联合时空特征的视频分块压缩感知重构.pdf

《联合时空特征的视频分块压缩感知重构.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第36卷第2期电子与信息学报、1．36No．22014年2月JournalofElectronics&InformationTechnologyFeb．2014联合时空特征的视频分块压缩感知重构李然干宗良崔子冠武明虎朱秀昌(南京邮电大学江苏省图像处理与图像通信重点实验室南京210003)摘要：为了提高视频压缩感知(CS)重构算法的率失真性能，该文提出利用视频的时空特征进行联合重构。为了不引入过多的复杂度，采集端以固定采样率对帧内各块进行测量；重构端则在最小全变差(TV)重构模型的基础上，分别加入利用时空白回归

2、(AR)模型和多假设(MH)模型所形成的正则化项，以提高预测一残差重构的性能。另外，考虑到视频源的统计特性在时空域中是动态变化的，讨论了5种不同的帧问预测模式对重构精度和重构计算复杂度的影响。仿真实验表明，所提出的重构算法能够以一定的计算复杂度为代价有效地改善视频重构质量，且在关键帧采样率高于非关键帧的情形下，帧间预测模式的改善也可一定程度上提高视频重构质量。关键词：压缩感知；视频重构；最小全变差；时空白回归；多假设；预测一残差重构中图分类号：TN911．73文献标识码：A文章编号：1009—5896(201

3、4)02—0285—08DOI：10．3724／SP．J．1146．2013．00396BlockCompressedSensingReconstructionofVideoCombinedwithTemporal-spatialCharacteristicsLiRanGanZong．-liangCuiZi-guanWuMing--huZhuXiu—-chang(ImageProcessing&ImageCommunicationKeyLaboratory，NanjingUniversityPostsandT

4、elecommunications，Nanjing210003，China)Abstract：Toimprovetherate—distortionperformanceofvideoCompressedSensing(CS)reconstruction，thetemporal—spatialcharacteristicsofvideoareusedtojointlyrecoverthevideosignalinthispaper．Atthecollectionterminal，eachblockinasin

5、gle—frameismeasuredatthefixedsamplingratestoadvoidexcessivecomplexity．AtthereconstructionterminaljtworegularizationtermsarerespectivelyaddedtotheminimumTotalVariation(TV)reconstructionmodeltoadvancetheperformanceofprediction—residualreconstruction，andtheter

6、msareconstructedintermsoftemporal—spatialAuto-Regressive(AR)modelandMultipleHypothesis(MH)mode1．Inaddition，consideringthatthestatisticsofvideosourcearedynamicallyvaryinginspatialandtemporaldomain，itisdiscussedhowthefivedifferentinter—predictionmodesimpacton

7、precisionandcomputationalcomplexityofreconstruction．Simulationresultsshowthattheproposedalgorithmseffectivelyimprovethequalityofreconstructedvideoatthecostofthecomputationalcomplexity，andtheimprovementofinter—predictionmodeenhancesreconstructionqualityinsom

8、eextent．Keywords：CompressedSensing(CS)；Videorecon8tructi0n；MinimumTotalVariation(TV)；Temporal—spatialAutoRegressive(AR)；MultipleHypothesis(MH)；Prediction—residualreconstruction1引言的)可从少量随机测量值中以极大概率无失真恢复