论文部分内容阅读
随着现代技术的飞速进步,人们对于视频媒体的需求越来越多,带来所需存储和传输数据量巨大的问题。压缩感知理论可以突破奈奎斯特频率的限制,允许以小于2倍奈奎斯特频率采样而越来越受到学术界的广泛关注。分布式视频压缩感知技术将压缩感知技术与分布式视频编码技术相结合,降低了对传输信号带宽的要求。传统的分布式视频压缩感知框架将复杂度由编码端向解码端转移,采用“独立编码,联合解码”的框架,降低了编码端的复杂度。本文分析了稀疏度自适应匹配追踪算法和分布式视频压缩感知的国内外研究现状,研究了压缩感知重构算法和分布式视频压缩感知多假设重构算法等相关理论,针对现有压缩感知重构算法存在步长设计不合理、重构精度低,以及现有分布式视频压缩感知多假设重构方案存在未能充分利用视频帧的非局部相似性数据等问题,本论文开展了基于压缩感知的分布式视频多假设重构技术研究,重点开展了基于变步长的压缩感知重构算法、基于加权非局部相似性的分布式视频压缩感知重构算法和基于角点检测的分布式视频压缩感知多假设重构算法。主要创新点及工作如下:(1)提出基于优化步长的稀疏度自适应匹配追踪算法。针对SAMP(Sparsity Adaptive Matching Pursuit)存在的阶段步长设置不合理的问题,设计了一种优化步长的方式,并将其引入算法中。实验表明,该算法与原算法相比,具有较低的重构MSE、较高的精确重构概率,在重构时间上相对原SAMP算法也提高了20%。(2)提出基于变步长的正则回溯稀疏度自适应匹配追踪算法(SAMP algorithm based on Parabolic Variable step for Regularized Backtracking,SAMP-PVRB)。针对SAMP-RB(SAMP algorithm based on Regularized Backtracking)算法存在的过估计和欠估计的问题,将抛物线步长引入其中。实验表明,本算法进一步提高了重构MSE(Mean Square Error)和精确重构概率指标,同时相比原算法在重构时间上相对原SAMP-RB缩短了近20%。(3)提出基于加权非局部相似性的分布式视频压缩感知重构算法。针对原视频压缩感知方案存在未能充分利用非局部相似性的不足,将加权非局部相似性引入其中。对标准视频序列仿真实验表明,改进算法PSNR(Peak Signal to Noise Ratio)平均提高0.2-2d B,具有较高的SSIM(Structural Similarity Index)指标和较优的直观重构效果。(4)提出基于角点检测的分布式视频压缩感知多假设重构算法,针对非局部相似块存在相似性不高的问题,进一步提出改进算法。利用角点检测进一步筛选出高精确相似度块。对不同视频序列仿真实验表明,改进算法具有较高的PSNR指标和较优的直观重构效果,有效解决了非局部相似块相似性不高的分布式视频压缩难题。