面向WMSN的压缩视频感知编解码技术研究

摘要

无线多媒体传感器网络(Wireless Multimedia Sensor Networks，WMSN)因其感知信息丰富，可扩展性强等优势而广泛应用于各种领域。然而，WMSN的多媒体视频感知节点的能源和计算能力都有限，且巨量多媒体视频数据的处理与传输需要消耗大量计算资源和能源，这加速了多媒体视频节点死亡速度，进而缩短了WMSN整体生存周期。因此，迫切需要研究一种适用于WMSN的低复杂度视频压缩编码算法，以减少视频数据传输量，延长WMSN的网络生命周期,从而保证WMSN监测的可靠性及有效性。
　　近年来，压缩感知（Compressed Sensing，CS）理论的发展，为视频信号压缩编码提供了新的解决思路。CS具有编码复杂度低等优点。且以CS理论为基础的分布式压缩感知（Distributed Compressed Sensing，DCS）能够有效利用WMSN节点感知数据的时空相关性等冗余信息。因此，借鉴CS与DCS理论，在对压缩视频感知编解码方案（Compressed Video Sensing，CVS）与基于CS的分布式视频编解码方案(Distributed Compressive Video Sensing，DCVS)改进的基础上，本文针对WMSN视频特性，提出了两种面向WMSN视频编码算法。具体如下：
　　（1）基于CVS编解码方案，本文提出了一种面向WMSN的多模式压缩视频感知编解码算法。该算法首先根据视频的局部相关性对视频进行自适应分组。在对各组关键帧进行处理时，采用CS方法在编码端对其进行观测投影，并利用OMP算法完成解码端的重构过程。在对组内非关键帧的处理过程中，编码端先进行模式决策，并将其划分为多种模式的图像块，再根据图像块的不同编码模式采用相应的稀疏方式进行稀疏；在解码端，则根据图像块的稀疏方式，并结合局部边信息重构出对应的非关键帧。实验表明：该方法在保证重构质量的同时，能有效减少视频数据的传输。
　　（2）基于DCVS编解码方案，本文提出了一种基于聚类字典学习的分布式压缩视频感知编码算法。该算法对关键帧采用了与上一种改进算法相同的处理过程。为完成对非关键帧的处理过程，借鉴聚类字典学习的方法，先对解码端重构出的关键帧进行分块、聚类，得到迅变区域与缓变区域的图像块集合；再利用K-均值算法对两个区域的图像块集合再次聚类，以得到更精确的聚类样本；然后，分别对两类聚类样本集合进行聚类字典训练，得到两大聚类字典；以此为基础，在解码端完成非关键帧的重构。实验结果表明：在相同的采样率下，该方法的重构效果更好，并且编码端计算复杂度更低。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 课题研究背景及意义

1.2 WMSN网络概述

1.3 视频编码技术的发展概况

1.4 论文主要工作及组织构架

第二章 传统视频编解码

2.1 传统视频编解码原理

2.2 传统视频编解码理论

2.3 典型视频压缩编解码方案

2.4 分布式视频编解码方案研究

2.5 本章小结

第三章 基于压缩感知的WMSN视频编解码方案

3.1 压缩感知

3.2 基于压缩感知的WMSN视频编解码方案

3.3 分布式压缩感知

3.4 本章小结

第四章 面向WMSN的多模式压缩视频感知编解码算法

4.1 引言

4.2 面向WMSN的多模式CVS编解码

4.3 自适应视频GOP分组

4.4 面向WMSN的多模式CVS编解码方案

4.5 仿真实验

4.6 本章小结

第五章 基于聚类字典学习的DCVS编解码算法

5.1 引言

5.2 算法设计

5.3 仿真实验

5.4 本章小结

第六章 总结

6.1 主要工作回顾

6.2 本论文今后需进一步研究的地方

参考文献

个人简历 在读期间发表的学术论文

致谢