论文部分内容阅读
传统视频编码技术建立在奈奎斯特采样定理之上,它首先以奈奎斯特率进行采样获得视频信号,然后再对采集到的视频信号进行复杂的压缩编码,这种先高速采样后高度压缩的方式造成了采样资源的巨大浪费。近年来,分布式视频应用领域快速发展,在无线多媒体传感器网络等具体应用场景中往往采用资源受限的采集设备,传统视频编码技术不再适用于这些应用领域。压缩感知理论能够实现采样和压缩同时进行,具有采集端算法简单的优点,在资源受限的分布式应用场景中有巨大潜力,因此在学术界引起了广泛关注。将压缩感知理论应用于视频信号采集被称之为视频压缩感知,目前基于预测-残差重构框架的视频压缩感知算法具有最好的重构性能,但由于残差重构算法研究的不深入,限制了残差重构对最终性能的贡献。本文对视频压缩感知中的预测残差进行了深入分析和研究,提出了基于预测残差结构特征的块分类重构算法(BCSC)和基于多假设的残差重构算法(MHRR)。具体研究工作分为以下两个部分:1)目前广泛用于预测残差的重构算法为BCS-SPL,它是自然图像压缩感知重构算法,由于预测残差具有不同的结构特征,BCS-SPL的重构性能并不好。经深入研究,本文提出一种基于预测残差结构特征的块分类重构算法(BCSC),首先利用残差块观测值的平均能量对残差块进行分类,然后再对不同类型的残差块采用不同算法进行重构。仿真实验结果表明,用于运动较快的视频序列时,所提BCSC算法可以比BCS-SPL算法获得更高的重构质量。2)为了进一步提高预测残差信号的稀疏性,本文提出了基于多假设的残差重构算法(MHRR)。该算法中,提出了一种具体的残差域假设集合生成方法,并将像素域运动估计和观测域线性权值求解巧妙地结合起来,更好地利用残差帧间相关性。仿真实验结果表明,所提MHRR算法应用于观测域预测残差重构,比BCS-SPL算法具有更好的重构性能。