CVS中基于多参考帧的最优多假设预测算法*

2016-02-25 12:37:30杨春玲欧伟枫
华南理工大学学报(自然科学版) 2016年1期

杨春玲  欧伟枫

(华南理工大学 电子与信息学院, 广东 广州 510640)



CVS中基于多参考帧的最优多假设预测算法*

杨春玲 欧伟枫

(华南理工大学 电子与信息学院, 广东 广州 510640)

摘要:现有的视频压缩感知(CVS)多假设预测方法均以当前块在参考帧对应搜索范围内的所有搜索块为假设块,造成求解线性权值系数的计算复杂度过高和预测精度受限.针对该问题,文中提出了一种基于多参考帧的最优多假设预测视频压缩感知重构算法.该算法首先从多个参考帧中选取出与当前块测量域绝对差值和(SAD)最小的一部分搜索块作为当前块的最优假设块集,然后对假设块进行自适应线性加权,充分地挖掘视频帧间相关信息,提升了预测精度,同时降低了求解线性权值系数的计算复杂度;最后对测量值进行帧间DPCM量化,以提高视频压缩效率和率失真性能.仿真实验表明,与现有的视频压缩感知重构算法相比,文中算法具有更高的视频重构质量.

关键词:压缩感知;视频重构;多参考帧;多假设预测;量化

压缩感知(CS)[1-2]的核心思想是,对于可压缩信号(在某个变换域可稀疏表示),可以用一个与变换基不相关的测量矩阵将高维信号投影到一个低维空间上,通过求解非线性优化问题从低维投影中以高概率重构出原信号,以降维的方式实现了信号采样与压缩的同时进行.压缩感知理论为节省信号采集资源和降低信号采集复杂度提供了强有力的理论支撑……

登录APP查看全文