基于DWME-KSVD的分布式视频压缩感知编码研究

分布式视频压缩感知编解码(DCVS)是一种全新视频编码方法,其边信息质量直接影响视频重构质量。针对视频重构质量较差的问题,提出运动估计双重自适应加权边信息生成算法(DWME),通过帧插值和运动估计产生的边信息进行自适应加权从而产生一个较为稳定的边信息。利用DWME边信息和K均值奇异值分解(K-SVD)算法训练生成字典,根据训练出的字典进行视频重建。实验数据表明,与双向运动估计字典边信息生成算法(ME-KSVD)、运动估计双重均值字典边信息生成算法(DMME-KSVD)相比,DWME-KSVD算法的峰值信噪比(PSNR)分别提高约0.5dB-1.5dB、0.2dB-0.5dB,具有较好的视频重建效果。

基于纹理特征的分布式视频压缩感知自适应重构方法

面对大规模视频数据带来的全新挑战,具备硬件友好特性的分布式视频压缩感知应运而生。由于传统基于分析模型的分布式视频压缩感知重构方法计算复杂度高,难以满足实时应用的要求,因此深度学习技术被逐渐引入。然而,现有基于深度学习的重构方法忽略了帧的纹理特征,限制了重构性能。由于同图像组中的视频帧具有较高的相似性,因此可以选择相邻视频帧作为当前视频帧纹理特征的参考。为了解决这个问题,提出一种基于纹理特征的分布式视频压缩感知自适应重构网络,命名为TF-DCVSNet。具体来说,TF-DCVSNet利用已重构的相邻帧纹理特征,激活当前重构帧的重构网络模块,进行自适应重构。大量实验验证了TF-DCVSNet的有效性。

自适应采样率分配的分布式压缩感知视频编码

提出了一种基于压缩感知理论的分布式视频编码方案,它是建立在压缩感知理论的基础上全新的具有动态测量率分配的分布式视频编码框架,具有编码端简单、抗误码能力强、编码效率较高的特点。在编码端,关键帧和非关键帧独立编码,关键帧采用高采样率的压缩感知测量,非关键帧采用自适应的压缩感知测量。在解码端,利用非局部稀疏模型和字典训练更新算法,关键帧和非关键帧联合进行压缩感知重建。实验结果表明,本文的编码算法能获得较好的率失真性能和主观图像质量。

自适应PCA稀疏基底的分布式视频压缩感知重构

为了提高分布式视频压缩感知(Distributed Video Compressive Sensing,DVCS)的率失真性能,提出利用自适应稀疏基底进行联合重构。算法利用帧间运动信息形成样本数据矩阵,再利用主成分分析(Principle Components Analysis,PCA)训练出其显著主成分构成稀疏字典,该稀疏字典不仅可根据视频时空统计特征自适应变化而且可有效地抑制噪声。仿真实验表明,该联合重构算法可有效地改善主客观视频重构质量,能够以一定的计算复杂度为代价提高DVCS系统的率失真性能。

基于运动对齐预测模型的分布式视频压缩感知重构

为了提高分布式视频压缩感知(Distributed Video Compressive Sensing,DVCS)的率失真性能,文中提出根据视频非关键帧图像的时间相关性将帧内各块分为静止块与运动块两类,并对它们设定不同的测量率以提高压缩感知(Compressive Sensing,CS)捕获信息的效率。在重构过程中,提出运动对齐多假设预测模型进行重构,该预测模型在测量域内实现运动估计,并根据运动信息在参考帧内寻找到待重构块的若干候选匹配块,利用它们的线性加权和残差重构得到非关键帧图像的重构结果。仿真实验结果表明,文中所提出的DVCS重构算法能有效提升系统的率失真性能,与现有方法相比,在重构时间基本不变的情况下,获得更好的主客观视频重构质量。

基于双边信息的分布式视频压缩感知模型研究

针对传统视频编码技术计算量大和复杂度高的缺点,提出一种基于双边信息的分布式视频压缩感知算法;该算法将压缩感知技术与分布式视频编码技术相结合,把视频序列分为Key帧和CS帧,Key帧运用传统的帧内编码和解码,CS帧编码端运用压缩感知编码,解码端运用视频块内与视频块间的双边信息和梯度投影算法进行优化重构;通过双边信息的运动估计和压缩编码器的设计,实现基于双边信息的分布式视频压缩感知模型的构建;仿真结果表明该模型既可以实现高效编码,又可以实现复杂度由编码端向解码端转移,在较低的采样率下,提高视频的压缩能力和传输速度。

分布式视频编码在视频压缩和容错视频传输中的应用

本文阐述了分布式视频编码的理论基础,即Slepian-Wolf无损源编码理论和Wyner-Ziv有损源编码理论。介绍了分布式视频编码技术在视频压缩及容错视频传输中的应用,并对其中关键技术的最新研究进展进行了综述。最后给出了结论及今后的研究方向。

基于边信息的分布式视频压缩感知重建

WZ视频编码系统中的虚拟信道会因信道模型参数估计的不稳定导致系统性能下降,为了克服该问题,提出不带有虚拟信道的分布式视频压缩感知重建算法,仅靠解码端获得的压缩感知观测值对非关键帧的错误进行纠正,并利用平滑投影Landweber迭代求解联合重建模型。实验证明本文所提出算法获得了更好的率失真性能和更低的重建时间。

基于残差重构的分布式视频压缩感知

为了改进分布式视频压缩感知方案的性能,提出了一种基于残差重构的分布式视频压缩感知方案。该方案在编码端逐帧独立进行测量,在解码端依靠视频信号的时域相关性提升重构信号质量。首先,对关键帧独立进行重构;其次,利用已重构关键帧做运动估计/运动补偿以生成非关键帧的边信息;接下来,对边信息采用与编码端相同的测量矩阵进行测量并计算测量残差值;最后,采用全变分最小化重构残差信号值并将其与边信息相加生成最终的重构图像。实验结果表明,在相同采样率下,与已有的分布式视频压缩感知方案相比,提出的方案可获得2.8 dB以上的峰值信噪比增益。

分布式压缩感知视频编码技术

介绍了典型的分布式压缩感知视频编码实现方案,并与基于信道编码的分布式视频编码进行比较.阐述了分布式压缩感知视频编码理论基础,分析和总结了现有的分布式视频压缩感知结构.对编码工具进行对比,指出了分布式压缩感知视频编码的特点.剖析和展望了分布式压缩感知视频编码所需解决的视频序列稀疏表示、重建算法、码率控制等关键技术.

分布式视频压缩感知中基于边信息及其支撑集的稀疏重构

文中提出了一种基于边信息及其支撑集的分布式视频压缩感知重构方案,它是建立在压缩感知和分布式视频编码理论的基础上,具有终端简单、采样/编码复杂度极低的特点。在该重构方案中,首先利用边信息构造当前(非关键)帧的冗余字典,为压缩感知重构提供稀疏表示方法;然后利用边信息估计的信号像素值和支撑集,辅助当前帧稀疏重构,提出了一种基于交替方向乘子的迭代算法以实现该重构优化问题的求解。实验结果表明,该重构方案能够获得较好的采样率和失真性能,主观图像质量也有所提高。

分布式视频编码在视频压缩中的应用

阐述了分布式视频编码的理论基础,即Slepian-Wolf无损源编码理论和Wyner-Ziv有损源编码理论,介绍了分布式视频编码技术在视频压缩中的应用,并对其中关键技术的最新研究进展进行了综述,最后给出了结论及今后的研究方向。

残差分布式视频压缩感知

压缩感知(CS)是一种能同时进行数据采集和压缩的新理论,为简化编码算法提供了依据,同时,分布式视频编码(DVC)为低复杂度的视频编码提供了思路。因此,通过整合DVC和CS各自的特性以构建编码简单的视频编码框架,并采用残差技术来提高系统性能,最终提出了一种残差分布式视频压缩感知(RDCVS)算法:对关键帧进行传统的帧内编、解码;而对非关键帧,编码端采用一种基于残差联合稀疏模型的随机观测,解码端利用边信息和改进的梯度投影重建(GPSR)算法进行优化重构。由于将运动估计和变换编码等复杂度较高的运算转移到解码端进行,因而RDCVS保持了低复杂度的编码特性。实验结果表明,RDCVS算法比参考方案的恢复质量提高了2～3 dB。

分布式压缩感知视频编码技术与应用

文章首先针对分布式压缩感知编码方式的发展进行了浅析,而后进一步深入探究压缩感知工作原理,而后在此基础之上,就当前环境之下相关领域的应用特点加以讨论,对于切实深入了解分布式压缩感知技术有着一定的积极价值。

帧测量率自适应分配的分布式视频压缩感知

传统分布式视频压缩感知通常对所有的非关键帧采用相同的测量率进行测量,这种测量方式并未考虑到不同帧之间的相关性具有差异性,造成帧组的重构质量不高。针对以上问题,本文首先建立一种对非关键帧进行测量率分配的模型。然后根据所建立的分配模型,利用帧间相关性提出一种快速的自适应测量率分配算法。在该算法中,以当前帧对帧组重构的贡献率为参考标准来决定该帧的测量率。实验结果表明,在相同压缩比的条件下,将本文所提出的自适应测量率分配算法应用到分布式视频压缩感知中能有效提升视频重构质量。

一种最佳线性估计与多假设结合的分布式视频压缩感知重构算法

针对分布式视频压缩感知系统存在编码端的低采样率易导致解码端重构效果不理想的问题,综合考虑视频帧间的时空相关性以及帧内不同图像块所具有的不同块特征,提出了一种最佳线性估计与多假设预测相结合的分布式视频压缩感知重构算法。算法在编码端采用分块压缩感知进行随机测量,在解码端增加了相似判别、测量值补充以及平滑判别三种机制。通过此三种机制对非关键帧块进行细化分类,并根据分类结果对不同的图像块采用不同的测量值补充及重构策略,进而提高重构质量。在标准视频序列集上的仿真实验结果表明,本文提出的算法重构视频信号的峰值信噪比(PSNR)比传统的多假设预测重构算法平均高出2~3 dB,尤其在编码端测量率低于0.2的情况下,PSNR高出4~5 dB。

基于边信息的分布式视频压缩感知的残差重构

压缩感知(Compressed Sensing,CS)结合了视频信号的变换和信息压缩过程,为简化编码算法提供了一种新的解决思路。把分布式视频编码(DVC)和CS结合在一起,构建简单的视频编码框架,并利用原始视频帧与边信息之间的相关性进行残差重构,提出了一种基于边信息的分布式视频压缩感知编解码方案。此方法对关键帧采用传统的帧内编、解码;对非关键帧CS进行随机观测提取观测向量,解码端利用优化的边信息和传输的CS观测向量进行联合重构。实验结果表明,该方法在运动较平滑的序列中比参考方案的恢复质量提高了4～6 dB。

一种多视点立体视频分布式压缩感知编解码模型

立体视频信号处理一个非常重要的问题是高效编解码问题.结合分布式信源编码和压缩感知理论,提出了一种用于多视点立体视频编解码的分布式压缩感知模型,该模型可以在实现高效编码的同时将复杂度从编码端转移到解码端,从而满足低复杂度编码的应用场合.理论分析和相关算法实验数据表明该模型是可行并且有效的.

利用视频非局部相似性的分布式压缩感知重构

为了提高分布式视频压缩感知(Distributed Video Compressive Sensing,DVCS)的率失真性能,仅利用稀疏先验知识不能很好地保护视频帧的边缘与纹理细节,本文提出利用视频非局部相似性形成正则化项融入联合重构模型以有效去除边缘与纹理区域的模糊和块效应现象。仿真实验表明,本文所提出的联合重构算法可有效地改善主客观视频重构质量,能以一定计算复杂度为代价提高分布式视频压缩感知系统的率失真性能。

基于自适应分组与压缩感知的分布式视频编码方法

针对快速场景变换环境中基于压缩感知的分布式视频编码所存在的问题,提出了一种基于自适应动态分组与压缩感知的分布式视频编码方法。对采集的视频帧在基本分组的基础上插入一个自适应分组分离器,通过设定门限阈值实现能够根据视频场景变换的动态调整分组。实验表明,与基本分组方法重构效果相比,采用自适应动态分组方法的重构效果有了较大改进,其峰值信噪比也有大大改善和提高,有效地解决了视频帧中场景变化较快造成的关键信息边缘纹理损失的问题。