分布式视频压缩感知系统中基于区域划分的重构方法

摘要

本发明公开了一种分布式视频压缩感知系统中基于区域划分的自适应重构方法，包括下列步骤：1）视频序列分割与压缩测量；2)关键帧初始重构与区域划分；3）关键帧的重构；4）CS帧初始重构与块模式判决；5）CS帧的重构；6）视频序列输出。本发明在重构中采用区域内/区域外与帧内/帧间模式相结合的方法，利用了视频帧中图像块的时空相关性和边缘结构信息，使得视频帧在测量域的信号更加稀疏，在保证压缩效率的前提下，提高了视频图像重构的质量。

主权项

1.分布式视频压缩感知系统中基于区域划分的自适应重构方法，其特征是包括以下步骤：1）视频序列分割与压缩测量1a）将视频帧分为关键帧和CS帧；1b）关键帧和CS帧同时进行基于块的压缩测量，得到基于块的测量值，并传输到解码端；2）关键帧的重构2a）在解码端先对关键帧的每个块进行初始块重构，然后将重构块按照块顺序组合得到初始重构的关键帧；2b）对初始重构的关键帧利用Roberts算子进行区域提取，通过边缘检测划分区域，即将初始重构的关键帧分为帧内区域内多假设块K_C1和帧内区域外多假设块K_C2；2c）对于帧内区域内多假设块K_C1和帧内区域外多假设块K_C2分别进行自适应字典构造；2d）利用字典和当前块的信息在测量域通过求解最优化方法得到边信息块，然后将所有边信息块按照块顺序进行组合，得到边信息帧；2e）利用测量矩阵计算边信息帧的测量值，然后联合边信息帧的测量值和关键帧的测量值进行残差稀疏重构，生成残差帧；2f）将残差帧与边信息帧进行相加，得到重构的关键帧；3）CS帧的重构3a）在测量域计算当前帧与前一关键帧同位置块的相关性计算公式如下：$r(y_B^{\mathrm{cs}},y_B^K)=\frac{\underset{i=1}{\overset{N}{\Sigma }}[y_B^{\mathrm{cs}}\left(i\right)-\overline{y_B^{\mathrm{cs}}}]·[y_B^K\left(i\right)-\overline{y_B^K}]}{\sqrt{\underset{i=1}{\overset{N}{\Sigma }}{[y_B^{\mathrm{cs}}\left(i\right)-\overline{y_B^{\mathrm{cs}}}]}^2}\sqrt{\underset{i=1}{\overset{N}{\Sigma }}{[y_B^K\left(i\right)-\overline{y_B^K}]}^2}}---\left(1\right)$其中表示当前CS块的测量值矢量，表示前一关键帧相同位置块的测量值矢量；3b）根据相关性大小对当前帧中的所有块进行块模式决策，分为两种块类型：INTRA块和INTER块，$B\_\mathrm{mode}=\left\{\begin{array}{cc}\mathrm{INTRA}& r(y_B^{\mathrm{cs}},y_B^K)<T_1\\ \mathrm{INTER}& r(y_B^{\mathrm{cs}},y_B^K)\ge T_1\end{array}\right.---\left(2\right)$其中T₁取为0.995，是通过实验预先设定的门限值；3c）利用基于块的投影光滑Landweber算法对所有CS块进行初始块重构，然后将重构块按照块顺序组合得到初始重构的CS帧；3d）对初始重构的CS帧利用Roberts算子进行区域提取，通过边缘检测划分区域，即将初始重构的CS帧分为帧内区域内多假设块帧内区域外多假设块帧间区域内多假设块和帧间区域外多假设块3e）对于帧内区域内多假设块帧内区域外多假设块帧内区域内自适应字典构造法和帧内区域外自适应字典构造法与关键帧的方法相同，只是参考帧由初始重构的关键帧换成了初始重构的CS帧；3f）对于帧间区域内多假设块和帧间区域外多假设块也分别进行自适应字典构造；3g）利用字典和当前块的信息在测量域通过求解最优化方法得到边信息块，然后按照块顺序进行组合生成边信息帧；3h）利用测量矩阵计算边信息帧的测量值，联合边信息帧和当前CS帧在测量域进行残差稀疏重构，生成残差帧；3i）将残差帧与边信息帧进行相加，得到重构的CS帧；4）视频序列输出4a）将重构的关键帧和CS帧按照块顺序进行帧组合，最后输出视频序列。