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菱形快速搜索的双匹配区域预测

多假设预测是视频压缩感知多假设预测残差重构算法的关键技术之一,但目前的多假设预测算法对运动剧烈的视频序列依然存在计算复杂度高且质量不佳的缺陷,而且由于观测值与真实信号是一对多的关系,只采用观测值的绝对误差和准则选择假设块容易引入噪声,从而限制了重构质量.针对这些问题,文中结合视频前/后景的运动特征,提出了基于菱形快速搜索的双匹配区域多假设预测算法(MH-DS),即利用菱形快速搜索方式确定当前解码块的前景/后景的运动矢量,获得两个最佳搜索窗,从中搜索多假设匹配块组;在匹配过程中,采用融合最小均方误差和最大匹配像素统计的块匹配准则,以得到更相关的假设块.仿真结果表明,基于菱形快速搜索的双匹配区域多假设算法能够有效地降低重构端多假设预测过程的计算复杂度,与现有最优视频压缩感知预测-重构算法相比,提升了预测精度和重构质量.     

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.     

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。     

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.     

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%。     

一种基于HEVC视频编码的快速运动估计方法

运动估计是影响下一代视频编码标准高效率视频编码(HEVC)性能的关键因素,它通常利用当前帧的图像块在多重参考帧中对应的搜索窗口中寻找最佳匹配块来完成的.针对HEVC编码标准提出了一种快速的运动估计方法快速分级搜索(FHS).首先,根据多个备用的运动矢量确定起始搜索点的位置,以起点为中心,执行搜索半径依次扩大的三圈钻石搜索,如果执行了内部两圈钻石搜索,最佳匹配点仍位于起点,则提前终止搜索.否则,根据最佳匹配点在内圈、中圈和外圈菱形边缘的情况,提出了不同的后续搜索策略.测试结果表明,提出的快速运动估计算法相对HM14.0提供的算法,平均搜索较少的点数,同时对编码后视频的质量只造成轻微的损失.     

块匹配运动估计算法的速度优化

在视频压缩系统进行帧间编码时 ,很多运动估计块匹配算法利用搜索样式的设计来节约计算资源 ,搜索速度尚有提高的空间·利用运动矢量主要分布在搜索区中心 3× 3范围内的中心偏置特性来优化块匹配算法 ,并同时采用起始搜索点位置预测来提高搜索命中率· 仿真试验表明 ,优化算法在保证原算法精度的基础上明显提高了搜索速度     

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.     

一种新的基于分块的视频压缩感知算法

提出了一种新的基于分块的视频压缩感知算法,可以将视频采集和压缩编码有机结合起来同时进行. 为利用视频时间轴上的冗余,对参考帧和非参考帧使用不同的采样策略:对于参考帧,先进行分块然后进行常规的压缩感知采样;对于非参考帧,将分块后和参考帧对应块作比较然后调整采样策略. 非参考帧的采样可以为参考帧提供更多的信息,使得在采样数目很少的情况下得到更高的视频质量. 同时算法可以根据视频帧内部的纹理复杂程度自适应地调整采样速率,优化资源配置. 实验结果表明,相对于一般的压缩采样算法,本算法使用比以往算法少20%以上的采样值,得到的结果既符合人眼观察又有最高的信噪比.      

基于压缩感知的视频信号采集观测值渐进量化算法

在基于压缩感知的视频信号采集中,观测值的量化方法会对重构质量产生重大的影响.为了设计一种性能较优的观测值量化方法,根据视频信号的帧间相关性和压缩感知的视频采集信号观测值特性,提出了基于压缩感知的视频采集信号观测值渐进量化算法.该算法将非关键帧观测值均匀量化后只传输若干不太重要的码平面,在重构端利用邻近的已解码帧通过运动估计生成该非关键帧的边信息帧,再通过观测得到该非关键帧观测值的估计,结合接收到的不太重要码平面信息,通过渐进量化的逆量化得到精确的观测值.实验结果表明:与均匀量化算法相比,文中算法在不增加编码端复杂度和不降低视频序列重构质量的基础上,能大幅降低码率;在相同码率下,不同序列获得的平均增益在0.5~2.0 d B之间,具有较高的率失真性能.     

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.     

采用Transformer架构的长跨度视频压缩感知重构方法

深度学习的快速发展给视频压缩感知重构提供了新思路。受网络模型限制,现有的基于深度学习的压缩感知重构方法不能充分利用视频的空时特征,且对于超过16帧的视频段重构效果不够理想。采用Transformer网络构建压缩感知重构网络,利用Transformer网络在序列信号处理方面的优势构建空时注意力提取模块,学习视频帧间的空时注意力特征,更好地实现对视频连续帧的建模,从而解决长跨度视频段压缩感知重构问题。实验结果表明：所提方法在处理32张视频帧的视频分段时,能达到30 dB以上的重构精度,在处理96张视频帧的视频分段时,仍能达到27 dB以上的良好性能。     

序列图像帧间预测技术的研究

在视频压缩领域,帧间预测技术占有十分重要的地位。在简要介绍两种帧间运动估计/补偿模式基础上,该文重点讨论了局部运动估计中块匹配算法的应用和Sprite编码中的全局运动估计算法,提出一种"改进的分级块匹配法",并结合Sprite编码实现序列图像帧间压缩。大量实验表明,采用这种局部和全局相结合的预测算法,可以减少搜索时间,提高图像压缩质量和压缩比,是视频压缩可以输出甚低码流的有效手段之一。     

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.     

H.265/HEVC视频的时间域篡改检测

针对H.265/HEVC压缩编码视频中帧删除、帧重复及帧插入等时间域篡改问题,根据H.265/HEVC编码标准的新特点,文中提出了一种基于视频压缩特征的时间域篡改检测算法.该算法通过利用视频压缩域的相关参数,在不需对视频进行完全解码的情况下实现篡改位置的检测.实验结果表明,文中提出的算法对不同程度的帧删除、帧重复和帧插入篡改以及不同压缩码率的篡改视频都具有较好的检测效果,有效缩短检测时间.     

2D视频转3D视频中快速块匹配运动估计算法

根据视频序列相邻帧之间运动矢量的时空相关性和概率分布特性,提出了一种快速块匹配运动估计算法。该算法使用了搜索起点预测准则、中止阈值准则和自适应搜索策略等。实验结果表明,该算法与三步法、菱形法等相比,减少了对静止块的搜索,在保证图像质量的同时,减少了搜索的点数,提高了运动估计的速度。     

基于块分类的矿井视频图像DCVS重构算法

针对煤矿井下视频监控图像因数据量大而导致传输和存储困难等问题,引入压缩感知理论对视频图像进行编解码,提出一种新的分布式视频编解码(distributed compressed video sensing, DCVS)方案.为了获得更稀疏的表示和更普遍的适用性,提出一种基于块的自适应混合稀疏基方案.针对边信息获取过程中通常采用固定权值合成边信息而忽略不同图像块之间相关性的问题,提出一种块分类加权边信息生成方案.结果表明:与传统的视频编解码方案相比,基于块的分类编解码方案能充分利用帧间相关性,在不同采样率下视频重构的峰值信噪比均有所提高,视频帧重构的质量也得到有效提升.