基于残差重构的分布式视频压缩感知

为了改进分布式视频压缩感知方案的性能,提出了一种基于残差重构的分布式视频压缩感知方案。该方案在编码端逐帧独立进行测量,在解码端依靠视频信号的时域相关性提升重构信号质量。首先,对关键帧独立进行重构;其次,利用已重构关键帧做运动估计/运动补偿以生成非关键帧的边信息;接下来,对边信息采用与编码端相同的测量矩阵进行测量并计算测量残差值;最后,采用全变分最小化重构残差信号值并将其与边信息相加生成最终的重构图像。实验结果表明,在相同采样率下,与已有的分布式视频压缩感知方案相比,提出的方案可获得2.8 dB以上的峰值信噪比增益。     

基于双向运动估计的残差分布式视频重构模型研究

针对遥感视频成像卫星星上编码端结构复杂、传输数据量大及传输带宽大的问题,同时为了保证遥感视频成像系统的高图像分辨率和低采样复杂度,根据视频图像的高时空冗余特点,在连续图像残差重构模型的基础上提出了基于双向运动估计的分布式视频残差重构模型及相关算法,并进行了数值仿真。仿真结果表明,模型能够在降低采样率的同时保证良好的重构效果,且算法简单,耗时短。     

分布式视频编码边信息改进技术

高质量的边信息生成技术是分布式视频编码系统实现高压缩效率的关键所在.提出一种边信息的改进方法,对部分译码的Wyner-Ziv(WZ)帧中运动剧烈的区域进行空域修正,使用相邻关键帧对应块的空间预测值与实际值之间的差值来补偿当前部分译码WZ帧中空间预测的误差.仿真结果表明该方法提升了边信息的质量,进而提高了DVC系统的率失真性能.     

基于自适应PCA稀疏基底的分布式视频压缩感知重构

为了提高分布式视频压缩感知（Distributed Video Compressive Sensing,DVCS）的率失真性能,本文提出利用自适应稀疏基底进行联合重构。提出算法利用帧间运动信息形成样本数据矩阵,再利用主成份分析（Principle Components Analysis,PCA）训练出其显著主成份构成稀疏字典,该稀疏字典不仅可根据视频时空统计特征自适应变化而且可有效地抑制噪声。仿真实验表明,本文所提出的联合重构算法可有效地改善主客观视频重构质量,能够以一定的计算复杂度为代价提高DVCS系统的率失真性能。     

分布式视频编码在视频压缩中的应用

阐述了分布式视频编码的理论基础,即Slepian—Wolf无损源编码理论和Wyner-Ziv有损源编码理论,介绍了分布式视频编码技术在视频压缩中的应用,并对其中关键技术的最新研究进展进行了综述,最后给出了结论及今后的研究方向。     

自适应PCA稀疏基底的分布式视频压缩感知重构

为了提高分布式视频压缩感知(Distributed Video Compressive Sensing,DVCS)的率失真性能,提出利用自适应稀疏基底进行联合重构.算法利用帧间运动信息形成样本数据矩阵,再利用主成分分析(Principle Components Analysis,PCA)训练出其显著主成分构成稀疏字典,该稀疏字典不仅可根据视频时空统计特征自适应变化而且可有效地抑制噪声.仿真实验表明,该联合重构算法可有效地改善主客观视频重构质量,能够以一定的计算复杂度为代价提高DVCS系统的率失真性能.     

分布式压缩感知联合重构算法

分布式压缩感知是用尽可能少线性测量值来表示一个联合稀疏信号。分布式压缩感知联合重构算法是以信号集中的某个信号为边信息,根据信号集中信号之间的相关关系来重构信号的算法。为了解决已有重构算法的复杂性以及减少重构算法所需的测量值数,提出了两种新的分布式压缩感知联合重构算法。对提出的两种新算法在信号和图像处理上进行了实验,验证了其可行性与先进性。结果表示,这两种联合重建算法在获取相同的图像质量时需要测量值更少。     

分布式压缩感知视频编码中CS帧的二次修正准则研究

分布式视频编码是新的视频编码体系,与传统的视频编码体系相比,具有编码端相对简单、解码端相对复杂的特点。此外,压缩感知突破了奈奎斯特采样定理,降低了信号的采样率。将压缩感知理论应与分布式视频编码相结合,使编码端复杂度降低。在一些分布式压缩视频编码研究中,CS帧是由边信息和发送端传送的信息联合重建的,由于不同CS帧的边信息的预测准确度不同,导致不同CS帧恢复质量相差较大。为了解决这个问题,本文对CS帧的二次修正准则的进行研究,首先从理论上推导出方差作为修正准则的可行性,并在实验中加以验证。实验可知,本文提出的方法在一定程度上改善了这些帧的重建质量。      

分布式视频编码中一种基于混合模型的边信息生成算法

提出了一种基于块匹配模型和光流模型的混合式边信息生成方法.该方法对块匹配效果较差的区域采用光流法重新估计其运动矢量,得到了更为精确的运动场.实验表明,该算法生成的边信息质量明显高于传统的基于块匹配的运动估计内插法.     

利用视频非局部相似性的分布式压缩感知重构

为了提高分布式视频压缩感知（Distributed Video Compressive Sensing,DVCS）的率失真性能,仅利用稀疏先验知识不能很好地保护视频帧的边缘与纹理细节,本文提出利用视频非局部相似性形成正则化项融入联合重构模型以有效去除边缘与纹理区域的模糊和块效应现象。仿真实验表明,本文所提出的联合重构算法可有效地改善主客观视频重构质量,能以一定计算复杂度为代价提高分布式视频压缩感知系统的率失真性能。      

基于可靠性分析的边信息融合算法研究

在分布式多视点视频编码系统中,边信息的质量对于整体的编码效率有重要的影响。在解码端,可以得到两种类型的边信息:时间边信息与视点间边信息。为了能够得到更加准确的边信息,需要对这两种边信息进行有效的融合。文中提出了基于边信息可靠性估计的融合算法,对边信息时间上的连续性与空间结构特性进行挖掘与分析,从而得到边信息误差的预测值并进行边信息融合。实验结果表明了本中提出的算法相对于现有融合算法来说,具有更好的融合效果,可以有效提升分布式编码框架的效率。     

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。     

Dictionary learning based reconstruction for distributed compressed video sensing

Distributed compressed video sensing (DCVS) is a framework that integrates both compressed sensing and distributed video coding characteristics to achieve a low-complexity video coding. However, how to design an efficient reconstruction by leveraging more realistic signal models that go beyond simple sparsity is still an open challenge. In this paper, we propose a novel “undersampled” correlation noise model to describe compressively sampled video signals, and present a maximum-likelihood dictionary learning based reconstruction algorithm for DCVS, in which both the correlation and sparsity constraints are included in a new probabilistic model. Moreover, the signal recovery in our algorithm is performed during the process of dictionary learning, instead of being employed as an independent task. Experimental results show that our proposal compares favorably with other existing methods, with 0.1–3.5 dB improvements in the average PSNR, and a 2–9 dB gain for non-key frames when key frames are subsampled at an increased rate.     

率失真优化的压缩感知图像编码

针对基于压缩感知的图像编码系统,分析了系统中编码参数和码率以及失真的关系,在此基础上提出了基于压缩感知的图像编码系统的码率-失真模型.根据所提模型设计了率失真优化的压缩感知图像编码算法.在给定码率的条件下,优化编码参数,使得编码器失真最小.算法在Matlab的编码平台上进行了仿真和实验,结果证明提出的码率-失真模型能够很好地拟合实际率失真曲线,并且基于该模型的率失真优化算法有效的提高了压缩感知图像编码系统的性能.     

分布视频编码中基于帧间相关性的自适应关键帧选取算法

针对分布式视频编码(DVC)系统中固定周期关键帧选取(PKFS)方法忽视了帧间相关性的缺陷,提出了一种自适应关键帧选取(AKFS)算法。利用图像特征点检测与匹配的方法,将相邻图像的非匹配点作为帧间相关性的近似,把累积或平均非匹配点数超过阈值的帧判定为关键帧。在此基础上,提出改进的帧内插方案,以适应不同长度序列组的边信息生成;将零运动强度的关联帧合并为一帧图像参与编解码,进一步提高了系统的压缩效率。实验结果表明,对于不同运动特性的序列,本文提出的算法可以明显提升边信息帧的重建质量,使系统的率失真性能提高0.9～2.0 dB,并有效降低了编码传输码率。     

Reconstruction algorithm based on multi-reference frames hypothesis optimization for compressive sensing

In multi-hypothesis based distributed compressed video sensing systems,the quality of the multi-hypothesis set has important influence on the reconstruction performance of decoder.However,the acquiring of the hypothesis set has not been concerned in existing works.A reconstruction algorithm based on multi-reference frames hypothesis optimization (MRHO) was proposed.This algorithm expanded the selection of hypothesis vectors by increasing the number of reference frames.The quality of the prediction set was improved by hypotheses optimization selection under the same size with the original hypothesis set.Simulation results show that the proposed MRHO algorithm effectively improves the reconstructed quality of the distributed compressed video sensing scheme.     

An improved side information generation for distributed video coding

This paper presents a side information (SI) scheme for distributed video coding based on multilayer perceptron. The suggested scheme predicts a Wyner–Ziv (WZ) frame from two decoded key frames. The network is trained offline using patterns from different standard video sequences with varied motion characteristics to achieve generalization. The proposed scheme is simulated along with other standard video coding schemes. Performance comparisons have been made with respect to training convergence, rate distortion (RD), peak signal to noise ratio (PSNR), number of requests per SI frame, decoding time requirement, etc. In general, it is observed that the proposed scheme has a superior SI frame generation capability as compared to its competent schemes.     

运用压缩传感理论的交通视频图像处理

目前图像的编解码都是运用传统的香农定理进行的,此定理要求采样频率要大于等于原始信号最高频率的两倍。在进行视频图像处理时,就产生了需要相当大的存储空间来存储获得的数据的问题。鉴于此,提出了运用压缩传感理论进行编解码的方法,它可在相同的压缩率下产生更少的压缩数据,进而可以节约存储空间和传输时间。首先进行了传统的信号获取和处理与压缩传感理论的比较,再对压缩传感理论进行了阐述,最后把压缩传感理论应用于交通视频图像处理中,获得了较好的效果,这也是压缩传感理论的一次尝试性的应用。     

基于可靠度和信息共享的分布式频谱检测算法

目前基于可靠度的频谱检测方案主要针对集中式频谱检测。基于已有文献的优点,以信噪比作为可靠度,给出了一种新的基于信息共享的分布式频谱检测算法。在该算法中,认知用户共享本地检测的判决结果和可靠度,可靠度低的用户用比他可靠度高的用户的判决结果来更新自己的判决,需要进行数据传输的两个认知用户的判决结果只要都不存在主用户就可以进行通信,这样便于快速建立连接。通过ROC曲线的仿真结果,检测性能有较好的改进。