CN107277537A - 一种基于时间相关性的分布式视频压缩感知采样方法 - Google Patents

一种基于时间相关性的分布式视频压缩感知采样方法 Download PDF

Info

Publication number
CN107277537A
CN107277537A CN201710595955.XA CN201710595955A CN107277537A CN 107277537 A CN107277537 A CN 107277537A CN 201710595955 A CN201710595955 A CN 201710595955A CN 107277537 A CN107277537 A CN 107277537A
Authority
CN
China
Prior art keywords
mrow
key frame
frame
temporal correlation
compressed sensing
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
CN201710595955.XA
Other languages
English (en)
Other versions
CN107277537B (zh
Inventor
张登银
杨阳
丁飞
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 CN201710595955.XA priority Critical patent/CN107277537B/zh
Publication of CN107277537A publication Critical patent/CN107277537A/zh
Application granted granted Critical
Publication of CN107277537B publication Critical patent/CN107277537B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/42—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/132—Sampling, masking or truncation of coding units, e.g. adaptive resampling, frame skipping, frame interpolation or high-frequency transform coefficient masking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/136—Incoming video signal characteristics or properties
    • H04N19/137—Motion inside a coding unit, e.g. average field, frame or block difference
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/154—Measured or subjectively estimated visual quality after decoding, e.g. measurement of distortion
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/177—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being a group of pictures [GOP]

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本发明公开了一种基于时间相关性的分布式视频压缩感知采样方法，该方法在建立无反馈的分布式视频压缩感知模型的基础上，充分利用视频帧之间的时间相关性，通过每个图像块信息占视频图像组信息的大小来初步分配每块的采样率，按照帧间残差进行模式判别，计算出各个小块实际的采样率，从而实现自适应采样分配。该方法在相同总采样率下能提高视频的重构质量，且减少采样次数带来的能量节省远远超过了动态采样率算法引起的额外能量消耗，没有使用反馈信道，时延较小。该方法解决了现有分布式视频压缩感知采样过程中未充分考虑时间相关性的问题，具有很好地实用价值。

Description

一种基于时间相关性的分布式视频压缩感知采样方法
技术领域
本发明涉及一种基于时间相关性的分布式视频压缩感知采样方法，属于视频图像处理技术领域。
背景技术
由于视频信号处理的复杂性和传输的流量大，对于缺乏电力和通信网络基础设施的应用环境，现有的视频监控系统无法满足应用需。压缩感知(Compressive Sensing，CS)技术深度挖掘视频信号内部的稀疏性，通过欠采样方法提取原始信号的低维投影，并利用优化或迭代的手段高概率完成原始信号的重构。将CS应用到分布式视频编码(DistributedVideo Coding，DVC)中产生了分布式视频压缩感知技术(Distributed Compressive VideoSensing，DCVS)，节省了存储空间，降低编码复杂度，提高了视频图像的质量。
目前，DCVS研究中的非关键帧采样大多都是固定相同采样率，而对单帧图像分块并对所有块均用相同的采样率采样，与直接对整帧图像采样重构的方法相比，针对块采样的单帧重构算法在速度和质量上都显示了明显的优越性。然而，这些针对视频单帧处理的方法忽略了视频连续帧之间所具有的强相关性。目前，有如下几种自适应采样方法已经被提出。根据关注度的不同分配采样率的方法，区分前景和背景，牺牲了背景的重构质量,视频总体质量几乎没有实质性的提高。利用反馈信道实现采样率的自适应分配方法，解码端重构图像被发送至编码端进行采样率的调整，但系统延时较大，不适用于需要实时解码的环境。通过离散小波变换域(Discrete Wavelet Transform,DWT)对图像每级分解时的每个子带中应用分块采样的自适应采样率方案，明显提高了视频图像质量，但是算法复杂度较高。以上自适应采样算法都没有充分考虑视频图像的时间相关性。总体而言,目前的自适应采样率方案研究尚处于起步阶段,所以还有待进一步地完善和发展。
发明内容
本发明的目的在于提出一种基于时间相关性的分布式视频压缩感知采样方法。该方法解决了现有分布式视频压缩感知采样过程中未充分考虑视频帧间时间相关性的问题。在本发明中，首先建立无反馈的分布式视频压缩感知模型，充分利用了视频帧之间的时间相关性，通过时间相关性信息初步分配采样率，继而对图像块利用帧间残差进行模式判别，计算出各个小块的采样率，从而实现自适应采样分配。在相同总采样率下，本发明提高了重构质量，且减少采样次数带来的能量节省远远超过了动态采样率算法引起的额外能量消耗，为降低采样率、降低能耗提供了可能，使得分布式视频压缩感知更加适用于抗险救灾现场等应急场景应用中。
本发明解决其技术问题所采取的技术方法是：一种基于时间相关性的分布式视频压缩感知采样方法，其特征在于，具体步骤如下：
输入：视频序列，每帧有Ic×Ir个像素；
步骤1：将原始视频流拆分为若干个长度为G的图像组(Group of Picture，GOP)，每组第一帧X0为关键帧，其余帧{X1,X2,…,Xj,…,XG-1}为非关键帧；
步骤2：将每个非关键帧分n个大小为B×B的块；
步骤3：计算一个图像组中每两相邻非关键帧之间的结构相似度:以及一个GOP中每个非关键帧时间相关性信息占整个图像组中信息的比例为
步骤4：利用每个非关键帧时间相关性信息占一个图像组中时间相关性信息比例分配采样率，则第t个非关键帧中每块的采样率分配比例为：
步骤5：计算第t个非关键帧每块的采样率为其中为平均每个非关键帧的采样率；
步骤6：当Rt大于1时，不符合实际采样，需进行采样率的重分配，如果是Rt的值超过了阀值Mmax，则按照阀值进行采样，多余的采样率为Rrt＝Rt-Mmax，Rrt依照其后非关键帧中mt的大小按比例分配给后面的帧，这样测量数才能完全被分配，得到最终的Rt；
步骤7：计算相邻两非关键帧相对应块的残差St,i＝Xt,i-Xt-1,i，其中Xt,i为第t个非关键帧的第i个小块，若残差大于阀值T，则每个图像块的模式识别标记值Ct,i记为0，否则，Ct,i记为1，计算每块的最终采样率为：rt,i＝Ct,i×Rt；
步骤8：对关键帧帧内编码或压缩测量，对非关键帧进行基于块的压缩感知；
步骤9：对关键帧帧内解码或重构，对非关键帧进行每小块进行解码重构，只需要对Ct,i＝1的块进行解码，对标记为Ct,i＝0的块直接用前一帧重构后的块填补即可；
步骤10：将非关键帧中重构后的小块和已用前一帧填补后的块按照原帧大小进行重组。
进一步地，本发明上述步骤1中的G为6，关键帧的采样率固定为0.7。
进一步地，本发明上述步骤2中的分块尺寸为B＝32。
进一步地，本发明上述步骤5中的分别取0.1，0.2，0.3，0.4，0.5。
进一步地，本发明上述步骤6中的阀值Mmax取0.7。
进一步地，本发明上述步骤7中的阀值T为St,i的均值。
进一步地，本发明上述步骤8中的压缩感知的稀疏矩阵采用沃尔什-哈达玛矩阵。
进一步地，本发明上述步骤9中重构采用梯度投影稀疏重构算法，重构迭代次数为100。
有益效果：
与现有技术相比，本发明具有如下优点：
第一，本发明首先在分布式视频压缩感知模型基础上，充分利用了视频帧之间的时间相关性，通过时间相关性信息进行初步分配采样率，继而对图像块利用帧间残差进行模式判别，计算出各个小块的采样率，从而实现自适应采样分配。在相同总采样率下，本发明提高了重构质量，所以在无线传感网络中能够在保证视频图像失真度小，质量高的前提下，降低采样率，以控制比特流大小，满足给定的目标码率。
第二，本发明是基于无反馈信道的分布式视频压缩感知自适应采样，时延较小，使得分布式视频压缩感知更加适用于抗险救灾现场等应急场景应用中。
第三，本发明中减少采样次数带来的能量节省远远超过了动态采样率算法引起的额外能量消耗，且在重构时部分图像块采用前一帧图像直接填补的方法，减少了重构时间，满足缺乏电力和通信网络基础设施的环境中的视频监控系统对视频实时性的要求。
第四，本发明实现了自适应采样分配，该方法在相同总采样率下能提高视频的重构质量，且减少采样次数带来的能量节省远远超过了动态采样率算法引起的额外能量消耗，没有使用反馈信道，时延较小。
附图说明
图1为本发明一种基于时间相关性的分布式视频压缩感知采样方法的框架图。
图2为本发明方法与传统固定采样率算法以及DWT多尺度分块采样技术的非关键帧重构图像的平均峰值信噪比(Peak Signal to Noise Ratio,PSNR)值随采样率的变化情况。Foreman、Coastguard序列前70帧，图像组长度为6。
图3为采样率为0.3时，Coastguard视频序列的第4帧的图像对比，(a)为原图，(b)为固定采样率重构图(c)为DWT多尺度分块采样技术重构图，(d)为本方法图。
图4为采样率为0.3时，Foreman视频序列的第4帧的图像对比，(a)为原图，(b)为固定采样率重构图(c)为DWT多尺度分块采样技术重构图，(d)为本方法图。
具体实施方式
以下结合附图，对本发明技术方案进行详细说明，具体实施例如下：
如图1所示，本发明提供了一种基于时间相关性的分布式视频压缩感知采样方法，该方法具体步骤如下：
输入：视频序列，每帧有Ic×Ir个像素；
步骤1：将原始视频流拆分为若干个长度为G的图像组(Group of Picture，GOP)，每组第一帧X0为关键帧，其余帧{X1,X2,…,Xj,…,XG-1}为非关键帧；
步骤2：将每个非关键帧分n个大小为B×B的块；
步骤3：计算一个图像组中每两相邻非关键帧之间的结构相似度:以及一个GOP中每个非关键帧时间相关性信息占整个图像组中信息的比例为
步骤4：利用每一个非关键帧时间相关性信息占一个图像组中时间相关性信息比例分配采样率，则第t个非关键帧中每块的采样率分配比例为：
步骤5：计算第t个非关键帧每块的采样率为其中为平均每个非关键帧的采样率；
步骤6：当Rt大于1时，不符合实际采样，需进行采样率的重分配，如果是Rt的值超过了阀值Mmax，则按照阀值进行采样，多余的采样率为Rrt＝Rt-Mmax，Rrt依照其后非关键帧中mt的大小按比例分配给后面的帧，这样测量数才能完全被分配，得到最终的Rt；
步骤7：计算相邻两非关键帧相对应块的残差St,i＝Xt,i-Xt-1,i，其中Xt,i为第t个非关键帧的第i个小块，若残差大于阀值T，则每个图像块的模式识别标记值Ct,i记为0，否则，Ct,i记为1，计算每块的最终采样率为：rt,i＝Ct,i×Rt；
步骤8：对关键帧进行帧内编码或压缩测量，对非关键帧进行基于块的压缩感知；
步骤9：对关键帧进行帧内解码或重构，对非关键帧每小块进行解码重构，只需要对Ct,i＝1的块进行解码，对标记为Ct,i＝0的块直接用前一帧重构后的块填补即可；
步骤10：将非关键帧中重构后的小块和已用前一帧填补后的块按照原帧大小进行重组。
本发明所述步骤1中的G为6，关键帧的采样率固定为0.7。
本发明所述步骤2中的分块尺寸为B＝32。
本发明所述步骤5中的m分别取0.1，0.2，0.3，0.4，0.5。
本发明所述步骤6中的阀值Mmax取0.7。
本发明所述步骤7中的阀值T为St,i的均值。
本发明所述步骤8中的压缩感知的稀疏矩阵采用沃尔什-哈达玛矩阵。
本发明所述步骤9中重构采用梯度投影稀疏重构算法，重构迭代次数为100。
表1为本发明和固定采样率算法以及DWT多尺度分块技术在采样率为0.1～0.5时，分别对一个图像组图像foreman和coastguard的图像处理时间比较，通过对运行时间对比和分析可以发现，使用本发明运行时间高于固定采样率算法运行时间，这表明本发明的计算复杂度增加了，但是运行时间增加的不明显。本发明采样率为0.1时的图像重构效果与固定采样率算法采样率为0.3时的图像重构效果相当。实际无线网络中图像组采样率为0.1和0.3的传输时间相差15～30s。即当图像清晰度要求一定时，本发明可减少采样率和传输时间。所以减少采样次数带来的能量节省远远超过了动态采样率算法引起的额外能量消耗。而对比DWT多尺度分块技术，本发明的处理时间较少，计算复杂度较低。
表1
下面结合附图对本发明方法的效果做进一步说明：
以CIF格式(288×352)的标准测式序列Foreman、coastguard的前70帧作为测试序列帧。图像组GOP长度为6。关键帧采样率固定为0.7。
图2是序列Coastguard、Foreman的前70帧仿真的具体情况，从图中可以看出，在相同的采样率下，Coastguard视频序列中，本发明平均每帧的重构质量比传统固定采样率提了2dB～3.2dB，Foreman视频序列中，本发明平均每帧的重构质量比传统固定采样率提高了1dB～3.8dB，改善效果比较明显。而与DWT多尺度分块采样技术相比，本方法对Coastguard、Foreman两种视频序列重构质量分别平均提高了0.7dB和1dB。
图3为Coastguard视频序列的第4帧的重构图像与原图像对比图，一个GOP中的非关键帧的平均每帧的采样率为0.3，GOP的大小取6。本发明的重构质量为30.73dB，而固定采样率算法为26.82dB，DWT多尺度分块采样技术为29.75dB，观察各重构视频帧，明显本方法具有最好的主观视觉质量。
图4为Foreman视频序列的第4帧的重构图像与原图像对比图，一个GOP中的非关键帧的平均每帧的采样率为0.3，GOP的大小取6。当对Foreman序列第3帧进行重构时，本发明的重构质量为32.57dB，而固定采样率算法28.00dB，DWT多尺度分块采样技术为31.75dB。观察各重构视频帧,明显本方法具有最好的主观视觉质量。
本发明在分布式视频压缩感知模型基础上，充分利用了视频帧之间的时间相关性，初步分配采样率，继而对图像块利用帧间残差进行模式判别，计算出各个小块的采样率，从而实现自适应采样分配。在相同总采样率下，本发明提高了重构质量，且减少采样次数带来的能量节省远远超过了动态采样率算法引起的额外能量消耗，为降低采样率、降低能耗提供了可能。
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (8)

1.一种基于时间相关性的分布式视频压缩感知采样方法，其特征在于，所述方法包括如下步骤：
输入：视频序列，每帧有Ic×Ir个像素；
步骤1：将原始视频流拆分为若干个长度为G的图像组(Group of Picture，GOP)，每组第一帧X0为关键帧，其余帧{X1,X2,…,Xj,…,XG-1}为非关键帧；
步骤2：将每个非关键帧分n个大小为B×B的块；
步骤3：计算一个图像组中每两相邻非关键帧之间的结构相似度：以及一个GOP中每个非关键帧时间相关性信息占整个图像组中信息的比例为
步骤4：利用每个非关键帧时间相关性信息占一个图像组中时间相关性信息比例分配采样率，则第t个非关键帧中每块的采样率分配比例为：
<mrow> <msub> <mi>m</mi> <mi>t</mi> </msub> <mo>=</mo> <mfrac> <mrow> <mn>1</mn> <mo>+</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>l</mi> <mo>=</mo> <mi>t</mi> </mrow> <mrow> <mi>G</mi> <mo>-</mo> <mn>2</mn> </mrow> </munderover> <mrow> <mo>(</mo> <munderover> <mo>&amp;Pi;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mi>t</mi> </mrow> <mi>l</mi> </munderover> <msub> <mi>&amp;theta;</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> </mrow> <mrow> <mi>G</mi> <mo>-</mo> <mn>1</mn> <mo>+</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>n</mi> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mi>G</mi> <mo>-</mo> <mn>2</mn> </mrow> </munderover> <mrow> <mo>(</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>l</mi> <mo>=</mo> <mi>n</mi> </mrow> <mrow> <mi>G</mi> <mo>-</mo> <mn>2</mn> </mrow> </munderover> <mo>(</mo> <mrow> <munderover> <mo>&amp;Pi;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mi>n</mi> </mrow> <mi>l</mi> </munderover> <msub> <mi>&amp;theta;</mi> <mi>j</mi> </msub> </mrow> <mo>)</mo> <mo>)</mo> </mrow> </mrow> </mfrac> </mrow>
步骤5：计算第t个非关键帧每块的采样率为其中为平均每个非关键帧的采样率；
步骤6：当Rt大于1时，不符合实际采样，需进行采样率的重分配，如果是Rt的值超过了阀值Mmax，则按照阀值进行采样，多余的采样率为Rrt＝Rt-Mmax，Rrt依照其后非关键帧中mt的大小按比例分配给后面的帧，测量数完全被分配，得到最终的Rt；
步骤7：计算相邻两非关键帧相对应块的残差St,i＝Xt,i-Xt-1,i，其中Xt,i为第t个非关键帧的第i个小块，若残差大于阀值T，则每个图像块的模式识别标记值Ct,i记为0，否则，C t,i记为1，计算每块的最终采样率为：rt,i＝Ct,i×Rt；
步骤8：对关键帧帧内编码或压缩测量，对非关键帧进行基于块的压缩感知；
步骤9：对关键帧进行帧内解码或重构，对非关键帧每小块进行解码重构，只需要对Ct,i＝1的块进行解码，对标记为Ct,i＝0的块直接用前一帧重构后的块填补即可；
步骤10：将非关键帧中重构后的小块和已用前一帧填补后的块按照原帧大小进行重组。
2.根据权利要求1所述的一种基于时间相关性的分布式视频压缩感知采样方法，其特征在于：所述步骤1中的G为6，关键帧的采样率固定为0.7。
3.根据权利要求1所述的一种基于时间相关性的分布式视频压缩感知采样方法，其特征在于：所述步骤2中的分块尺寸为B＝32。
4.根据权利要求1所述的一种基于时间相关性的分布式视频压缩感知采样方法，其特征在于：所述步骤5中的分别取0.1，0.2，0.3，0.4，0.5。
5.根据权利要求1所述的一种基于时间相关性的分布式视频压缩感知采样方法，其特征在于：所述步骤6中的阀值Mmax取0.7。
6.根据权利要求1所述的一种基于时间相关性的分布式视频压缩感知采样方法，其特征在于：所述步骤7中的阀值T为St,i的均值。
7.根据权利要求1所述的一种基于时间相关性的分布式视频压缩感知采样方法，其特征在于：所述步骤8中的压缩感知的稀疏矩阵采用沃尔什-哈达玛矩阵。
8.根据权利要求1所述的一种基于时间相关性的分布式视频压缩感知采样方法，其特征在于：所述步骤9中重构采用梯度投影稀疏重构算法，重构迭代次数为100。
CN201710595955.XA 2017-07-20 2017-07-20 一种基于时间相关性的分布式视频压缩感知采样方法 Active CN107277537B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710595955.XA CN107277537B (zh) 2017-07-20 2017-07-20 一种基于时间相关性的分布式视频压缩感知采样方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710595955.XA CN107277537B (zh) 2017-07-20 2017-07-20 一种基于时间相关性的分布式视频压缩感知采样方法

Publications (2)

Publication Number Publication Date
CN107277537A true CN107277537A (zh) 2017-10-20
CN107277537B CN107277537B (zh) 2019-10-18

Family

ID=60079321

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710595955.XA Active CN107277537B (zh) 2017-07-20 2017-07-20 一种基于时间相关性的分布式视频压缩感知采样方法

Country Status (1)

Country Link
CN (1) CN107277537B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108200440A (zh) * 2017-12-31 2018-06-22 南京邮电大学 一种基于时间相关性的分布式视频压缩感知重构方法
CN108259916A (zh) * 2018-01-22 2018-07-06 南京邮电大学 一种分布式视频压缩感知中帧内最佳匹配插值重构方法
CN108712653A (zh) * 2018-05-25 2018-10-26 西安电子科技大学 基于迭代相关性噪声细化的单向分布式视频解码方法
CN108998761A (zh) * 2018-08-16 2018-12-14 广东第二师范学院 一种二硫化钼薄膜及其制备方法和制备系统
CN112801082A (zh) * 2021-01-22 2021-05-14 北京百度网讯科技有限公司 图像的采样方法、装置及电子设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103618903A (zh) * 2013-12-10 2014-03-05 天津大学 高速低功耗无线传感网络视频压缩采样方法及装置
CN104822063A (zh) * 2015-04-16 2015-08-05 长沙理工大学 一种基于字典学习残差重建的压缩感知视频重建方法
CN106101725A (zh) * 2016-06-28 2016-11-09 电子科技大学 一种基于压缩感知理论和空域下采样技术的图像压缩方法
CN106385584A (zh) * 2016-09-28 2017-02-08 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

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103618903A (zh) * 2013-12-10 2014-03-05 天津大学 高速低功耗无线传感网络视频压缩采样方法及装置
CN104822063A (zh) * 2015-04-16 2015-08-05 长沙理工大学 一种基于字典学习残差重建的压缩感知视频重建方法
CN106101725A (zh) * 2016-06-28 2016-11-09 电子科技大学 一种基于压缩感知理论和空域下采样技术的图像压缩方法
CN106385584A (zh) * 2016-09-28 2017-02-08 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

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
LI-WEI KANG: "DISTRIBUTED COMPRESSIVE VIDEO SENSING", 《IEEE EXPLORE》 *
武明虎: "基于压缩感知的分布式视频编码研究", 《中国博士学位论文全文数据库》 *
纪应天: "分布式视频压缩感知技术研究", 《中国优秀硕士学位论文全文数据库库》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108200440A (zh) * 2017-12-31 2018-06-22 南京邮电大学 一种基于时间相关性的分布式视频压缩感知重构方法
CN108200440B (zh) * 2017-12-31 2019-08-23 南京邮电大学 一种基于时间相关性的分布式视频压缩感知重构方法
CN108259916A (zh) * 2018-01-22 2018-07-06 南京邮电大学 一种分布式视频压缩感知中帧内最佳匹配插值重构方法
CN108259916B (zh) * 2018-01-22 2019-08-16 南京邮电大学 一种分布式视频压缩感知中帧内最佳匹配插值重构方法
CN108712653A (zh) * 2018-05-25 2018-10-26 西安电子科技大学 基于迭代相关性噪声细化的单向分布式视频解码方法
CN108712653B (zh) * 2018-05-25 2019-12-10 西安电子科技大学 基于迭代相关性噪声细化的单向分布式视频解码方法
CN108998761A (zh) * 2018-08-16 2018-12-14 广东第二师范学院 一种二硫化钼薄膜及其制备方法和制备系统
CN108998761B (zh) * 2018-08-16 2020-05-22 广东第二师范学院 一种二硫化钼薄膜及其制备方法和制备系统
CN112801082A (zh) * 2021-01-22 2021-05-14 北京百度网讯科技有限公司 图像的采样方法、装置及电子设备
CN112801082B (zh) * 2021-01-22 2024-01-12 北京百度网讯科技有限公司 图像的采样方法、装置及电子设备

Also Published As

Publication number Publication date
CN107277537B (zh) 2019-10-18

Similar Documents

Publication Publication Date Title
CN107277537B (zh) 一种基于时间相关性的分布式视频压缩感知采样方法
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
CN101835042B (zh) 基于无反馈速率控制的Wyner-Ziv视频编码系统及方法
CN111556315B (zh) 数据传输方法及装置
CN105357536B (zh) 基于残差分布式压缩感知的视频软组播方法
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
CN106888024A (zh) 一种基于双向最佳匹配的分布式视频压缩感知重构方法
CN101674472A (zh) 多视点视频编码的多级码率控制方法
CN105120282A (zh) 一种时域依赖的码率控制比特分配方法
CN104994382A (zh) 一种感知率失真的优化方法
CN108989802A (zh) 一种利用帧间关系的hevc视频流的质量估计方法及系统
US7961787B2 (en) Method of video content complexity estimation, scene change detection and video encoding
CN112291564B (zh) 优化监控视频感知质量的hevc帧内码率控制方法
CN105120276A (zh) 自适应Motion JPEG编码方法和系统
CN107343202B (zh) 基于附加码率的无反馈分布式视频编解码方法
CN108200440B (zh) 一种基于时间相关性的分布式视频压缩感知重构方法
CN112218078B (zh) 面向监控视频的高效视频编码标准量化参数级联方法
CN112218084A (zh) 面向监控视频的高效视频编码标准帧级码率控制方法
CN104135662B (zh) 用于在有限带宽和发射速率条件下对视频文件的改进型h.264压缩编码方法
CN110446040A (zh) 一种适用于hevc标准的帧间编码方法与系统
CN103269457A (zh) 基于失真估计的h.264/avc视频包优先级调度方法
CN103313064B (zh) 基于帧间模式和运动修补的时域错误隐藏方法
CN102413333B (zh) 基于欠定型盲信号分离的视频压缩编解码系统及方法
CN104320661A (zh) 基于差分熵和结构相似性的图像编码质量预测方法
Xu et al. Optimization-Based Pseudo-Analog Transmission Scheme for Wireless Feature Map Transmission

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant