[发明专利]一种联合边信息的分布式视频压缩采样重建方法

权利要求书

1.一种联合边信息的分布式视频压缩采样重建方法，其特征在于，包括如下步骤：

步骤1，在编码端，将视频分为关键帧和非关键帧，并按照压缩感知的原理，对其进行稀疏采样，其中关键帧选用较高的采样率，非关键帧选用较低的采样率；

假设原始视频关键和非关键帧对应的列向量分别表示为y_K∈R^N×1和y_N∈R^N×1，测量矩阵分别为和其中N表示将二维视频帧转换成的一维向量的长度，M表示关键帧的测量数，S表示非关键帧的测量数，M＞S，则关键帧和非关键的测量值x_K∈R^M×1和x_N∈R^S×1具有如下关系式：

步骤2，对关键帧按照传统的压缩采样重建方法进行重建；

步骤3，基于关键帧的重建结果，基于运动估计和运动补偿生成边信息，

步骤4，结合生成的边信息，构建联合重建模型；具体实现包括以下子步骤，

步骤4.1，联合边信息残差稀疏正则化约束的重建目标函数可以表示为，

λ是一正则化参数，为一常数，ψ是正交基，s代表在步骤3中生成的边信息；对上式进一步简化，令并通过1范数替代0范数，得到：

步骤4.2，基于FISTA的优化策略(A fast iterative shrinkage-thresholdingalgorithm for linear inverse problems)，上式进一步等效为如下两个等式：

m^k＝m^k-1-Φ^-1(Φα^k-1+z-x_N)/L (1)

m^k为变量m在第k次迭代计算时所得到的结果，其初始值L为一常数；

步骤4.3，对(1)式进行求解，其结果表示为，

步骤4.4，按照下述公式重建非关键帧，

步骤5，对联合重建模型进行求解，从而实现非关键帧的重建。

2.如权利要求1所述的一种联合边信息的分布式视频压缩采样重建方法，其特征在于：步骤2的具体实现包括以下子步骤，

步骤2.1，构建重建优化目标函数，ψ是正交基，在此基础上得到，

其中，α表示对上述最小值函数进行求解过程中的变量，α_K表示对上述最小值函数进行求解，变量α对应的结果，即视频关键帧y_K的稀疏表示向量，τ是一个非负参数，为一常数；

步骤2.2，通过梯度投影稀疏重建算法(Gradient Projection for SparseReconstruction，GPSR)进行求解；

步骤2.3，按照下述公式重建出关键帧：

3.如权利要求1所述的一种联合边信息的分布式视频压缩采样重建方法，其特征在于：步骤3的具体实现包括以下子步骤，

步骤3.1，基于前后关键帧进行双向运动估计，运动估计是在前后关键帧编码块中寻找与当前编码块最佳的对应块作为参考块，从而计算出相应块的位置偏移，即运动矢量；

步骤3.2，基于运动估计生成的运动矢量进行运动补偿，运动补偿是由运动矢量以及帧间预测方法，得到当前块的估计值，即所需的边信息。

4.如权利要求2所述的一种联合边信息的分布式视频压缩采样重建方法，其特征在于：正交基ψ是小波变换或者离散余弦变换。

5.如权利要求2所述的一种联合边信息的分布式视频压缩采样重建方法，其特征在于：步骤2.2中通过梯度投影稀疏重建算法求解时，默认设置α默认初始化为零向量，重构的默认停止标准是当α中的非零分量的数量的相对变化小于阈值T_A(T_A＝0.01)时，算法停止。

6.如权利要求1-5任一权利要求所述的一种联合边信息的分布式视频压缩采样重建方法，其特征在于：步骤1中测量矩阵和选用预随机化的分块哈达玛矩阵(SBHE)。