[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

说明书

本发明的基于无反馈码率控制的分布式视频压缩感知系统及方法，该系统由编码器、无反馈码率控制器和解码器三部分组成。编码器中的压缩感知帧向无反馈码率控制器提供块测量值残差信息；无反馈码率控制器根据块测量值残差信息和目标码率，对于首个压缩感知帧(CS帧)结合测量率—量化参数失真模型进行块码率分配，给出当前编码块的测量率和量化参数，并利用分配结果训练2×3×2结构BP神经网络，然后CS帧采用训练后的BP神经网络预测图像块CS测量率和量化参数；解码器对接收到的码流首先解码出测量率和量化参数，然后联合解码。本发明克服了现有技术中压缩感知帧编码仅对测量率进行分配的不足，使得本发明中压缩感知帧重构效果好。

技术领域

本发明涉及基于无反馈码率控制的分布式视频压缩感知系统及方法，属于视频编码技术领域。

背景技术

无线视频通信中，需要考虑低复杂度、高率失真性的视频编码系统。压缩感知技术在对视频信号的采集通过连续使用单像素照相机实现，在采样中完成信号的压缩，大大降低采集端存储空间和编码端算法复杂度，很适合无线环境的要求。分布式视频压缩感知是一种新颖的视频编码方案，该技术结合压缩感知和分布式视频编码的特点，将视频编码端的大量计算转移到解码端，降低了视频采集终端的能耗，提高了视频压缩效率。

分布式视频压缩感知中，如果传输过多的编码比特会造成资源浪费，降低系统的率失真性能；而如果传输的编码比特数不够，则解码器无法正确解码非关键帧，因此编码速率控制算法在一定程度上决定了分布式视频编码系统的编码效率。根据是否设立反馈信道，分布式视频压缩感知系统分为有反馈信道和无反馈信道两种结构。对于分布式视频压缩感知系统，码率估计研究比较少，现有的码率控制方法主要集中在根据视频序列中图像块时间相关性和纹理复杂度如何合理分配图像块测量值个数的研究，综合考虑量化参数来进行无反馈码率控制的文献鲜见报道。

发明内容

本发明的目的在于克服已有技术的不足，提出了基于无反馈码率控制的分布式视频压缩感知系统及方法，克服了现有技术中压缩感知帧编码仅对测量率进行分配的不足，使得本发明中压缩感知帧重构效果好。

本发明针对分布式视频压缩感知系统中影响码率的两个重要因素，即压缩感知测量率SR和量化参数QP，联合考虑量化参数和测量率不同引起的视频重构失真，提出测量率—量化参数失真模型，对视频序列首个压缩感知帧(CS帧)，根据块测量值残差能量和CS帧目标码率进行图像块CS分类和码率初步分配，然后根据测量率—量化参数失真模型计算不同测量率和量化参数情况下的预测率失真，根据块类型选择最小率失真下的测量率和量化参数进行编码，利用当前视频序列首个CS帧分配的结果建立3个数据库作为样本数据库，按块类型在线训练BP神经网络的权和阈值，对接下来的CS帧直接利用训练后的BP神经网络，根据块类型，以块初步码率和测量值残差为输入层，预测率失真最小测量率和量化参数，快速分配测量率和量化参数。

本发明的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，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。