基于壓縮感知的交通視頻壓縮技術(shù)研究.pdf

1、交通視頻作為智能交通系統(tǒng)的重要組成部分有著廣泛的應(yīng)用，不斷產(chǎn)生的龐大交通視頻數(shù)據(jù)，給交通視頻的存儲帶來不小的挑戰(zhàn)，如何對交通視頻進(jìn)行壓縮就成為一個重要的研究課題。當(dāng)前交通視頻的壓縮仍采用傳統(tǒng)的基于統(tǒng)計的編碼壓縮方式，而未能充分利用交通視頻的特點對其進(jìn)行壓縮。交通視頻具有背景穩(wěn)定、敏感區(qū)域明確、圖像紋理復(fù)雜等特點，并且交通視頻監(jiān)控通常安裝在戶外，交通視頻圖像會受到戶外光照變化、天氣變化的影響。如何充分利用交通視頻的特點，研究出適合交通視頻

2、特點的壓縮方法就成為重要的研究課題。
　　壓縮感知理論為交通視頻的壓縮提供了一種有益的思路。由于交通視頻具有很大的空間冗余和時間冗余，針對這些特點，采用壓縮感知理論就可以有效地對交通視頻進(jìn)行觀測壓縮。根據(jù)以上思路，本文對基于壓縮感知的交通視頻壓縮方法進(jìn)行了研究，所做的具體工作如下：
　　（1）在理解壓縮感知理論和相關(guān)定理的基礎(chǔ)上，重點研究了基于K-SVD算法的交通圖像壓縮感知重建，針對K-SVD算法時間復(fù)雜度高、重構(gòu)圖像質(zhì)量

3、一般的缺點，本文提出一種基于小波樹變迭代次數(shù)K-SVD算法。仿真實驗結(jié)果表明，基于小波樹變迭代次數(shù)K-SVD算法與原K-SVD算法相比，PSNR值提高2dB左右，算法運行時間降低了15％左右。
　?。?）交通視頻預(yù)處理是交通視頻壓縮編碼框架設(shè)計的基礎(chǔ)。在預(yù)處理部分，首先對交通視頻進(jìn)行背景建模，背景提取采用混合高斯模型，與均值法相比，所提取的背景更干凈清晰；其次對視頻進(jìn)行背景更新，本文使用一種基于分塊分類的背景更新方法，在此背景更新

4、算法中，采用三幀差分法獲得差分圖像，自適應(yīng)迭代閾值方法確定分類所需的閾值，并用所提取的背景，得到更新背景。第三，對交通視頻進(jìn)行場景分類，對交通視頻場景的晝夜進(jìn)行判斷，并對夜間圖像進(jìn)行增強。最后，為提高視頻壓縮率及視頻質(zhì)量，本文提出一種變采樣率計算模型：根據(jù)分塊壓縮感知理論，采用擬合經(jīng)驗函數(shù)的變采樣率算法，并在此基礎(chǔ)上描述一種適用于圖像組（Group of Picture，GOP）的變采樣率觀測壓縮過程。
　　（3）設(shè)計出一種基于壓