[发明专利]基于分布式视频压缩感知系统非关键帧的重构方法

摘要

本发明公开了一种视频编码技术领域基于分布式视频压缩感知系统非关键帧的重构方法，主要解决分布式视频压缩感知系统由于降低采样率而造成的重构质量差的问题。其步骤为：(1)采样压缩；(2)生成边信息帧；(3)构造字典；(4)求稀疏系数；(5)重构图像块；(6)计算方差；(7)判断方差是否小于阈值；(8)更新字典；(9)判断所有块是否完成重构；(10)输出非关键帧。本发明利用视频帧间相关性和相关噪声模型构造更新字典的最大似然函数，通过字典更新和重构，提高了重构图像的质量，使得重构的非关键帧图像更接近原始非关键帧图像。

主权项

1.一种基于分布式视频压缩感知系统非关键帧的重构方法，包括以下步骤：(1)采样压缩：采用基于块的压缩测量方法对拟采样的非关键帧采样，得到非关键帧的采样值矩阵；(2)生成边信息帧：采用帧间内插法，将非关键帧相邻两个重构的关键帧生成边信息帧；(3)构造字典3a)将边信息帧分成与拟重构方形图像块大小相同、互不重叠的子块；3b)在边信息帧中，以拟重构方形图像块对应的子块为中心向四周扩大K排像素，形成一个扩大块，提取扩大块中与子块大小相同、有重叠的所有方形图像块；3c)将提取的方形图像块分别用列向量表示；3d)将所有列向量作为字典矩阵的列向量，得到拟重构方形图像块的初始字典矩阵；(4)采用下式求解稀疏系数：x^*＝arg min_x{E(D^*，x)}其中，x^*为稀疏系数向量；arg min_x{}为使大括号中目标函数最小化的x取值；E(D^*，x)为能量函数；D^*为当前字典矩阵；(5)重构图像块将字典矩阵与稀疏系数向量的乘积向量转变为方形图像块，得到重构的方形图像块；(6)计算方差6a)将本次重构的方形图像块与上次重构的方形图像块对应像素相减，获得差值矩阵；若第一次重构，则重构的方形图像块与边信息帧中拟重构方形图像块对应子块的对应像素相减，获得差值矩阵；6b)差值矩阵中每个元素减去矩阵中所有元素的平均值，获得一个矩阵，对获得矩阵中所有元素的平方求均值，得到重构方差；(7)判断方差是否小于阈值若重构方差小于误差阈值，则执行步骤(9)；否则执行步骤(8)；(8)更新字典8a)采用下式计算能量函数的梯度矩阵：▿E=∂E(D,x)∂D|D=D*,x=x*]]>其中，为能量函数的梯度矩阵；为能量函数关于D的一阶偏导；E(D，x)为D和x的能量函数；D为与字典矩阵相同大小的未知矩阵；x为与稀疏系数向量相同大小的未知向量；D^*为当前字典矩阵；x^*为稀疏系数向量；8b)采用下式更新字典：Dnew=D*-λ▿E]]>其中，D_new为更新后的字典矩阵；D^*为当前字典矩阵；λ为正则化因子；为能量函数的梯度矩阵；8c)将更新后的字典矩阵作为当前字典矩阵，执行步骤(4)；(9)判断所有块是否完成重构若完成重构方形图像块的个数与非关键帧采样值矩阵的总列数相等，则执行步骤(10)；否则，执行步骤(3)；(10)输出非关键帧将重构的各个方形图像块按照从上到下、从左到右的顺序组合为一帧，得到重构的非关键帧。