[发明专利]基于多尺度在线字典学习的可分级视频编码系统

权利要求书

1.一种基于多尺度在线字典学习的可分级视频编码系统，其特征在于所述系统包括：基于层次化稀疏的多尺度训练集构造模块、在线字典学习模块以及跨尺度视频帧重构模块，其中：

所述基于层次化稀疏的多尺度训练集构造模块利用多级小波变换获得图像不同尺度上的层次化稀疏结构，通过高斯差分滤波器组提取方向能量获得图像中的基元区域，截取基元区域的图像块生成多尺度训练集；

所述在线字典学习模块利用随机梯度下降法保证了在低复杂度下迭代优化字典原子，通过在线字典学习算法对不同尺度的训练集进行字典学习，生成对应的多尺度子字典基；

所述跨尺度视频帧重构模块对低频视频帧通过构造的子字典基学习到不同层次的丢失高频信息，通过不同级数的小波逆变换重构，实现视频质量可分级的目的。

2.根据权利要求1所述的一种基于多尺度在线字典学习的可分级视频编码系统，其特征在于，所述的基于层次化稀疏的多尺度训练集构造模块实现由在重构的关键帧上通过K阶小波变换得到图片的低频子带和3个方向上的K-1阶高频子带，对于每一个子带通过高斯滤波器进行基元块的提取和方向分类，不同尺度的每个方向类中的基元块对应于一个子训练集，同时在子训练集上训练得到的字典基上具有层次化稀疏结构。

3.根据权利要求2所述的一种基于多尺度在线字典学习的可分级视频编码系统，其特征在于，所述的基于小波变换的多尺度训练集构造通过小波变换、基元块提取和分类方法对整个重构关键帧进行操作来实现。

4.根据权利要求1-3任一项所述的一种基于多尺度在线字典学习的可分级视频编码系统，其特征在于，所述的在线字典学习模块实现由随机梯度下降法实现稀疏表示误差的最小化，它能够适应性的表示出高维信号的内在结构，相对于固定基能更有效地稀疏表示视频信号，这种在过完备学习字典基矩阵上的稀疏表示是具有结构化稀疏的。

5.根据权利要求4所述的一种基于多尺度在线字典学习的可分级视频编码系统，其特征在于，所述的在线字典学习模块能够在每一次迭代中仅基于当前训练块最小化代价函数，单独作用于不同的子训练集组得到不同的子字典对。

6.根据权利要求1-3任一项所述的一种基于多尺度在线字典学习的可分级视频编码系统，其特征在于，所述的跨尺度视频帧重构模块通过一种凸松弛算法模型实现的，找到的最优的稀疏表示稀疏乘以对应子字典基，通过不同阶数的小波逆变换就是要得到可分级的重构信号。