[发明专利]基于分布式压缩感知技术的信源编码的方法

说明书

技术领域

本发明涉及一种基于分布式压缩感知技术的信源编码的方法，属于视频图像数据处理的技术领域。

背景技术

首先，介绍视频处理中的差值方法。视频图像的帧频为25～30帧/秒，因此，视频图像的每一帧数据之间的相关性很强。视频的差值处理方法是先进行相邻或相近帧之间的差值运算，使得差值图像的大部分像素数据值都在零附近，再经阈值量化后，将这些数据值转换为零，使得需要处理的数据大为减少。完成差值处理后，再对差值图像进行小波变换。其原因主要有两点：一是使差值图像的能量集中于更小的区域，进一步缩减运算量；二是充分利用人眼对低频信息敏感而对高频信息不敏感的视觉特性，尤其对运动物体的边缘更加不敏感。由此把运动预测估计主要放在差值图像小波变换后的低频部分，而对高频部分的操作适当降低要求。这个技术的具体实现过程如下：

步骤1、发送端执行视频图像各帧间的差值算法：将视频图像中的各帧按照每组若干帧进行分组，再计算每组中的第一帧与其后各帧间的差值并记录之。

步骤2、发送端按照下述步骤执行视频图像的编码操作：

(21)对视频图像中的每组第一帧进行编码：先对每组第一帧图像进行小波变换，在压缩时保留其中的大部分信息，以便在接收端能够实现比较准确的恢复。实验表明，每组的第一帧图像的恢复效果较好，则整体恢复效果也较好。

(22)对视频图像中的每组的其余各帧分别进行编码：对其余各帧图像与第一帧图像的差值进行小波变换后，进行压缩并传输。

步骤3、接收端在接收到信号后按照下述步骤执行视频图像的解码操作：

(31)对每组中的第一帧图像直接解码；

(32)对每组中除去第一帧以外的其余各帧分别进行解码，然后再与恢复后的第一帧图像处理结果相加，获得最终恢复的原始图像信号。

上述方案实现时，要对数据源进行奈奎斯特Nyquist采样，以获取大量原始数据，这需要付出极大的采样和存储代价。然而，为了减小传输速率，在对信号进行处理后，通常只传送几个影响较大的数据而丢弃其他数据；该操作意味着付出很大代价利用Nyquist采样获得的大量数据中的大部分采样信息，都在处理后就丢弃了。因而，该方法在获取样本过程中，采样了大量不必要的数据，给存储和传输都带来很大负担。而压缩感知CS(compressive sensing)技术可以很好地解决与处理这个问题。下面简单介绍一下压缩感知CS技术。

在传统的数字信号处理领域，发送端设置的采样率要遵从Nyquist采样定律，以使接收端能够正确恢复数据。但是，随着数字采样技术的不断发展，目前，这个传统理论已经遭遇极大的挑战。近几年，出现一种新的采样理论——压缩采样或压缩感知CS(compressed sampling or compressive sensing)技术，推翻了采样率必须大于Nyquist采样率的要求。该方法是在采样的同时，实现信号的压缩，即在发送端以低于Nyquist速率的采样率对信号进行采样，而在接收端依然可以以极高的准确率恢复原始信号，这样就可以大大降低系统在数据采样和存储方面的开销(参见《Compressed sensing》，刊于IEEE Transactions on InformationTheory，vol.52，Apr.2006)。

利用CS技术处理的信号必须具备稀疏性。例如，给定N×N维的矩阵ψ＝[ψ₁|ψ₂|...|ψ_N]，式中，ψ为N维空间中的一组基底，ψ_i为这组基底中的一个元素，每个长度为自然数N的实数信号x都可以表示为：其中，s_i为对应基底ψ_i的系数，如果这N个系数中有K个不为零，信号x就被称为K-稀疏信号。对于传统信号处理技术，信号的稀疏性是信号可压缩性的前提，所以在传统数字信号处理领域中，涉及的信号大都在某个基底下具有稀疏的表示形式，即具有稀疏性，所以压缩感知技术的应用场景是与传统方法完全吻合的。实际上，人们日常生活中的大部分信号都具有稀疏性，这也提升了CS技术的实用性能。