基于贝叶斯压缩感知的分布式视频编码研究

摘要

针对高复杂度的传统视频编码器不能适用于计算能力和资源受限的应用环境（如无线多媒体传感网）的问题，分布式视频编码(Distributed Video Coding, DVC)技术进入了相关研究者的视线。分布式视频编码框架中采用了关键帧独立编码和非关键帧联合重建的方案，实现了计算复杂度从编码端转移至解码端的目的，十分适合应用于编码资源有限的视频传输领域。在分布式压缩感知视频编解码系统中，稀疏表示和边信息直接影响视频序列的重建质量。为了提高视频重建精度，本文对边信息合成方法进行了改进。为了进一步提高重建质量，针对视频帧在编码端的稀疏表示方法做了相关改进。本文的研究内容如下：
　　（1）为了提高边信息质量和视频序列的重建质量，在传统基于块的边信息生成方案基础上提出了一种分类加权边信息生成算法。首先，在解码端利用已重建的前后两个相邻关键帧中不同块的相关度差异对块进行分类，然后对前后相邻关键帧分别进行前向运动估计和后向运动估计生成两个候选边信息，再根据分类判决结果设定候选边信息的加权系数，最终生成边信息，进而完成非关键帧的重建。本算法充分利用了视频帧不同子块之间的相关度差异，提高了边信息的质量，进而提升了非关键帧的重建精度。
　　（2）为了获得视频帧更好的稀疏描述，结合块稀疏表示和视频帧块与块之间的非局部相似性，提出了一种基于聚类稀疏表示的分布式压缩视频感知框架。首先通过搜索算法在当前帧内寻找与指定块相似的图像块；再将相似图像块组成一个图像块类，并利用自适应冗余字典对这个集合进行稀疏表示，获得更准确的稀疏表示系数；最后对图像块类进行重建并将重建结果分解成图像块放入对应位置，所有块重建结果就组成了该视频帧的重建结果。实验结果表明该方法能够很好地改善视频帧稀疏度和视频帧的重建精度。

目录

声明

专用术语注释表

第一章 绪论

1.1 课题研究背景与意义

1.2国内外研究现状

1.3文章组织结构

第二章 压缩感知理论基础

2.1分布式压缩感知

2.2稀疏表示

2.3重建算法

2.4本章小结

第三章 基于分类加权边信息的DCVS重建算法

3.1引言

3.2分类加权边信息

3.3基于分类加权边信息的DCVS系统

3.4仿真实验和结果分析

3.5本章小结

第四章 基于聚类稀疏模型的DCVS系统

4.1引言

4.2聚类稀疏表示模型

4.3基于聚类稀疏模型的DCVS框架

4.4实验仿真结果与分析

4.5本章小结

第五章 总结与展望

5.2未来工作展望

参考文献

附录1攻读硕士学位期间撰写的论文

附录2 攻读硕士学位期间参加的科研项目

致谢