压缩视频超分辨率重建中构建代价函数的方法

摘要

本发明公开了一种压缩视频超分辨率重建方法构建代价函数的方法，其方法首先将MAP重建代价函数分为重建误差项、包含量化前系数分布参数的正则约束项和一般约束项三个部分；其次，推算出精确的量化噪声模型；再次，建立高分辨率图像重建误差项；然后，计算由高分辨率图像降质得到的低分辨率图像的量化前DCT分布参数方差，将其与原分布参数方差的差值最小化，建立包含频域系数分布参数的正则约束项；最后，将上述所得三项构建一个包含双域双变量的重建代价函数。本发明将频域分布系数引入量化噪声模型的推算中，计算出来的量化噪声模型更精确，基于量化噪声降质模型建立的代价函数则更加精确，提高了压缩视频超分辨率的重建质量。

主权项

1.一种压缩视频超分辨率重建中构建代价函数的方法，其特征在于包括以下步骤：(1)将MAP重建代价函数分为A(Z，λ)、B(Z，λ)和C(Z)三项，A(Z，λ)是考虑了量化噪声后的重建误差项，B(Z，λ)是利用量化系数分布特性形成的正则约束项，C(Z)是一般MAP重建正则项，其中Z为高分辨率图像，参数λ是量化前DCT系数分布参数，则MAP重建代价函数为J(Z，λ)＝A(Z，λ)+B(Z，λ)+C(Z)；(2)根据量化步长q和量化后DCT系数y_q，计算间隔[-q/2，+q/2]内的单个量化噪声方差的模型k，并将其作为矩阵元素构建构建量化噪声矩阵K_λ；(3)根据计算的量化噪声方差的模型，建立包含量化噪声的重建误差项A(Z，λ)；(4)对高分辨率图像Z进行降质，并进行DCT变换，得到图像y’；(5)计算图像y’的量化前DCT系数的方差并根据量化前的DCT系数分布特性进行概率统计，算出y’所对应的分布系数λ′的方差表示λ^′2；(6)根据‖λ′²-λ²‖最小化，建立量化噪声正则约束项B(Z，λ)；(7)将构建的重建误差项和正则约束项代入(1)中已建立的MAP代价函数中，形成具有空域系数Z和频域系数λ的双域双变量代价函数。