[发明专利]基于无反馈码率控制的分布式视频压缩感知系统及方法

权利要求书

1.基于无反馈码率控制的分布式视频压缩感知系统，包括编码器、无反馈码率控制器和解码器，其特征在于，所述无反馈码率控制器，包括：

初步块码率分配单元：根据目标码率和测量值残差能量对当前编码压缩感知帧中图像块CS进行初步码率分配，得到图像块CS量化前的测量率；

率失真模型单元：根据当前编码图像块CS量化前的测量率和块的类型，计算不同测量率和量化参数情况下的预测率失真，用于分配首个CS帧中图像块CS的率失真最小的测量率SR_min和量化参数QP_min；

BP神经网络单元：利用样本数据库中已编码图像块CS的信息，进行BP神经网络训练，其中输入层为块初步码率B_R和测量域残差E，输出层为率失真最小的测量率SR_min和量化参数QP_min，训练出BP神经网络的权和阈值，根据训练后的BP神经网络，对CS帧中图像块CS预测测量率SR_min和量化参数QP_min；

联合量化参数和测量率进行无反馈码率控制，具体的方法如下：

501)：计算CSⁱ块与关键帧中同位置图像块测量值域的残差能量Eⁱ，计算如下：

其中，为CSⁱ块的测量值矢量，为关键帧第i块中取与相同长度的测量值矢量，为l₂范数；

502)：设定压缩感知帧目标码率F_R，根据测量值残差Eⁱ对当前CSⁱ块码率进行初步分配：

其中，N_B为当前编码帧的总块数，E^j为第j个图像块CS的残差能量；根据块初步分配的码率计算CSⁱ块在不量化情况下的块测量率

其中，N_a为块数据总量；

503)：根据Eⁱ把CSⁱ块分成三种类型：静止块B_S、小变化块B_M和大变化块B_L；

其中，T₁和T₂为阈值，根据块类型B_mode和由步骤502)得到的块测量率进行流程选择：对于静止块，若直接设置CSⁱ块测量值的量化参数QPⁱ＝1和测量率结束码率控制流程，否则转入步骤504)；对于小变化块，若直接设置CSⁱ块测量值的量化参数QPⁱ＝1和测量率结束码率控制流程，否则转入步骤504)；对于大变化块，直接转入步骤504)；

504)：根据步骤503)得到的块类型B_mode对CSⁱ块测量率SRⁱ范围进行设置：对于静止块，选择测量率SRⁱ的范围为步长0.01；对于小变化块，选择SRⁱ的范围为步长0.03；对于大变化块，选择SRⁱ的范围为步长0.1；

固定SRⁱ，根据式(5)计算出相应的比特面位数Bⁱ，如下所示：

其中，round表示四舍五入取整，N为视频精度位数,然后根据式(6)计算出CSⁱ块测量值的量化参数:

505)：由量化参数QPⁱ和测量率SRⁱ，根据测量率—量化参数失真模型即式(7)对CSⁱ块计算出相应的失真Dⁱ：

其中，Eⁱ表示当前图像块CS与参考帧测量值残差能量，SRⁱ为CSⁱ块测量率，QPⁱ为测量值的量化参数，C₁，C₂和C₃为常数；

506)：按步骤504)所述步长选择不同的SRⁱ，重复步骤504)～505)得到不同的失真Dⁱ，由此建立SRⁱ-QPⁱ-Dⁱ关系表；

507)：从所述SRⁱ-QPⁱ-Dⁱ关系表中选择最小的失真从而确定出相应的测量率和量化参数同时把当前编码图像块CS的块类型、块初步码率最小失真残差能量Eⁱ、测量率和量化参数存入存储器；

508)：根据步骤507)得到的和对当前图像块CS进行测量率为的压缩测量，并对测量值进行量化参数为的量化，得到基于块的测量值量化值，并传输到解码端,同时把测量率和量化参数传输到解码端；

BP神经网络采用2个分量，即块码率B_R和残差E作为BP神经网络的输入层，采用2个分量，即测量率SR和量化参数QP作为输出层，离线训练BP神经网络结构作为参考结构；根据训练结果,当神经模型的神经元数为11个、隐含层数为3个时，BP神经网络结构的均方根误差最小，同时训练时间也最小。