基于双重稀疏模型解码的压缩感知视频传输方法及系统技术方案
【技术实现步骤摘要】
基于双重稀疏模型解码的压缩感知视频传输方法及系统
本专利技术涉及数字图像及信号处理领域，尤其涉及基于双重稀疏模型解码的压缩感知视频传输方法及系统。
技术介绍
压缩感知理论通过利用信号的稀疏特性，在远小于Nyquist采样率的条件下，随机采样获取信号的离散样本，然后通过非线性算法重建信号。其核心思想是若信号在某个变换基Ψ上是稀疏的，编码端用一个与Ψ不相关的测量矩阵Φ将信号投影到一个低维空间，解码端通过求解最优化问题即可从少量投影中精确重构原始信号。分布式视频编码系统，可使视频序列的帧间相关性用于解码端，实现用边信息结合解码算法解码，而编码端仅需实现分布式帧内编码，从而使编码端复杂度大大降低。它与传统视频编码技术的差别在于：传统技术通常都会在编码端充分挖掘视频序列的冗余信息，编码端复杂度一般较高；而分布式视频编码具有编码器复杂度低、容错性好、编码端耗电量低等特点。传统视频压缩通常是非线性编码、线性解码，这使得编码复杂度非常高，系统编码端压力大，通过结合压缩感知理论与分布式视频编码的思想，可以把系统复杂度转移至解码端，而在解码端寻找高效高性能的解码算法，这非常适用于系统...
【技术保护点】
一种基于双重稀疏模型解码的压缩感知视频传输方法，其特征在于，包括如下编码步骤和解码步骤，所述编码步骤包括：视频帧图像分组步骤：提取视频序列帧图像，形成视频图像帧组；压缩编码步骤：分别对关键帧与非关键帧进行基于压缩感知的线性压缩，获取相应的压缩结果并传输给解码单元，所述关键帧用k帧表示，所述非关键帧用cs帧表示；在所述解码步骤中包括：关键帧重构步骤：关键帧压缩结果到达解码单元后，由GPSR算法进行重构；边信息生成步骤：由相邻的前后两个关键帧的重构结果，采用运动估计补偿算法生成边信息；冗余字典构造步骤:字典训练过程将利用到前后相邻已重构关键帧与边信息帧，模块的输入为待训练图像集...
【技术特征摘要】
1.一种基于双重稀疏模型解码的压缩感知视频传输方法，其特征在于，包括如下编码步骤和解码步骤，所述编码步骤包括：视频帧图像分组步骤：提取视频序列帧图像，形成视频图像帧组；压缩编码步骤：分别对关键帧与非关键帧进行基于压缩感知的线性压缩，获取相应的压缩结果并传输给解码单元，所述关键帧用k帧表示，所述非关键帧用cs帧表示；在所述解码步骤中包括：关键帧重构步骤：关键帧压缩结果到达解码单元后，由GPSR算法进行重构；边信息生成步骤：由相邻的前后两个关键帧的重构结果，采用运动估计补偿算法生成边信息；冗余字典构造步骤:字典训练过程将利用到前后相邻已重构关键帧与边信息帧，模块的输入为待训练图像集{k(t-1)帧、k(t+1)帧、SI帧}及以下参数：小波变换滤波器系数，分解级数l，各子字典原子大小db，以下为字典训练步骤：a.将训练集图像输入字典构造模块，所述训练集图像包括已重构关键帧、边信息，模对每个训练图像做l级小波变换，提取各自的系数子带；b.生成训练样本集：对各子带方向小波系数提取不重叠的块并排成向量，构成该子带训练样本集，初始化所有子字典Db，初始化过程同时利用OMP算法获得初始的稀疏表示系数矩阵A；c.通过K-SVD算法训练各自子带方向的字典,获得训练后的字典同时得到相应稀疏表示系数矩阵Ab；d.利用训练集与稀疏表示系数，得到重组形成的完整字典并输出；非关键帧重构步骤：利用非关键帧压缩结果，以及上述字典训练步骤d中输出的字典，通过GPSR算法，完成非关键帧的重构；视频帧图像重组步骤：由已解码的帧组图像重组形成解码后的视频序列。2.根据权利要求1所述的压缩感知视频传输方法，其特征在于，在所述视频分组步骤中，从输入的视频序列中提取出视频帧图像并形成GOP帧组，帧组中第一帧图像为关键帧，其余若干帧图像为非关键帧；各组内帧图像将按关键帧、非关键帧的顺序进行传输；在所述压缩编码步骤中，首先将像素点个数为N的二维图像帧信号按列输出为N×1的一维信号xt，然后分别对帧组中k帧与cs帧通过压缩感知yt＝Φxt压缩过程，获取相应帧图像的压缩结果yt，yt是Mt×1维的向量，Φ是Mt×N维的压缩矩阵，这里k帧的压缩率MRk大于或等于cs帧的压缩率MRcs，用以为cs帧提供估计信息，其中xt的压缩率MR被定义为MRt＝Mt/N；其中压缩矩阵Φ＝QMWPN，WB表示B×B的哈德玛矩阵，PN表示对W的列向量进行随机排序，QM表示随机抽取WPN中的M行。3.根据权利要求2所述的压缩感知视频传输方法，其特征在于，在所述关键帧重构步骤中，获取k帧压缩结果后，将其结合GPSR梯度投影凸优化算法解决算式完成重构；其中yt是Mt×1维的压缩结果，yt＝Φxt,Θ＝ΦΨ是大小为M×N的矩阵，Φ是Mt×N维的压缩矩阵，Ψ是稀疏基矩阵，τ是正值的拉格朗日乘子，st是待优化的估计系数，表示求该式的二范数的平方,||.||1表示求该式的一范数；求解出该算式的最优解估计值后，原关键帧信号重构估计值为在所述边信息生成步骤中，cs帧相邻前后的两个k帧，将采用MCI双向运动估计补偿算法，以GOP＝2为例，将视频帧图像分成若干个块，Mn为cs帧中的某一像块，Mn-1和Mn+1分别为k(t-1)帧和k(t+1)帧的同位置像块；首先以k(t+1)为参考帧，搜索与Mn-1最佳匹配的像块，得到了运动矢量(i，j)；然后以(i/2，j/2)作为Mn的运动矢量，对Mn进行前向运动估计补偿，得到预测结果Xn；同理，再以k(t-1)帧为参考帧，搜索与Mn+1最佳匹配的像块，得到运动矢量(i’,j’)，然后以(i’/2,j’/2)作为Mn的运动矢量，以k(t-1)帧为参考帧，对Mn进行后向运动补偿,得到Yn，最后，再将Xn和Yn进行平均，即可得到Mn的运动补偿内插值，遍历所有的像块后，获得两个双向的预测结果Xt与Yt，对他们进行求均值的操作，即生成了当前帧的边信息SIt。4.根据权利要求3所述的压缩感知视频传输方法，其特征在于，在所述步骤a中：依据双稀疏字典表示模型，字典训练问题可描述为：其中，Y表示待训练集，A表示稀疏表示系数矩阵，αi代表矩阵A的第i列，K为稀疏度，EZ表示字典的每个原子可由核心字典E稀疏表示，即D＝EZ，Z为稀疏表示矩阵，表示矩阵的F范数，将上式变形等价为其中Ea代表小波变换基，表示对训练集图像做l级的离散小波变换，通过若干次离散低通和离散高通迭代分解，能够得到b＝3l+1个系数子带，它们分别代表了不同方向尺度的分量，提取这b＝3l+1个子带，每个不同子带的集合将形成字典训练样本集；在所述步骤b中：从步骤a得到的各系数子带中提取Qb个块，每个子带集合被分成若干不重叠的块，将它们展开成列向量并依次排列最终形成各自的训练集(EaY)b；初始化所有子字典Db，b＝1,2,…,3l+1，同时对各子带训练集通过OMP算法求稀疏表示系数矩阵Ab；在所述步骤C中：对每个子带训练集使用K-SVD算法训练字典，解决算式其中ai,b表示矩阵Ab的第i列，经过不断的迭代得到优化解，每一次迭代更新字典的某项原子，直到满足迭代终止条件迭代结束，最终获得各自子带方向的其中结合了OMP算法得到相应的稀疏表示系数Ab；OMP算法过程为：初始化残差赋值r←(EaY)b，索引值集合赋值Ik←Ab，迭代次数t＝1，残差小于阈值m时，寻找最大内积所对应的索引值i；扩充索引值集合：Ik←Ik∪{i}；更新残差和迭代次数：t＝t+1；当残差大过阈值，迭代终止，输出稀疏表示系数Ab与各子带字典在所述步骤d中：各子带字典依据小波变换的原始系数矩阵排布结构，将各子带字典通过重新排列形成训练后的系数字典Dl，再利用初始训练集Y与重组后的稀疏表示系数矩阵Al，通过解决算式得到重组形成的完整小波域多尺度字典输出5.根据权利要求4所述的压缩感知视频传输方法，其特征在于，在所述非关键帧重构步骤中，接收到非关键帧压缩结果，结合步骤d中训练的冗余字典通过GPSR算法完成对cs帧的重构，主要解决算式：其中s是当前cs帧的压缩结果，Φ是Mt×N维的压缩矩阵。6.一种基...
【专利技术属性】
技术研发人员：吴绍华，赵睿思，王海旭，焦健，张钦宇，
申请(专利权)人：哈尔滨工业大学深圳研究生院，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。