[发明专利]一种采用深度信念网络的DVC边信息求取方法

说明书

一种采用深度信念网络的DVC边信息求取方法，包括以下步骤；(1)输入的视频序列将被分成WZ帧和关键帧两种类型，其中WZ帧为偶数帧，关键帧为奇数帧；(2)采用4×4的离散余弦变换对步骤(1)中的每个WZ帧进行变换操作，然后对变换系数进行量化操作，再由turbo编码器对各个位平面进行处理并传输；(3)步骤(1)得到的关键帧采用传统的H.264/AVC编码标准进行帧内编码；(4)解码端以当前帧前后各两帧作为输入，采用深度信念网络求取边信息，并与Turbo中的校验位一道完成位平面的解码。本发明能够提高无线传输环境下的视频传输的可靠性。

技术领域

本发明涉及无线传感器网络技术领域，特别涉及一种采用深度信念网络的DVC边信息求取方法。

背景技术

近几年来，随着视频数据成为WSN中的重要传输内容，如何稳定、实时地采集视频数据并可靠寺传输，正成为面向WSN的视频传输技术的一个研究和应用热点。WSN中各节点覆盖范围灵活，其运算、能量和带宽等有限，这要求视频编码端尽可能简单，而解码端的复杂度可以高一些。传统视频编解码算法的编码复杂度远高于解码复杂度，特别是运动估计与变换等操作，其时间和空间复杂度超过50％，导致WSN节点计算能力与存储空间很难满足实际使用要求，其在WSN中受到一定的限制。

发明内容

为了解决以上技术问题，本发明的目的在于提供一种采用深度信念网络的DVC边信息求取方法，能够提高无线传输环境下的视频传输的可靠性。

为了实现上述目的，本发明采用的技术方案是：

一种采用深度信念网络的DVC边信息求取方法，包括以下步骤；

(1)输入的视频序列将被分成WZ帧和关键帧两种类型，其中WZ帧为偶数帧，关键帧为奇数帧；

(2)采用4×4的离散余弦变换(DCT)对步骤(1)中的每个WZ帧进行变换操作，然后对变换系数进行量化操作，再由turbo编码器对各个位平面进行处理并传输；

(3)步骤(1)得到的关键帧采用传统的H.264/AVC编码标准进行帧内编码；

(4)解码端以当前帧前后各两帧作为输入，采用深度信念网络求取边信息，并与Turbo中的校验位一道完成位平面的解码。

所述步骤(4)的深度信念网络(DBN)中，包含了可视层和隐含层，分别表示为v＝[v₁，v₂，.....v_n]，h＝[h₁，h₂，.....h_m]，可视层为视频数据的输入层，数据经过可视层传输至隐含层，隐含层用于对视频数据中的特征进行处理，对可视层数据的特征进行分析，所述输入层和隐含层分别采用了Gaussian-Bernoulli RBM和Bernoulli-Bernoulli RBM，其结点的能量函数分别为：

其中w_ji表示第i个可视结点与第j个隐含结点间权重值，为偏移量，在上式基础上进一步得到(v，h)的联合概率分布如下：

其中Z＝∑_v∑_he{-E(v，h；θ)}；v，h分别为深度网络中的可视层和隐藏层的数量，θ为阀值，n，m分别为可视导和隐藏层的数量，E(v，h；θ)为能量函数，e⁽⁾为指数函数。

所述深度信念网络具体为：采用对比散度算法对网络进行训练，其参数更新法则如下；