CN101742313B - 基于压缩感知技术的分布式信源编码的方法 - Google Patents
基于压缩感知技术的分布式信源编码的方法 Download PDFInfo
- Publication number
- CN101742313B CN101742313B CN 200910242622 CN200910242622A CN101742313B CN 101742313 B CN101742313 B CN 101742313B CN 200910242622 CN200910242622 CN 200910242622 CN 200910242622 A CN200910242622 A CN 200910242622A CN 101742313 B CN101742313 B CN 101742313B
- Authority
- CN
- China
- Prior art keywords
- sampling
- coding
- source
- data
- coefficient
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
一种基于压缩感知CS技术的分布式信源编码的方法,是利用CS技术的优点和视频图像的稀疏特性,将其结合到分布式信源编码DSC的实现过程中,形成一种新的分布式信源编码方法。即在DSC过程的相应操作步骤中,利用CS技术处理视频图像数据和执行对应的恢复处理:用CS操作和CS的稀疏重构分别替代传统信源编码中的数据采样与DCT变换操作和DCT逆变换,以便利用很少的测量数据重建视频图像源,降低系统的采样速率和储存负担,增强系统的鲁棒性,并实现三种不同结构的分布式信源编码的构建。本发明不仅能够降低系统的采样率和操作复杂度,显著地降低了数据采样及其相关处理的工作量和所需要的存储空间,还能提高系统的鲁棒性和降低数据传输速率。
Description
技术领域
本发明涉及一种基于压缩感知技术的分布式信源编码的方法,属于视频图像数据处理的技术领域。
背景技术
先介绍分布式信源编码DSC(distributed source coding)的实现方法:
近年来,多媒体通信得到了广泛研究,其中的信源编码技术为研究的重点之一。在传统的信源编码标准中,编码器需要运行某些算法来利用信源数据内的相关性,以此降低传输速率。因而,编码器的复杂度往往比译码器高很多。但是,这种传统结构不适用于目前的一些新兴网络,如视频传感器网络,这就要求设计新的视频编码结构,在不增大传输速率的前提下,使得编码器的计算负荷可以转移到译码器,以降低编码器的复杂度。
基于Slepian-Wolf编码SWC和Wyner-Ziv编码WZC理论(参见《Noiseless coding of correlated information sources》,刊于IEEE Transactions on Information Theory,vol.19,July 1973)以及《The rate-distortion function for source coding with side information at the decoder》,刊于IEEE Transactions on Information Theory,vol.22,January 1976)提出了DSC理论来解决上述问题。在分布式信源编码DSC系统中,多个相关信源序列的编码是独立的。
参见图1(A)所示的两个信源作为示例:对两个有相关性的信源X和Y进行独立编码后,再分别以速率R1和R2进行发送;接收端对两者的接收信号进行联合译码。根据SWC理论,只要R1+R2≥H(X,Y),式中,H(X,Y)为X和Y的联合熵,接收端就能够正确译码。相比传统的信源编码(即对X和Y的编码是联合进行的,只要R1+R2≥H(X,Y),接收端即可正确译码),DSC系统在不增大速率的前提下,降低了编码器的复杂度。
现在,关于DSC提出很多不同的实现方法。图1(B)是一种非对称的SWC实现方式:先对信源X进行编码,译码端利用边信息Y(Y是与X有统计相关性,可视为由X经过一个虚拟信道得到的)得到对X的估计值。图2给出了非对称SWC分布式信源信道编码的处理方法,该编码器的实现设有两层结构:基本层和增强层(参见《Distributed Joint Source-Channel Coding of Video Using Raptor Codes》,刊于IEEE Journal on Selected Areas in Communications,vol.25,no.4,May 2007),具体实现过程如下:
步骤1、基本层的编码实现:利用视频标准(如MPEG和H.264)对视频源X进行编码处理,视频标准中包括变换编码、量化、熵编码、运动补偿等操作;在后面的译码步骤中,基本层信息提供边信息Y的作用。
步骤2、增强层的编码实现:增强层基于WZC理论对视频源X进行编码,包括DCT变换操作、嵌入量化和SWC操作,具体介绍该步骤2的操作如下:
(21)离散余弦DCT(Discrete Cosine Transform)变换操作:把图像源视频流X分成4×4像素块,乘以DCT变换矩阵后,就将视频源从时间域变换到频域。在变换后的4×4变换系数矩阵中,信号能量主要集中在少数几个变换系数上,低频的变换系数能量较大。为降低传输速率,只传送前几个变换系数,如选取前3个变换系数。
(22)嵌套量化NQ(nested quantization):NQ是一种将粗量化器的区间再分割而产生更高码率细量化器的量化方法。参见图3所示的最简单的一维嵌套均匀量化器。假设细量化器的量化步长为q,粗量化器的最小距离dmin=Nq,图中嵌套为N=4个陪集。编码时,先用细量化器对变换系数X1进行量化,然后只发送其量化值在粗量化器中对应的嵌套陪集索引值B(0≤B≤N-1),以节省码率。以图3为例,发送的索引值为1。实际实现时,发送的是B对应的比特流,即[B0,B1,...,Bn],n=log2N。
(23)SWC操作:利用嵌入量化的输出和基本层信息之间的相关性对前者进行压缩,以进一步降低传输速率。具体实现的思路为:对[B0,B1,...,Bn]中不同的Bi比特进行不同速率的编码,即采用分层编码思想,对NQ输出的不同比特层进行编码。参见图4,介绍其实现方法:每个比特层对应的SWC速率是根据信源数据和边信息数据的相关性进行统计得到的。具体操作时,可以根据需求发送不同数目的比特层,以支持系统的速率可变性。为对抗信道丢包事件,需要进行信道编码。在图2中,利用了单个的信道编码(Raptor编码)同时实现SWC压缩和信道纠错编码,其中前者由预编码IRA码实现,后者由LT码实现。
步骤3、基本层和增强层的发送数据都经过删余信道进行传输。
步骤4、基本层译码:通过标准视频译码产生原始视频流的估计序列,对估计序列进行DCT变换(该步骤操作与(21)的操作相同)产生边信息Y。
步骤5、增强层的译码实现:利用基本层提供的边信息Y进行SWC的译码和重构估计。该步骤的操作具体介绍如下:
(51)SW译码:如图4所示,对接收到的不同比特层Bi的编码比特流,联合边信息Y进行SW译码(即Raptor码的联合译码),以恢复Bi。
图2所示的实现过程中,基本层进行的标准视频编译码过程是通过DCT变换、量化、熵编码等操作实现的。由于熵编码不是本发明所关注的,为简化起见,只考虑图5的简化实现方法,即在基本层只考虑DCT变换和量化,也就是本发明称其为基于DCT的传统方法的操作过程,实现方法如下:
步骤1、基本层的编码实现,具体内容包括DCT变换操作和均匀量化:
(11)把图像源X分成4×4像素块,乘以DCT变换矩阵后,将视频源从时间域变换到频域。因变换后的4×4变换系数矩阵的信号的能量主要集中在少数几个变换系数上,低频的变换系数具有较大能量。为降低传输速率,只传送前几个变换系数,如选取前3个变换系数。
(12)进行均匀量化,使相应的变换系数被量化产生量化比特流,再对量化比特流进行信道编码(即:LT编码)。基本层信息在后面的译码步骤中用作边信息Y。
步骤2、增强层基于WZC理论对增强层的视频源X进行编码:该步骤的三个具体操作内容为:DCT变换操作、嵌套量化NQ和SWC操作,它们都与前面介绍的图2所示的非对称SWC分布式信源信道编码中的编码器的实现内容完全相同,这里不再赘述。
步骤3、基本层和增强层的发送数据分别经过删余信道进行传输。
步骤4、基本层进行译码:通过对基本层传输数据进行信道译码,反量化,反DCT操作得到对信源X的估计序列;再对估计序列进行DCT变换(该步骤操作与步骤2中DCT变换的操作相同),产生边信息Y。
步骤5、增强层实现译码:利用基本层提供的边信息Y进行SWC的译码和重构估计。该步骤的具体操作也与前面介绍的内容完全相同,不再赘述。
上述方案实现时,要对数据源进行Nyquist采样来获取大量原始数据,然后再进行DCT变换,这需要极大的采样和存储代价。然而,为了减小传输速率,增强层只传送前面几个能量较大的DCT系数而丢弃其它系数;该操作意味着虽然在DCT之前付出很大代价而利用Nyquist采样所获得的数据,其中大部分采样信息都在DCT变换后被丢弃了。因而,这种实现方法在获取样本的过程中,进行了不必要的大量数据的采样,给存储和传输都带来很大的负担。
再介绍压缩感知CS(compressive sensing)技术:
在传统的数字信号处理领域,发送端采样率的设置要遵从奈奎斯特采样定律,以使接收端能够正确恢复数据。但是,随着对数字采样的不断研究,目前这一传统理论受到了极大的挑战。近几年,出现了一种新的采样理论——压缩采样或压缩感知CS(compressed sampling or compressive sensing)技术,推翻了采样率必须大于奈奎斯特采样速率的要求。该方法是在采样过程的同时,实现了信号的压缩,即在发送端以低于奈奎斯特速率的采样速率对信号进行采样,而在接收端依然可以以极高的准确率恢复出原始信号,这样就可以大大降低系统在数据采样和储存方面的开销(参见《Compressed sensing》,刊于IEEETransactions on Information Theory,vol.52,Apr.2006,pp.1289-1306)。
但是,利用压缩感知技术处理数据必须具备一个重要的假设前提:即数据的稀疏性。例如,当给定N×N的矩阵ψ=[ψ1|ψ2|...|ψN]时,式中,ψi表示矩阵的i列时,一个长度为自然数N的实数信号x可以表示为:当式中的si系数只有K个不等于零时,信号x被称为K-稀疏信号。在CS技术中,可以对信号x进行欠采样(即以低于奈奎斯特速率进行采样),并在接收端恢复之。实现时,通过引入M×N(K<M<N)的测量矩阵Ф,并计算y=Фx,得到:y=Фx=Фψs=Θs;式中,s=[s1,s2,…,sN]T,T表示矩阵的转置。因M<N,y即为采样并压缩后的信号。接收端先根据接收信号y恢复s,进而恢复x。但是因上述公式中的方程组个数少于未知变量个数,因此,si的解有无穷多组。考虑到信号的稀疏性,对信号的恢复问题就等价于寻找上述公式的一个最稀疏的解。
目前,已有很多文献提出了对信号进行稀疏重建的方法,如Basis Pursuit算法(参见《Compressed Sensing》,刊于IEEE Transactions on Information Theory,vol.52,Apr.2006)、Orthogonal Matching Pursuit算法(参见《Signal Recovery from Random Measurements via Orthogonal Matching Pursuit》,刊于IEEE Transactions on Information Theory,vol.53,Dec.2007)等等。而最近新提出的一种GPSR(Gradient projection for sparse reconstruction)算法的重建复杂度低,而运行速度快,本发明就是利用该算法进行重建(参见《Gradient projection for sparse reconstruction:application to compressed sensing and other inverse problems》,刊于IEEE Journal of Selected Topics in Signal Processing,vol.1,Dec.2007)的。
由于压缩感知CS技术的优点以及自然图像和视频数据具有稀疏性的本质,目前已经有很多研究将CS技术应用到图像和视频数据的传输中,以降低采样和存储的开销。本发明就是申请人对这个科研课题进行深入研制后,在最近获得成果的一种基于压缩感知技术的分布式信源编码的方法。
发明内容
有鉴于此,本发明的目的是提供一种基于压缩感知技术的分布式信源编码的方法,本发明就是利用CS技术的优点和视频图像的稀疏特性,将其结合到分布式信源编码DSC的实现过程中,从而形成一种新的分布式信源编码方法。本发明不仅能够降低系统的采样率和操作复杂度,还能提高系统的鲁棒性。
为了达到上述目的,本发明提供了一种基于压缩感知CS技术的分布式信源编码DSC的方法,其特征在于:基于视频图像数据源的稀疏特性,在分布式信源编码DSC过程的相应操作步骤中,利用CS技术处理视频图像数据和执行对应的恢复处理:用CS操作和CS的稀疏重构分别替代传统信源编码中的数据采样与离散余弦DCT(Discrete Cosine Transform)变换操作和DCT逆变换,以便利用很少的测量数据重建视频图像源,降低系统的采样速率和储存负担,增强系统的鲁棒性,并实现三种不同结构的分布式信源编码的构建;该方法包括下述操作步骤:
步骤1、基本层的编码实现:发送端先对视频图像源X执行采样与压缩操作,获得压缩后的系数;再对该压缩后的系数进行量化编码的操作,转化为相应的量化比特流进行传输;
步骤2、增强层的编码实现:发送端先对视频图像源X执行采样与压缩操作,获得压缩后的系数;再基于WZC(Wyner-Ziv编码)理论对该压缩后的系数顺序执行嵌套量化NQ和SWC(Slepian-Wolf编码)的操作,以进一步降低传输速率;其中,执行的嵌套量化NQ和SWC编码操作的具体内容为:
执行嵌套量化NQ是分割粗量化器的区间产生具有更小量化区间的细量化器的量化方法:量化编码时,先用细量化器对压缩系数进行量化,然后,实际只发送其量化值在粗量化器中对应的嵌套陪集索引值B所对应的比特流:[B0,B1,...,Bn],以节省码率;式中,n=log2N,0≤B≤N-1,N是每个粗量化区间所包含的细量化区间的个数;
执行SWC编码是利用NQ操作的输出和基本层信息之间的相关性,对前者进行压缩而进一步降低传输速率;具体操作内容为:对[B0,B1,...,Bn]中不同的Bi比特进行不同速率的编码,即用分层编码方法对NQ输出的不同比特层进行编码,其中每个比特层对应的SWC速率是根据信源数据和边信息数据的相关性进行统计得到的;操作时根据需求发送不同数目的比特层,以支持系统的速率可变性;SWC的实现是采用非规则重复累积IRA码进行信源编码得到压缩比特;
步骤3、为对抗信道的删余,发送端对基本层的量化比特流和增强层SWC编码后的比特流都进行信道编码,然后将编码比特分别发送到各自的删余信道进行传输;
步骤4、基本层进行译码:接收端先对接收到的基本层的编码比特进行信道译码得到量化比特流,再对其执行反量化得到估计的压缩系数,该压缩系数经过压缩变换的反操作后,恢复为原始视频图像数据流的估计序列;然后接收端对该原始视频图像数据流的估计序列进行与增强层相同的采样与压缩操作处理,得到用于辅助增强层译码的边信息Y;
步骤5、增强层实现译码:接收端利用基本层提供的边信息Y,对经过删余信道的增强层编码比特流进行信源信道联合译码,即SWC译码和信道译码是联合进行的;然后对译码比特进行反量化和压缩变换的反操作;完成译码。
所述步骤5进一步包括下列操作内容:
(51)执行SW译码:对接收到的增强层不同比特层Bi的编码比特流,联合边信息Y进行信源信道联合译码,即利用边信息Y进行包括IRA码和信道码的一种喷泉码、即LT码的Raptor码的联合译码来恢复对应的比特流Bi;
(52)执行嵌套反量化:根据恢复的比特流[B0,B1,...,Bn],寻找与边信息Y距离最近的量化点,作为压缩系数在测量后的估计值;
(53)利用压缩系数估计值进行稀疏重构,恢复原始视频图像信号序列。
所述数据采样和离散余弦DCT变换操作的原理是:把数据流分成4×4像素块,再乘以DCT变换矩阵后,将视频源从时间域变换到频域;因在变换后得到的4×4变换系数矩阵中,信号的能量主要集中于少数几个变换系数,且低频的变换系数有较大能量;为降低传输速率,只传送前几个变换系数;
所述DCT逆变换的实现原理是:在DCT逆变换时,将DCT变换系数乘以逆DCT变换矩阵就能得到恢复序列。
所述利用CS技术对视频图像数据进行压缩处理的原理是:当给定N×N的矩阵:ψ=[ψ1|ψ2|...ψN],式中,N是自然数,ψi表示矩阵的i列时,一个长度为N的实数信号x就表示为:当该式中的si系数只有K个不等于零时,该实数信号x被称为K-稀疏信号;就能够利用CS技术对信号x进行欠采样,即以低于奈奎斯特速率进行采样,并在接收端进行恢复;在实现时,通过引入M×N,K<M<N,K和M都是自然数的测量矩阵Ф,并计算y=Фx,得到:y=Фx=Фψs=Θs,式中,s=[s1,s2,…,sN]T,T表示矩阵的转置,因M<N,y即为采样并压缩后的信号;
所述实现三种不同结构的分布式信源编码的第一种构建方法是:在分布式信源编码DSC过程的各个相应操作步骤中,基本层视频传输恢复仍然采用传统信源编码中的数据采样与DCT变换操作和DCT逆变换;利用恢复视频产生边信息Y的采样和压缩操作中,用CS操作替代传统信源编码中的数据采样与DCT变换操作;增强层视频传输恢复中的采样和压缩的相关操作,都用CS操作和CS的稀疏重构分别替代传统信源编码中的数据采样与DCT变换操作和DCT逆变换。
所述实现三种不同结构的分布式信源编码的第二种构建方法是:在分布式信源编码DSC过程的各个相应操作步骤中,增强层视频传输恢复中的采样和压缩的相关操作都仍然采用传统信源编码中的数据采样与DCT变换操作和DCT逆变换;基本层视频传输恢复中的采样和压缩的相关操作,用CS操作和CS的稀疏重构分别替代传统信源编码中的数据采样与DCT变换操作和DCT逆变换。
所述实现三种不同结构的分布式信源编码的第三种构建方法是:在分布式信源编码DSC过程的各个相应操作步骤中,基本层和增强层涉及的采样和压缩的相关操作都用CS操作和CS的稀疏重构分别替代传统信源编码中的数据采样与DCT变换操作和DCT逆变换。
本发明基于压缩感知技术的分布式信源编码方法的最大优点是:压缩感知CS技术本身带来的操作简单、复杂度低,容易实现,以及显著地降低了数据采样及其相关处理的工作量和所需要的存储空间;此外,本发明还能提高系统的鲁棒性和降低数据传输速率。另外,本发明提供三种不同的信源编码的实现方法,以供用户根据实际情况进行优选使用。因此,本发明的推广应用前景看好。
附图说明
图1(A)、(B)分别是根据信源的对称SWC原理和非对称SWC原理进行分布式信源编码方法的示意图。
图2是现有文献中信源s利用Nyquist采样和DCT变换的DVC处理操作示意图。
图3是一维嵌套均匀量化NQ原理的实现方法示意图。
图4是分层WZ编译码实现方法示意图。
图5是基于DCT变换的传统分布式信源编码方法示意图。
图6是本发明基于CS技术的分布式信源编码的通用构建方法的示意图,其中的(a)、(b)、(c)、(d)、(e)分别代表不同的采样和压缩方法。
图7是本发明实现不同结构的分布式信源编码的第一种构建方法示意图。
图8是本发明实现不同结构的分布式信源编码的第二种构建方法示意图。
图9是本发明实现不同结构的分布式信源编码的第三种构建方法示意图
图10(A)、(B)是分别使用传统方法和本发明第三种构建方法恢复的两个实施例图像的效果图,以供比较。
图表1是图11中分别使用传统方法和本发明第三种构建方法恢复的两个实施例图像的比较结果:
(A)是速率测试结果:(a)是传统方法的增强层速率,(b)是本发明第三种构建方法的增强层速率;
(B)是在基本层丢包率不变,增强层丢包率增加时,增强层所需的速率增加率的测试结果;
(C)是在增强层丢包率不变,基本层丢包率增加时,增强层所需的速率增加率的测试结果。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面结合附图对本发明作进一步的详细描述。
由于图像或视频信源往往呈现一定的稀疏性,例如在DCT域和小波域的某个变换域的信号具有稀疏表示的结构特性,因而其具备了利用CS技术的基础。但是,在图5所示的基于DCT变换域的传统分布式信源编码方法中,要对数据源进行Nyquist采样获取大量原始数据,这就需要极大的采样和存储代价,然后进行DCT变换操作时,又要丢弃大多数的变换系数,造成存储和传输的浪费。
本发明的基本思路是:根据公式,假设信源数据x被表示为x=ψu,其中,ψ为x的稀疏矩阵,u为对应的稀疏信号;再根据公式:y=Фx=Фψs=Θs,以Ф表示测量矩阵,得到获取的M个独立观测向量为xm=Фx=Фψu=Au,其中,A=Фψ;因为M<N,故系统所需获取和存储的数据量都得以降低,并且CS在采样的同时,就实现了信号的压缩,即在发送端以低于奈奎斯特速率的采样率对数据进行压缩和采样,用它代替完全采样和DCT变换,在接收端仍然能够以极高准确率恢复出原原始信号,从而显著降低数据处理的时间和资源,而且,压缩感知CS技术还具有操作复杂度低,鲁棒性高等优点。
本发明是一种基于CS技术的分布式信源编码DSC的方法:基于视频图像数据源的稀疏特性,在分布式信源编码DSC过程的相应操作步骤中,利用CS技术处理视频图像数据和执行对应的恢复处理:用CS操作和CS的稀疏重构分别替代传统信源编码中的数据采样与DCT变换操作和DCT逆变换,以便利用很少的测量数据重建视频图像源,降低系统的采样速率和储存负担,增强系统的鲁棒性,并实现三种不同结构的分布式信源编码的构建.
参见图6,介绍本发明三种不同结构的分布式信源编码方法的操作步骤:
步骤1、基本层的编码实现:发送端先对视频图像源X执行采样与压缩操作,获得压缩后的系数(a);再对该压缩后的系数进行量化编码的操作,转化为相应的量化比特流进行传输。
步骤2、增强层的编码实现:发送端先对视频图像源X执行采样与压缩操作,获得压缩后的系数X1(b);再基于WZC(Wyner-Ziv编码)理论对该压缩后的系数顺序执行嵌套量化NQ(Nested Quantization)和SWC(Slepian-Wolf编码)的操作,以进一步降低传输速率。其中,NQ是分割粗量化器的区间产生具有更小量化区间的细量化器的量化方法:量化编码时,先用细量化器对压缩系数进行量化,然后,实际只发送其量化值在粗量化器中对应的嵌套陪集索引值B所对应的比特流:[B0,B1,...,Bn],以节省码率;式中,n=log2N;0≤B≤N-1,N是每个粗量化区间所包含的细量化区间的个数。以图3为例,发送的索引值为1。实际发送的是B对应的比特流,即[B0,B1,...,Bn],n=log2N。
SWC编码是利用NQ操作的输出和基本层信息之间的相关性,对前者进行压缩而进一步降低传输速率;具体操作内容为:对[B0,B1,...,Bn]中不同的Bi比特进行不同速率的编码,即用分层编码方法对NQ输出的不同比特层进行编码(具体结构参见图4),其中每个比特层对应的SWC速率是根据信源数据和边信息数据的相关性进行统计得到的;操作时根据需求发送不同数目的比特层,以支持系统的速率可变性;SWC的实现是采用非规则重复累积IRA码进行信源编码得到压缩比特。
步骤3、为对抗信道的删余,发送端对基本层的量化比特流和增强层SWC编码后的比特流都进行信道编码得到校验比特,该信道编码由LT码实现。然后将编码比特分别发送到各自的删余信道进行传输。
步骤4、基本层进行译码:接收端先对接收到的基本层的编码比特进行信道译码得到量化比特流,再对其执行反量化得到估计的压缩系数,该压缩系数经过压缩变换的反操作后,恢复为原始视频图像数据流的估计序列(c);然后接收端对该原始视频图像数据流的估计序列进行与增强层相同的采样与压缩操作处理,得到用于辅助增强层译码的边信息Y(d),为增强层译码做准备。
步骤5、增强层实现译码:接收端利用基本层提供的边信息Y,对经过删余信道的增强层编码比特流进行信源信道联合译码,即SWC译码和信道译码是联合进行的;然后对译码比特进行反量化和压缩变换的反操作;完成译码。该骤5进一步包括下列操作内容:
(51)执行SW译码:对接收到的增强层不同比特层Bi的编码比特流,联合边信息Y进行信源信道联合译码,即利用边信息Y进行包括IRA码和信道码的一种喷泉码、即LT码的Raptor码的联合译码来恢复对应的比特流Bi;
本发明所包括的三种构建方法的主要区别是上述步骤中的下述五个操作:
(a)基本层把图像源X进行采样和压缩操作获得压缩后的系数X1;(b)增强层把图像源X进行采样和压缩操作获得压缩后的系数X1;(c)基本层译码时将压缩后的系数X1经过稀疏重构恢复原始视频流的估计序列;(d)增强层得到基本层估计序列后对估计序列进行采样和压缩产生边信息Y;(e)利用压缩系数估计值进行稀疏重构恢复原视频序列的操作。
参见图7,介绍本发明第一种分布式信源编码方法是:在分布式信源编码DSC过程的各个相应操作步骤中,基本层视频传输恢复仍然采用传统信源编码中的数据采样与DCT变换操作和DCT逆变换;但在利用恢复视频产生边信息Y的采样和压缩操作中,用CS操作替代传统信源编码中的数据采样与DCT变换操作;增强层视频传输恢复中的采样和压缩的相关操作,都用CS操作和CS的稀疏重构分别替代传统信源编码中的数据采样与DCT变换操作和DCT逆变换。
参见图8,介绍本发明第二种分布式信源编码方法是:在分布式信源编码DSC过程的各个相应操作步骤中,增强层视频传输恢复中的采样和压缩的相关操作都仍然采用传统信源编码中的数据采样与DCT变换操作和DCT逆变换;基本层视频传输恢复中的采样和压缩的相关操作,用CS操作和CS的稀疏重构分别替代传统信源编码中的数据采样与DCT变换操作和DCT逆变换。
参见图9,介绍本发明第三种分布式信源编码方法是:在分布式信源编码DSC过程的各个相应操作步骤中,基本层和增强层涉及的采样和压缩的相关操作都用CS操作和CS的稀疏重构分别替代传统信源编码中的数据采样与DCT变换操作和DCT逆变换。
申请人已经对本发明方法进行了多次实施试验,下面以图9所示的本发明第三种实施例来简要说明试验情况,并将其和图5所示的基于DCT的传统方法进行比较。先参见图9,介绍本发明实施例的下述操作步骤:
(1)基本层的编码实现:对图像信源X进行CS操作,得到变换后的测量值;再对测量值进行量化,使相应的变换系数转换产生量化符号流,为提供边信息Y做准备。
(2)增强层的编码实现:对信源X进行WZC设计,为了和DCT进行公平对比,CS测量值的个数等于DCT系数的个数。
基于WZC理论来设计增强层,具体实现步骤包括:A、用CS操作对视频流进行采样和压缩,得到变换后的测量值;B、嵌入量化NQ:编码时,先用细量化器对信源X1进行量化,然而只对X量化后落在每个粗量化器中的嵌套陪集索引B(0≤B≤N-1)进行编码,以节省码率;相应的变换系数被量化产生量化符号流B=B0B1...Bn;C、SWC:利用嵌入量化的输出和基本层信息之间的相关性对其进行压缩,进一步降低传输速率:采用分层WZC结构是指对B=B0B1...Bn中不同的Bi比特进行不同速率的编码,这里的分层对应于NQ输出的不同比特层,其对应的SWC速率可根据信源数据和边信息数据获得(参见图4所示)。这样可以支持系统的速率可变性和对信道丢包的鲁棒性,在文献中,提出利用单个的信道编码(Raptor编码)来实现SWC以及对抗信道丢包事件,前者由预编码IRA码实现,而后者由LT码实现。
(3)基本层译码:通过反量化,CS稀疏恢复产生原始视频流的估计序列,对估计序列进行CS操作产生边信息Y;
(4)增强层的译码实现:利用基本层提供的边信息Y进行SWC的译码和重构估计。具体实现步骤包括:
(4A)SW译码:如图4所示,分层增强层WZC产生的量化码流Bi,联合边信息Y进行SW译码(Raptor码的联合译码);
实施例中的发送端,稀疏基Ψ采用离散小波变换(discrete wavelet transform),测量矩阵Ф利用块哈达玛集合来产生(参见《Fast compressive imaging using scrambled block Hadamard ensemble》,刊于Proc.EUSIPCO,2008);接收端则用基于稀疏重构梯形映射(GPSR)算法进行稀疏恢复。
(一)对图像进行试验:对于256×256像素的camareman图像信源,利用两种结构分别进行编码。假设基本层和增强层都没有信道,图10(A)、(B)是分别使用传统方法和本发明第三种构建方法的两个实施例图像恢复结果图像,以供比较。其中,对应的PSNR值分别是31.5378dB和26.0255dB。(PSNR定义为信号功率与噪声功率之比,通常用分贝dB表示。在图像处理过程中,可将信号功率当作是峰值图像样值数的平方,而噪声功率可认为是该恢复图像的均方误差,PSNR越大图像恢复质量越好)。
(二)对视频进行试验:对300帧352×288像素的CIF Foreman视频,分别使用传统方法和本发明第三种构建方法进行编码和恢复,其结果参见下面的
表1:
(A)
(B)
表1的(A)、(B)两表分别给出了传统方法和本发明第三种构建方法在基本层和增强层信道具有不同丢包率时的结果。可以看出,对于在不同的丢包率情况时增强层所需的速率,本发明第三种构建方法都小于传统方法。
根据表1的试验结果,下面的表2表示:当基本层丢包率保持不变,而增强层信道丢包率p增大时,为了保证正确译码,增强层编码所需要的速率增加率τ(如:假设增强层信道丢包率为0和10%时的编码长度分别为R0和R1,则此时的速率增加率为τ=(R1-R0)/R0)。
可以看出,当增强层丢包率p=5%和p=10%时,本发明第三种构建方法速率增加率τ都小于传统方法中的速率增加率。由此可知:在基本层相同丢包率时,本发明第三种构建方法对增强层信道丢包具有更高的鲁棒性。
根据表1的试验结果,下面的表3表示:当增强层丢包率保持不变,而基本层信道丢包率p增大时,为了保证正确译码,增强层编码所需要的速率增加率τ(如:假设基本层信道丢包率0和10%时的编码长度分别为R0和R1,则此时的速率增加率为τ=(R1-R0)/R0)。可以看出,当基本层丢包率p=10%时,本发明第三种构建方法的速率增加率τ小于传统方法的速率增加率。由此可知:在增强层相同丢包率时,本发明第三种构建方法对基本层信道丢包具有更高的鲁棒性。
根据上述结果,进一步说明本发明的优势:(1)传输速率低:本发明第三种方法的增强层速率远小于传统方法。(2)鲁棒性:当基本层和增强层信道的丢包率p增大时,为保证正确译码,本发明第三种方法的τ小于传统方法的τ,因而本发明方法对信道丢包具有更好的鲁棒性。此外还有CS操作本身带来的操作复杂度低,数据处理和存储量小等优势。
实施例仿真试验结果说明:CS用于分布式信源编码是成功的,能够有效恢复图像和视频的质量,同时大大减少数据处理的时间和资源,并且传输速率小,复杂度低,鲁棒性高。
Claims (7)
1.一种基于压缩感知CS技术的分布式信源编码DSC的方法,其特征在于:基于视频图像数据源的稀疏特性,在分布式信源编码DSC过程的相应操作步骤中,利用CS技术处理视频图像数据和执行对应的恢复处理:用CS操作和CS的稀疏重构分别替代传统信源编码中的数据采样与离散余弦DCT变换操作和DCT逆变换,以便利用很少的测量数据重建视频图像源,降低系统的采样速率和储存负担,增强系统的鲁棒性,并实现三种不同结构的分布式信源编码的构建;该方法包括下述操作步骤:
步骤1、基本层的编码实现:发送端先对视频图像源X执行采样与压缩操作,获得压缩后的系数;再对该压缩后的系数进行量化编码的操作,转化为相应的量化比特流进行传输;
步骤2、增强层的编码实现:发送端先对视频图像源X执行采样与压缩操作,获得压缩后的系数;再基于WZC(Wyner-Ziv编码)理论对该压缩后的系数顺序执行嵌套量化NQ和SWC(Slepian-Wolf编码)的操作,以进一步降低传输速率;其中,执行的嵌套量化NQ和SWC编码操作的具体内容为:
执行嵌套量化NQ是分割粗量化器的区间产生具有更小量化区间的细量化器的量化方法:量化编码时,先用细量化器对压缩系数进行量化,然后,实际只发送其量化值在粗量化器中对应的嵌套陪集索引值B所对应的比特流:[B0,B1,...,Bn],以节省码率;式中,n=log2N,0≤B≤N-1,N是每个粗量化区间所包含的细量化区间的个数;
执行SWC编码是利用NQ操作的输出和基本层信息之间的相关性,对前者进行压缩而进一步降低传输速率;具体操作内容为:对[B0,B1,...,Bn]中不同的Bi比特进行不同速率的编码,即用分层编码方法对NQ输出的不同比特层进行编码,其中每个比特层对应的SWC速率是根据信源数据和边信息数据的相关性进行统计得到的;操作时根据需求发送不同数目的比特层,以支持系统的速率可变性;SWC的实现是采用非规则重复累积IRA码进行信源编码得到压缩比特;
步骤3、为对抗信道的删余,发送端对基本层的量化比特流和增强层SWC编码后的比特流都进行信道编码,然后将编码比特分别发送到各自的删余信道进行传输;
步骤4、基本层进行译码:接收端先对接收到的基本层的编码比特进行信道译码得到量化比特流,再对其执行反量化得到估计的压缩系数,该压缩系数经过压缩变换的反操作后,恢复为原始视频图像数据流的估计序列;然后接收端对该原始视频图像数据流的估计序列进行与增强层相同的采样与压缩操作处理,得到用于辅助增强层译码的边信息Y;
步骤5、增强层实现译码:接收端利用基本层提供的边信息Y,对经过信道删余的增强层编码比特流进行信源信道联合译码,即SWC译码和信道译码是联合进行的;然后对译码比特进行反量化和压缩变换的反操作;完成译码。
2.根据权利要求1所述的方法,其特征在于:所述步骤5进一步包括下列操作内容:
(51)执行SW译码:对接收到的增强层不同比特层Bi的编码比特流,联合边信息Y进行信源信道联合译码,即利用边信息Y进行包括IRA码和信道码的一种喷泉码、即LT码的Raptor码的联合译码来恢复对应的比特流Bi;
(52)执行嵌套反量化:根据恢复的比特流[B0,B1,...,Bn],寻找与边信息Y距离最近的量化点,作为压缩系数在测量后的估计值;
(53)利用压缩系数估计值进行稀疏重构,恢复原始视频图像信号序列。
3.根据权利要求1所述的方法,其特征在于:
所述数据采样和离散余弦DCT变换操作的原理是:把数据流分成4×4像素块,再乘以DCT变换矩阵后,将视频源从时间域变换到频域;因在变换后得到的4×4变换系数矩阵中,信号的能量主要集中于少数几个变换系数,且低频的变换系数有较大能量;为降低传输速率,只传送前几个变换系数;
所述DCT逆变换的实现原理是:在DCT逆变换时,将DCT变换系数乘以逆DCT变换矩阵就能得到恢复序列。
4.根据权利要求1所述的方法,其特征在于:
所述利用CS技术对视频图像数据进行压缩处理的原理是:当给定N×N的矩阵:ψ=[ψ1|ψ2|...|ψN],式中,N是自然数,ψi表示矩阵的i列时,一个长度为N的实数信号x就表示为:当该式中的si系数只有K个不等于零时,该实数信号x被称为K-稀疏信号;就能够利用CS技术对信号x进行欠采样,即以低于奈奎斯特速率进行采样,并在接收端进行恢复;在实现时,通过引入M×N,K<M<N,K和M都是自然数的测量矩阵Ф,并计算y=Фx,得到:y=Фx=Фψs=Θs,式中,s=[s1,s2,…,sN]T,T表示矩阵的转置,因M<N,y即为采样并压缩后的信号;
5.根据权利要求1所述的方法,其特征在于:所述实现三种不同结构的分布式信源编码的第一种构建方法是:在分布式信源编码DSC过程的各个相应操作步骤中,基本层视频传输恢复仍然采用传统信源编码中的数据采样与DCT变换操作和DCT逆变换;利用恢复视频产生边信息Y的采样和压缩操作中,用CS操作替代传统信源编码中的数据采样与DCT变换操作;增强层视频传输恢复中的采样和压缩的相关操作,都用CS操作和CS的稀疏重构分别替代传统信源编码中的数据采样与DCT变换操作和DCT逆变换。
6.根据权利要求1所述的方法,其特征在于:所述实现三种不同结构的分布式信源编码的第二种构建方法是:在分布式信源编码DSC过程的各个相应操作步骤中,增强层视频传输恢复中的采样和压缩的相关操作都仍然采用传统信源编码中的数据采样与DCT变换操作和DCT逆变换;基本层视频传输恢复中的采样和压缩的相关操作,用CS操作和CS的稀疏重构分别替代传统信源编码中的数据采样与DCT变换操作和DCT逆变换。
7.根据权利要求1所述的方法,其特征在于:所述实现三种不同结构的分布式信源编码的第三种构建方法是:在分布式信源编码DSC过程的各个相应操作步骤中,基本层和增强层涉及的采样和压缩的相关操作都用CS操作和CS的稀疏重构分别替代传统信源编码中的数据采样与DCT变换操作和DCT逆变换。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200910242622 CN101742313B (zh) | 2009-12-10 | 2009-12-10 | 基于压缩感知技术的分布式信源编码的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200910242622 CN101742313B (zh) | 2009-12-10 | 2009-12-10 | 基于压缩感知技术的分布式信源编码的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101742313A CN101742313A (zh) | 2010-06-16 |
CN101742313B true CN101742313B (zh) | 2011-09-07 |
Family
ID=42465084
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200910242622 Expired - Fee Related CN101742313B (zh) | 2009-12-10 | 2009-12-10 | 基于压缩感知技术的分布式信源编码的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101742313B (zh) |
Families Citing this family (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101867821B (zh) * | 2010-06-18 | 2011-11-16 | 上海交通大学 | 基于稀疏采样和纹理重建的视频编码系统 |
CN102685502B (zh) * | 2010-09-03 | 2014-04-02 | 北京工业大学 | 基于压缩感知的图像解码方法 |
CN101931814B (zh) * | 2010-09-03 | 2012-11-21 | 北京工业大学 | 基于压缩感知的图像解码方法 |
CN101938655B (zh) * | 2010-09-09 | 2013-06-05 | 北京工业大学 | 基于非均匀量化噪声模型的压缩感知图像解码方法 |
CN102024266B (zh) * | 2010-11-04 | 2012-07-25 | 西安电子科技大学 | 基于图像结构模型的压缩感知图像重构方法 |
CN102065291B (zh) * | 2010-11-09 | 2012-11-21 | 北京工业大学 | 基于稀疏表示模型的图像解码方法 |
CN102123278B (zh) * | 2010-12-10 | 2012-10-10 | 北京邮电大学 | 基于分布式压缩感知技术的信源编解码的方法 |
CN102176779B (zh) * | 2010-12-17 | 2013-10-30 | 河海大学 | 无线多媒体传感网视频信号自适应采样与频谱分配方法 |
JP5693750B2 (ja) | 2011-01-10 | 2015-04-01 | アルカテル−ルーセント | スパース信号(sparsesignal)を測定および回復するための方法および装置 |
CN102148986B (zh) * | 2011-03-24 | 2012-10-03 | 太原科技大学 | 基于自适应块压缩传感的渐进图像编码方法 |
CN102223536B (zh) * | 2011-06-10 | 2012-10-24 | 清华大学 | 基于压缩感知的分布式视频编解码系统及其方法 |
CN102223537B (zh) * | 2011-06-10 | 2012-10-24 | 清华大学 | 基于压缩感知的多视角分布式视频编解码系统及其方法 |
CN102281443A (zh) * | 2011-08-22 | 2011-12-14 | 天津师范大学 | 基于优化的层式离散余弦变换的压缩感知图像处理方法 |
CN102427527B (zh) * | 2011-09-27 | 2013-11-06 | 西安电子科技大学 | 基于分布式视频压缩感知系统非关键帧的重构方法 |
CN102572427B (zh) * | 2011-12-24 | 2015-02-04 | 辽宁师范大学 | 基于压缩感知的多描述图像编码和解码方法 |
CN102572435B (zh) * | 2012-01-16 | 2014-03-12 | 中南民族大学 | 基于压缩采样的视频编解码系统及其方法 |
CN102625124B (zh) * | 2012-03-05 | 2014-01-15 | 北京交通大学 | 一种立体编码、解码装置及系统 |
CN103117834A (zh) * | 2012-05-30 | 2013-05-22 | 电子科技大学 | 两信源分布式lt码的系统编码方法 |
CN103067965A (zh) * | 2013-01-05 | 2013-04-24 | 无锡赛睿科技有限公司 | 一种基于压缩感知的无线传感器网络管理方法与系统 |
CN103107815B (zh) * | 2013-01-09 | 2016-03-02 | 华为技术有限公司 | 一种信号重建方法及设备 |
CN104104390B (zh) * | 2013-04-10 | 2017-04-19 | 华为技术有限公司 | 一种信号压缩方法和重构方法及相关装置和系统 |
CN103347188B (zh) * | 2013-07-24 | 2016-06-15 | 南京邮电大学 | 一种分布式视频编码非关键帧压缩感知编解码方法 |
WO2015094037A1 (en) * | 2013-12-17 | 2015-06-25 | Telefonaktiebolaget L M Ericsson (Publ) | Decoding of a message and corresponding encoding of a message |
CN103747267B (zh) * | 2014-01-09 | 2017-04-12 | 上海交通大学 | 基于嵌入式变换编码的压缩感知光谱成像测量值压缩方法 |
CN103929649B (zh) * | 2014-04-28 | 2017-04-26 | 广西大学 | 一种视频压缩感知的重建方法 |
CN104215550B (zh) * | 2014-09-18 | 2016-07-06 | 南京医科大学 | 基于压缩感知的蛋白批量测定方法 |
WO2016162165A1 (en) * | 2015-04-10 | 2016-10-13 | Thomson Licensing | Method and device for encoding multiple audio signals, and method and device for decoding a mixture of multiple audio signals with improved separation |
CN105338357B (zh) * | 2015-09-29 | 2018-08-24 | 湖北工业大学 | 一种分布式视频压缩感知编解码方法 |
CN105306779A (zh) * | 2015-10-27 | 2016-02-03 | 西安电子科技大学 | 基于压缩感知和索引置乱的图像加密方法 |
CN105898302B (zh) * | 2016-04-28 | 2019-10-11 | 上海斐讯数据通信技术有限公司 | 一种基于压缩感知的图像传输方法及系统 |
CN106533614B (zh) * | 2016-06-28 | 2019-04-09 | 东南大学 | 一种基于部分信息反馈的分布式卢比变换编码方法 |
CN107730476A (zh) * | 2017-09-27 | 2018-02-23 | 温州大学 | 一种基于压缩感知的图像增强方法及装置 |
CN107920250B (zh) * | 2017-11-15 | 2020-01-10 | 西安交通大学 | 一种压缩感知图像编码传输方法 |
CN109194968B (zh) * | 2018-09-13 | 2020-12-25 | 天津大学 | 一种融合信源信道译码的图像压缩感知方法 |
CN109246437B (zh) * | 2018-09-13 | 2020-12-29 | 天津大学 | 一种基于里德所罗门码的图像压缩感知方法 |
CN112073593A (zh) * | 2020-08-29 | 2020-12-11 | 北京理工大学 | 基于小波、阈值滤波及压缩感知的信息增强与传输方法 |
CN115276900B (zh) * | 2022-06-06 | 2023-10-31 | 北京邮电大学 | 分布式信源的信源信道联合极化的信息传输方法和系统 |
CN116456094B (zh) * | 2023-06-15 | 2023-09-05 | 中南大学 | 一种分布式视频混合数字模拟传输方法及相关设备 |
CN116634209B (zh) * | 2023-07-24 | 2023-11-17 | 武汉能钠智能装备技术股份有限公司 | 一种基于热插拔的断点视频恢复系统及方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101494627A (zh) * | 2009-03-11 | 2009-07-29 | 北京邮电大学 | 宽带移动通信中利用压缩感知减少导频数的信道估计方法 |
-
2009
- 2009-12-10 CN CN 200910242622 patent/CN101742313B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101494627A (zh) * | 2009-03-11 | 2009-07-29 | 北京邮电大学 | 宽带移动通信中利用压缩感知减少导频数的信道估计方法 |
Non-Patent Citations (4)
Title |
---|
Qian Xu, etc..Distributed Joint Source-Channel Coding of Video Using Raptor Codes.《IEEE JOURNAL ON SELECTED AREAS IN COMMUNICATIONS》.2007,第25卷(第4期),851-859. * |
Zhixin Liu, etc..Slepian-Wolf Coded Nested Lattice Quantization for Wyner-Ziv Coding: High-Rate Performance Analysis and Code Design.《IEEE TRANSACTIONS ON INFORMATION THEORY》.2006,第52卷(第10期),4358-4378. * |
喻玲娟 等.压缩感知理论简介.《电视技术》.2008,第32卷(第12期),16-18. * |
石光明 等.压缩感知理论及其研究进展.《电子学报》.2009,第37卷(第5期),1070-1078. * |
Also Published As
Publication number | Publication date |
---|---|
CN101742313A (zh) | 2010-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101742313B (zh) | 基于压缩感知技术的分布式信源编码的方法 | |
JP5052541B2 (ja) | Sarデータを圧縮する方法、およびsarデータを符号化するための装置 | |
CN101420614B (zh) | 一种混合编码与字典编码整合的图像压缩方法及装置 | |
CN100370802C (zh) | 编解码方法以及相应的编解码器 | |
CN103607591A (zh) | 结合超分辨率重建的图像压缩方法 | |
CN1476727A (zh) | 用于生成具有恒定质量的可缩放编码视频比特流的方法 | |
CN102281446B (zh) | 一种分布式视频编码中基于视觉感知特性的量化方法 | |
CN103873877A (zh) | 远程桌面的图像传输方法及装置 | |
CN102138326A (zh) | 反量化图像的方法和设备以及解码图像的方法和设备 | |
CN102769747A (zh) | 一种基于并行迭代的分级分布式视频编解码方法及系统 | |
CN1463560A (zh) | 确定视频失真的方法以及确定视频失真的系统 | |
CN104301730A (zh) | 基于视频移动设备的双向视频编解码系统及其方法 | |
CN102572428B (zh) | 面向多媒体传感网分布式编解码的边信息估计方法 | |
KR100813001B1 (ko) | 차분신호의 크기와 부호의 분리를 이용한 동영상부호화/복호화 장치 및 그 방법 | |
CN102724495A (zh) | 基于率失真的Wyner-Ziv帧量化方法 | |
Arora et al. | Review of Image Compression Techniques | |
CN100499815C (zh) | 一种支持视频帧随机读取的视频编解码方法 | |
CN101816178B (zh) | 在解码器中校正量化系数的方法和设备 | |
CN103533351B (zh) | 一种多量化表的图像压缩方法 | |
CN102281443A (zh) | 基于优化的层式离散余弦变换的压缩感知图像处理方法 | |
CN206698375U (zh) | 一种滑动像素块整数dct核心矩阵变换运动补偿器 | |
CN107205151B (zh) | 基于混合失真度量准则的编解码装置及方法 | |
CN106131575B (zh) | 基于小波变换与孙子定理相结合的图像压缩方法 | |
CN102821277B (zh) | 一种基于图像集的数据压缩方法与系统 | |
Wang et al. | Robust satellite image transmission over bandwidth-constrained wireless channels |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110907 Termination date: 20111210 |