积分商城

最新搜索： uc1609c devc++ PASD9.5 PWM电机调速实验报告 PIC指令集 Small RTOS
您现在的位置是：首页 > 技术资料 > 视频压缩感知中基于菱形快速搜索的双匹配区域预测
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

视频压缩感知中基于菱形快速搜索的双匹配区域预测

更新时间：2020-01-02 21:18:30 大小：1M 上传用户：IC老兵查看TA发布的资源 标签：视频压缩感知 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

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.


部分文件列表

文件名 大小
视频压缩感知中基于菱形快速搜索的双匹配区域预测.pdf 1M

【关注视频号领20积分】

部分页面预览

（完整内容请下载后查看）
(
)
华 南 理 工 大 学 学 报 自 然 科 学 版  
Journal of South China University of Technology  
( Natural Science Edition)  
46  
3
期
Vol． 46 No． 3  
March 2018  
第
卷 第  
2018  
3
月
年
: 1000-565X( 2018) 03-0049-09  
文章编号  
视频压缩感知中基于菱形快速搜索的双匹配区域预测  
杨春玲 戴超  
(
，
华南理工大学 电子与信息学院 广东 广州  
510640)  
: ，  
要 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  
摘
，
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  
，
( MH-DS) ，  
即利用菱形快速搜索  
提出了基于菱形快速搜索的双匹配区域多假设预测算法  
/ ， ，  
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  
．
: ; ; ;  
关键词 视频压缩感知 多假设预测 菱形搜索 块匹配准则  
: TN919. 8 doi: 10． 3969 /j． issn． 1000-565X． 2018． 03． 008  
中图分类号  
［1］  
［2］  
2006  
Donoho 、Candès  
． ［4］ BCS ，  
缩感知研究中备受重视 文献 在 基础上 提  
年
等
提出并论证了  
( CS)  
，
理论 即只需要按照特定的条件将可  
( DCT ) 、  
出了 在 离 散 余 弦 变 换 离 散 小 波 变 换  
压缩感知  
，
压缩信号的高维信号投影到一个低维空间上 就可  
( DWT) 、 ( DDWT)  
离散双树小波变换 域进行阈值处  
，
BCS  
算法  
( BCS-SPL) ， ;  
进一步提高了重构质量  
以通过重构算法利用少量观测值重建出原始信号  
理的  
．
该理论突破了传统的奈奎斯特信号采集理论 之后  
，
将该算法应用到视频压缩感知中 实现了视频压缩  
/
压缩感知理论在图像 视频压缩与重建领域受到广  
，
感知重构 但由于没有充分利用视频的帧间相关性  
，
［3-16］  
．
/ ，  
最初是对图像 视频帧直接观测 但  
． ，  
重构性能不太理想 基于视频信号的帧间相关性 文  
泛的关注  
/ ，  
实际应用中图像 视频帧的信息量较大 导致压缩感  
［5］  
献 提出了一种观测域多假设预测视频压缩感知  
， ． ，  
知中测量矩阵规模较大 计算复杂度较高 为此 文  
， ，  
重构算法 即将相邻帧作为参考帧 从参考帧中选取  
［3］  
( BCS) ，  
Landweber  
，
一组假设块的加权线性组合作为当前块的预测 然  
献
提出了分块压缩感知及其重构算法  
，
即先对图像进行分块观测 再利用投影  
，
后对得到的更加稀疏的残差信号做稀疏重构 取得  
，
迭代算法重构 并在迭代过程中引入维纳滤波以消  
．
了很好的重构性能 基于多假设预测的视频压缩感  
． BCS  
，
知重构的相关研究的不断深入 使视频压缩感知的  
除重构图像的块效应  
算法提高了图像压缩感  
， ，  
知的重构质量 大大降低了重构计算复杂度 被认为  
．
研究得到了突破性进展 在观测域多假设预测研究  
，
是图像压缩感知的经典重构算法 在图像和视频压  
， ［5］ Tikhonov  
中 文献 提出的添加 正则化项求解最  
: 2017-01-16  
收稿日期  
:
基金项目 国家自然科学基金资助项目  
( 61471173) ;  
( 2016A030313455，2017A030311028)  
广东省自然科学基金资助项目  
Foundation items: Supported by the National Natural Science Foundation of China( 61471173) and the Natural Science Foundation  
of Guangdong Province( 2016A030313455，2017A030311028)  
:
作者简介 杨春玲  
( 1970-) ， ， ， ， / ． E-mail: eeclyang@ scut． edu． cn  
女 博士 教授 主要从事图像 视频压缩研究  
50  
(
华 南 理 工 大 学 学 报 自 然 科 学 版  
)
46  
第 卷  
， ;  
优权值方法 具有计算简单和重构效果好的优点 文  
，
在视频压缩感知重构中 通常将整个视频序列  
［6］  
联合  
Iasso  
l
模型中的 范数正则化及岭回归  
1
( GOP) ．  
献
分成若干个图像组  
每个图像组的首帧为关  
CS  
， ． ，  
键帧 其余帧为非关键帧 对于关键帧 利用  
l ; ［7］  
模型中的 正则化求解最优权值 文献 提出了  
2
重
; ，  
构算法进行帧内独立重构 对于非关键帧 由于视频  
l
，
范数正则化项中加入权重调整函数 并优化了  
在
2
，
帧间相关性非常大 故在当前帧的相邻几帧内大概  
． ［6-7］  
假设集合 文献 对权值分配求解过程作出了  
，
率存在当前帧图像块的相似块 可以将相邻几帧作  
， ，  
改善 重构质量得到了一定的提升 但计算复杂度大  
［14］  
．
， ．  
大增加 实用性不高 观测域多假设预测算法由于预  
为参考帧 进行多假设预测  
，
测块的不重叠分块处理 使其预测结果和重构结果  
多假设预测的核心思想是选取一定数量的相似  
． ， ［8-9］  
依然存在着块效应 因此 文献 基于  
Tikhonov  
，
块作为假设块组 然后对假设块组加权线性组合以  
［5］  
， t  
获得更接近于原始图像的预测帧 对于当前 帧中  
正则化多假设预测模型 提出了两阶段多假设预  
i
第 个  
B × B  
，
解码块 多假设预测的目的是尽可能使  
，
测模式 分为观测域多假设预测和像素域多假设预  
， ，  
测 利用像素域灵活分块的特性 在像素域进行重叠  
e
得预测信号与原始信号间的残差信号 的能量  
2
， ，  
块多假设预测 有效地削弱了重构图像的块效应 相  
W( e )  
，
最小 即  
2
2
［6-7］ ，  
比于文献 的算法 重构质量更高且计算复杂  
W( e ) = min x － H w  
t，i t，i  
( 2)  
2
［5-9］  
: x  
; H  
，
为假设块组 维  
t，i  
．
度更低 但多假设预测方案  
:
依然存在如下不足  
式中  
为列向量化的当前块  
t，i  
2
，
①对于运动剧烈的视频序列 如果需要匹配到较好  
B × K，  
每一列由列向量化的假设块组成  
，K  
数为  
为
， ，  
的假设块 则需要扩大搜索范围 全搜索模式将导致  
，w  
．
为权重列矢量 对式  
( 2)  
H
中 的  
t，i  
假设块的个数  
， ，  
计算复杂度呈指数级增长 不符合实际应用 如果限  
，
线性组合进行优化 则式  
( 2)  
转化为  
2
， ;  
制搜索范围 则导致预测精度不高 ②在观测域使用  
w
= arg min x － H w  
t，i t，i  
w
( 3)  
t，i  
2
，
欧式距离作为相似块匹配准则不太合理 有可能引  
，w  
，
为最优权值向量 利用最小二乘优化算法  
t，i  
式中  
．
入新的噪声而降低重构质量  
． ，  
求解 由于在视频压缩感知中 解码端只有当前块的  
，
基于上述分析 文中在两阶段多假设预测重  
y ，  
观测值矢量  
t，i  
［8-9］  
，
的框架基础上 提出了一种基于菱形快速搜  
构
y =  
t，i  
x
Φ
( 4)  
t，i  
( MH-DS) ，  
针对  
索的双匹配区域多假设预测算法  
，
因此 文 中 对 式  
( 3 )  
采 用 观 测 域 的 优 化 方 法 求  
视频压缩感知多假设预测中方形全搜索模式预测  
w :  
解
t，i  
2
，
精度与计算复杂度不能兼顾的问题 基于视频中  
^
w
= arg min y  
－
H w  
Φ
t，i  
( 5)  
t，i  
t，i  
2
w
，
前景和后景通常运动方向相反的事实 先以菱形  
由于各图像子块的观测点数通常小于假设块数  
/ ，  
快速搜索方式确定前景 后景的运动矢量 然后分  
K ， ， ( 5)  
即方程个数小于未知数的个数 因此式 为  
量
别以两个运动矢量末端点为中心确定假设块双匹  
， ［5］ Tikhonov  
不适定问题 文献 采用 正则项来求解  
，
配域 以保证在计算复杂度增加幅度不大的前提  
^
， w  
此问题 以  
l
范数作为惩罚函数添加到目标  
2
的
t． i  
;
下提高预测精度 针对观测域匹配准则的不合理  
( 6)  
，
中 即  
函数式  
，
性 文中提出了基于最小均方误差  
( MMSE)  
和最大  
2
2
2
^
w
= arg min y  
－
H w  
Φ
t，i  
+
w
Γ
( 6)  
t，i  
t，i  
2
2
w
( MPC)  
匹配像素统计  
的融合匹配准则来优化假设  
， ， ，  
式中 为尺度参数 Γ 为惩罚权重 则可以求得闭  
．
块集合  
:
式解  
－1  
T
T
1
T
多假设预测算法  
2
^
w =  
t，i  
(
H ) ( H ) +  
Φ
t，i  
(
H ) y  
Φ
t，i  
Φ
Γ Γ  
t，i  
t，i  
[
]
［10-13］  
，
其主要  
视频压缩感知采用分块观测模式  
( 7)  
～
:
原理为 将每个视频帧分成若干个不重叠的  
B × B  
^
= H w ．  
t，i t，i  
x
当前块的预测值为  
t，i  
，
大小的图像子块 对每个图像子块采用高斯随机观  
－
目前视频压缩感知重构最常用的是预测 残差  
［15-16］  
，
测矩阵 Φ 进行观测 即  
，
CS  
重构  
重构框架  
即在多假设预测之后利用  
y =  
i
x
Φ
( 1)  
i
算法恢复出原始观测值与预测观测值之间的残差  
2
，x i ， M × B  
式中 为第 个图像块 Φ 为 维的高斯随机  
i
，
帧 再将恢复后的残差帧与预测帧相加得到最后的  
2
，y i ，  
矩阵 为第 个图像块的观测值 采样率为  
i
M/B ．  
， 1  
重构视频帧 其框图如图 所示  
．

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号