圖像與視頻壓縮感知研究.pdf

1、在以香農(nóng)-奈奎斯特采樣定理為基本框架的信號(hào)處理領(lǐng)域中，高帶寬的圖像與視頻所要求的奈奎斯特采樣速率往往較大，這提高了圖像與視頻的采集和壓縮成本，對(duì)在采集時(shí)間、能耗、計(jì)算能力等受限場(chǎng)合中的圖像與視頻應(yīng)用提出了嚴(yán)峻挑戰(zhàn)，因此，急需尋找到可突破香農(nóng)-奈奎斯特采樣定理限制的圖像與視頻采集編碼新技術(shù)。壓縮感知(Compressed Sensing或Compressive Sampling，CS)理論表明利用信號(hào)本身的稀疏或可壓縮性質(zhì)，以欠奈奎斯特速

2、率實(shí)現(xiàn)不相干測(cè)量，仍可無(wú)失真地恢復(fù)信號(hào)，這為低成本采集與編碼圖像視頻奠定了理論基礎(chǔ)。然而，壓縮感知理論是以一維向量為目標(biāo)信號(hào)，當(dāng)將其應(yīng)用于二維圖像與三維視頻時(shí)，會(huì)產(chǎn)生一些新難題，例如，高維度引起的測(cè)量?jī)?nèi)存和重建計(jì)算復(fù)雜度過(guò)大、圖像與視頻的非平穩(wěn)統(tǒng)計(jì)特性導(dǎo)致的重建質(zhì)量不理想等問(wèn)題，針對(duì)圖像與視頻壓縮感知的若干難題系統(tǒng)地研究了可解決方案，得到了一些新結(jié)論與算法。本文在對(duì)圖像與視頻壓縮感知的應(yīng)用前景、理論基礎(chǔ)和研究進(jìn)展做出詳細(xì)綜述后，首先對(duì)圖

3、像壓縮感知系統(tǒng)設(shè)計(jì)進(jìn)行了分析和研究。接著，在系統(tǒng)設(shè)計(jì)的基礎(chǔ)上，為圖像壓縮感知和分布式視頻壓縮感知構(gòu)造各種重建模型，并設(shè)計(jì)相應(yīng)算法求解。最后，考慮到邊信息預(yù)測(cè)是提高分布式視頻壓縮感知重建算法性能的關(guān)鍵因素，對(duì)其做出深入研究。
　　本研究主要內(nèi)容包括：⑴提出了三種基于分塊測(cè)量的圖像壓縮感知系統(tǒng)。首先，提出一種分塊測(cè)量-整幅重建系統(tǒng)，該系統(tǒng)的解碼端通過(guò)引入排序算子實(shí)現(xiàn)了一次整幅重建圖像，從而避免了由分塊重建造成的塊效應(yīng)現(xiàn)象。接著，在分塊

4、測(cè)量-整幅重建系統(tǒng)基礎(chǔ)上，提出一種基于圖像邊緣特征的分塊自適應(yīng)測(cè)量率分配方案，確保高效測(cè)量，以進(jìn)一步地提高系統(tǒng)性能?？紤]到由壓縮成像設(shè)備實(shí)現(xiàn)的編碼端無(wú)法利用原始離散圖像，提出一種測(cè)量域分塊自適應(yīng)測(cè)量率分配方案，該方案可直接利用壓縮感知觀(guān)測(cè)值估計(jì)出各圖像塊的樣本方差，以塊樣本方差表征圖像塊結(jié)構(gòu)復(fù)雜度，決定各塊的測(cè)量率。⑵提出了兩種圖像壓縮感知重建算法。為了降低重建計(jì)算復(fù)雜度，提出一種基于最佳線(xiàn)性估計(jì)的快速圖像壓縮感知重建算法，該算法用線(xiàn)性

5、投影的方式代替了傳統(tǒng)壓縮感知重建算法的非線(xiàn)性迭代過(guò)程，使得其大大縮短了圖像重建時(shí)間。為了提高圖像重建質(zhì)量，提出基于PCA的平滑投影圖像壓縮感知重建算法，該算法利用PCA訓(xùn)練出適合于圖像結(jié)構(gòu)的稀疏表示矩陣，用于進(jìn)行硬閾值收縮，從而有效改善了圖像重建質(zhì)量。⑶提出了三種分布式視頻壓縮感知重建算法。首先，在傳統(tǒng)Wyner-Ziv(WZ)視頻編碼系統(tǒng)的基礎(chǔ)上，提出以壓縮感知測(cè)量與重建替換基于信道碼的編解碼，形成一種基于WZ的分布式視頻壓縮感知重建

6、算法。為了解決虛擬信道參數(shù)估計(jì)不準(zhǔn)確問(wèn)題，提出一種基于平滑投影的分布式視頻壓縮感知重建算法，該算法將虛擬信道去除，通過(guò)測(cè)量矩陣的受限等距性質(zhì)直接利用觀(guān)測(cè)值評(píng)估邊信息質(zhì)量，再根據(jù)邊信息質(zhì)量水平和邊緣特征自適應(yīng)地為各塊分配測(cè)量次數(shù)，進(jìn)一步提高重建算法性能。為了消除解碼端對(duì)編碼端的依賴(lài)，提出了聯(lián)合時(shí)空特征的分布式視頻壓縮感知重建算法，該算法在去除虛擬信道的基礎(chǔ)上進(jìn)一步刪除系統(tǒng)的反饋信道，將重建任務(wù)完全轉(zhuǎn)移到解碼端，充分發(fā)掘視頻時(shí)空特征提高聯(lián)合

7、重建性能。⑷提出了四種邊信息預(yù)測(cè)算法。針對(duì)邊信息外推情形，提出一種基于運(yùn)動(dòng)對(duì)齊自回歸(Motion-Aligned Auto Regressive，MAAR)模型的邊信息預(yù)測(cè)法，該算法通過(guò)Tikhonov正則化和重疊塊內(nèi)插克服MAAR模型的過(guò)擬合問(wèn)題，因此，獲得了良好的邊信息質(zhì)量。針對(duì)邊信息內(nèi)插情形，首先，提出基于聯(lián)合運(yùn)動(dòng)補(bǔ)償?shù)倪呅畔㈩A(yù)測(cè)算法，該算法增強(qiáng)了運(yùn)動(dòng)補(bǔ)償算法的抗錯(cuò)性能，提高了邊信息質(zhì)量。接著，提出了一種基于混合運(yùn)動(dòng)估計(jì)的邊信息