[發明專利]一種視頻的分布式壓縮感知編解碼方法

有效

• 申請號: 202010171701.7
• 申請日: 2020-03-12
• 公開（公告）號: CN111510719B
• 公開（公告）日: 2022-03-15
• 發明（設計）人: 孫鵬達;闊永紅;陳健
• 申請（專利權）人: 西安電子科技大學
• 主分類號: H04N19/176
• 分類號: H04N19/176;H04N19/119;H04N19/625;H04N19/14
• 代理公司: 鄭州芝麻知識產權代理事務所(普通合伙) 41173
• 代理人: 董曉勇

本發明公開了一種視頻的分布式壓縮感知編解碼方法，克服了現有技術中DCVS的重建方法仍有待改進的問題。該發明含有步驟1.1：對圖片計算自適應分塊信息；步驟1.2：根據得到的分塊信息進行不同尺寸的DCT變換編碼；步驟2.1：通過大量實驗測試、創建并統計最佳尺度樣本數據；步驟2.2：計算樣本圖片的紋理復雜度；步驟2.3：對樣本數據使用BP神經網絡進行訓練，得到自適應尺度因子模型；步驟2.4：修改原BCS_SPL算法，增加新的輸入參數；步驟2.5：使用改進的BCS_SPL算法修改整個關鍵幀編碼和解碼流程。本發明提出的關鍵幀改進算法在明顯降低重構質量的前提大幅度縮減了圖像的重建時間；非關鍵幀改進算法也能在不增加時間復雜度的情況下提高圖像的重構質量。

技術領域

本發明涉及視頻壓縮技術領域，特別是涉及一種視頻的分布式壓縮感知編解碼方法。

背景技術

隨著信息技術和網絡技術的高速發展，視頻信息的傳輸在人們的生活、商業、環保，甚至是軍事等方面的應用越來越廣泛。例如，目前基于手持移動設備進行視頻采集、編碼、傳輸的直播平臺的興起，對編碼端簡單的設備的存儲、處理、傳輸視頻信息能力提出更高要求，這就需要不同于或更優于傳統視頻編解碼算法的支撐。顯然，傳統的基于奈奎斯特采樣定理的數據采集、處理方法已經不適用于這種信息量不斷增多，信號帶寬不斷變大的情況。而且，目前大多數的對于視頻的編碼都是采用傳統的基于H.264/AVC標準的方式，采用復雜的預測編碼結構對視頻進行壓縮，所以不適用于發端(編碼端)要求復雜度低、功耗低的編碼計算。

在最近幾年，Candes和Donoho針對上述問題提出了壓縮感知理論(CompressedSensing，CS)，該理論以線性方式獲取相對較少的信號測量值，同時仍允許通過相對復雜且非線性的恢復過程進行精確或近似重建，并且該理論打破了信號采樣必須遵循奈奎斯特采樣定理的傳統，將信號在的采樣步驟和壓縮步驟合二為一，也就是說這兩個步驟在時間線上是統一的，這樣就大大降低了對編碼端硬件設備的要求。而近年來Thong T Do等人提出的分布式視頻壓縮感知編碼(Distributed Compressed Video Sensing，DCVS)方式就也是用來解決上述問題的。DCVS充非常適合于要求編碼端消耗能量低、帶寬等資源占用相對較少的無線視頻傳輸場合。

發明內容

本發明克服了現有技術中DCVS的重建方法仍有待改進的問題，提供一種能夠達到更高重建質量的視頻的分布式壓縮感知編解碼方法。

本發明的技術解決方案是，提供一種具有以下步驟的視頻的分布式壓縮感知編解碼方法：含有以下步驟，包括步驟1，對關鍵幀的基于JPEG編解碼算法的改進；步驟2，對非關鍵幀的基于BCS_SPL重建算法的改進；其中步驟1中關鍵幀的編碼過程中在分塊DCT的基礎上加入基于Canny邊緣檢測的自適應方法含有以下步驟：步驟1.1：對圖片計算自適應分塊信息；步驟1.2：根據得到的分塊信息進行不同尺寸的DCT變換編碼；

其中步驟2中非關鍵幀在BCS_SPL算法的基礎上引入動態自適應尺度因子，含有以下步驟:

步驟2.1：通過大量實驗測試、創建并統計最佳尺度樣本數據；

步驟2.2：計算樣本圖片的紋理復雜度；

步驟2.3：對樣本數據使用BP神經網絡進行訓練，得到自適應尺度因子模型；

步驟2.4：修改原BCS_SPL算法，增加新的輸入參數；

步驟2.5：使用改進的BCS_SPL算法修改整個關鍵幀編碼和解碼流程。

優選地，所述步驟1.1含有以下步驟：

1.1.1、采用Canny邊緣檢測方法對圖片進行邊緣化，得到只包含0和1的二值矩陣，統計整張圖片二值矩陣中1的個數，稱為總邊緣點數；

步驟1.1.2、將圖片按照32x32尺寸進行平均分塊；