视频压缩感知中基于结构相似的帧间组稀疏表示重构算法研究

sugarbabysu

摘要:基于视频帧内图像的非局部相似性和帧间信号的相关性,本文提出了一种基于结构相似的帧间组稀疏表示重构算法(SSIM-ImnteRF-CSR) ,有效地提高了视频压缩感知的重构性能.在SSIM-InterF-CSR算法中,提出以结构相似度( SSIM)作为相似块匹配准则,在当前帧和参考帧内搜索匹配块生成相似块组,以相似块组的稀疏性作为正则项重构当前帧.同时,还提出了阶梯递减匹配块个数调整方案用于SSIM-InterF-CSR重构算法的迭代过程.仿真结果表明,相比于目前最好的视频压缩感知重构算法(Up-Se-AWEN-HHP) ,本文算法获得了更好的重构质量,最多可提升4~5dB.

关键词:非局部相似性;视频压缩感知;组稀疏表示;相似块组

8 c" [( K6 v1 o% F- O
       压缩感知( Compressed Sensing , CS)是一种新颖的信号采集理论,其核心思想是:在信号是稀疏的或者可压缩的条件下,我们能够以低于奈奎斯特的采样率进行采样,在重构端依然可以精确地重建原始信号. CS能同时完成对信号的采样和压缩,这一过程特别适合于采集端资源受限的数据采集系统.视频压缩感知( Compressed Video Sensing, CVS)是基于CS理论的视频采集与处理方法,它为视频采集与处理理论的发展提供了一个新方向.
- a# @1 o% f9 G, b1 Q, t

  S1 c7 p4 f( @* X
8 W9 l& @  g: L7 ~& O. j
7 {. ~, Q- A) ]' \1 w" E

游客，如果您要查看本帖隐藏内容请回复

5 H4 S5 ]4 t! j* t2 ?9 l) _
% W6 t& K8 H* D) j: l) u) j

+ B* P' Y9 m) Z2 q# T- _

starskyuu

压缩感知是一种新颖的信号采集理论