[发明专利]一种基于时间相关性的分布式视频压缩感知重构方法

说明书

本发明公开了一种基于时间相关性的分布式视频压缩感知重构方法。该方法在建立无反馈的分布式视频压缩感知模型的基础上，充分利用视频帧非关键帧之间的时间相关性，对非关键帧的每个块进行模式判别，将非关键帧与前一帧的残差编码传输；在重构时，按照模式判别的结果自适应地选择有无边信息的重构方式，重构每个非关键帧的块，避免了部分不必要的边信息计算。该方法利用了当前帧的前一帧进行重构，而不只是单纯地使用关键帧作为参考帧进行重构，使得视频帧之间的时间相关性能够得到有效利用。该方法在相同总采样率下能保证视频的重构质量，同时减少系统重构时间，且没有使用反馈信道。

技术领域

本发明涉及一种基于时间相关性的分布式视频压缩感知重构方法，属于视频图像处理技术领域。

背景技术

由于视频信号处理的复杂性和传输的流量大，对于缺乏电力和通信网络基础设施的应用环境，现有的视频监控系统无法满足应用需。压缩感知(Compressive Sensing，CS)技术深度挖掘视频信号内部的稀疏性，通过欠采样方法提取原始信号的低维投影，并利用优化或迭代的手段高概率完成原始信号的重构。将CS应用到分布式视频编码(DistributedVideo Coding，DVC)中产生了分布式视频压缩感知技术(Distributed Compressive VideoSensing，DCVS)，节省了存储空间，降低编码复杂度，提高了视频图像的质量。

目前，DCVS研究中的重构过程大多都是采用生成边信息的方法来辅助非关键帧的重构，虽然视频图像帧的重构质量越来越高，但是由于重构时间较长，这些方法大部分不能应用到应急视频服务等情景中。边信息的形式有很多种，可以是运动矢量，也可以是像素值，像素梯度方向，图像二进制边缘等，其中像素值形式简单直观，是最常用的边信息形式。基于运动补偿的边信息生成算法，可以分为运动补偿内插插值法和运动补偿外推法。对于运动补偿内插插值法，一般利用前后解码的关键帧图像计算出图像块的运动矢量，取其一半作为当前帧的运动矢量，经过运动补偿后得到的图像作为边信息。由于运动矢量不一定落在块的中心点，所以会产生空洞和叠加区域，采用双向运动估计的算法，避免了空洞和重叠区域的处理，提高了重构图像的质量。但是，在视频帧中有些块是固定不变的或者缓慢变化的，如土地，石头，水，白云等，在各个视频帧中都是相同的，如果使用复杂的边信息生成技术，会使得系统复杂度增加，重构时间延长，浪费了资源。在目前的分布式视频压缩感知系统中，一般是使用关键帧作为参考帧，忽略了相邻非关键的时间相关性，已重构的非关键帧在重构过程中没有得到充分利用，造成了一定的资源和能源的浪费。总体而言，目前的重构方案研究尚不能用于应急视频服务等场景中，所以还有待进一步地完善和发展。

发明内容

本发明的目的在于提出一种基于时间相关性的分布式视频压缩感知重构方法。该方法解决了现有分布式视频压缩感知过程中未充分考虑视频非关键帧时间相关性的问题。对非关键帧的每个块进行模式判别，将非关键帧与前一帧的残差编码传输。在重构时，按照模式判别的结果自适应地选择有无边信息的重构方式，重构每个非关键帧的块。该方法利用了当前帧的前一帧进行重构，而不只是单纯地使用关键帧作为参考帧进行重构，使得视频帧之间的时间相关性能够得到有效利用。该方法在相同总采样率下能保证视频的重构质量同时，减少系统重构时间，且没有使用反馈信道，时延较小，使得分布式视频压缩感知更加适用于抗险救灾现场等应急场景应用中。

本发明解决其技术问题所采取的技术方法是：一种基于时间相关性的分布式视频压缩感知重构方法，其特征在于，具体步骤如下：

输入：视频序列，每帧有I_c×I_r个像素(图像每行有I_c个像素，每列有I_r个像素)；

步骤1：将原始视频流拆分为若干个长度为G的图像组(Group ofPicture，GOP)，每组第一帧x₀为关键帧，其余帧{x₁,x₂,…,x_t…,x_G-1}为非关键帧；