论文部分内容阅读
实时视频传输在无线安防监控、空天图传等领域有着大量的需求,但由于视频数据量庞大,给传送设备的存储与运算带来了巨大压力,同时也对信道带宽提出了较高要求。传统的视频压缩与传输技术难以突破远端传送设备载荷资源受限的制约。高效率压缩、高质量解压缩、低编码复杂度、解压渐近可伸缩,是实时视频传输技术发展的必然趋势。压缩感知(Compressed Sensing,CS)能够将信号的稀疏性进行充分地利用,在远低于奈奎斯特采样率的条件下,通过随机采样方法获取信号的离散样本,重建信号的过程则由非线性算法完成。该方法由于有效地节约了编码的采样成本,因此非常适用于视频通信这种数据量大且冗余度高的应用场景。分布式视频编码(Distributed Video Coding,DVC)是一种较新型的视频编码方式,解码过程采用了差值补偿、边信息等算法,可实现将视频帧图像间的关联性用于解码过程中,而编码时仅需实现分布式编码,从而大幅度地降低了编码过程的复杂度。结合分布式压缩感知的思想,将CS理论与DVC思想相结合作为一种全新思路,可以实现系统编码复杂度更进一步的降低,而将整体复杂度大幅度地转移至解码端。为了改善视频帧图像的重建质量、提高系统性能,本文提出了一种新型的视频帧重建算法:编码端逐帧操作完成压缩感知压缩过程;解码端关键帧通过梯度投影稀疏重建算法(Gradient Pursuit for Sparse Reconstruction,GPSR)解码,并由相邻的已重构关键帧产生边信息(Side Information,SI);根据双重稀疏模型思想,分离每帧图像小波域下不同尺度的子带形成训练集,分别由(K-means Singular Value Decomposition)K-SVD算法进行字典训练得到具有多尺度特性的冗余字典;将该字典结合GPSR算法对非关键帧进行重构。该字典构造方法可有更高的稀疏化表征图像的能力,从而提高了视频重建质量以及系统的整体性能。仿真结果表明,在相同压缩率下,较K-SVD字典训练方法,本文所提出的方法对应的视频帧图像重构PSNR可获得0.5~1.5d B以上的增益。更进一步,针对不同运动剧烈程度的场景对视频解码性能的影响,本文提出了一种视频运动强度的评价方法,并依据该评级方法建立了具有反馈机制的自适应压缩率的视频编解码系统,在不增加编码复杂度的前提下,有效地解决了快速运动场景下解码质量不高的问题。