[发明专利]一种两阶段多假设预测视频压缩感知重构方法

说明书

本发明公开了一种两阶段多假设预测视频压缩感知方法，针对现有视频压缩感知多假设预测‑残差重构方法重构精度不高的问题，该方法从相似图像块非局部相似性和梯度稀疏性出发，将第一阶段多假设预测重构后的当前帧直接作为第二阶段重构的初始重构帧，利用低秩正则化和全变差正则化再次进行重构，其中低秩正则化矩阵是通过欧氏距离‑感知哈希算法获取的图像相似块集合，同时包含帧内和帧间的相似图像块，充分利用帧内帧间的结构相似性，为后续残差重构打下基础。该方法更好地保留了视频帧的细节，并具有更高的重构精度。

技术领域

本发明涉及视频压缩重构技术，具体地，本发明设计一种两阶段多假设预测视频压缩感知重构方法，属于视频压缩技术领域。

背景技术

在传统的视频压缩技术中，视频帧需要以奈奎斯特速率高速采样，然后通过复杂的压缩编码算法丢弃已采样信息中的冗余信息实现压缩，这类高复杂度的编码技术对采样端的设备产生了极高的要求，同时造成了巨大的资源浪费。压缩感知(Compressedsensing,CS)的出现为上述问题提供了很好的解决方案。CS打破了奈奎斯特采样定理的极限，只需获得少量的非自适应线性测量即可实现稀疏或可压缩信号的恢复，实现了“边采样、边压缩”的采样方式。目前CS已在图像/视频压缩传输、无线信道中的频谱感知和信道估计以及无线传感器网络中的信号融合等诸多领域得到了广泛的应用。

视频压缩感知(compressed video sensing，CVS)方法是在图像压缩感知的基础上发展起来的，很多图像压缩感知的算法在CVS中都适用。起初是将视频各帧看作是独立的二维图像，直接使用二维稀疏变换重构方法，但是这种处理方式只重视帧内的空间相关性，却忽视了帧间的时间相关性。后来将二维观测和重构推广到三维，利用三维稀疏变换重构方法解决视频重构问题，得到的重构质量较二维方法高，但是该方法计算复杂，内存需求量大且重构性能仍然有待提升。基于多假设预测的视频压缩感知方法在兼顾重构质量的前提下，拥有较低的计算复杂度，比起帧独立二维压缩感知方法，充分利用了帧间相关性，比起三维压缩感知方法，降低了内存需要和计算量，是视频压缩感知方法中较为先进的处理方法。但是现有的多假设预测的方法，在观测阶段对各帧都是进行非重叠分块观测，重视帧间相关性的同时却弱化了帧内相关性，没有充分利用帧内的空间结构和纹理细节，以至于在预测-残差重构的结果中出现“块效应”。此外，这些算法对参考帧图像块与当前块进行匹配时，多数采用的是欧式距离法，仅通过像素大小判断图像块的相似性，不能准确反映图像纹理等结构特征的匹配程度，也不能排除那些与当前块相关性较小的假设块对预测过程的干扰。因此，设计一种克服“块效应”、提高重构精度的多假设预测视频压缩感知方法很有必要。

发明内容

本发明的目的是设计一种两阶段的多假设视频压缩感知方法，旨在解决现有多假设视频压缩感知方法重构精度不高，重构结果出现“块效应”的问题。首先将第一阶段多假设预测重构后的结果直接作为第二阶段重构的初始重构帧，对当前帧和参考帧进行重叠分块，然后充分利用帧内帧间图像块的结构相似性，通过欧氏距离-感知哈希算法获取的图像相似块集合，最后用低秩正则化和全变差正则化再次进行重构，从而更好地保留视频帧的细节，提高重构精度。

为了达到上述目的，本发明所采用的技术方案为——一种两阶段的多假设预测视频压缩感知重构方法，包括以下步骤：

S1，第一阶段重构。对于关键帧，利用分块压缩感知-平滑投影Landweber重构算法进行独立恢复，对于非关键帧，将重构得到的关键帧作为参考帧，采用多假设预测算法，利用参考帧中搜索到的假设块线性组合对当前块进行表示，每一个图像组完成第一阶段的关键帧和非关键帧的重构之后，再进行第二阶段的重构。

S2，第二阶段重构。将第一阶段重构得到的当前帧直接作为第二阶段初始帧，对已重构帧以及参考帧进行重叠分块，设计欧式距离-感知哈希算法(Euclidean Distance-PerceptualHashAlgorithm,ED-PHA)方案对相似图像块进行筛选，组成相似块矩阵，从而构建低秩正则化和全变差正则化模型，采用交替方向乘子法将原问题分为多个子问题分别进行求解，得到重构帧结果。