自适应采样率分配的分布式压缩感知视频编码

提出了一种基于压缩感知理论的分布式视频编码方案,它是建立在压缩感知理论的基础上全新的具有动态测量率分配的分布式视频编码框架,具有编码端简单、抗误码能力强、编码效率较高的特点.在编码端,关键帧和非关键帧独立编码,关键帧采用高采样率的压缩感知测量,非关键帧采用自适应的压缩感知测量.在解码端,利用非局部稀疏模型和字典训练更新算法,关键帧和非关键帧联合进行压缩感知重建.实验结果表明,本文的编码算法能获得较好的率失真性能和主观图像质量.     

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.     

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.     

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%。     

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。     

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.     

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。     

一种基于互信息量的自适应快速视频编解码方案

为了对不同运动剧烈程度的视频序列提出一种重构质量高并且快速的自适应编码算法,引入视频序列的互信息量(mutual information,MI)。利用视频序列帧间的互信息量自适应地调整运动向量估计和运动向量多重估计的门限值(absolute error,AE)。通过大量的统计得出了互信息量与高通帧方差之间的关系,利用方差作为反馈进一步调整AE,从而实现了一种自适应快速算法。利用此算法同时达到了控制编码复杂度和重构视频质量的目的。实验数据表明,此种算法编码时间比传统运动补偿时域滤波(motion compensated temporal filtering,MCTF)结构缩短约15%,而重构视频的质量几乎没有下降。     

基于RGB彩色空间的运动补偿与分形相结合的视频压缩方法

提出基于RGB彩色空间的运动补偿与分形压缩技术相结合的方法.该方法先区分出彩色视频序列的I帧和P帧,同时分别分离出R、G、B三种颜色;其次对于I帧每种颜色均单独采用分形图像压缩算法进行编码,对于P帧每种颜色均通过运动补偿进行预测编码,得到运动误差,而这些运动误差的数值是很小的,有很大的相似性,此时采用自适应四叉树的分形视频压缩方法来对运动误差进行编码.实验结果表明,与传统的分形视频压缩相比,该方法能够在保证压缩质量的情况下大幅度地提高压缩比.     

一种基于互信息量的自适应快速视频编解码方案

为了对不同运动剧烈程度的视频序列提出一种重构质量高并且快速的自适应编码算法,引入视频序列的互信息量(mutual information,MI).利用视频序列帧间的互信息量自适应地调整运动向量估计和运动向量多重估计的门限值(absolute error,AE).通过大量的统计得出了互信息量与高通帧方差之间的关系,利用方差作为反馈进一步调整AE,从而实现了一种自适应快速算法.利用此算法同时达到了控制编码复杂度和重构视频质量的目的.实验数据表明,此种算法编码时间比传统运动补偿时域滤波(motion compensated temporal filtering,MCTF)结构缩短约15%,而重构视频的质量几乎没有下降.