自适应感知模型,自适应的选择稀疏域和重构域对信号进行压缩感知恢复,在空域稀疏度较强的情况下选择空域作为稀疏域和重构域,在空域稀疏度较差的情况下选择小波域作为稀疏域和重构域。用测试视频进行了仿真分析,结果表明该算法能够取得较好的效果。     

基于变采样率的多假设预测分块视频压缩感知

现有的分块视频压缩感知通常对所有图像块均采用相同的测量矩阵进行测量,这种平均分配采样率的测量方式忽略了视频中不同区域的结构复杂度和变化程度不同的事实。针对这一问题,该文根据视频帧间相关性的分布特点提出了一种自适应分配采样率的变采样率压缩感知方法。将图像块按照帧间相关性的大小分类并分配不同的采样率,重构过程采用变采样率多假设预测算法以充分利用帧间相关性。实验结果表明该文算法能够在低采样率下重构出高质量的视频图像,而且这种变采样率测量的方式有利于提高运动剧烈区域的重构质量。     

一种用于帧内篡改检测的压缩感知视频水印实现算法

 针对视频水印在帧内篡改检测方面定位精度的不足,通过压缩感知对MPEG-4(Moving Picture Experts Group-4)视频内容的特征表示,提出一种新的视频水印生成方法及其帧内篡改检测算法.该算法由压缩感知DCT(Discrete Cosine Transform)测量矩阵对I-VOP(Intra-Video Object Plane)图像提取U、V特征参数,生成基于内容的压缩感知视频水印数据并嵌入到图像Y分量的DCT中高频系数中实现帧内篡改检测.实验结果表明,与Hash视频水印算法比较,压缩感知视频水印数据具有更好的恢复能力,且水印算法对视频帧内篡改定位精度更高.     

基于压缩感知在线稀疏的红外视频遥感凝视成像

压缩感知理论是一种新兴的数字信号处理方法,在红外遥感视频成像中有很好的应用前景.为了提高红外视频遥感成像的效果,提出了基于压缩感知在线稀疏的红外遥感视频凝视成像方法.介绍了该方法的视频图像分块压缩采样策略,视频图像在线稀疏方法,以及视频图像重构方法.重点研究了有运动目标的红外遥感图像在线稀疏表示方法,提出了迭进分块训练样本的设计方法和累积冗余字典构造方法.通过数值计算可以看出,该方法提高了遥感红外图像的重构效果.     

基于张量字典学习的压缩感知视频重构

传统的基于矩阵形式的视频图像重构算法,由于其二维表达矩阵的局限性,在重构过程中降低了相邻帧图像之间的关联性以及图像的重构质量。为了克服该问题,提出一种基于张量字典学习的压缩感知视频重构算法。把视频图像的二维空间特性和一维时间特性映射到三阶张量上,保持了图像的时间特性,增强了图像前后帧之间的相关性。同时在重构视频图像块的过程中,相对于二维矩阵字典,原子的稀疏表达有着更高的自由度,进而提高了重构质量。对张量的计算在傅里叶域中进行,减少了算术运算的次数,缩短了重构时间。通过实验数据以及视觉直观证明,提出的算法重构图像的峰值信噪比较传统方法提高了2～4 dB。     

无线网络下压缩感知视频通信的研究

研究了压缩感知视频编码方法。与传统方法相比,压缩感知视频的采样率更低。基于压缩感知技术,对视频帧的一维感知和二维感知分别进行研究和分析。由于考虑到视频帧行与行之间的相关性,二维感知更适合视频编码。同时,实验结果表明二维视频感知对高冗余度的视频序列重建效果更加优越。     

自适应帧组残差操作视频图像压缩算法

在视频图像压缩中，经常通过引入残差操作（包括运动补偿）来去除视频图像的时间信息冗余。然而，当视频流中有较大内容变化时，残差操作反而会使得待编码图像更为复杂，压缩效果受到很大损失。本文提出了一个能够在对视频图像进行变换操作前就可以预测残差操作对重构视频图像质量影响的度量值，称为图像复杂度，并在此基础上针对3D-DWT-SPIHT视频图像压缩算法提出了自适应帧组残差操作（AGRO）。AGRO既避免了较大内容变化带来的压缩效果的大幅下降，又给如何适时插入原始帧组提供了依据。实验表明，AGRO在各种视频流条件下都显著提高了重构视频的峰值信噪比（PSNR）。     

基于帧间相关性的自适应采样率分块视频压缩感知

针对现有基于自适应采样率的分块视频压缩感知方案的单帧总采样率不可控的问题,提出了一种新的自适应采样率分配方案。首先,对当前帧图像块进行固定预采样;然后,根据预采样的测量值来估计图像块的变化程度,并计算该图像块与当前帧图像的复杂度比例;接下来,根据复杂度比例分配图像块自适应采样率,并将固定预采样及自适应采样的测量值合并为最终测量值。实验结果表明,与固定采样率算法相比,提出的方案在相同采样率下可获得1 dB左右的峰值信噪比增益。所提方案可获得高质量的重构图像,且总采样率可控,因此增强了自适应采样分块视频压缩感知方案的有效性和实用性。     

基于非局部相似度约束的多通道复用压缩遥感成像方法

结合压缩感知成像原理和遥感成像系统的物理可实现性,提出了采用掩膜编码的多通道复用压缩成像方法.首先,采用多组随机二值伯努利分布的掩膜为不同光学通道视场进行压缩编码,在单位积分时间内采集重构图像所需的欠采样数据.然后,针对传统的全变分范数最小化的重构方法易受遥感图像局部突出特征干扰的问题,提出了以遥感图像空间域非局部相似度为正则化重构标准的先验约束.实验结果验证了此压缩成像方法的可行性.与传统算法相比,此重构算法能够在保留图像细节的同时实现有效重构.     

基于非局部相似度约束的多通道复用压缩遥感成像方法

结合压缩感知成像原理和遥感成像系统的物理可实现性,提出了采用掩膜编码的多通道复用压缩成像方法。首先,采用多组随机二值伯努利分布的掩膜为不同光学通道视场进行压缩编码,在单位积分时间内采集一帧图像重构所需欠采样数据。然后,针对传统的全变分范数最小化的重构方法易受遥感图像局部突出特征干扰的问题,提出了以遥感图像空间域非局部相似度为正则化重构标准的先验约束。实验结果验证了本文提出的压缩成像方法的可行性。与传统算法相比,本文提出的重构算法能够在保留图像细节的同时实现快速有效重构。     

基于ARM的视频采集与处理系统的开发

介绍了一种基于S3C2440硬件平台,在Linux 2.6.32内核操作系统下采用V4L2架构进行视频采集与处理的总体设计方案,通过移植开源的H.264视频编解码器对视频信号进行压缩编码,并采用RTP流媒体传输协议传输给客户端,完成对现场的网络视频监控任务。实验结果表明,该系统采集到的图像清晰,显示比较流畅,经H.264编码的视频帧数据量小,网络传输异常情况下的视频存储正常,可以适用于不同场合尤其是对带宽要求比较高的场合。     

Online Dictionary Learning Based Intra-frame Video Coding

In this paper, we propose an online learning based intra-frame video coding approach, exploiting the texture sparsity of natural images. The proposed method is capable of learning the basic texture elements from previous frames with convergence guaranteed, leading to effective dictionaries for sparser representation of incoming frames. Benefiting from online learning, the proposed online dictionary learning based codec (ODL codec) is able to achieve a goal that the more video frames are being coded, the less non-zero coefficients are required to be transmitted. Then, these non-zero coefficients for image patches are further quantized and coded combined with dictionary synchronization. The experimental results demonstrate that the number of non-zero coefficients of each frame decreases rapidly while more frames are encoded. Compared to the off-line mode training, the proposed ODL codec, learning from video on the fly, is able to reduce the computational complexity with fast convergence. Finally, the rate distortion performance shows improvement in terms of PSNR compared with the K-SVD dictionary based compression and H.264/AVC for intra-frame video at low bit rates.     

随机间距稀疏三元循环相位掩膜矩阵可压缩成像

可压缩成像是一种新兴的基于压缩感知理论的新成像技术,其核心思想是如果空间场景是稀疏或可压缩,那么它可以用远少于经典的Nyquist采样数目的测量值捕获的足够信息重构原场景;构建合适的测量矩阵并易于使用物理实现压缩感知理论中对于图像的随机线性测量是可压缩成像理论实用化的关键之一。该文在研究Bernoulli和Circulant矩阵的基础上,提出一种新的随机间距稀疏三元循环相位掩膜矩阵。模拟实验结果表明,在可压缩双透镜成像系统单次曝光下,与Bernoulli和Bernoulli-Circulant相位掩膜矩阵相比,新相位掩膜矩阵的成像信噪比与之相当;但是该文提出的矩阵随机独立变元个数和非零元个数显著减少,易于数据存储与传输;更重要的是物理上更容易实现,重构时间是只有原来的约20%~50%。新的相位掩膜矩阵的研究对于可压缩成像理论的实际应用具有重要的意义。     

基于小波包算法的压缩传感SAR 成像方法

压缩传感SAR 成像能够大量减小采样率和数据量,但只对稀疏场景有效。该文提出基于小波包训练稀疏表示基的压缩传感SAR 成像方法。该方法通过对同类型的SAR 图像进行小波包训练,在小波包库中选择能够稀疏表示该类SAR 场景的稀疏表示基,并通过求解l1 范数最小化问题重构SAR 场景反射系数。文中提出的方法在严重降采样下仍能够实现无模糊的SAR 成像,仿真数据成像结果表明该文方法具有较好的效果。      

帧测量率自适应分配的分布式视频压缩感知

传统分布式视频压缩感知通常对所有的非关键帧采用相同的测量率进行测量,这种测量方式并未考虑到不同帧之间的相关性具有差异性,造成帧组的重构质量不高。针对以上问题,本文首先建立一种对非关键帧进行测量率分配的模型。然后根据所建立的分配模型,利用帧间相关性提出一种快速的自适应测量率分配算法。在该算法中,以当前帧对帧组重构的贡献率为参考标准来决定该帧的测量率。实验结果表明,在相同压缩比的条件下,将本文所提出的自适应测量率分配算法应用到分布式视频压缩感知中能有效提升视频重构质量。      

Dictionary based surveillance image compression

Common image compression techniques suitable for general purpose may be less effective for such specific applications as video surveillance. Since a stationed surveillance camera always targets at a fixed scene, its captured images exhibit high consistency in content or structure. In this paper, we propose a surveillance image compression technique via dictionary learning to fully exploit the constant characteristics of a target scene. This method transforms images over sparsely tailored over-complete dictionaries learned directly from image samples rather than a fixed one, and thus can approximate an image with fewer coefficients. A set of dictionaries trained off-line is applied for sparse representation. An adaptive image blocking method is developed so that the encoder can represent an image in a texture-aware way. Experimental results show that the proposed algorithm significantly outperforms JPEG and JPEG 2000 in terms of both quality of reconstructed images and compression ratio as well.