CVS中基于块分类的自适应阈值调整组稀疏重构

针对基于结构相似性的帧间组稀疏表示重构(SSIM-InterF-GSR)算法在重构平稳区域时未能充分利用高质量重构的关键帧信息,且稀疏化处理阈值的数值设置不合理的问题,提出了基于块分类的自适应阈值调整组稀疏重构(BC-ATA-GSR)算法。首先,根据块内物体运动状态分类图像块并分配合理的参考帧,以提高视频序列平稳区域的重构质量;然后,根据采样率以及图像块种类自适应设置稀疏化初始阈值,以保留足够的结构信息;最后,提出了迭代阈值梯度缩减方案,以便在提升迭代后期重构质量的同时也加快迭代收敛速度。与SSIM-InterF-GSR算法相比,BC-ATA-GSR算法取得了更好的重构质量,重构QCIF和CIF视频序列的平均PSNR分别最高提升了3.77、2.28 dB,时间复杂度最多下降了42.08%。     

CVS中基于多维度参考帧的双稀疏重构算法

为了提升视频压缩感知稀疏重构的准确性,得到更高质量的重构视频帧,基于视频信号在不同表示域具有不同的稀疏特性,文中提出了一种基于多维度参考帧的双稀疏重构算法(MRF-DSR).首先构建双稀疏重构模型,利用视频信号的组稀疏和拉普拉斯加权稀疏特性来刻画重构视频帧的稀疏特性;其次提出多维度参考帧的概念,引入基于时间维度参考帧的半像素和缩放维度参考帧,通过为当前帧的图像块提供更多的可能匹配块来获得稀疏度更高的匹配块组;最后提出菱形形状快速搜索算法,通过粗搜索和精细搜索过程确定时间维度参考帧最优相似块的位置,再在多维度参考帧的相同位置进行小范围的快速搜索,从而实现较低复杂度的大范围搜索.仿真实验结果表明,与现有最优视频压缩感知重构算法相比,MRF-DSR算法在主观和客观标准上都具有较好的重构性能.     

基于压缩感知的视频压缩方案设计与实现

基于压缩感知理论设计出了针对视频编解码的处理方案。该理论是近来提出的一种新颖的图像编解码算法,它能够对稀疏性信号进行远低于Nyquist采样率编码。应用该理论对视频图像进行采样以降低视频的采样速率,依据视频图像的帧内、帧间相关性对视频帧进行建模,并结合综合感知模型进行压缩感知恢复。实验结果表明,本文设计的模型具有较好的效果。     

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.     

CVS中基于残差结构特征的块分类重构算法

现有最好的视频压缩感知重构算法大都采用"预测-残差重构"策略,可有效利用帧内和帧间的相关性获得较好的性能,但是残差重构均直接采用SPL算法,忽略了残差信号自身的结构特征,限制了性能的进一步提升.针对该问题,文中提出了一种基于预测残差结构特征的块分类重构算法,首先利用残差块观测值的平均能量对残差块进行分类,然后对不同类的残差块采用不同的重构算法.仿真实验表明,用于运动较快的视频序列时,文中方案与SPL算法相比可以获得更好的重构质量.     

分布式视频编码中自适应图像组结构算法的改进

针对分布式视频编码系统中固定的图像组结构没有充分利用图像帧间的相关性,提出了一种在编码端自适应调节图像组结构和在解码端自适应图像组的内插算法.该算法通过帧间宏块匹配来估计相关性,将帧动态划分为关键帧和Wyner-Ziv帧,以此达到充分利用帧间相关性,提高系统压缩性能.实验结果表明,通过本文算法生成的边信息峰值性噪比(PSNR)提高约0.1～1.3 dB.     

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.     

基于块的分布式视频编码边信息生成技术

为了提高分布式视频编码中由运动补偿帧内插技术生成的边信息的质量,提出一种基于块的边信息生成方案.首先在编码端进行模式决策,将WZ帧中的宏块分为WZ模式和帧内/WZ模式;然后对WZ模式的宏块采用运动补偿帧内插技术生成边信息,而对于帧内/WZ模式宏块,编码端先将低质量的帧内块传送到译码端,再通过运动补偿质量增强技术来辅助生...     

分布式视频编码中量化失真和LDPC编解码失真的优化

针对分布式视频编码中的量化失真和LDPC（Low Density Parity Check）编解码失真问题,提出了基于边缘分类的DCT（Discrete Cosine Transform）系数重组和基于边缘Hash的子块修复方案.首先根据子块边缘方向的不同,WZ （Wyner-Ziv）帧子块被分成3类,对不同类型的子块,其DCT系数采用不同的扫描方式并重组,使较大的DCT系数被组合在一起,减小了交流系数的量化步长.同时,把子块边缘信息作为Hash信息,指导WZ帧LDPC解码出错的子块的修复.最后,通过实验证实了提出的方法能使高量化等级下编码器的PSNR（Peak Signal to Noise Ratio）性能增益达到0.5 dB左右.     

联合结构预测和运动补偿的视频自适应压缩感知

视频压缩感知是解决无线多媒体网络中海量数据存储和传输问题的有效方法,但常规基于单帧处理的压缩重构质量较差,限制了应用效果。文中提出了基于BCS的结构预测和运动补偿的提高视频GOP序列重构质量的方法。对视频GOP序列,首先,利用分块压缩感知对关键帧和压缩帧分别进行压缩采样,并给出了一种视频稀疏性定量估算方法,实现了压缩采样率自适应选择;然后,基于迭代阈值投影重构算法,对关键帧和压缩帧分别进行压缩重构。在此基础上,利用视频帧区域块的结构相关性进行帧内结构预测,提高重构质量;最后,利用帧间的时间冗余性,通过运动估计和运动补偿进一步提高重构质量。仿真结果表明,结构预测和运动补偿能提高视频重构的峰值信噪比(PSNR)。该算法考虑了视频序列帧内和帧间相关性进行预测和补偿,提高了GOP序列的重构质量。     

基于像素相关的图像/视频压缩感知观测矩阵

观测矩阵的构造是图像/视频压缩感知中的重要问题之一.为了解决随机性观测矩阵的不确定性以及在信道传输上的压力和提升编码端重构质量,文中提出了一种应用于图像和视频压缩感知的基于邻近像素相关性的确定性稀疏观测矩阵(APM).首先利用文中提出的环形目标点选择法,在观测图像块中均匀地选取目标点;然后利用高斯分布概率密度函数给目标点周围的邻近像素对应的观测矩阵中的元素分配权值,使得每个观测值中仅包含一个目标点和其相邻像素的信息.利用文中提出的APM观测矩阵得到的观测值对图像或视频进行重构时,既可利用相邻像素的相关性,又避免了远距离像素信息的干扰,可得到较高的重构质量.仿真实验表明,与经典和目前文献中较新的几种压缩感知观测矩阵相比,文中提出的观测矩阵具有更高的图像/视频重构质量,较低的重构复杂度,且适用范围更广.     

基于压缩感知的视频编码技术研究

通过分析和比较基于传统视频编码架构和基于分布式视频压缩感知的视频压缩感知编码技术的主要特性,提出一种新的基于帧间模式决策的混合式视频压缩感知编码模型.针对不同的图像内容变化速率、感知帧测量率以及图像组尺寸等情况,分别进行算法的仿真实验.测试结果表明,所提出的混合式视频压缩感知编码技术能够在高保真重建视频序列的同时,兼顾编解码速度.     

采用非线性块稀疏字典选择的视频总结

针对基于稀疏表示的视频总结未充分考虑视频帧之间的非线性关系和关键帧的块稀疏特性,提出了一种采用非线性块稀疏字典选择的视频总结方法。首先考虑视频帧之间的非线性关系,通过核函数把原始视频样本映射到高维空间,使线性不可分的样本变得线性可分,从而实现非线性到线性的转化,建立非线性稀疏字典选择模型;然后考虑关键帧的块稀疏特性,将视频帧分成帧块,每个帧块内的内容具有一定的相似性,进一步建立非线性块稀疏字典选择模型来提取关键帧块;最后设计了一种核化的联合块正交匹配追踪算法对提出的模型进行优化。在基准视频数据集上的实验表明,所提算法能明显提升视频总结的性能指标F值,且计算复杂度较低,从而验证了联合使用非线性和块稀疏的有效性。     

基于PCA稀疏描述的分布式视频编码

在研究视频信号的非局部稀疏模型的基础上,提出了一种适合分布式视频编码的视频信号稀疏描述算法.在解码端,对非关键帧解码时,首先由已重建的关键帧生成边信息SI,然后在这两帧中寻找非关键帧当前块的L个相似块,作为一个类,最后利用这个类生成PCA子字典,并将所有块的子字典集合起来构成非关键帧的字典,进行视频重建.通过与典型的信号稀疏描述方法进行对比,实验结果显示,重建的PSNR值平均提高2 dB,主观视觉质量也有较大的提高.     

DVC中基于广义高斯分布的WZ帧重构算法

为提高分布式视频编码系统解码WZ(Wyner-Ziv)帧的图像质量,提出了基于广义高斯分布的WZ帧重构算法.该算法充分考虑了边信息与原始WZ帧具有较强相关性的特点,将广义高斯分布作为相关模型;在边信息已知情况下,对给定量化区间、计算WZ帧的条件期望并将其作为WZ重构值;将广义高斯分布的形状参数设为0.5,推导出基于广义高斯分布重构WZ帧的闭式表示.实验结果表明,文中提出的基于广义高斯分布的WZ帧重构算法比最小均方误差(MMSE)重构算法的峰值信噪比提高约0.6 d B,并能有效改善重构WZ帧的图像质量.     

基于可变尺寸块分割的立体视频帖估计和内插算法

在立体视频序列编码中,在图像流按MPEG－I／II的视频编码标准进行编码,而对右图像流只有参考帧（I及P帧）进行编码,右图像流的B帧不编码及传送,依靠在解码端从各个参考帧中进行帧重建及内插获得,该文中的可变尺寸块分割方法采用基于分辨率四叉树分解的运动分割,对右B帧的重建提出了按照匹配和失配块分别处理的方法,并根据右B帧中的块与右I,P帧之间或与左B帧之间相关性大小来确定各个块的位置和内容,该文还提出了一种可避免误匹配和对显露区进行正确填充的针对交叠块的帧估和内插方法,仿真实验表明,作者提出的图像重重建方法与MonsonH.Hayes所提出的基于固定块的方法相比,能够使得重建图像的PSNR增加约1．25dB,并且图像的主观视觉质量也明显要好。     

CVS中基于多参考帧的最优多假设预测算法

现有的视频压缩感知(CVS)多假设预测方法均以当前块在参考帧对应搜索范围内的所有搜索块为假设块,造成求解线性权值系数的计算复杂度过高和预测精度受限.针对该问题,文中提出了一种基于多参考帧的最优多假设预测视频压缩感知重构算法.该算法首先从多个参考帧中选取出与当前块测量域绝对差值和(SAD)最小的一部分搜索块作为当前块的最优假设块集,然后对假设块进行自适应线性加权,充分地挖掘视频帧间相关信息,提升了预测精度,同时降低了求解线性权值系数的计算复杂度;最后对测量值进行帧间DPCM量化,以提高视频压缩效率和率失真性能.仿真实验表明,与现有的视频压缩感知重构算法相比,文中算法具有更高的视频重构质量.     

视频压缩感知中基于快速搜索的迭代多假设算法

针对观测域和像素域两阶段多假设预测重构方案在低采样率时重构效果不理想,且对于运动剧烈的序列预测精度不够、时间复杂度较高等问题,在两阶段多假设预测的基础上,提出了基于快速搜索的迭代多假设预测重构算法.该算法利用像素域分块的灵活性,基于重叠块在像素域迭代预测重构;针对运动较快的序列,采用十字形联合区域搜索方法以减小大范围搜索的算法复杂度;同时利用图像空间相关性进行帧间/帧内自适应假设块的模式选择与已有算法相比,文中重构算法进一步削弱了块效应,降低了大范围搜索的运算复杂度,提高了重构性能.     

基于近似消息传递的小波域图像压缩感知

针对现有的基于近似消息传递的图像压缩感知算法需要构建大尺寸观测矩阵的问题,研究基于近似消息传递的小波域图像压缩感知算法。为了克服逐列观测、逐列重构的传统变换域压缩感知方案隔断图像列与列之间相关性的缺点,提出了一种基于图像行列相关性的小波域压缩观测方案。进而,基于近似消息传递设计了一种适用于在稀疏度未知的情况下重建小波系数的压缩感知重构算法,结合图像小波系数的结构化稀疏特性与近似消息传递,实现了小波域图像压缩感知重构。实验结果表明,与现有算法相比,本文提出的基于图像行列相关性与近似消息传递的小波域图像压缩感知算法具有更高的重建图像质量与更快的图像重建速度。     

基于视频区域特征及HMM的体育视频分类研究

提出了一种基于视频区域特征的体育视频分类方法.首先将帧分块,对块亮度均值大小进行比较得到块亮度比较编码信息BICC,以及对视频帧各块的颜色分量进行统计得到块颜色直方图;再利用这些特征通过SVM对体育视频进行分类;最后利用一阶HMM对SVM的输出结果进行后处理,得到视频的最终分类结果.实验结果表明,方法对于体育视频分类的效果较好.