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

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 Download PDF

Info

Publication number
CN105049870A
CN105049870A CN201510475283.XA CN201510475283A CN105049870A CN 105049870 A CN105049870 A CN 105049870A CN 201510475283 A CN201510475283 A CN 201510475283A CN 105049870 A CN105049870 A CN 105049870A
Authority
CN
China
Prior art keywords
compressed sensing
degree
rarefication
distributed video
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.)
Granted
Application number
CN201510475283.XA
Other languages
English (en)
Other versions
CN105049870B (zh
Inventor
张登银
纪应天
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Post and Telecommunication University
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing Post and Telecommunication University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Post and Telecommunication University filed Critical Nanjing Post and Telecommunication University
Priority to CN201510475283.XA priority Critical patent/CN105049870B/zh
Publication of CN105049870A publication Critical patent/CN105049870A/zh
Application granted granted Critical
Publication of CN105049870B publication Critical patent/CN105049870B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Compression Or Coding Systems Of Tv Signals (AREA)

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Ycs,已解码的前一帧fk-1,已解码的后一帧fk+1,测量矩阵Φ={ωi,i=1,2,3…,m}以及硬阈值τ。
输出:重建帧fcs
方法流程:
步骤1:计算fk-1的测量值,所述的计算公式为:Yk-1=Φfk-1
步骤2:计算Yk-1与Ics之间的残差,所述的计算公式为:Rcs=Ycs-Yk-1
步骤3:计算fk+1与fk-1之间的残差,所述的计算公式为:Rf=fk+1-fk-1
步骤4:对Rf进行离散小波变换得到Df,置k=1;
步骤5:对Df第k列dk进行硬阈值判决,dk中绝对值小于τ的元素个数作估计的稀疏度sk
定义函数:
g ( x ) = 1 , | x | &GreaterEqual; &tau; 0 , | x | < &tau;
稀疏度sk按如下方法估计:
s k = &Sigma; i g ( d k ( i ) )
步骤6:令r=rkθ=0;
当sk>0时,循环:
i=argmaxj|<r,ωj>|;
I=I∪{i};
r=rk-Φ(:,I)[Φ(:,I)]+rk
sk=sk-1;
步骤7:第k列的重建信号为θ(I)=[Φ(:,I)]+rk,如果k小于Rcs的总列数,则k=k+1,转到步骤5,如果k等于Rcs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fk-1的残差加上fk-1得到重建帧fcs
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Ycs,已解码的前一帧fk-1,已解码的后一帧fk+1,测量矩阵Φ={ωi,i=1,2,3…,m}以及硬阈值τ。
输出:重建帧fcs
本发明具体的实现过程包括如下步骤:
步骤1:计算fk-1的测量值Yk-1=Φfk-1
步骤2:计算Yk-1与Ics之间的残差Rcs=Ycs-Yk-1
步骤3:计算fk+1与fk-1之间的残差Rf=fk+1-fk-1
步骤4:对Rf进行离散小波变换得到Df,置k=1;
步骤5:对Df第k列dk进行硬阈值判决,dk中绝对值小于τ的元素个数作估计的稀疏度sk
定义函数:
g ( x ) = 1 , | x | &GreaterEqual; &tau; 0 , | x | < &tau;
稀疏度sk按如下方法估计:
s k = &Sigma; i g ( d k ( i ) )
步骤6:令r=rkθ=0;
当sk>0时,循环:
i=argmaxj|<r,ωj>|;
I=I∪{i};
r=rk-Φ(:,I)[Φ(:,I)]+rk
sk=sk-1;
步骤7:第k列的重建信号为θ(I)=[Φ(:,I)]+rk,如果k小于Rcs的总列数,则k=k+1,转到步骤5,如果k等于Rcs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fk-1的残差加上fk-1得到重建帧fcs

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fk-1的测量值,所述的计算公式为:Yk-1=Φfk-1
步骤2:计算Yk-1与Ics之间的残差,所述的计算公式为:Rcs=Ycs-Yk-1
步骤3:计算fk+1与fk-1之间的残差,所述的计算公式为:Rf=fk+1-fk-1
步骤4:对Rf进行离散小波变换得到Df,置k=1;
步骤5:对Df第k列dk进行硬阈值判决,dk中绝对值小于τ的元素个数作估计的稀疏度sk
步骤6:令r=rkθ=0;
当sk>0时,循环:
i=argmaxj|<r,ωj>|;
I=I∪{i};
sk=sk-1;
步骤7:第k列的重建信号为如果k小于Rcs的总列数,则k=k+1,转到步骤5,如果k等于Rcs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fk-1的残差加上fk-1得到重建帧fcs
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Ycs,已解码的前一帧fk-1,已解码的后一帧fk+1,测量矩阵Φ={ωi,i=1,2,3…,m}以及硬阈值τ;输出:重建帧fcs
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sk的定义函数为:
g ( x ) = 1 , | x | &GreaterEqual; &tau; 0 , | x | < &tau;
稀疏度sk按如下方法估计:
s k = &Sigma; i g ( d k ( i ) ) .
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。
CN201510475283.XA 2015-08-05 2015-08-05 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 Active CN105049870B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510475283.XA CN105049870B (zh) 2015-08-05 2015-08-05 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510475283.XA CN105049870B (zh) 2015-08-05 2015-08-05 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

Publications (2)

Publication Number Publication Date
CN105049870A true CN105049870A (zh) 2015-11-11
CN105049870B CN105049870B (zh) 2018-05-01

Family

ID=54455997

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510475283.XA Active CN105049870B (zh) 2015-08-05 2015-08-05 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

Country Status (1)

Country Link
CN (1) CN105049870B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105872549A (zh) * 2016-05-16 2016-08-17 中国科学技术大学 基于块搜索和正交匹配追踪的视频变换编码方法
CN105898222A (zh) * 2016-04-26 2016-08-24 国家电网公司 一种图像采集方法及图像采集系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007050680A2 (en) * 2005-10-25 2007-05-03 William Marsh Rice University Method and apparatus for on-line compressed sensing
CN103338363A (zh) * 2013-03-06 2013-10-02 西安电子科技大学 基于测量域块分类的视频压缩感知编码系统及方法
CN103595414A (zh) * 2012-08-15 2014-02-19 王景芳 一种稀疏采样与信号压缩感知重构方法
CN103929649A (zh) * 2014-04-28 2014-07-16 广西大学 一种视频压缩感知的重建方法
CN104574450A (zh) * 2014-12-31 2015-04-29 南京邮电大学 一种基于压缩感知的图像重构方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007050680A2 (en) * 2005-10-25 2007-05-03 William Marsh Rice University Method and apparatus for on-line compressed sensing
WO2007050680A3 (en) * 2005-10-25 2009-06-11 Univ Rice William M Method and apparatus for on-line compressed sensing
CN103595414A (zh) * 2012-08-15 2014-02-19 王景芳 一种稀疏采样与信号压缩感知重构方法
CN103338363A (zh) * 2013-03-06 2013-10-02 西安电子科技大学 基于测量域块分类的视频压缩感知编码系统及方法
CN103929649A (zh) * 2014-04-28 2014-07-16 广西大学 一种视频压缩感知的重建方法
CN104574450A (zh) * 2014-12-31 2015-04-29 南京邮电大学 一种基于压缩感知的图像重构方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105898222A (zh) * 2016-04-26 2016-08-24 国家电网公司 一种图像采集方法及图像采集系统
CN105898222B (zh) * 2016-04-26 2018-12-18 国家电网公司 一种图像采集方法及图像采集系统
CN105872549A (zh) * 2016-05-16 2016-08-17 中国科学技术大学 基于块搜索和正交匹配追踪的视频变换编码方法

Also Published As

Publication number Publication date
CN105049870B (zh) 2018-05-01

Similar Documents

Publication Publication Date Title
Shi et al. Image compressed sensing using convolutional neural network
CN102123278B (zh) 基于分布式压缩感知技术的信源编解码的方法
CN105451019B (zh) 一种面向无线视频传感器网络的图像压缩传输方法
WO2021093393A1 (zh) 基于深度神经网络的视频压缩感知与重构方法和装置
CN104574450B (zh) 一种基于压缩感知的图像重构方法
CN103618903B (zh) 高速低功耗无线传感网络视频压缩采样方法
CN102223536B (zh) 基于压缩感知的分布式视频编解码系统及其方法
CN106385584A (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
CN104333757B (zh) 基于cs测量值多描述的视频编解码方法
CN107920250B (zh) 一种压缩感知图像编码传输方法
CN105049870A (zh) 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
CN106559670A (zh) 一种改进的分块视频压缩感知算法
CN104363454B (zh) 一种高码率图像的视频编、解码方法及系统
CN109194968A (zh) 一种融合信源信道译码的图像压缩感知方法
CN105828087A (zh) 一种基于光学小波及压缩感知的图像压缩系统
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
CN103780264A (zh) 一种基于fpga的压缩感知方法
Siddamal et al. A survey on compressive sensing
Zhou et al. Asymmetric block based compressive sensing for image signals
CN102821277B (zh) 一种基于图像集的数据压缩方法与系统
CN102088612B (zh) 具有鲁棒性的无反馈Wyner-Ziv视频解码器
CN110708561A (zh) 基于压缩感知与信道编码的水下信息采集与传输方法
Xu et al. Compressive video sensing based on user attention model
CN109246437B (zh) 一种基于里德所罗门码的图像压缩感知方法
CN107707917A (zh) 一种基于信息熵的视频自适应采样率设定方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Zhang Dengyin

Inventor after: Ji Yingtian

Inventor after: Zhao Junyi

Inventor after: Li Ruichao

Inventor after: Chen Zifei

Inventor after: Li Ruizhi

Inventor before: Zhang Dengyin

Inventor before: Ji Yingtian

GR01 Patent grant
GR01 Patent grant