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。      

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。     

一种自适应采样率视频压缩感知方案

为了进一步提高视频压缩感知方案的重构图像质量,提出了一种新的自适应采样方案.在该方案中,根据不同图像块的稀疏度自适应分配采样率.在对各图像块分类判决时,首先判断图像块在离散余弦变换域的稀疏度,其次结合该图像块与其参考帧之间的时域相关性,确定图像块的分类.实验结果表明,与现有的自适应采样率分配方案相比,该算法可获得0.5 dB左右的峰值信噪比增益.     

联合时空特征的视频分块压缩感知重构

为了提高视频压缩感知(CS)重构算法的率失真性能,该文提出利用视频的时空特征进行联合重构。为了不引入过多的复杂度,采集端以固定采样率对帧内各块进行测量;重构端则在最小全变差(TV)重构模型的基础上,分别加入利用时空自回归(AR)模型和多假设(MH)模型所形成的正则化项,以提高预测-残差重构的性能。另外,考虑到视频源的统计特性在时空域中是动态变化的,讨论了5种不同的帧间预测模式对重构精度和重构计算复杂度的影响。仿真实验表明,所提出的重构算法能够以一定的计算复杂度为代价有效地改善视频重构质量,且在关键帧采样率高于非关键帧的情形下,帧间预测模式的改善也可一定程度上提高视频重构质量。     

基于空时相关性的变采样率分块视频压缩感知

现有的基于自适应采样率的分块视频压缩感知方案通常根据时域相关性大小将图像块分为不同种类块,并分别分配不同采样率。这种采样率分配方式对分类判决阈值较为敏感,导致图像分类判决结果不可靠。针对此问题,在对图像块分类判决中综合运用空域-时域相关性,以提高图像块分类判决结果的可靠性。首先根据时域相关性利用阈值对当前图像块进行初次分类;其次利用空域相关性对初次分类结果进行校正,确定最终分类判决结果。与现有变采样率方案相比,提出的方案可获得2 dB左右的峰值信噪比增益。     

视频压缩感知中基于结构相似的帧间组稀疏表示重构算法研究

基于视频帧内图像的非局部相似性和帧间信号的相关性,本文提出了一种基于结构相似的帧间组稀疏表示重构算法（SSIM-InterF-GSR）,有效地提高了视频压缩感知的重构性能.在SSIM-InterF-GSR算法中,提出以结构相似度（SSIM）作为相似块匹配准则,在当前帧和参考帧内搜索匹配块生成相似块组,以相似块组的稀疏性作为正则项重构当前帧.同时,还提出了阶梯递减匹配块个数调整方案用于SSIM-InterF-GSR重构算法的迭代过程.仿真结果表明,相比于目前最好的视频压缩感知重构算法（Up-Se-AWEN-HHP）,本文算法获得了更好的重构质量,最多可提升4~5dB.     

边缘和方向估计的自适应多尺度分块压缩感知算法

由于多尺度小波变换的分块压缩感知算法(MS-BCS-SPL）将每层子带信息进行分块时,使得每子带中各子块采用相同的采样率;但是,当不同的图像子块含有不同的边缘信息时,对这些子块采用相同的采样率会造成资源不合理的分配。因此在MS-BCS-SPL算法的基础上,利用图像块边缘信息的不同和图像块的方向性,将总的采样率自适应分配给各层子带中的各图像块,实现多尺度分块压缩感知的自适应采样。实验结果表明,在不同采样率,尤其较低采样率时,该算法不仅比MS-BCS-SPL算法采用了较少的采样数目,节约资源;而且比其可重构较高质量的图像。      

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。     

变采样率的磁共振图像分块压缩感知

提出一种磁共振(MR)图像的变采样率分块压缩感知(BCS,block-based compressed sensing)方法;根据MR图像细节丰富、纹理复杂的特点 ,引入对图像高 维奇异结构具有良好稀疏表示能力的Tetrolet变换,同时考虑到MR图像各切片间的时空相 关性,将相邻时序的MR切片组成图片组(GOP),通过计算参考图片与相邻切片的差异,并对 参考 图片及差异图进行不重叠分块,根据图像块内容变化的快慢自适应分配采样率,获取测量数 据,采用平滑投影Landweber(SPL,smooth projected Landweber)算法实现GOP的高质 量压缩感知(CS)重构。实验结果表明,Tetrolet 变换适用于MR图像的稀疏表示,相较于采用离散余弦变换(DCT)及双树小波变换(DWT)的方法 ,本文的重构图 像的PSNR平均提高了0.92dB与2.06dB;而且对于不同的GOP,采用变采样率方案时, 重构图像的质量均优于固定采样率时所得到的结果,为MR图像的CS提供了一种可行 的解决方案。     

基于灰度共生矩阵的多尺度分块压缩感知算法

针对图像边缘与轮廓不能精确重构的问题,提出了一种基于灰度共生矩阵的多尺度分块压缩感知算法.该算法利用三级离散小波变换将图像分解为高频部分和低频部分.通过灰度共生矩阵的熵分析高频部分图像块的纹理复杂度,并根据图像块纹理进行再分块、自适应分配采样率.采用平滑投影Landweber算法重构图像,消除分块引起的块效应.对多种图...     

帧间自适应语音信号压缩感知

近年来提出的压缩感知是一种以低于传统奈奎斯特速率对信号采样可得到精确恢复的理论。该理论很快应用于简化传统的采样硬件、缩短采样时间、以及减少数据的存储空间。针对语音信号的传输问题,本文提出一种帧间自适应语音信号压缩感知的方法。在离散余弦变换域的语音信号具有稀疏性的前提下,以大量语音信号帧的分析统计为依据,提出一种基于语音帧能量分级和帧间位置惯性的语音信号自适应压缩感知算法。实验结果表明,能量自适应可以显著地提高语音信号的恢复质量,而位置自适应可以明显地减少语音信号的恢复时间,从而本文提出的算法可以用较少的恢复时间获得较好的恢复效果。      

Adaptive sampling for compressed sensing based image compression

The compressed sensing (CS) theory has been successfully applied to image compression in the past few years as most image signals are sparse in a certain domain. In this paper, we focus on how to improve the sampling efficiency for CS-based image compression by using our proposed adaptive sampling mechanism on the block-based CS (BCS), especially the reweighted one. To achieve this goal, two solutions are developed at the sampling side and reconstruction side, respectively. The proposed sampling mechanism allocates the CS-measurements to image blocks according to the statistical information of each block so as to sample the image more efficiently. A generic allocation algorithm is developed to help assign CS-measurements and several allocation factors derived in the transform domain are used to control the overall allocation in both solutions. Experimental results demonstrate that our adaptive sampling scheme offers a very significant quality improvement as compared with traditional non-adaptive ones.     

运动补偿预测残差稀疏重构的分布式压缩视频传感

针对低复杂度视频编码需求,基于压缩传感(CS：Compressive Sensing)理论,提出了一种分布式压缩视频传感算法。低复杂度的编码器独立随机投影关键帧和CS帧,采集压缩视频数据;在解码端进行运动补偿预测以利用帧间相关性,对预测残差稀疏重构实现CS帧重建。仿真测试表明,与现有的三种压缩视频传感算法相比,所提算法重建的视频质量更好,适合无线视频监控及无线视频传感网络等应用。     

运动补偿预测残差稀疏重构的压缩视频传感

针对低复杂度视频编码需求,基于压缩传感(Compressive Sensing,CS)理论,提出了一种分布式压缩视频传感算法。低复杂度的编码器独立随机投影关键帧和CS帧,采集压缩视频数据;在解码端进行运动补偿预测以利用帧间相关性,对预测残差稀疏重构实现CS帧重建。仿真测试表明,与现有的3种压缩视频传感算法相比,所提算法重建的视频质量更好,适合无线视频监控及无线视频传感网络等应用。     

利用纹理信息的图像分块自适应压缩感知

与一维信号不同,二维图像有明显的纹理信息.本文分析了不同图像之间,以及同一图像不同子块之间,不同纹理引起的信息量差异,在分块压缩感知算法的基础上,提出了利用纹理信息的图像分块自适应压缩感知算法.自适应性体现在自适应采样和自适应收缩阈值两个方面.引入两种滤波器,分别形成了两种分块自适应压缩感知算法.采用自然和医学两类测试图像,验证了两种新算法的性能.实验结果表明,利用了纹理信息的分块自适应压缩感知算法,在重构图像的质量和视觉效果上,都有明显的优势.     

基于压缩感知的医学图像采样新方法研究

压缩感知基于信号的稀疏性或可压缩性,能够以低于奈奎斯特采样率的频率进行采样,从而直接获得压缩后的采样信号。本文将压缩感知的思想应用于医学图像,对已获得的图像进行压缩采样,以降低医学图像的存储空间。基于正交匹配追踪思想,提出分块双阈值正交匹配追踪方法,根据图像不同区域信息量的不同,采取分块处理并加入采样阈值,针对不同子图像块采取不同采样率,提高了采样效率;同时,在重构时加入判断阈值,可降低重构效果对采样阈值的依赖,减小了由于图像的特殊性或人为经验不足而使得采样阈值选取不当对图像重建质量的影响。实验表明,本文方法能够以较低的采样率实现较高的重构精度。