CN104333757B - 基于cs测量值多描述的视频编解码方法 - Google Patents
基于cs测量值多描述的视频编解码方法 Download PDFInfo
- Publication number
- CN104333757B CN104333757B CN201410555088.3A CN201410555088A CN104333757B CN 104333757 B CN104333757 B CN 104333757B CN 201410555088 A CN201410555088 A CN 201410555088A CN 104333757 B CN104333757 B CN 104333757B
- Authority
- CN
- China
- Prior art keywords
- block
- measured value
- frame
- frames
- key frame
- 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
Landscapes
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明公开了一种基于CS测量值多描述的视频编码方法,编码方法包括:将视频图像序列分为关键帧和CS帧:对关键帧采用基于块的测量、量化、熵编码;对CS帧利用多描述的思想将基于块的测量值分两路描述,分别进行量化、熵编码。解码方法包括:接收关键帧数据后先进行熵解码反量化得到测量值,对关键帧的块初始重构、帧内多假设预测重构;接收CS帧多描述码流后,熵解码反量化;基于多描述的测量值生成;CS帧多描述自适应帧间多假设重构。本发明在不增加编码端复杂度的情况下,提高视频图像重构质量及鲁棒性。
Description
技术领域
本发明涉及一种基于CS测量值多描述的视频编码方法,还涉及一种针对该视频编码的视频编码方法,属于图像通信技术领域。
背景技术
随着多媒体技术的发展,大量的视频数据传输成为迫切的需求。由此带来的网络拥塞,随机比特错误及数据包丢失给视频数据传输带来巨大挑战。分布式视频压缩感知系统利用联合稀疏模型(JSM,Joint Sparsity Model)结合压缩感知和分布式视频编码的特点,在视频编码端对视频数据进行分别压缩感知测量,在解码端利用连续帧相关性生成边信息实现联合解码。降低编码端复杂度,提高重构质量及系统的鲁棒性。
多描述编码(MDC,Multiple Description Coding)为解决高误码环境下数据传输的抗差错和抗误码率方法,通过将信号分解成多个可独立但同时又有一定相关性的码流并在多个信道中传输。由于多个信道同时出错概率非常低,即使部分描述码流丢失,仍可得到可接受的图像质量。收到的描述越多,重建质量越高。
现有的多描述方法主要有:基于抽样的多描述编码、基于量化的多描述编码、基于变换的多描述编码和基于非平等保护的多描述编码:基于抽样的多描述编码利用视频信号的空间、时间上的相关性,在时间或空间抽样形成多描述,由于视频信号具有空间、时间上的相关性,因此在时间或空间上抽样形成的多路描述就具有了一定的冗余度,且容易形成平衡多描述;基于量化的多描述编码是通过对信号源进行不同精度量化和冗余分配相结合形成多个描述,但基于量化的多描述编码相对较复杂,对实时性要求较高的场合不太适用;基于相关变换的多描述编码方案将成对相关变换思想引入到多描述编码方案中,但成对相关变换只适用于两路描述的情况;基于非平等保护的多描述编码方案是将信源码流分成不同重要程度的数据段,然后使用不同数量的纠错码来保护不同的数据段,但是基于非平等保护的多描述编码方案要求原始的码流具有一定的质量可分级性,即待编码码流需要具有不同程度的重要性,实际中使用的编码方法中并非总是能满足这个要求,因此限制了其实际应用。
发明内容
本发明的目的在于克服现有技术中的不足,提供一种基于CS测量值多描述的视频编码方法,能够在不增加编码复杂度的情况下,提高视频图像重构质量及鲁棒性。
基于CS测量值多描述的视频编码方法所采用的技术方案具体如下:
基于CS测量值多描述的视频编码方法,包括以下步骤:
11)将视频帧分为关键帧和CS帧;
12)对关键帧编码
12a)对关键帧进行基于块的压缩测量,得到基于块的关键帧测量值;
12b)对得到的关键帧测量值进行量化、熵编码;
13)对CS帧编码
13a)对CS帧进行基于块的压缩测量,得到基于块的CS帧测量值;
13b)对得到CS帧测量值进行智能多描述编码,形成两路描述;
13c)对得到的两路描述分别进行量化、熵编码。
步骤12a)、13a)中所述基于块的压缩测量步骤如下:
第1步,将拟采样的视频帧分成大小相同、互不重叠的方形图像块;
第2步,用随机测量矩阵对图像块其进行压缩采样,得到每个图像块的测量值向量。
步骤12a)中所述基于块的压缩测量中关键帧的测量率大于步骤13a)中CS 帧的测量率。
步骤13b)中所述CS帧测量值智能多描述编码过程如下:
第1步,将13a)中每一块测量值列向量化;
第2步,将列向量化的向量按块顺序组合成测量值矩阵;
第3步,采用交织编码将测量值矩阵分解成两路描述:提取测量值矩阵的奇数列作为第一路描述,并标记为M1;提取测量值矩阵的偶数列作为第二路描述,并标记为M2。
本发明的另一目的在于提供一种基于CS测量值多描述的视频解码方法,该视频解码方法是针对前述的基于CS测量值多描述的视频编码而进行的,其所采用的技术方案是:基于CS测量值多描述的视频解码方法,包括以下步骤:
21)关键帧的重构,具体操作步骤如下:
21a)在解码端首先对关键帧的码流进行熵解码及反量化,得到每个关键帧帧块的测量值;
21b)对关键帧的每个块测量值进行块初始重构,然后将重构块按照块顺序组合得到初始重构的关键帧;
21c)对初始重构的关键帧,利用帧内多假设算法对每一块进行帧内字典构造;
21d)利用帧内字典和当前块的信息在测量域通过求解最优化方法得到边信息块,然后将边信息块按照块顺序组合,得到边信息帧;
21f)利用测量矩阵计算边信息帧测量值,然后联合边信息帧的测量值和关键帧的测量值进行残差稀疏重构,生成残差帧;
21g)将残差帧与边信息帧相加,得到重构的关键帧;
22)CS帧的重构,具体操作步骤如下:
22a)在解码端首先对CS帧的码流进行熵解码及反量化,得到CS帧每个图像块测量值;
22b)判断收到多描述测量值的数目,若只收到一路多描述测量值,跳转至22c),若收到两路多描述测量值,跳转至22d);
22c)若只收到一路多描述测量值Mi(i=1,2),则进一步判断收到的是第一路描述M1,还是第二路描述M2,并分别进行测量值补充,利用关键帧同位置块测量值与收到测量值组合成重构块测量值矢量;
22d)若收到两路多描述测量值,则将两路多描述测量值按顺序组合成当前CS帧完整的测量矢量;
22e)利用前一关键帧通过帧间多假设预测算法对当前块进行帧间字典构造;
22f)利用帧间字典和当前块信息在测量域通过求解最优化方法得到边信息块,然后按照块顺序进行组合得到边信息帧;
22g)利用测量矩阵计算边信息帧的测量值,联合边信息帧和当前CS帧在测量域进行残差稀疏重构,生成残差帧;
22h)残差帧与边信息帧相加,得到重构的CS帧。
步骤21c)中所述帧内字典构造过程如下:
对当前块进行帧内字典构造时,以当前块为中心,确定搜索窗口的位置和尺寸,通过滑动取块取出搜索窗口中所有参考块,将取得的参考块列向量化后组合成为当前块的字典。
步骤21d)和22f)中的求解最优化方法为先求解稀疏系数然后由得到当前块的最佳预测块,即边信息块
其中Di,i为字典,t表示帧序号,i表示块序号,ΦB为块测量矩阵,yt,i为当前待解码块的测量值向量。
步骤21f)中所述残差稀疏重构是指首先计算边信息帧的测量值和关键帧的测量值yK之间的残差测量值然后对残差利用基于块的投影光滑 Landweber算法进行稀疏重构得到残差帧ZK。
步骤22c)中测量值补充方法如下:
若收到的描述为测量值的奇数列,即为第一路描述M1,且每一列向量长度为L,则采用前一关键帧测量值的偶数列对当前CS帧测量值进行补充,并且每一列只取前L个值;
若收到的描述为测量值的偶数列,即为第二路描述M2,且每一列向量长度为L,则采用前一关键帧测量值的奇数列对当前CS帧测量值进行补充,并且每一列只取前L个值。
步骤22e)中所述帧间字典构造过程如下:
对当前块CSi进行帧间字典构造时,选取当前块CSi相同位置的前一关键帧的帧块为中心,确定搜索窗口的位置和尺寸,通过滑动取块取出搜索窗口中所有参考块,将取得的参考块列向量化后组合成为当前块CSi的字典。
步骤22g)中所述残差稀疏重构是指首先计算边信息帧的测量值和CS帧的测量值yCS之间的残差测量值然后对残差利用基于块的投影光滑 Landweber算法进行稀疏重构得到残差帧ZCS。
与现有技术相比,本发明所达到的有益效果是:
1、在编码端,首先对原始视频数据按块进行测量,然后在测量域采用多描述算法的思想通过交织编码将测量值分为两路描述分别进行传输,利用视频序列的时空相关性,实现了基于CS测量值多描述的视频编解码方法,在不增加编码端复杂度情况下,提高了视频重构质量及鲁棒性;
2、在解码端根据收到描述及路数智能生成当前解码CS帧块测量值,对于只接收到一路描述的块测量值,利用关键帧同位置块测量值与接收到测量值组合成重构块测量值矢量,考虑到视频序列前后帧具有很强的相关性,进行了测量值补充,既可以实现当前帧的很好的解码,又不会增加解码复杂度;
3、在分布式视频压缩感知系统的基础上,嵌入了多描述的思想,解决了由于大量的视频数据传输带来的网络拥塞、随机比特错误及数据包丢失等造成的问题,提高了视频序列重构质量及系统的鲁棒性。
4、本发明利用抽样多描述方案的思想将视频信号通过交织编码分为两路。其简单性和无需更改传统单描述方法的方便性,对视频编解码、传输照成的时延较小,且能够得到较好的重构效果,相对于现有技术中的多描述方案有明显的优势。
附图说明
图1是分布式视频压缩感知中基于CS测量值多描述的视频编解码系统框图。
图2是本发明CS帧测量值智能多描述编码方法的原理图。
图3是本发明CS帧的重构方法流程图。
图4是本发明的一路描述测量值补充示意图。
图5是本发明的两路描述测量值合并示意图。
图6是本发明只收到一路描述与传统基于块初始重构算法对对Forman、Salesman、Mother-daughter和Football四个标准视频序列的前50帧进行重构得到的CS帧重构性能对比图。
图7是本发明收到两路描述与传统基于块初始重构算法对对Forman、 Salesman、Mother-daughter和Football四个标准视频序列的前50帧进行重构得到的CS帧重构性能对比图。
具体实施方式
如图1所示,是分布式视频压缩感知中基于CS测量值多描述的视频编解码方法的系统框图,包括编码端、解码端和输出端,编码端用于对输入端的视频序列分别进行关键帧编码和CS帧编码,解码端则分别对编码后的关键帧和编码后的CS帧进行解码,输出重构关键帧和重构CS帧,输出端对重构关键帧和重构CS帧按照块顺序进行帧组合,最后输出视频序列。
对于编码端,包括关键帧编码端和CS帧编码端,关键帧编码端和CS帧编码端均包括有各自的用于块测量的测量模块和量化、熵编码单元,不同之处在于,CS帧编码端还包括有多描述模块,多描述模块连接在CS帧编码端的测量模块和量化、熵编码单元之间。
对于解码端,包括关键帧解码端和CS帧解码端,关键帧解码端的输入端与关键帧编码端的输出端连接,CS帧解码端的输入端与CS帧编码端的输出端连接。关键帧解码端包括顺序连接的关键帧熵解码/反量化单元、块初始重构单元和帧内字典重构模块,CS帧解码端包括顺序连接的CS帧熵解码/反量化单元、智能生成模块和帧间字典重构模块。
本发明所提供的基于CS测量值多描述的视频编解码方法均是通过上述视频编解码系统得以实施的,下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
基于CS测量值多描述的视频编码方法,包括以下步骤:
11)将视频帧分为关键帧和CS帧,每个图像组(GOP)由一个关键帧和一个 CS帧组成,即偶数帧为CS帧,奇数帧为关键帧。
12)对关键帧编码:
12a)对关键帧进行基于块的压缩测量,得到基于块的关键帧测量值;
12b)对得到的关键帧测量值进行量化、熵编码;
13)对CS帧编码:
13a)对CS帧进行基于块的压缩测量,得到基于块的CS帧测量值;
13b)对得到CS帧测量值进行智能多描述编码,形成两路描述;
13c)对得到的两路描述分别进行量化、熵编码。
关键帧和CS帧同时进行基于块的压缩测量,步骤12a)中基于块的压缩测量中关键帧的测量率大于步骤13a)中CS帧的测量率,具体压缩测量步骤如下:
第1步,将拟采样的视频帧分成大小相同、互不重叠的方形图像块;
第2步,用随机测量矩阵对图像块其进行压缩采样,得到每个图像块的测量值向量。
以QCIF格式的视频为例,先将拟采样的帧分成99个大小为16×16、互不重叠的方形图像块,然后根据采样率S的要求,采用行数为S×256、列数为256 的随机测量矩阵Φ对其进行压缩采样,得到每个方形图像块的测量值向量,并传输到解码端。其中关键帧测量率SK为0.7,CS帧的测量率SCS为0.3。
如图2所示,步骤13b)中所述CS帧测量值智能多描述编码过程如下:
第1步,将13a)中每一块测量值列向量化;
第2步,将列向量化的向量按块顺序组合成测量值矩阵;
第3步,采用交织编码将测量值矩阵分解成两路描述:提取测量值矩阵的奇数列作为第一路描述,并标记为M1;提取测量值矩阵的偶数列作为第二路描述,并标记为M2。
对关键帧基于块的测量值及CS帧的每一路描述都采用均匀量化的方法进行量化,以降低编码端复杂度。对得到的量化值采用算术编码的方法编码成二进制码流以适应信道传输。
本发明的另一目的是提供一种基于CS测量值多描述的视频解码方法,该视频解码方法是针对前述的基于CS测量值多描述的视频编码而进行的,详细操作步骤如下:
21)关键帧的重构,具体操作步骤如下:
21a)在解码端首先对关键帧的码流进行熵解码及反量化,得到每个关键帧帧块的测量值;
21b)对关键帧的每个块测量值进行块初始重构,得到所有重构块之后,将重构块按照块顺序组合得到初始重构的关键帧。
21c)对初始重构的关键帧,利用帧内多假设算法对每一块进行帧内字典构造,帧内字典构造过程如下:
对当前块进行帧内字典构造时,以当前块为中心,确定搜索窗口的位置和尺寸,通过滑动取块取出搜索窗口中所有参考块,将取得的参考块列向量化后组合成为当前块的字典。
21d)利用帧内字典和当前块的信息在测量域通过求解最优化方法得到边信息块,然后将边信息块按照块顺序组合,得到边信息帧;
21f)利用测量矩阵计算边信息帧测量值,然后联合边信息帧的测量值和关键帧的测量值进行残差稀疏重构,残差稀疏重构是指首先计算边信息帧的测量值和关键帧的测量值yK之间的残差测量值然后对残差利用基于块的投影光滑Landweber算法进行稀疏重构得到残差帧ZK。
21g)将残差帧与边信息帧相加,得到重构的关键帧;
22)CS帧的重构,如图3所示,是CS帧的重构方法流程图,具体操作步骤如下:
22a)在解码端首先对CS帧的码流进行熵解码及反量化,得到CS帧每个图像块测量值;
22b)判断收到多描述测量值的数目,若只收到一路多描述测量值,跳转至22c),若收到两路多描述测量值,跳转至22d);
22c)若只收到一路多描述测量值Mi(i=1,2),则进一步判断收到的是第一路描述M1,还是第二路描述M2,并分别进行测量值补充,利用关键帧同位置块测量值与多描述测量值组合成重构块测量值矢量。
测量值补充方法具体为:若收到的描述为测量值的奇数列,即为第一路描述M1,且每一列向量长度为L,则采用前一关键帧测量值的偶数列对当前CS帧测量值进行补充,并且每一列只取前L个值。如图4所示,是一路描述测量值补充示意图:图中左侧下半部分为前一关键帧测量值向量,上半部分为收到的 CS帧测量值一路描述,为测量值的奇数列M1,且每一列向量长度为L,将其作为当前CS帧测量值向量的奇数列,将前一关键帧相同位置测量值的偶数列前L 个值对作当前CS帧测量矢量的偶数列,得到完整的测量矢量。若收到的描述为测量值的偶数列,即为第二路描述M2,且每一列向量长度为L,则采用前一关键帧测量值的奇数列对当前CS帧测量值进行补充,并且每一列只取前L个值。
22d)若收到两路多描述测量值,则将两路多描述测量值按顺序合并成当前CS帧完整的测量矢量。测量值合并是指将收到的奇数列描述和偶数列描述按照顺序重组为测量值向量。如图5所示,是两路描述测量值合并示意图,将第一路描述M1作为当前CS帧测量矢量的奇数列,将第二路描述M2作为当前CS 帧测量矢量的偶数列,并按顺序组合成完整的测量矢量。
22e)利用前一关键帧通过帧间多假设预测算法对当前块进行帧间字典构造:帧间字典构造过程如下:
对当前块CSi进行帧间字典构造时,选取当前块CSi相同位置的前一关键帧的帧块为中心,确定搜索窗口的位置和尺寸,通过滑动取块取出搜索窗口中所有参考块,将取得的参考块列向量化后组合成为当前块CSi的字典。
22f)利用帧间字典和当前块信息在测量域通过求解最优化方法得到边信息块,然后按照块顺序进行组合得到边信息帧。
22g)利用测量矩阵计算边信息帧的测量值,联合边信息帧和当前CS帧在测量域进行残差稀疏重构,此处残差稀疏重构是指首先计算边信息帧的测量值和CS帧的测量值yCS之间的残差测量值然后对残差利用基于块的投影光滑Landweber算法进行稀疏重构得到残差帧ZCS
22h)残差帧与边信息帧相加,得到重构的CS帧。
步骤21d)和22f)中的求解最优化方法为先求解稀疏系数然后由得到当前块的最佳预测块,即边信息块其中Dt,i为字典,t表示帧序号,i表示块序号,ΦB为块测量矩阵,yt,i为当前待解码块的测量值向量。
输出视频序列时,将重构的关键帧和CS帧按帧序号的顺序进行帧组合,将帧组合得到的视频序列输出,即完成视频图像的传输。
本发明利用抽样多描述方案的思想将视频信号通过交织编码分为两路。其简单性和无需更改传统单描述方法的方便性,对视频编解码、传输照成的时延较小,且能够得到较好的重构效果,相对于现有技术中的多描述方案有明显的优势。本发明对提出的分布式视频压缩感知中基于CS测量值多描述的视频编解码方法及系统做了初步测试实验,采用标准测试序列:Forman、Salesman、 Mother-daughter和Football序列做输入视频,以QCIF分辨率进行测试。将实验结果与传统的基于块分布式压缩感知重构算法(BCS-SPL)作比较,测试结果比较如图6和图7所示:可以看出,与传统BCS-SPL相比较,本发明在对前三个个标准视频序列的实验中在只收到一路描述时可获得1~2dB的改善,在收到两路描述时可获得2~6dB的改善。本发明在编码过程中利用了序列的时空相关性,由于Football序列的时间相关性比较弱,且序列运动比较剧烈,所以改善效果没有其他序列明显。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (8)
1.基于CS测量值多描述的视频编码方法,其特征在于,包括以下步骤:
11)将视频帧分为关键帧和CS帧;
12)对关键帧编码:
12a)对关键帧进行基于块的压缩测量,得到基于块的关键帧测量值;
12b)对得到的关键帧测量值进行量化、熵编码;
13)对CS帧编码:
13a)对CS帧进行基于块的压缩测量,得到基于块的CS帧测量值;
13b)对得到CS帧测量值进行智能多描述编码,形成两路描述;
13c)对得到的两路描述分别进行量化、熵编码;
步骤12a)、13a)中所述基于块的压缩测量步骤如下:
第1步,将拟采样的视频帧分成大小相同、互不重叠的方形图像块;
第2步,用随机测量矩阵对图像块其进行压缩采样,得到每个图像块的测量值向量;
步骤13b)中所述CS帧测量值智能多描述编码过程如下:
第1步,将13a)中每一块测量值列向量化;
第2步,将列向量化的向量按块顺序组合成测量值矩阵;
第3步,采用交织编码将测量值矩阵分解成两路描述:提取测量值矩阵的奇数列作为第一路描述,并标记为M1;提取测量值矩阵的偶数列作为第二路描述,并标记为M2。
2.根据权利要求1所述的基于CS测量值多描述的视频编码方法,其特征在于:步骤12a)中所述基于块的压缩测量中关键帧的测量率大于步骤13a)中CS帧的测量率。
3.基于CS测量值多描述的视频解码方法,其特征在于,包括以下步骤:
21)关键帧的重构,具体操作步骤如下:
21a)在解码端首先对关键帧的码流进行熵解码及反量化,得到每个关键帧帧块的测量值;
21b)对关键帧的每个块测量值进行块初始重构,然后将重构块按照块顺序组合得到初始重构的关键帧;
21c)对初始重构的关键帧,利用帧内多假设算法对每一块进行帧内字典构造;
21d)利用帧内字典和当前块的信息在测量域通过求解最优化方法得到边信息块,然后将边信息块按照块顺序组合,得到边信息帧;
21f)利用测量矩阵计算边信息帧测量值,然后联合边信息帧的测量值和关键帧的测量值进行残差稀疏重构,生成残差帧;
21g)将残差帧与边信息帧相加,得到重构的关键帧;
22)CS帧的重构,具体操作步骤如下:
22a)在解码端首先对CS帧的码流进行熵解码及反量化,得到CS帧每个图像块测量值;
22b)判断收到多描述测量值的数目,若只收到一路多描述测量值,跳转至22c),若收到两路多描述测量值,跳转至22d);
22c)若只收到一路多描述测量值Mi(i=1,2),则进一步判断收到的是第一路描述M1,还是第二路描述M2,并分别进行测量值补充,利用关键帧同位置块测量值与收到测量值组合成重构块测量值矢量;
测量值补充方法如下:
若收到的描述为测量值的奇数列,即为第一路描述M1,且每一列向量长度为L,则采用前一关键帧测量值的偶数列对当前CS帧测量值进行补充,并且每一列只取前L个值;
若收到的描述为测量值的偶数列,即为第二路描述M2,且每一列向量长度为L,则采用前一关键帧测量值的奇数列对当前CS帧测量值进行补充,并且每一列只取前L个值;
22d)若收到两路多描述测量值,则将两路多描述测量值按顺序组合成当前CS帧完整的测量矢量;
22e)利用前一关键帧通过帧间多假设预测算法对当前块进行帧间字典构造;
22f)利用帧间字典和当前块信息在测量域通过求解最优化方法得到边信息块,然后按照块顺序进行组合得到边信息帧;
22g)利用测量矩阵计算边信息帧的测量值,联合边信息帧和当前CS帧在测量域进行残差稀疏重构,生成残差帧;
22h)残差帧与边信息帧相加,得到重构的CS帧。
4.根据权利要求3所述的基于CS测量值多描述的视频解码方法,其特征在于:步骤21c)中所述帧内字典构造过程如下:
对当前块进行帧内字典构造时,以当前块为中心,确定搜索窗口的位置和尺寸,通过滑动取块取出搜索窗口中所有参考块,将取得的参考块列向量化后组合成为当前块的字典。
5.根据权利要求3所述的基于CS测量值多描述的视频解码方法,其特征在于:步骤21d)和22f)中的求解最优化方法为先求解稀疏系数然后由得到当前块的最佳预测块,即边信息块
其中Dt,i为字典,t表示帧序号,i表示块序号,ΦB为块测量矩阵,yt,i为当前待解码块的测量值向量。
6.根据权利要求3所述的基于CS测量值多描述的视频解码方法,其特征在于:步骤21f)中所述残差稀疏重构是指首先计算边信息帧的测量值和关键帧的测量值yK之间的残差测量值然后对残差利用基于块的投影光滑Landweber算法进行稀疏重构得到残差帧ZK。
7.根据权利要求3所述的基于CS测量值多描述的视频解码方法,其特征在于:步骤22e)中所述帧间字典构造过程如下:
对当前块CSi进行帧间字典构造时,选取当前块CSi相同位置的前一关键帧的帧块为中心,确定搜索窗口的位置和尺寸,通过滑动取块取出搜索窗口中所有参考块,将取得的参考块列向量化后组合成为当前块CSi的字典。
8.根据权利要求3所述的基于CS测量值多描述的视频解码方法,其特征在于:步骤22g)中所述残差稀疏重构是指首先计算边信息帧的测量值和CS帧的测量值yCS之间的残差测量值然后对残差利用基于块的投影光滑Landweber算法进行稀疏重构得到残差帧ZCS。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410555088.3A CN104333757B (zh) | 2014-10-17 | 2014-10-17 | 基于cs测量值多描述的视频编解码方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410555088.3A CN104333757B (zh) | 2014-10-17 | 2014-10-17 | 基于cs测量值多描述的视频编解码方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104333757A CN104333757A (zh) | 2015-02-04 |
CN104333757B true CN104333757B (zh) | 2017-09-29 |
Family
ID=52408396
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410555088.3A Expired - Fee Related CN104333757B (zh) | 2014-10-17 | 2014-10-17 | 基于cs测量值多描述的视频编解码方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104333757B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106385584B (zh) * | 2016-09-28 | 2019-03-01 | 江苏亿通高科技股份有限公司 | 基于空域相关性的分布式视频压缩感知自适应采样编码方法 |
CN106888024B (zh) * | 2017-01-06 | 2020-09-08 | 南京邮电大学 | 一种基于双向最佳匹配的分布式视频压缩感知重构方法 |
CN107509074B (zh) * | 2017-07-10 | 2021-04-09 | 上海大学 | 基于压缩感知的自适应3d视频压缩编解码方法 |
CN107566831B (zh) * | 2017-09-18 | 2020-11-20 | 山东师范大学 | 基于随机偏移量化多描述编码的自适应编解码方法及系统 |
CN108521573A (zh) * | 2018-04-16 | 2018-09-11 | 广东技术师范学院 | 一种分布式视频压缩感知编解码方法 |
CN109743571B (zh) * | 2018-12-26 | 2020-04-28 | 西安交通大学 | 一种基于并行压缩感知多层残差系数的图像编码方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2002951574A0 (en) * | 2002-09-20 | 2002-10-03 | Unisearch Limited | Method of signalling motion information for efficient scalable video compression |
KR101165379B1 (ko) * | 2004-07-15 | 2012-07-17 | 삼성전자주식회사 | 수신 성능이 향상된 지상파 디지털 방송 송수신 시스템 및그의 신호처리방법 |
ITMI20041971A1 (it) * | 2004-10-15 | 2005-01-15 | Uni Degli Studi Brescia | Metodo di codifica video scalabile |
CN102523448A (zh) * | 2011-12-27 | 2012-06-27 | 北京交通大学 | 一种基于旋转的多描述视频编解码方法、装置及系统 |
-
2014
- 2014-10-17 CN CN201410555088.3A patent/CN104333757B/zh not_active Expired - Fee Related
Non-Patent Citations (2)
Title |
---|
"基于交织抽取与分块压缩感知策略的图像多描述编码方法";赵春晖,刘巍;《电子与信息学报》;20110228;第33卷(第2期);第462页第3节,图1 * |
"基于时空相关性的分布式压缩感知多假设预测重构算法";孟雨 等;《计算机应用研究》;20140228;第31卷(第2期);第638-639页第2节,图1-3 * |
Also Published As
Publication number | Publication date |
---|---|
CN104333757A (zh) | 2015-02-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104333757B (zh) | 基于cs测量值多描述的视频编解码方法 | |
CN104159112B (zh) | 基于双重稀疏模型解码的压缩感知视频传输方法及系统 | |
CN103618907B (zh) | 基于压缩感知多视点分布式视频编码及帧排列装置及方法 | |
CN101854548B (zh) | 一种面向无线多媒体传感器网络的视频压缩方法 | |
CN103607591A (zh) | 结合超分辨率重建的图像压缩方法 | |
CN101626512A (zh) | 一种基于相关性优化准则的多描述视频编码方法及装置 | |
CN103347188B (zh) | 一种分布式视频编码非关键帧压缩感知编解码方法 | |
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 | |
CN106385584B (zh) | 基于空域相关性的分布式视频压缩感知自适应采样编码方法 | |
CN102427527A (zh) | 基于分布式视频压缩感知系统非关键帧的重构方法 | |
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 | |
CN103596010B (zh) | 基于字典学习的压缩感知视频编解码系统 | |
CN103002283A (zh) | 多视角分布式视频压缩的边信息生成方法 | |
CN102256133A (zh) | 一种基于边信息精化的分布式视频编码及解码方法 | |
CN102308583A (zh) | 对多视角图像进行编码和解码的设备和方法 | |
CN113132735A (zh) | 一种基于视频帧生成的视频编码方法 | |
CN105850124A (zh) | 使用量化误差的额外的控制编码、解码视频信号的方法和装置 | |
US10904579B2 (en) | Method and apparatus for annealing iterative geometry smoothing | |
CN103139571A (zh) | 基于fec与wz编解码相结合的视频容错抗误码方法 | |
CN102572428B (zh) | 面向多媒体传感网分布式编解码的边信息估计方法 | |
CN100508608C (zh) | 一种无预测循环的抗误码视频编解码方法 | |
CN105163122B (zh) | 一种基于图像块相似性的图像压缩及解压缩方法 | |
CN107920250A (zh) | 一种压缩感知图像编码传输方法 | |
CN104363461B (zh) | 视频帧的错误隐藏方法及应用其的视频解码方法 | |
Yuan et al. | Exploring the benefits of cross-modal coding |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170929 Termination date: 20201017 |