CN105049870A - 一种基于稀疏度估计的分布式视频压缩感知快速重建方法 - Google Patents

Abstract

本发明公开了一种基于稀疏度估计的分布式视频压缩感知快速重建方法，该方法利用分布式视频帧之间的相关性，对压缩感知的测量值进行稀疏度估计，将估计出的稀疏度代入正交匹配追踪算法中去重建压缩视频图像，减少了大量的计算量。本发明在保证重建图像质量基本不变的前提下，加速了压缩感知图像的重建过程，更符合视频信息实时性的要求。

Description

一种基于稀疏度估计的分布式视频压缩感知快速重建方法

技术领域

本发明涉及一种基于稀疏度估计的分布式视频压缩感知快速重建方法，属于视频图像处理技术领域。

背景技术

随着信息技术和互联网的飞速发展，多媒体已成为人们获取信息最主要的载体，多媒体业务将是未来无线宽带网络的关键业务。目前，为了适应无线网络的日益发展，越来越多的移动视频终端被用于多媒体通信中，如无线视频探测头、便携式摄像机，以及无线多媒体传感器网络(WirelessMultimediaSensorNetwork，WMSN)。这些设备通常都需要对视频进行实时编码，并将码流传送到一个中心节点进行解码显示。在这种情况下，编码设备的处理能力和功耗等资源都十分有限，而传统的视频编码标准，如H.264/AVC、HEVC等因编码器复杂度高，而不能适用于上述应用场景。而且在实际应用中,现有设备在采集信号时，仍以奈奎斯特采样定理为准进行高速采样，这样一方面会导致海量采样数据，增加模/数转换和存储的代价，另一方面在压缩编码过程中，大量变换运算得到的小系数经量化后被丢弃，造成数据计算和内存资源的浪费，从而给无线视频编码设备的低功耗、低成本实现带来极大的困难。因此，在2009年，Prades等人提出了分布式视频压缩感知(DistributedCompressedVideoSensing，DCVS)的概念。。

分布式视频压缩感知同时结合了分布式视频编码(DistributedVideoCoding，DVC)与压缩感知(CompressedSensing，CS)两者的优点，共同从理论上实现了一个低功耗、低复杂度的视频采集与编码设备。一方面，视频信号在模拟域采集，通过随机投影的方式实现信号采集和压缩，大大降低了终端设备的采样率和编码复杂度。另一方面，分布式视频压缩感知在编码端对视频序列进行独立采集、压缩和编码，在解码端利用边信息实现视频帧的联合压缩感知重构。因此，该框架是通过在解码端利用视频信号的空间、时间相关性实现视频序列的稀疏重构，从而实现将编码的运算复杂度转移到解码侧。然而，传统的压缩感知重构方法是非自适应的，在重构时仅利用了信号的稀疏性这一先验知识，并没有充分利用视频信息中各相邻帧之间的相关性，并且传统的压缩感知重构算法计算量较大，耗时较长，不能满足视频实时性的要求。而本发明能够很好地解决上面的问题。

发明内容

本发明目的在于提供了一种分布式视频压缩感知中基于稀疏度估计的快速重建方法，该方法解决了传统压缩感知重建方法的计算量较大，实时性较差，不适用于分布式视频压缩感知的问题。本发明采用已解码成功的前后相邻帧与待解码帧的相关性估计压缩感知帧的稀疏度，在保证重建图像质量基本不变的前提下，提高了压缩感知信号的重建速度。

本发明解决其技术问题所采取的技术方案是：一种基于稀疏度估计的分布式视频压缩感知快速重建方法，该方法包含如下步骤：

输入：需重建帧的压缩感知信号Y_cs，已解码的前一帧f_k-1，已解码的后一帧f_k+1，测量矩阵Φ＝{ω_i，i＝1，2，3…，m}以及硬阈值τ。

输出：重建帧f_cs。

方法流程：

步骤1：计算f_k-1的测量值，所述的计算公式为：Y_k-1＝Φf_k-1；

步骤2：计算Y_k-1与I_cs之间的残差，所述的计算公式为：R_cs＝Y_cs-Y_k-1；

步骤3：计算f_k+1与f_k-1之间的残差，所述的计算公式为：R_f＝f_k+1-f_k-1；

步骤4：对R_f进行离散小波变换得到D_f，置k＝1；

步骤5：对D_f第k列d_k进行硬阈值判决，d_k中绝对值小于τ的元素个数作估计的稀疏度s_k；

定义函数：

$g\left(x\right)=\left\{\begin{array}{c}1,\left|x\right|\&GreaterEqual;\mathrm{\&tau;}\\ 0,\left|x\right|<\mathrm{\&tau;}\end{array}\right.$

稀疏度s_k按如下方法估计：

$s_k=\underset{i}{\&Sigma;}g\left(d_k\right(i\left)\right)$

步骤6：令r＝r_k，θ＝0；

当s_k＞0时，循环：

i＝argmax_j|<r，ω_j>|；

I＝I∪{i}；

r＝r_k-Φ(：，I)[Φ(：，I)]⁺r_k；

s_k＝s_k-1；

步骤7：第k列的重建信号为θ(I)＝[Φ(：，I)]⁺r_k，如果k小于R_cs的总列数，则k＝k+1，转到步骤5，如果k等于R_cs的总列数，则转到步骤8；

步骤8：将重建完成的压缩感知帧与f_k-1的残差加上f_k-1得到重建帧f_cs。

本发明的所述方法应用于视频压缩感知快速重建。

有益效果：

1、本发明充分利用分布式视频帧之间的相关性，计算已解码成功的前后相邻帧的残差，并对其进行离散小波变换，再对变换后的结果进行硬阈值判决估计稀疏度，远远小于采样量的1/4，在保证重建质量的前提下，能够大幅度地提高重建速度。

2、本发明压缩感知重构方法的计算量较小，耗时较短，并且能够满足视频实时性的要求。

附图说明

图1为本发明的方法的流程图。

具体实施方式

下面结合说明书附图对本发明创造作进一步的详细描述。

如图1所示，本发明提供了一种基于稀疏度估计的分布式视频压缩感知快速重建方法，该方法包括如下步骤：

输入：需重建帧的压缩感知信号Y_cs，已解码的前一帧f_k-1，已解码的后一帧f_k+1，测量矩阵Φ＝{ω_i，i＝1，2，3…，m}以及硬阈值τ。

输出：重建帧f_cs。

本发明具体的实现过程包括如下步骤：

步骤1：计算f_k-1的测量值Y_k-1＝Φf_k-1；

步骤2：计算Y_k-1与I_cs之间的残差R_cs＝Y_cs-Y_k-1；

步骤3：计算f_k+1与f_k-1之间的残差R_f＝f_k+1-f_k-1；

步骤4：对R_f进行离散小波变换得到D_f，置k＝1；

步骤5：对D_f第k列d_k进行硬阈值判决，d_k中绝对值小于τ的元素个数作估计的稀疏度s_k；

定义函数：

$g\left(x\right)=\left\{\begin{array}{c}1,\left|x\right|\&GreaterEqual;\mathrm{\&tau;}\\ 0,\left|x\right|<\mathrm{\&tau;}\end{array}\right.$

稀疏度s_k按如下方法估计：

$s_k=\underset{i}{\&Sigma;}g\left(d_k\left(i\right)\right)$

步骤6：令r＝r_k，θ＝0；

当s_k＞0时，循环：

i＝argmax_j|<r，ω_j>|；

I＝I∪{i}；

r＝r_k-Φ(：，I)[Φ(：，I)]⁺r_k；

s_k＝s_k-1；

步骤7：第k列的重建信号为θ(I)＝[Φ(：，I)]⁺r_k，如果k小于R_cs的总列数，则k＝k+1，转到步骤5，如果k等于R_cs的总列数，则转到步骤8；

步骤8：将重建完成的压缩感知帧与f_k-1的残差加上f_k-1得到重建帧f_cs。

Claims (5)

1.一种基于稀疏度估计的分布式视频压缩感知快速重建方法，其特征在于，所述方法包括如下步骤：

步骤1：计算f_k-1的测量值，所述的计算公式为：Y_k-1＝Φf_k-1；

步骤2：计算Y_k-1与I_cs之间的残差，所述的计算公式为：R_cs＝Y_cs-Y_k-1；

步骤3：计算f_k+1与f_k-1之间的残差，所述的计算公式为：R_f＝f_k+1-f_k-1；

步骤4：对R_f进行离散小波变换得到D_f，置k＝1；

步骤5：对D_f第k列d_k进行硬阈值判决，d_k中绝对值小于τ的元素个数作估计的稀疏度s_k；

步骤6：令r＝r_k，θ＝0；

当s_k＞0时，循环：

i＝argmax_j|<r，ω_j>|；

I＝I∪{i}；

s_k＝s_k-1；

步骤7：第k列的重建信号为如果k小于R_cs的总列数，则k＝k+1，转到步骤5，如果k等于R_cs的总列数，则转到步骤8；

步骤8：将重建完成的压缩感知帧与f_k-1的残差加上f_k-1得到重建帧f_cs。

2.根据权利要求1所述的一种基于稀疏度估计的分布式视频压缩感知快速重建方法，其特征在于：所述方法包括：输入：需重建帧的压缩感知信号Y_cs,已解码的前一帧f_k-1，已解码的后一帧f_k+1，测量矩阵Φ＝{ω_i，i＝1，2，3…，m}以及硬阈值τ；输出：重建帧f_cs。

3.根据权利要求1所述的一种基于稀疏度估计的分布式视频压缩感知快速重建方法，其特征在于：所述步骤5估计的稀疏度s_k的定义函数为：

$g\left(x\right)=\left\{\begin{array}{c}1,\left|x\right|\&GreaterEqual;\mathrm{\&tau;}\\ 0,\left|x\right|<\mathrm{\&tau;}\end{array}\right.$

稀疏度s_k按如下方法估计：

$s_k=\underset{i}{\&Sigma;}g\left(d_k\left(i\right)\right).$

4.根据权利要求1所述的一种基于稀疏度估计的分布式视频压缩感知快速重建方法，其特征在于：所述方法采用已解码成功的前后相邻帧与待解码帧的相关性估计压缩感知帧的稀疏度。

5.根据权利要求1所述的一种基于稀疏度估计的分布式视频压缩感知快速重建方法，其特征在于：所述方法应用于视频压缩感知快速重建。