视频压缩感知量化算法研究

作     者：刘璇 

作者单位：华南理工大学 

学位级别：硕士

导师姓名：杨春玲

授予年度：2016年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：压缩感知 视频编码 渐进量化 均匀量化 非均匀量化 

摘      要：视频压缩感知(Compressed Video Sensing,CVS)是一种近年来新兴的视频采集和编码方法。与编码复杂解码简单的传统视频编码方法(如H.26X)相比,视频压缩感知在编码端通过随机观测将信号的采集与压缩同时进行,在解码端通过求解非线性问题进行视频帧重构,将计算复杂度从编码端转移至解码端,具有编码端简单的巨大优势,适用于目前发展较快的无线视频监控等计算能力及耗电受限的应用场景。在深入学习压缩感知理论基础和实现框架之后,本文对压缩感知均匀量化和非均匀量化这两种经典的量化方法,以及性能优良的图像渐进量化方法的原理、实现步骤做了深入研究,通过大量仿真实验分析了以上几种量化算法的优势与不足,提出了基于均匀量化和非均匀量化的视频压缩感知渐进量化方法,主要包含以下两方面的研究工作:1.基于视频信号的帧间相关性,本文提出了视频压缩感知观测值的渐进量化方法。非关键帧观测值均匀量化后只传输若干不太重要码平面;在重构端利用邻近的已解码帧通过运动估计生成该非关键帧的边信息帧,再通过观测得到非关键帧观测值的估计,结合接收到的观测值不太重要码平面,通过渐进量化的解量化得到精确的观测值。实验结果表明,本文算法与均匀量化算法相比,在不增加编码端复杂度以及重构质量不变的条件下,码率大幅下降,具有较高的率失真性能。2.考虑到相同量化深度下非均匀量化算法的量化误差较均匀量化小,本文通过深入研究压缩感知观测值的高斯分布特性,提出了基于概率密度分布的自适应非均匀量化算法,并结合渐进量化,提出了视频压缩感知非均匀渐进量化算法。实验结果表明,视频压缩感知非均匀渐进量化算法较视频压缩感知渐进量化算法具有更高的率失真性能。