[发明专利]基于角点检测和非局部相似性的视频压缩感知重构方法

说明书

本发明公开一种基于角点检测和非局部相似性的视频压缩感知重构算法，具体为：对分布式视频压缩感知多假设重构算法的非关键帧进行块模式判别，针对小变化块采用帧间多假设重构算法进行重构；针对大变化块首先利用非局部相似性在已重构关键帧中寻找非局部相似性块，然后对相似性块进行角点检测，筛选出高相似度块，生成辅助信息，采用基于残差的稀疏信号重构算法重构出大变化块；将重构出来的大、小变化块进行块组合，并最终生成边信息，再利用基于残差的稀疏信号重构算法辅助非关键帧重构。其具有较优的重构质量、率失真性能和较短的重构时间。

技术领域

本发明属于通信与信号处理领域，具体说是一种基于角点检测和非局部相似性的视频压缩感知重构方法。

背景技术

分布式压缩视频感知(Distributed Compressed Video Sensing,DCVS)将压缩感知理论引入DVC系统中，压缩感知理论可以允许以少于Nyquist采样率来采样，极大的减少了编码端的复杂度。因此分布式压缩视频感知理论广泛应用于如无线传感网络、分布式视频系统如视频会议系统等实际场合中。

许多学者对DCVS算法进行了改进，通过在前后已重构关键帧中寻找邻域块，进一步优化了稀疏基，相对小波稀疏基具有较高的重构精度，但该稀疏基需要根据视频帧特性自适应变化，复杂度较高。联合稀疏算法SI-BP(Side-information-based BeliefPropagation)，以充分利用已重构关键帧，而得到具有更好重构效果的边信息，但该算法重构需要较多的迭代次数，实际应用中很不灵活。基于双边信息的分布式视频压缩感知模型，较好地实现了将编码端的复杂度向解码端转移，但该算法需要进行大量的判别，增加了计算量。非关键帧自适应分配测量率的模型，改善了不同帧之间的相关性差异所带来的重构质量不高的问题，但该算法需要根据视频帧序列进行复杂的贡献系数计算，具有较高的计算量。

以上算法虽充分利用前后已重构视频帧的时空信息，但计算量较大，且没有充分利用相邻帧的非局部相似性。将非局部正则化项融入分布式视频联合重构模型，有效的去除了边缘模糊和块效应的现象。基于非局部相似性的分布式视频压缩感知多假设重构算法，提高了对大变化块的重构精度。以上两个算法均将非局部相似性引入分布式视频压缩感知算法中，但当寻找到的非局部相似性块与当前块相似性较差时，对重构质量提升不大，性能有待提高。

发明内容

针对现有技术存在的上述缺陷，本申请提供了一种基于角点检测和非局部相似性的视频压缩感知重构方法，该算法具有较优的重构质量、率失真性能和较短的重构时间。

为实现上述目的，本本申请的技术方案是：基于角点检测和非局部相似性的视频压缩感知重构方法，具体为：对分布式视频压缩感知多假设重构算法的非关键帧进行块模式判别，针对小变化块采用帧间多假设重构算法进行重构；针对大变化块首先利用非局部相似性在已重构关键帧中寻找非局部相似性块，然后对相似性块进行角点检测，筛选出高相似度块，生成辅助信息，采用基于残差的稀疏信号重构算法重构出大变化块；将重构出来的大、小变化块进行块组合，并最终生成边信息，再利用基于残差的稀疏信号重构算法辅助非关键帧重构。

进一步的，帧间多假设重构算法，具体为：在前后已重构关键帧中，以当前块为中心，搜索窗大小为w，进行搜索，将搜索窗内的块列向量化，构成字典D_t,i，则有：

x_t,i表示在t时刻第i个原始图像块，w_t,i为每块的权重向量w的求解值；但在解码端只能得到x_t,i的观测值y_t,i，故将式(1)通过观测矩阵Φ转换为式(3)来求解：

式(3)的具体求解方式，采用l₂范数的Tikhonov正则化法，求得：