量化压缩感知在语音压缩编码中的应用

利用语音信号在离散余弦变换（ DCT）域的近似稀疏性和量化压缩感知理论,文中提出一种基于量化压缩感知的语音压缩编码方案。编码端利用压缩感知技术,将语音信号投影成数据量大大减少的观测序列,然后对观测序列采用Lloyd-Max量化得到量化后的观测样值;解码端直接利用量化后的观测样值,结合重构算法重构出原始语音信号的DCT系数,经过DCT反变换得到重构后的语音信号,并采用后置低通滤波器改善重构语音的听觉效果。该编码方案解码端不需要进行反量化,而是直接利用量化后的观测样值进行重构,有效降低了解码端的运算量及复杂度。仿真结果表明：采用量化迭代硬阈值（QIHT）算法重构效果优于迭代硬阈值算法（IHT）,重构语音的信噪比能达到20 dB以上,MOS分达到3.26。     

基于压缩感知的多媒体视频图像去噪方法研究

目前,多媒体视频图像是信息传递的重要手段之一。但是,部分视频图像中的噪声严重影响了信息传递,而常规去噪方法的效果不理想。因此,提出了基于压缩感知的多媒体视频图像去噪方法。结合压缩感知理论,通过全变分图像去噪、离散小波正交变换和Shannon/Nyquist采样,完成图像去噪处理。经过实验分析,与常规去噪方法相比,此方法更能发挥稀疏集合的优势,大大降低了采样率和降噪处理的成本,并获得了比较好的去噪效果。     

基于双边信息的残差分布式压缩视频感知

压缩感知(CS)是在低于奈奎斯特率条件下获取和重构稀疏信号的新兴技术,在图像和视频获取和处理中有巨大的发展潜力.为了有效提高被测信号的稀疏性和重构效率,本文提出一种基于双边信息的残差分布式压缩视频感知(RDCVS-DSI)编解码模型.该模型利用了图像自身的频域特性和邻近帧之间的相关性,以低质量的视频帧作为编解码的第一边信息,解码端利用关键帧运动估计和运动补偿技术生成非关键帧的第二边信息.通过性能分析和仿真测试表明,该RDCVS-DSI模型能够在较低复杂度条件下,高保真地重建视频序列.与以前的压缩视频感知工作对比,重构帧的平均峰值性噪比达到1-5dB的增益,重构速度接近于复杂度最低的DCVS.     

基于压缩感知理论的视频编解码方法

压缩感知理论是一种全新的信息处理方式,是近来国际上热门的研究方向,在信号处理等其他领域中具有很好的应用前景。结合压缩感知理论和传统的视频编解码技术,设计提出了一种基于压缩感知理论的视频编解码方案。用测试视频进行了仿真实验,结果表明该算法能够取得较好的效果。     

压缩感知的量化率失真分析

压缩感知理论表明稀疏信号能由少量的随机测量值恢复,从信息理论的角度来看,随机测量值能否有效表示稀疏信号仍是一个值得探讨的问题。针对压缩感知测量值的量化,将率失真理论作为工具研究压缩测量值的量化带来的平均失真度,包括均匀量化和非均匀量化两种情况,并进一步得到由量化测量值重构信号的率失真性能极限。理论分析和实验结果表明,相对于信号的自适应编码随机观测过程会引起较大的失真,但是压缩感知能利用信号的稀疏度来减小量化后的重构失真,这说明量化压缩感知适用于低稀疏度的信号。     

基于压缩感知的高效视频解码算法

无线多媒体传感器网络系统存在无线信道随机衰落以及高误码率等问题,对视频应用的影响尤为突出。压缩感知理论应用于视频信号编码提供了一种抗无线信道随机衰落以及降低误码率的思路,但由于压缩感知重构算法的高复杂度,使得在解码端很难高效实时地恢复出视频序列。本文通过改进SL0算法的迭代搜索方向、迭代搜索方法 以及循环终止条件等提出了一种快速高效的基于平滑范数的压缩感知视频解码算法（Accurate direction smooth l0 algorithm,ADSL0）。算法采用严格的下降方向以及修正的迭代步长,保证了迭代路径的最优。实验结果表明,本文所提算法在重构精度和重构耗时上都明显优于其他同类算法。     

基于压缩感知理论的分类量化图像编码方法*

针对矢量量化压缩速度慢、图像复原效果不理想等问题,根据图像小波分解后高频子带稀疏的特点,提出了一种基于压缩感知（compressed sensing,CS）理论的分类量化图像编码算法。仿真结果表明,与LBG矢量量化编码算法相比,重构图像质量得到极大提升,在相似压缩比下,该算法取得了较好的效果,PSNR 平均有1～3 dB 的明显提高;在相似信噪比（PSNR）下,该算法在图像压缩方面也有很大改进。     

基于自适应分组与压缩感知的分布式视频编码方法

针对快速场景变换环境中基于压缩感知的分布式视频编码所存在的问题,提出了一种基于自适应动态分组与压缩感知的分布式视频编码方法。对采集的视频帧在基本分组的基础上插入一个自适应分组分离器,通过设定门限阈值实现能够根据视频场景变换的动态调整分组。实验表明,与基本分组方法重构效果相比,采用自适应动态分组方法的重构效果有了较大改进,其峰值信噪比也有大大改善和提高,有效地解决了视频帧中场景变化较快造成的关键信息边缘纹理损失的问题。     

基于压缩感知的视频异源篡改检测

考虑到视频序列固有噪声特征的特点,提出一种基于压缩感知的视频异源篡改检测算法。提取视频中每帧图像的噪声信息并建立噪声矩阵,通过引入压缩感知理论对噪声矩阵进行压缩,极大地降低每帧图像噪声信息的冗余度,对压缩噪声矩阵使用[cos]相似性衡量,得到帧图像间的相似度矩阵,并构造篡改度量,利用参数模型对视频的异源篡改图像进行检测。实验表明提出算法能以较小的压缩比对视频序列中的异源篡改位置进行有效检测,并得到比现有两种算法更高的篡改检测准确率。     

JPEG压缩编码的扩充自适应量化器设计

在ＪＰＥＧ静止图象压缩的基础上，设计了一种扩充的自适应量化器，利用人眼的视觉特征，通过分析ＭＣＵ块的局部视觉活动性，以ＭＣＵ活动性涵数确定量化因子，并引入亮度掩盖算子调节量化参量，实验结果表明，本文所设计的自适应量化器能减少图象编码主观失真，改善了图象质量，获得更好的压缩效果。     

视频压缩感知中分级多假设预测算法

目的 多假设预测是视频压缩感知多假设预测残差重构算法的关键技术之一,现有的视频压缩感知多假设预测算法中预测分块固定,这种方法存在两点不足：1）对于视频帧中运动形式复杂的图像块预测效果不佳;2）对于运动平缓区域,相邻图像块的运动矢量非常相近,每块单独通过运动估计寻找最佳匹配块,导致算法复杂度较大。针对这些问题,提出了分级多假设预测思路（Hi-MH）,即对运动复杂程度不同的区域采取不同的块匹配预测方法。方法 对于平缓运动区域的图像块,利用邻域图像块的运动矢量预测当前块的运动矢量,从而降低运动估计的算法复杂度;对于运动较复杂的图像块,用更小的块寻找最佳匹配;对于运动特别复杂的图像块利用自回归模型对单个像素点进行预测,提高预测精度。结果 Hi-MH算法与现有的快速搜索预测算法相比,每帧预测时间至少缩短了1.4 s,与现有最优的视频压缩感知重构算法相比,对于运动较为复杂的视频序列,峰值信噪比（PSNR）提升幅度达到1 dB。结论 Hi-MH算法对于运动形式简单的视频序列或区域降低了计算复杂度,对于运动形式较为复杂的视频序列或区域提高了预测精度。     

DPCM与EZW混合编码在医学图像中的应用研究

现代医疗成像设备产生了大量高价值的医学图像,如何对信息进行有效的存储、查询以及网络传输是一个亟待解决的问题。利用整数小波变换和零树编码算法对医学图像进行了压缩研究,在对嵌入零树小波编码（Embedded Zero-tree Wavelet,EZW）算法研究的基础上提出一种基于小波系数的嵌人零树小波编码算法。其主要包括：对小波图像的低频子带（LL）进行单独DPCM编码;对高频子带改变扫描方式以获得最佳编码排序,最后用游程编码（RLE）实现输出。实验结果表明,该方法是一种比较有效的编码方法。     

基于SCI的压缩感知文献计量分析

从文献计量的角度、以《科学引文索引》(SCI)为数据源、检索压缩感知研究领域的文献,从文献年代、国家、作者、机构、期刊等角度进行分析,并结合中国和发达国家研究的对比分析,为国内进一步在压缩感知方面的研究提供参考。分析结果表明,压缩感知呈全球化发展趋势。     

基于结构化稀疏模型的压缩感知重构改进算法

目前,标准的CS重构算法仅利用信号和图像在小波变换下的稀疏先验信息,而并没有利用变换系数具有的结构化特性。为了能够快速精确地重建原始信号,将结构化稀疏模型与SP算法、CoSaMP算法相结合,提出了压缩感知重构的改进算法。另外,将基于双树复小波变换的系数结构模型融入上述算法,进一步提高重构性能。实验结果表明,所提出的算法可获得更高的图像重建质量。     

基于差值信号稀疏模型的分布式压缩感知

利用无线传感器网络的空间相关性,构建了一种差值信号稀疏模型,该模型适用于对同一物理现象或事件进行监测的传感器网络应用。在差值信号稀疏模型的基础上,提出了一种适用于该模型的分布式压缩感知算法,该算法能够在节点间不通信的情况下实现对差值信号的编码。仿真结果表明,与单独重构相比,提出的算法可以用更少的观测值联合重构出信号群,以能量有效的方式满足了无线传感器网络的应用。     

联合智能优化和分簇CS的WSNs稀疏数据采集

为提高无线传感器网络（Wireless Sensor Networks,WSNs）数据处理效率和降低网络能耗,提出了一种基于自适应智能优化和分簇压缩感知的WSNs稀疏数据采集方案。首先,建立分簇WSNs稀疏数据通信模型,通过定量分析节点密度与网络数据通信总跳数的关系,给出网络自适应分簇结果,并采用簇内观测矩阵测量数据获取和簇间多跳通信方式完成WSNs压缩感知数据采集;其次,采用StOMP算法进行稀疏信号重构,针对网络节点数据包丢失等链路不可靠情况,引入相关性矩阵变换策略,以降低错误数据传输对数据重构的影响,针对数据稀疏度未知特性和StOMP算法参数配置难的缺陷,将一种新型自适应智能优化（Improved Adaptive Intelligent Optimization algorithm,IAIO）算法应用于CS重构算法中,在理论分析IAIO全局寻优能力的基础上,实现对稀疏数据的可靠重构。最后,仿真结果表明,该方案能够实现稀疏信号的精确重构,而且降低了网络通信总量,提高了网络生存时间。     

一种高效的PPG压缩感知重构算法

首先阐述了压缩感知（CS）的理论框架,然后分析了光电容积脉搏波（PPG）信号的稀疏性,最后提出了基于CS理论PPG信号的压缩重构框架。基于此框架采用正交匹配追踪算法和改进的正交匹配追踪算法对已压缩的信号进行重构,实验结果表明,PPG信号长度的选取、压缩比的大小以及观测个数的多少都对重构性能有重要影响。     

单比特压缩感知帧定时同步

相对于非压缩感知帧定时同步方法,压缩感知帧定时同步方法可以降低系统的能量消耗,降低模拟数字转换器的设计难度。相对于压缩感知技术,单比特压缩感知仅保留观测值的符号信息,可进一步降低系统的能量消耗,降低模拟数字转换器的设计难度。为此,将单比特压缩感知技术引入到帧定时同步中,提出了一种基于单比特压缩感知的帧定时同步方法。提出方法首先在帧定时变换域对接收信号进行单比特的压缩采样;随后,利用采样到的比特流重构出用于帧定时同步的定时度量;最后,根据相关法帧定时同步准则,搜索重构到的定时度量,找到帧定时同步的索引位置。分析与仿真结果表明,相对于压缩感知帧定时同步方法,在相同的比特开销情况下,提出方法可改善帧定时同步的正确同步概率;在相同的正确同步概率情况下,提出方法所需比特数更少。同时,提出方法的量化过程仅需要电平比较器,降低了模拟数字转换器设计难度。     

基于线性动态系统的视频压缩感知自适应改进

线性动态系统的视频压缩感知(CS-LDS)是指从随机采样数据中直接估计出模型参数,然而对所有视频帧采取同样的采样方式,使得采样数据存在一定的时间冗余.针对这一问题,结合自适应压缩采样技术提出了一种自适应的改进算法.首先,对视频信号建立线性动态系统(LDS)模型;然后,通过自适应压缩采样方法得到视频信号的采样数据;最后,通过采样数据估计出系统模型参数,实现视频信号的重构.实验结果表明,在不影响视频重构质量的条件下,所提方法相对于CS-LDS算法,不仅能够节省统一测量过程中20%~40%的采样数据,而且平均每帧能够节省0.1~0.3 s的运行时间.改进后的算法降低了采样数目与算法运行时间.     

基于离散剪切波的压缩感知MRI图像重建

针对二维小波变换捕捉方向信息有限, 不能稀疏地表示MRI图像中曲线状奇异特征的缺点, 提出了一种基于离散剪切波变换的压缩感知MRI图像重建新方法。先对MRI图像作剪切波变换, 得到各尺度、方向子带的剪切系数, 再采用正交匹配追踪算法恢复稀疏处理后的系数, 最后进行剪切波反变换得到重建图像。实验结果表明, 与小波变换相比, 基于离散剪切波的压缩感知MRI图像有更好的重建效果, 更有利于保留纹理和边缘信息。