[发明专利]基于分块策略和遗传进化的视频图像压缩感知重构方法

说明书

技术领域

本发明属于图像视频处理技术领域，更进一步涉及一种视频压缩感知重构方法，可用于对 自然图像视频序列进行重构。

背景技术

近几年，在信号处理领域出现了一种新的数据理论压缩感知CS，该理论在数据采集的同 时实现压缩，突破了传统奈奎采集斯特采样定理的限制，为数据采集技术带来了革命性的变化， 使得该理论在压缩成像系统、军事密码学、无线传感等领域有着广阔的应用前景。压缩感知理 论主要包括信号的稀疏表示、信号的观测和信号的重构等三个方面。其中设计快速有效的重构 算法是将CS理论成功推广并应用于实际数据模型和采集系统的重要环节。

从科学到体育多种应用领域中，高速摄像机在捕捉快动作中发挥着重要的作用，但是测量 高速视频对摄像机的设计来说是一种挑战。压缩感知通过低帧率的压缩测量，能够捕捉高帧率 视频信息，因此压缩感知被用于高速视频信息的捕捉，从而减轻高速摄像机设计的困难。

JianboYang等人在论文“VideoCompressiveSensingUsingGaussianMixture Models”(《IEEETransactionsonImageProcessingAPublicationoftheIEEESignalProcessing Society》,2014,23)中提出一种基于高斯混合模型的方法。该方法通过对时空视频块建立高斯 混合模型，对时间压缩的视频序列进行重构，获得了较好的重构效果，但是该方法仍然存在的 不足是，该重构方法对视频帧序列的前后帧变化的部分重构效果不是很理想，在运动的边缘部 分比较模糊。

发明内容

本发明的目的在于针对现有技术领域中的时空视频压缩感知重构技术的不足，提出一种基 于分块策略和遗传进化的视频图像压缩感知重构方法，以提高重构图像的质量。

本发明的技术思路是：在发送方进行观测向量的构造，对视频图像进行分组，对视频图像 的每一组的每一帧图像进行分块，根据同一位置相邻帧图像块差值的二范数将图像块划分为变 化块和非变化块。对非变化块对数据组的第一帧的图像块进行高斯观测，对非变化块的所有图 像块进行高斯观测。对获得的观测向量进行分类，利用视频帧间的相关性，对观测数据进行聚 类。根据相似性，采用遗传优化算法对每一类图像块进行重构，实现高质量的视频压缩感知重 构。其实现步骤包括如下：

1.一种基于分块策略和遗传进化的视频图像压缩感知重构方法，包括：

(1)发送方以8帧为一个数据组，对视频图像的每一帧图像进行8×8的分块，根据 相邻帧同一位置图像块差值的二范数将图像块划分为非变化块和变化块，并对非变化块和 变化块进行随机高斯观测，得到观测向量；

(2)接收方将获取的所有观测向量进行图像块结构判别，即将每一个观测向量标记为 光滑或单方向或多方向；

(3)提取具有相同图像块结构的观测向量，对同一个图像块结构的观测向量进行AP 聚类；

(4)用已有的脊波过完备字典对产生的每一类观测向量进行种群初始化；

(5)分别利用遗传进化算法对步骤(4)的每一个遗传种群进行遗传交叉、基于方向统计 的遗传变异、遗传选择操作，获得每一类观测向量在过完备字典上的最优原子组合；

(6)根据步骤(5)获得的最优原子组合，对每一类观测向量进行重构，将它们组合成视 频数据；

本发明与现有技术相比具有以下优点：

第一，本发明利用视频图像相邻帧同一位置的相似性，根据观测向量的差值二范数的统计 特性，进一步降低了视频数据的采样率；

第二，本发明利用视频帧间和帧内的相关性，通过遗传优化算法，使得本发明对视频前后 帧运动边缘的部分具有很好的重构效果。

附图说明

图1是本发明的实现流程图。

图2是本发明的仿真结果图。

图3是实验参数对比图。

具体实施方式

下面结合附图，对本发明做进一步的描述。

参照附图1，本发明的具体步骤如下：

步骤1.观测向量的获取。