基于時空特征的分布式視頻壓縮感知重構技術研究.pdf

1、進入21世紀，伴隨著信息技術的迅猛發(fā)展，各類視頻應用已成為互聯(lián)網(wǎng)和無線多媒體傳輸?shù)闹饕獦I(yè)務。人們對信息獲取的速度和質量有了更高的要求，這也意味著系統(tǒng)要具備更強的信號采集和處理能力，傳統(tǒng)的數(shù)據(jù)采集壓縮方式需要耗費龐大的存儲空間，并且具有極高的計算復雜度。新興的壓縮感知（CS,Compressive Sensing）理論通過充分利用信號的稀疏特性，在信號采樣的同時對其進行壓縮，有效降低了存儲要求，減少了信號處理時間，為海量數(shù)據(jù)的采樣和處理提

2、供了新的途徑。
　　在視頻壓縮感知現(xiàn)有的研究成果中，相關學者已在稀疏基的選擇、測量矩陣的構建以及重構算法的設計上進行了大量的研究，但是在提高采樣信號獲取的效率上，特別是在降低相關測量矩陣的存儲要求和簡化計算復雜度方面仍需要進一步的探索，另外在重構算法的精確度和收斂速度方面也有待進一步的優(yōu)化。
　　本文針對上述問題主要做了以下幾項研究工作：
　　首先，提出自適應測量率分配方案，根據(jù)視頻的時間相關性將視頻幀內各塊劃分為靜止

3、塊與運動塊，再根據(jù)塊分類結果為它們分配不同的測量率，該方案可集中測量特征復雜的視頻塊，從而避免無用測量，提高測量效率。
　　其次，在視頻重構時首先在測量域進行運動估計，再根據(jù)運動信息構造出待重構塊的稀疏表示字典，該字典中的原子與待重構塊相關度高，因此利用它們作多假設預測，可以有效改善CS重構算法性能。
　　最后，在 Matlab仿真環(huán)境中進行了驗證實驗。結果表明，所提方法在峰值信噪比(PSNR)、結構性相似度(SSIM)以及