基于學習字典的多視點壓縮感知視頻編碼.pdf

1、具有立體感和交互性的3D立體視頻代表了未來視頻應(yīng)用的發(fā)展方向，為了在解碼端獲得深度等附加場景信息需要在編碼端對同一場景拍攝到的多個視點視頻信號進行編碼，如何處理大量視頻數(shù)據(jù)帶來的軟硬件壓力是多視點視頻編碼要面對的首要問題。
　　本文將近年來興起的壓縮感知（Compressive Sensing，CS）和分布式視頻編碼（Distributed Video Coding，DVC）相結(jié)合，在充分發(fā)揮兩種理論技術(shù)各自優(yōu)勢的基礎(chǔ)上，提出一種

2、面向多視點視頻的分布式壓縮視頻感知編碼方案（Distributed Compressive Video Sensing，DCVS），主要研究方法和創(chuàng)新成果如下：
　?。?）基于Contourlet變換的壓縮感知：針對傳統(tǒng)正交變換二維信號稀疏逼近能力有限的問題，將具有多分辨率和多方向性的Contourlet變換用于視頻幀的稀疏表示，Contourlet變換可以彌補小波變換方向性不足的缺點，更好的逼近圖像中的線條紋理，從而用更少的系數(shù)

3、表示出圖像信號；
　?。?）基于學習字典的信號稀疏表示：為了彌補固定正交基無法根據(jù)信號特征自適應(yīng)的進行稀疏表示的缺點，將 MOD、K-SVD算法用于分塊壓縮感知中冗余字典的訓練進而實現(xiàn)不同信號的自適應(yīng)稀疏表示，并針對目前學習算法收斂慢的問題，提出一種基于系數(shù)重用的改進OMP算法，并將改進的OMP算法用于學習算法的稀疏編碼，加快字典的訓練速度，提升重建的實時性。
　?。?）采用動態(tài)采樣率分配的多視點分布式壓縮視頻感知編碼：將分

4、布式視頻編碼方案用于多視點視頻編碼，分別對關(guān)鍵幀K幀和非關(guān)鍵幀CS幀進行不同稀疏基和采樣率的壓縮感知采樣和重建，CS幀中分塊壓縮感知的采樣率根據(jù)圖像塊內(nèi)容動態(tài)分配，同時利用運動估計和插值算法估計出時間方向和空間方向邊信息用于冗余字典的訓練，通過空間相關(guān)性的引入進一步提升多視點視頻的重建質(zhì)量。
　　實驗結(jié)果表明，本文提出的基于分布式壓縮視頻感知編碼方案的多視點視頻編碼方案可以充分發(fā)揮壓縮感知技術(shù)和分布式視頻編碼的特點，將大量的計算復(fù)