[发明专利]一种基于时间相关性的分布式视频压缩感知采样方法

说明书

本发明公开了一种基于时间相关性的分布式视频压缩感知采样方法，该方法在建立无反馈的分布式视频压缩感知模型的基础上，充分利用视频帧之间的时间相关性，通过每个图像块信息占视频图像组信息的大小来初步分配每块的采样率，按照帧间残差进行模式判别，计算出各个小块实际的采样率，从而实现自适应采样分配。该方法在相同总采样率下能提高视频的重构质量，且减少采样次数带来的能量节省远远超过了动态采样率算法引起的额外能量消耗，没有使用反馈信道，时延较小。该方法解决了现有分布式视频压缩感知采样过程中未充分考虑时间相关性的问题，具有很好地实用价值。

技术领域

本发明涉及一种基于时间相关性的分布式视频压缩感知采样方法，属于视频图像处理技术领域。

背景技术

由于视频信号处理的复杂性和传输的流量大，对于缺乏电力和通信网络基础设施的应用环境，现有的视频监控系统无法满足应用需。压缩感知(Compressive Sensing，CS)技术深度挖掘视频信号内部的稀疏性，通过欠采样方法提取原始信号的低维投影，并利用优化或迭代的手段高概率完成原始信号的重构。将CS应用到分布式视频编码(DistributedVideo Coding，DVC)中产生了分布式视频压缩感知技术(Distributed Compressive VideoSensing，DCVS)，节省了存储空间，降低编码复杂度，提高了视频图像的质量。

目前，DCVS研究中的非关键帧采样大多都是固定相同采样率，而对单帧图像分块并对所有块均用相同的采样率采样，与直接对整帧图像采样重构的方法相比，针对块采样的单帧重构算法在速度和质量上都显示了明显的优越性。然而，这些针对视频单帧处理的方法忽略了视频连续帧之间所具有的强相关性。目前，有如下几种自适应采样方法已经被提出。根据关注度的不同分配采样率的方法，区分前景和背景，牺牲了背景的重构质量,视频总体质量几乎没有实质性的提高。利用反馈信道实现采样率的自适应分配方法，解码端重构图像被发送至编码端进行采样率的调整，但系统延时较大，不适用于需要实时解码的环境。通过离散小波变换域(Discrete Wavelet Transform,DWT)对图像每级分解时的每个子带中应用分块采样的自适应采样率方案，明显提高了视频图像质量，但是算法复杂度较高。以上自适应采样算法都没有充分考虑视频图像的时间相关性。总体而言,目前的自适应采样率方案研究尚处于起步阶段,所以还有待进一步地完善和发展。

发明内容

本发明的目的在于提出一种基于时间相关性的分布式视频压缩感知采样方法。该方法解决了现有分布式视频压缩感知采样过程中未充分考虑视频帧间时间相关性的问题。在本发明中，首先建立无反馈的分布式视频压缩感知模型，充分利用了视频帧之间的时间相关性，通过时间相关性信息初步分配采样率，继而对图像块利用帧间残差进行模式判别，计算出各个小块的采样率，从而实现自适应采样分配。在相同总采样率下，本发明提高了重构质量，且减少采样次数带来的能量节省远远超过了动态采样率算法引起的额外能量消耗，为降低采样率、降低能耗提供了可能，使得分布式视频压缩感知更加适用于抗险救灾现场等应急场景应用中。

本发明解决其技术问题所采取的技术方法是：一种基于时间相关性的分布式视频压缩感知采样方法，其特征在于，具体步骤如下：

输入：视频序列，每帧有I_c×I_r个像素；

步骤1：将原始视频流拆分为若干个长度为G的图像组(Group of Picture，GOP)，每组第一帧X₀为关键帧，其余帧{X₁,X₂,…,X_j,…,X_G-1}为非关键帧；

步骤2：将每个非关键帧分n个大小为B×B的块；

步骤3：计算一个图像组中每两相邻非关键帧之间的结构相似度:以及一个GOP中每个非关键帧时间相关性信息占整个图像组中信息的比例为