特征域多假设预测视频压缩感知重构神经网络

在预测-残差重构框架中,利用视频时间相关性进行多假设预测是视频压缩感知重构的关键步骤。本文基于深度学习,研究了利用丰富的特征域信息实现更精确预测的方法,提出一种特征域多假设预测视频压缩感知重构网络(FMH_CVSNet)。首先提出一种新的特征域多假设预测模块（FMH_Module）,通过构造合理的运动估计模块与假设权重求解模块增强了网络的预测能力;其次提出两阶段多参考帧运动补偿模式,使不同运动特征序列均能构造更优假设集,进一步提升了预测精度。仿真结果表明,FMH_CVSNet在各实验条件下均取得了优秀的重构性能,相比于传统多假设算法2sMHR平均PSNR提升了4.76dB,相比于基于深度学习的视频压缩感知重构算法VCSNet-2提升了3.87dB。