一种基于像素自相关性的KMV-Cast伪模拟视频传输去噪方法

摘要

本发明中提出了一种基于像素自相关性的KMV‑Cast伪模拟视频传输去噪方法，其特征在于，该方法包括：步骤1，对高度相似的像素块，利用云端相关信息进行图像重建；对低相似度的像素块，进行图像传输、接收、重建、处理；步骤2，对传输的像素块，进行自适应选择性添加维纳滤波；同时配合选择性滤波，基于信噪比最大化，对参数优化更新。通过上述过程，重建的图像块可以进行功率的合理化分配，使得重要的像素块传输所分配的功率更高，最大程度提高了图像质量；同时，重建的像素块可以基于重建图像信噪比最大化，自适应性选择添加维纳滤波，最大程度提高了像素块质量。

说明书

技术领域

本发明涉及无线通信与网络,基于KMV-Cast伪模拟视频传输技术。

背景技术

在当今无线通信中，视频传输应用相当广泛，而传统的信源信道分离编码传输，在信道质量较差时存在悬崖效应，接收端恢复得到的图像信噪比直线下降。为解决这一问题，Szymon Jakubczak和Dina Katabi曾提出信源信道联合编码SoftCast模型，通过3D-DCT、Hadamard等一系列线性变换，使得用户接收视频质量与信道质量正相关。KMV-Cast在SoftCast的基础之上提出了基于最大后验概率译码的贝叶斯估计模型，充分利用了视频的统计信息与云端相关信息。

KMV-Cast无线传输模型主要由两部分组成：一部分是发送端进行相关信息的提取，选择是否进行像素块传输；另一部分是接收端进行图像重建，通过计算消除一部分相关干扰产生的噪声。显然，与其他无线传输模型方法相比，该模型充分利用了云端相关信息辅助图像重建，减少了不必要传输数据对带宽的占用。与此同时，是否传输像素块，是由云端相似像素块与传输重建含噪像素块的信噪比大小关系所决定的，这种方法使得恢复图像的信噪比最大化。

目前，KMV-Cast模型存在问题主要是：接收端重建的图像通过相关计算无法去除其中一项噪声而造成的图像质量下降，该部分是由信道噪声功率，发送端功率因子等共同决定。由于在视频传输中，假定信道噪声为独立同分布的高斯白噪声，而功率已知，故可以根据信号与噪声的统计特性选择合理方法消除噪声。

发明内容

本发明在原KMV-Cast传输模型方法的基础上利用自适应性选择添加维纳滤波作为接收端的去噪模型，通过选择性引入维纳滤波解决了重建图像无法消除一项噪声的弊端，在此基础之上推导出一种基于像素自相关性的KMV-Cast伪模拟视频传输去噪方法。此方法以传输的像素块为最小单位，基于像素块信噪比最大化，选择性添加维纳滤波，解决了部分像素块滤波后效果不佳的弊端，并在此基础上基于重建图像信噪比最大化，进一步优化参数。

附图说明

图1KMV-Cast分层贝叶斯模型概念图

图2维纳滤波器原理图

图3基于像素自相关性的KMV-Cast伪模拟视频传输去噪传输系统图

图4自适应性维纳滤波去噪算法流程图

具体实施方式

本发明选择的去噪方法为维纳滤波，适用于消除平稳且统计特性已知的噪声，利用了像素自相关性。将维纳滤波应用于传输的所有像素块，图像的整体质量得以提高，但是对于部分像素块，增加维纳滤波后其信噪比并没有明显改善，甚至有所降低。为此，本发明技术方案通过自适应性选择添加维纳滤波去噪，最终达到图像信噪比最大化的目的。

下面结合附图和具体实施例对本发明进行详细说明。

实施例

下面详细说明本发明的实施过程，具体步骤如下：

步骤1.不同相似度像素块的图像重建

高度相似像素块的重建具体步骤：

步骤(11)，提取云端相关像素块

步骤(12)，选择相似度最高的像素块

步骤(13)，根据相似度，可以得到直接利用云端相关信息重建像素块的信噪比为

当该信噪比比较理想时(可以通过与SNR

步骤(14)，接收端直接提取相应云端像素块

低度相似像素块的重建具体步骤：

步骤(15)，发送端旋转原始DCT系数。

步骤(151)，设定功率因子α，传输信道噪声功率

步骤(152)，标准化参数p，表达式为

步骤(153)，根据云端相关块重建像素块，超参数

步骤(154)，发送端旋转原始DCT系数

步骤(16)，如图1，发送端发送旋转后信号

步骤(17)，由于云端相关信息在发送端与接收端都是已知的，将步骤(22)中重建信号乘以

通过计算消除最后一项噪声

步骤(18)，消除最后一项噪声，得到重建信号

步骤2.基于信噪比最大化的自适应性选择添加维纳滤波去噪及参数优化

基于像素块信噪比最大化的自适应性选择添加维纳滤波具体步骤：

步骤(21)，设置维纳滤波传输函数。

步骤(211)，如图2，输入信号由原始信号s和噪声信号v组成，设置维纳滤波传输函数，使得通过维纳滤波后的输出信号y无线接近于原始信号s。误差定义为实际输出信号与理想输出信号之差

步骤(212)，基于均方误差最小化原则，设置维纳滤波传输函数。基于像素的自相关性得到维纳滤波传输函数为

H＝R

步骤(213)，计算重建信号中，原始信号与噪声信号的自相关矩阵

步骤(214)，根据信号与噪声的分布，计算得到维纳滤波传输函数

步骤(22)，滤波后输出信号为

步骤(23)，计算添加维纳滤波前(SNR

步骤(231)，计算添加维纳滤波前后噪声的表达式

步骤(232)，分别计算噪声与信号的功率

P

P

其中，P

步骤(233)，计算添加维纳滤波前(SNR

其中含设定参数

步骤(24)，比较(SNR

基于重建图像整体信噪比最大化的参数优化具体步骤：

步骤(25)，对于提取云端信息重建图像的像素块，设定相应功率调节参数C

步骤(26)，基于信噪比最大化，最优化相关参数r,A。

步骤(261)，根据所选传输模式，确定SNR表达式。

步骤(262)，通过求导，确定SNR

步骤(27)，针对每个像素块(共M块)，计算该种传输模式下的噪声与信号功率比

步骤(28)，针对图片，噪声与信号的功率比之和最小时，图像质量最好

其中，