一种基于信息熵的视频自适应采样率设定方法技术

本发明专利技术公开了一种基于图像信息熵的视频自适应采样率设定方法。在分块压缩感知(BCS，block CS)框架下，视频关键帧采用运用固定采样率进行分块CS采样压缩，并独立进行重构，将重构的关键数据再次反馈到采集端。非关键帧利用采集端预采样可得的测量值，同时结合关键帧的反馈信息计算各视频图像块的图像二维信息熵，再根据各块信息熵的比例自适应地调整采样率，为了满足预设的视频帧总采样值，采样率采用了动态设定块采样率的方案。本发明专利技术能够充分考虑帧内由于分块采样带来的块效应和时空相关性，在相同的采样率下，能够提高重构视频序列帧质量，并且重构时间没有增加。该方法解决了现有基于方差进行自适应采样过程中未充分考虑视频帧内空时相关性的问题。

A method of video adaptive sampling rate setting based on information entropy

The invention discloses a video adaptive sampling rate setting method based on the image information entropy. In the block compressed sensing (BCS, block CS) under the framework of video key frame by using the fixed sampling rate of block CS compression and independent sampling, reconstruction, reconstruction of key data acquisition terminal to feedback again. The non key frame sampling available value by pre acquisition end, combined with the feedback information of key frames to calculate the video image block image information entropy, then according to the proportion of each block of information entropy to adaptively adjust the sampling rate, in order to meet the preset value of total video frame sampling, sampling rate using dynamic setting block the sampling rate of the scheme. The invention can fully consider the block effect and spatio-temporal correlation caused by block sampling in the frame, and at the same sampling rate, it can improve the quality of reconstructed video sequence frames, and the reconstruction time does not increase. This method solves the problem that the existing spatio temporal correlation in video frames is not fully considered in the existing adaptive sampling process based on variance.

【技术实现步骤摘要】
一种基于信息熵的视频自适应采样率设定方法
本专利技术属于视频图像处理
，涉及一种基于信息熵的视频自适应采样率设定方法。
技术介绍
目前，信息社会正朝着数字化、网络化和智能化方向快速发展，采用视频传感构建的无线传感器网络来实现现场实时视频感知的应用需求日益增加。由于视频信号复杂，信号传输过程流量大，并且通信资源有限，所以使得视频图像通信面临较大的挑战。近年来，压缩感知(CS，CompressedSensing)的出现突破了奈奎斯特采样定理的瓶颈，使以欠奈奎斯特速率采样信号仍可无失真复原信号。基于CS的图像采集即压缩成像(CI，CompressiveImaging)也随之出现，实现了在模拟域中采集图像的同时以降维的方式直接压缩图像，大大降低了采集图像成本，使之获得广泛关注。图像压缩感知目前面临着若干难题，主要包括计算负担大的重构过程和高存储量的随机测量矩阵。然而，在图像压缩感知的应用场合中，解码端经常是计算能力强大的基站，这使高计算复杂度的重构算法仍可“轻松”完成。但是，由于图像规模较大(成百上千万像素)，造成随机测量矩阵的存储量庞大，这不仅给图像重构带来困难，而且也使现实中实现随本文档来自技高网...

【技术保护点】
一种基于信息熵的视频自适应采样率设定方法，假设输入的视频序列帧xt有N＝Ic×Ir个像素，分成n个大小为B×B的块，第i个块的列向量形式记为xt,i，i＝1,...,n,n＝N/B

【技术特征摘要】
1.一种基于信息熵的视频自适应采样率设定方法，假设输入的视频序列帧xt有N＝Ic×Ir个像素，分成n个大小为B×B的块，第i个块的列向量形式记为xt,i，i＝1,...,n,n＝N/B2，分块尺寸：B×B，分块测量矩阵为ΦB，其特征在于，包含以下步骤：(1)将原始视频流拆分为关键帧和非关键帧，奇数帧为关键帧，偶数帧为非关键帧；或者偶数帧为关键帧，奇数帧为非关键帧；(2)在采集端，用结构化随机哈达玛矩阵作为测量矩阵Φ对关键帧和非关键帧进行CS测量；(3)对于关键帧，采用固定的自适应分块采样率，假设对关键帧的采样率为a，视频帧的像素为N，可知总采样次数M＝aN；(4)对于非关键帧，由于视频序列此前已经将关键帧解码重构，因此利用关键帧与非关键帧的差值将极大地减少编码端运算量，从而提高编码效率，提前预设图像总采样率，使总采样率与关键帧保持一致，则非关键帧图像总采样率也为a，可知总采样次数M，预采样率为d(a>d)；(5)为步骤4中各块自适应设定测量率，设关键帧的重构矩阵为Y，非关键帧的预采样矩阵为X，则X的维数为M′U′＝Y-X(M′＝d×N)U′为其差值，其中的值表示该像素点灰度值变化量，由于差值范围在(-265,265)之间，因为不能直接对数据进行统计分析，所以将差值加256，即U＝U′+256保证了数据可以进行hash散列，由此得出每块测量域的预采样像素变化量的概率pij，进而进行预测估计和采样率分配；(6)由以上步骤得出每块测量域的预采样像素变化量的概率pij，进而进行预测估计和采样率分配，由此每个图像块ai测量域的信息熵为h(ai)＝Σ-pijlogpij利用每块...

【专利技术属性】
技术研发人员：张登银，陆娇娇，丁飞，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏,32