[发明专利]基于结构化稀疏字典学习的压缩视频采集与重构系统

摘要

本发明提供了一种基于结构化稀疏字典学习的压缩视频采集与重构系统，包括结构化稀疏字典学习模块、视频信号传感模块和重构处理模块，其中结构化稀疏字典学习模块首先利用子空间聚类的方法得到训练集，然后利用线性子空间学习方法以及最小化块相关的块稀疏字典学习方法得到字典，传感模块对视频信号以图像块的形式进行投影，所得的数据最后在重构处理模块中被解码重构。本发明提供压缩采样的同时还契合了视频采样过程的分布式渐进式的结构，对结构化稀疏字典矩阵的特殊构造也提升了重构的精确度和效率，本发明大大提高了视频信号的采样效率，在不同的采样压缩率下相比其他方法取得了重构增益，同时也具备良好的可扩展性。

主权项

一种基于结构化稀疏字典学习的压缩视频采集与重构系统，其特征在于，包括：结构化稀疏字典学习模块、视频信号传感模块和重构处理模块，其中：所述结构化稀疏字典学习模块对视频信号关键帧块，利用结构化稀疏字典学习方法生成对应的结构化稀疏基矩阵，并将该稀疏基矩阵输出到重构处理模块的输入端；所述视频信号传感模块对视频信号的非关键帧以块的形式进行投影，得到观测值，并将该观测值输出到重构处理模块的输入端；所述重构处理模块接收所述结构化稀疏字典学习模块输出的稀疏基矩阵与所述视频信号传感模块输出的测量值，对视频信号进行重构；所述的结构化稀疏字典学习模块，在整幅重建的关键帧中做块聚类，其中：关键帧中的块集合X＝{x1,x2,…,xK}，利用稀疏子空间聚类方法或块匹配方法把X分割成t个聚类X1,X2,…,Xt，每个聚类中的块都是相似的且同属于一个子空间，X1,X2,…,Xt对应于t个子空间S1,S2,…,St，那么任一视频帧块信号x都属于子空间集U＝∪Si，训练集的实现由线性子空间学习方法生成的一种标准正交基，线性子空间学习方法分别单独作用于不同的块组Xi,i＝1,...,t得到不同的基Ψi,i＝1,...,t，进而组成稀疏基矩阵Ψ*＝[Ψ1,Ψ2,…,Ψt]；但是由于子空间的重叠导致块稀疏性不够紧凑，同时表现出比较高的块相关度，块相关度定义为||·||F为F范数，为Ψi的转置，为了得到更加紧凑的块稀疏性，在训练集Ψ*的基础上采用结构化稀疏字典学习模型：Ψi′=min{Ψi,Ci}i=1,...,tΣi=1t{||Xi-ΨiCi||22+λΣj=1mi||cij||1}+ηΣi≠j||ΨiTΨj||F2---(1)]]>得到稀疏基矩阵D＝[Ψ1',...,Ψt']，其中每个列向量是在第i组中第j∈[1,...,mi]个信号的稀疏表示向量，η、λ为取值范围在(0,1)的可调节参数；该稀疏基矩阵能够适应性的表示出视频帧块信号的内在结构，相对于固定基能更有效地稀疏表示视频信号，并且信号在此稀疏基矩阵上的稀疏表示c*是具有块结构的。