系统工程与电子技术
繫統工程與電子技術
계통공정여전자기술
Systems Engineering and Electronics
2015年
11期
2634-2639
,共6页
赵睿思%吴绍华%王海旭%张钦宇
趙睿思%吳紹華%王海旭%張欽宇
조예사%오소화%왕해욱%장흠우
压缩感知%分布式视频编码%K-SVD算法%双稀疏字典表示模型%小波变换
壓縮感知%分佈式視頻編碼%K-SVD算法%雙稀疏字典錶示模型%小波變換
압축감지%분포식시빈편마%K-SVD산법%쌍희소자전표시모형%소파변환
compressed sensing (CS)%distributed video coding (DVC)%K-SVD algorithm%double sparse dictionary%wavelet transform
为改善分布式压缩视频感知(distributed compressive video sensing,DCVS)系统的视频帧图像重构质量,以实时视频传输为应用场景,提出了一种基于双重稀疏模型的图像解码算法.解码端由相邻的已重构关键帧产生边信息(side information,SI);根据双重稀疏模型思想,分离样本图像小波域下不同尺度的子带,分别使用K均值奇异值分解(K-means singular value decomposition,K-SVD)算法得到具有多尺度特性的冗余字典,结合梯度投影稀疏重建(gradient pursuit for sparse reconstruction,GPSR)算法,完成对非关键帧的重构.仿真结果表明,在相同压缩率下,相比传统K SVD字典训练方法,本文所提出的方法对应的视频帧图像重构峰值信噪比(peak signal to noise ratio,PSNR)可获得0.5～1.5 dB以上的增益.
為改善分佈式壓縮視頻感知(distributed compressive video sensing,DCVS)繫統的視頻幀圖像重構質量,以實時視頻傳輸為應用場景,提齣瞭一種基于雙重稀疏模型的圖像解碼算法.解碼耑由相鄰的已重構關鍵幀產生邊信息(side information,SI);根據雙重稀疏模型思想,分離樣本圖像小波域下不同呎度的子帶,分彆使用K均值奇異值分解(K-means singular value decomposition,K-SVD)算法得到具有多呎度特性的冗餘字典,結閤梯度投影稀疏重建(gradient pursuit for sparse reconstruction,GPSR)算法,完成對非關鍵幀的重構.倣真結果錶明,在相同壓縮率下,相比傳統K SVD字典訓練方法,本文所提齣的方法對應的視頻幀圖像重構峰值信譟比(peak signal to noise ratio,PSNR)可穫得0.5～1.5 dB以上的增益.
위개선분포식압축시빈감지(distributed compressive video sensing,DCVS)계통적시빈정도상중구질량,이실시시빈전수위응용장경,제출료일충기우쌍중희소모형적도상해마산법.해마단유상린적이중구관건정산생변신식(side information,SI);근거쌍중희소모형사상,분리양본도상소파역하불동척도적자대,분별사용K균치기이치분해(K-means singular value decomposition,K-SVD)산법득도구유다척도특성적용여자전,결합제도투영희소중건(gradient pursuit for sparse reconstruction,GPSR)산법,완성대비관건정적중구.방진결과표명,재상동압축솔하,상비전통K SVD자전훈련방법,본문소제출적방법대응적시빈정도상중구봉치신조비(peak signal to noise ratio,PSNR)가획득0.5～1.5 dB이상적증익.
