论文部分内容阅读
具有立体感和交互性的3D立体视频代表了未来视频应用的发展方向,为了在解码端获得深度等附加场景信息需要在编码端对同一场景拍摄到的多个视点视频信号进行编码,如何处理大量视频数据带来的软硬件压力是多视点视频编码要面对的首要问题。本文将近年来兴起的压缩感知(Compressive Sensing,CS)和分布式视频编码(DistributedVideo Coding,DVC)相结合,在充分发挥两种理论技术各自优势的基础上,提出一种面向多视点视频的分布式压缩视频感知编码方案(Distributed Compressive Video Sensing,DCVS),主要研究方法和创新成果如下:(1)基于Contourlet变换的压缩感知:针对传统正交变换二维信号稀疏逼近能力有限的问题,将具有多分辨率和多方向性的Contourlet变换用于视频帧的稀疏表示,Contourlet变换可以弥补小波变换方向性不足的缺点,更好的逼近图像中的线条纹理,从而用更少的系数表示出图像信号;(2)基于学习字典的信号稀疏表示:为了弥补固定正交基无法根据信号特征自适应的进行稀疏表示的缺点,将MOD、K-SVD算法用于分块压缩感知中冗余字典的训练进而实现不同信号的自适应稀疏表示,并针对目前学习算法收敛慢的问题,提出一种基于系数重用的改进OMP算法,并将改进的OMP算法用于学习算法的稀疏编码,加快字典的训练速度,提升重建的实时性。(3)采用动态采样率分配的多视点分布式压缩视频感知编码:将分布式视频编码方案用于多视点视频编码,分别对关键帧K帧和非关键帧CS帧进行不同稀疏基和采样率的压缩感知采样和重建,CS帧中分块压缩感知的采样率根据图像块内容动态分配,同时利用运动估计和插值算法估计出时间方向和空间方向边信息用于冗余字典的训练,通过空间相关性的引入进一步提升多视点视频的重建质量。实验结果表明,本文提出的基于分布式压缩视频感知编码方案的多视点视频编码方案可以充分发挥压缩感知技术和分布式视频编码的特点,将大量的计算复杂度由编码端转移到解码端,并通过“单独编码、联合解码”的策略利用视点内部和视点间的相关性提升解码质量,不仅可以有效降低系统的码率,同时增强了系统的抗误码性能。