论文部分内容阅读
基于Nyquist采样定律的传统视频编码框架采用先采样,后压缩的方式,对视频信号进行一次高效编码压缩后传输给客户进行下载与解码播放,如广播、视频点播系统,但该方案在编码端存在计算复杂度过高、实时性差等问题。无线视频监控、移动可视电话等技术在近几年得到了快速地发展与应用,通常该类技术优先考虑客户端的无线化、便携式等因素,要求终端视频编码压缩算法必须是低复杂度,低功耗的。因其终端硬件设备的处理能力较弱、功耗受限,使得传统视频编码框架不再适用于该领域。压缩感知理论(Compressed Sensing,CS)提出了一种将采样与压缩过程同时进行的创新方案,该方案提出:针对稀疏或可压缩信号,可通过低于Nyquist采样标准对其进行采样压缩,并在重构端进行精准重构,解决了某些应用领域在编码端的资源受限问题。基于CS理论对视频信号进行采样压缩的过程称为视频压缩感知,本文基于视频信号的不同稀疏特性及运动特征,完成了以下两部分研究工作:1.在视频压缩感知算法研究中,利用视频信号在不同稀疏表示域的稀疏特性,本文提出了一种基于多维度参考帧的双稀疏重构算法(Dual-Sparsity Reconstruction based on Multi-dimension Reference Frames,MRF-DSR)。首先,提出双稀疏重构模型,利用组稀疏和拉式稀疏同时刻画重构视频的稀疏特性;其次,提出多维度参考帧的概念,引入半像素维度参考帧和缩放维度参考帧,从而得到稀疏度更高的相似块组;最后,提出菱形形状快速搜索算法,实现较低复杂度的大范围搜索。仿真实验结果表明,与现有最优视频压缩感知重构算法相比,MRF-DSR算法在主观和客观标准上都具有较好的重构性能。2.结合多维度参考帧概念的优异匹配性能与多假设预测-残差重构算法低复杂度的优点,提出一种基于多维度参考帧的多假设重构算法(Multi-Hypothesis reconstruction algorithm based on Multi-dimension Reference Frames,MRF-MH),包括最优相似块个数设置方案和双匹配准则,保留更多更优的相似块,提高匹配准确度,提升了视频帧在观测域与像素域上的多假设预测结果;结合MRF-DSR算法对轮廓、细节的高清晰重构和MRF-MH算法对高频噪声有效抑制的优点,本文提出了一种基于视频运动特征的多假设-双稀疏重构算法(Video Motion Features based Multi-Hypothesis-Dual-Sparsity Reconstruction algorithm,VF-MH-DSR),实现了不同运动特征视频信号的最优重构。