為（QF2, 一QF,)，而KB塊為 QFpDCS組內的圖像塊分別與KB塊求殘差，得到殘差圖像組（AQF2,…AQFk)。具體計算公 式如下：
[0061]
[0062] 3b)采用公式（8)，對殘差塊圖像組（AQF2,…AQFk)進行同一稀疏基下的聯合稀 疏：
[0063]
[0064] 其中，X。表示殘差圖像的公共分量，且乂。=W0。(屯表示稀疏基，0。表示共有部 分的稀疏系數）；\表示殘差圖像塊的特征分量，Xk=W0k(0kS特有部分的稀疏系數）；
[0065] 假定，…，需觀測值個數分別為，…，Mk，對應的觀測矩陣分別為 ①。，①i，…，①k，對應的觀測信號分別為m，…，yk，則：
[0066]
[0067] 寫成矩陣形式如下：
[0068]
[0069] 3c)因為H，…Xk稀疏度相同，所以選取同一測量基①進行測量，則式（10)可 以改寫為：
[0070]
[0071] 3d)將得到的聯合稀疏測量值與編碼模式信息、位置信息打包送入解碼端。
[0072] 4)采用較低采樣率的塊CS方法對CS組內的圖像塊進行采樣，并將得到的測量值 與編碼模式信息、位置信息打包送入解碼端。下面結合圖3的編碼端部分，對所述方法步驟 進行詳細闡述。
[0073] 4a)將CS塊再次劃分為N個大小相等且不重疊的圖像塊，并從左到右、從上到下對 圖像塊進行編號，記為xtl。其中，t為CS塊的編號，i為CS再次分塊后的圖像塊編號，其取 值范圍i= 1，2, *"N。
[0074] 4b)構造一個合適觀測矩陣?，分別對圖像塊xti，i= 1，2, ???N進行測量，計算公 式如下：
[0075] ytl=?xtl= 〇WXtl (12)
[0076] 其中，W為與Xti相適應的稀疏基，O為與xti相適應的高斯測量矩陣。
[0077] 4c)將得到的稀疏測量值再與編碼模式信息、位置信息進行打包送入解碼端。
[0078] 在解碼端，其解碼過程如下：
[0079] (1)對接收到的數據進行解包，得到各圖像塊的測量值、編碼模式信息與位置信 息。
[0080] ⑵得到KB塊的觀測值后，根據公式（13)解出0t的逼近值焉:，再利用4=屮6 重構出KB塊，并將重構出的KB塊保存在存儲器中；
[0081]
[0082] 其中，yk為接收到的KB塊觀測值，0t為稀疏系數。
[0083] (3)采用不同的解碼方法對相應類型的NKB塊進行恢復，具體操作內容如下：
[0084] 利用已重構出的KB塊替代SKIP組中對應位置的圖像塊。
[0085] 借助DCS技術，利用所獲取的聯合稀疏觀測值重構殘差圖像塊組，再將殘差圖像 塊與對應位置的KB塊相加，以恢復出DCS圖像塊組；具體參照圖2解碼端部分。
[0086] 對CS塊組的圖像塊的恢復，如圖3解碼端部分所示。
[0087] 首先，利用重構出的KB塊作為訓練樣本，采用K-SVD字典學習方法生成當前圖像 塊的稀疏字典。
[0088] 其次，采用稀疏字典，采用CS技術對CS塊進行恢復；
[0089] (4)重構出所有的圖像塊后，則按編號恢復出相應的圖像塊組。
[0090] (5)將恢復后的四個圖像組復接成一個G0P。
[0091] 本發明的效果可以通過以下實驗進一步證實：
[0092] 1、仿真條件
[0093] 本方法所采用PC機的主頻為2GHzIntel2處理器、8GBRAM，并在2011版Matlab 編程環境下進行仿真。
[0094] 2、評價指標
[0095] 圖像重構質量的評價可以從主觀度量和客觀度量兩個方面進行。
[0096] 3、仿真視頻
[0097] 野外WMSN傳感器拍攝的一段鐵路監控視頻，分辨率為256X256。
[0098] 4、仿真對比方法：
[0099] 對比方法 1 :Li-WeiKangandChun-ShienLu，在文獻"DISTRIBUTED COMPRESSIVEVIDEOSENSING，2009"提出的基于壓縮感知的分布式視頻編碼方法。
[0100] 對比方法 2 :S.MunandJ.E.Fowler，在文獻 "Motion-Compensated Compressed-SensingReconstructionforDynamicMRI，2013"提出的基于運動補償、運動 補償的壓縮感知圖像編解碼方法。
[0101] 5、仿真內容
[0102] 在對視頻進行信源編碼的過程中，對視頻的連續幀進行G0P分組，每組幀數為G， 其中單幀圖像的數據總量為Nf=NXN，則每個G0P的數據總量為NS(]P=GXNf。
[0103] 本發明與對比方法1、對比方法2中的組內的關鍵幀的測量維數為MK，獲得的關鍵 幀測量值^= ?kx k，其長度為Mk，〇kSM kXN的測量矩陣，此時，關鍵幀的壓縮率為Rk = mk/nf〇
[0104] 組內剩余其他非關鍵幀分配的的測量值總數為M&,單幀非關鍵幀的平均測量維
數為Mk,此時非關鍵幀的平均壓縮率為 4
[0105] 因此，分配的總測量值數量為：=1^ +M^ ;此時，總的壓縮率為
[0106] 在實驗中設定G= 5,其中單幀圖像的數據總量為NF=NXN，因此每個G0P的總 的數據量為NS(]P= 5XNF= 327680。關鍵幀的測量維數為45875,其壓縮率為0. 7 ;非關鍵 幀非關鍵幀測量值總數為78643,非關鍵幀的平均壓縮率為
因此總 的壓縮率關
[0107]
[0108] 從表可以看出，本發明的方法比其他二種方法更好。因此在滿足相同的PSNR條件 下，本發明可以更多的減少所需的測量數據；且在獲得的測量數據更少時依然可以獲得很 好的重構效果。
【主權項】
1. 一種面向WMSN的多模式壓縮視頻感知編解碼方法，其特征在于：主要由自適應視頻 幀分組器、多模式稀疏編碼器、多模式解碼器組成，各GOP組的編解碼方法包括以下步驟： 步驟1 :根據視頻的時空相關性，根據自適應分組器對視頻進行對視頻進行分組，再采 用四叉樹圖像分割法將圖像組內的每幅圖像分割為四個大小相同的圖像塊，并構成四個圖 像塊組，將圖像塊組依次送入多模式稀疏編碼器； 步驟2 :對圖像塊進行預處理，圖像塊組的第一個圖像塊被設置為關鍵圖像塊（KB塊）， 剩余的圖像塊為非關鍵圖像塊（NKB塊）；在多模式稀疏編碼器中，NKB塊被分為三種類型： 跳過塊（SKIP塊)、分布式壓縮感知塊（DCS塊)、壓縮感知塊（CS塊);再根據塊的類型及編號 對圖像塊組進行二次分組；然后，將KB塊、SKIP塊、DCS塊和CS塊分別送入相應的編碼器 進行編碼； 步驟3 :在多模式解碼器中，根據圖像塊的不同編碼方式，分別重構出相應的圖像塊， 再按圖像塊的編號恢復各圖像塊組； 步驟4 :對四個圖像塊組進行復接，以恢復出相應的GOP組。2. 根據權利要求1所述的一種面向WMSN的多模式壓縮視頻感知編解碼方法，其特征在 于：在所述步驟2中，對不同圖像塊分別采用不同的編碼方法；其具體操作內容如下： (1) 采用較高采樣率的CS方法對KB塊進行用采樣，并將測量值與編碼模式信息、位置 信息打包送入解碼端； (2) 對于SKIP組內的圖像塊，不進行編碼操作，只傳送對應的編碼模式信息與位置信 息； (3) 對于DCS組內的圖像塊，首先將其分別與對應的KB塊求殘差；然后，對所有的殘差 圖像塊進行聯合稀疏，并在同一測量基?下進行測量，再將所得到的測量值與編碼模式信 息、位置信息打包送入解碼端； (4) 采用較低采樣率的塊CS方法對CS組內的圖像塊進行采樣，并將得到的測量值與編 碼模式信息、位置信息打包送入解碼端。3. 根據權利要求1所述方法，其特征在于：在所述步驟3的解碼過程中，首先對接收到 的數據進行解包，得到各圖像塊的測量值、編碼模式信息與位置信息；然后，采用CS技術恢 復KB塊，并將其保存在存儲器中；最后，采用不同的解碼方法對相應類型的NKB塊進行恢 復，具體操作內容如下： (1) 利用已重構出的KB塊替代SKIP組中對應位置的圖像塊； (2) 借助DCS技術，利用所獲取的聯合稀疏觀測值重構殘差圖像塊組，再將殘差圖像塊 與對應位置的KB塊相加，以恢復出DCS圖像塊組； (3) 采用字典學習方法，從重構出的KB塊中生成當前圖像塊組的稀疏字典，再利用稀 疏字典恢復出CS組中的圖像塊。
【專利摘要】本發明提出一種面向WMSN的多模式壓縮視頻感知編解碼方法。在編碼端，該方法先根據視頻的局部相關性對視頻進行自適應分組；再采用四叉樹圖像分割法將圖像組內的每幅圖像分割為四個大小相同的圖像塊，并構成四個圖像塊組；將圖像塊組送入多模式稀疏編碼器進行編碼，并根據圖像塊的類型選擇合適的稀疏編碼方式。在解碼端，根據圖像塊的稀疏方式，并結合局部邊信息，采用多模式解碼器重構出對應的圖像塊，再恢復各圖像塊組，然后按編號進行復接，以恢復出視頻序列。本發明利用視頻序列的時空相關性減少視頻數據傳輸量，達到降低無線視頻傳感器節點能耗目的。
【IPC分類】H04N19/90
【公開號】CN105007498
【申請號】CN201510428266
【發明人】羅暉, 孟喬, 朱艷麗
【申請人】華東交通大學
【公開日】2015年10月28日
【申請日】2015年7月21日