基于运动估计与回溯自适应正交匹配追踪的视频压缩传感

开篇：润墨网以专业的文秘视角，为您筛选了一篇基于运动估计与回溯自适应正交匹配追踪的视频压缩传感范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要：为了解决传统视频压缩传感方法中对视频逐帧单独重构所产生的图像模糊，将压缩传感理论与MPEG标准视频编码的相关技术相结合，提出了一种基于运动估计与运动补偿的视频压缩传感方法，以消除视频信号在空域和时域上的冗余。该方法在充分考虑视频序列时域相关性的同时，首先对视频图像进行前、后向和双向预测和补偿，然后采用回溯自适应正交匹配追踪（BAOMP）算法，对运动预测残差进行重构，最后实现当前帧的重构。实验结果表明，该方法较逐帧重构的视频图像质量有较大改善，且可获得更高的峰值信噪比。

关键词：压缩传感；视频压缩；运动估计；时域相关性；回溯自适应正交匹配追踪

中图分类号：TP317.4

文献标志码：A

0引言

随着3G移动技术和视频监控技术的不断发展，如何提高压缩率、节省存储空间并高效地传输视频信号成为视频压缩领域的一个重要研究问题。考虑到多数信号是可压缩的，Donoho等在2006年提出了一种新的信号获取理论：压缩传感（Compressed Sensing， CS）[1-2]理论，突破了传统Nyquist方法采样率不小于最高频率两倍的限制。该理论针对稀疏信号，合并了采样和压缩两个过程，直接将高维信号投影到低维空间，从而实现欠Nyquist采样[3]，有效地缓解了编码端的压力[4]。因视频由多帧图像构成，本身含有大量空间冗余（静止图像行列相邻点的相关性）信息，是可以稀疏表示的，因此可以根据CS理论对视频帧进行压缩和重构。近年来，国内外很多学者都开始对视频的压缩传感方法进行研究，以求在保证视频重构质量的前提下降低视频采集端的代价。文献[4]将三维双数复数小波（3D DualTree Complex Wavelet Transform， 3D DTCWT）作为视频的稀疏变换域，结合迭代收缩（Iterative Shrinkage/Threshold， IST）算法实现了视频的压缩重构，得到了较好的结果，但对快速运动的视频表现不很理想。文献[5]提出了一种分布式视频压缩传感方法（Distributed Compressed Video Sensing， DCVS），其本质是利用压缩传感理论解决分布式视频压缩编码问题，实现了低复杂度编码，在实际应用（如；THz成像）中有很好的前景。而为了提高利用CS理论进行视频压缩重构的质量，本文提出了一种基于运动估计和回溯自适应匹配追踪的视频压缩传感算法。

本文考虑到视频中物体的运动具有时域上的相关性（连续帧的相似性），若直接对视频逐帧使用CS方法进行帧内编码，将出现因帧间抖动而产生的图像模糊，影响视觉质量。参考现有的视频压缩编码技术，如MPEG系列标准的视频压缩编码技术，其主要利用了运动估计和补偿来消除帧间的时域相关性。因此，本文将结合压缩传感理论和运动估计和补偿技术来实现视频的压缩传感[6-7]，以获取良好的视频压缩重构图像。

文献[8]提出了一种回溯自适应正交匹配追踪（Backtrackingbased Adaptive Orthogonal Matching Pursuit， BAOMP）算法，在传统的正交匹配追踪（Orthogonal Matching Pursuit， OMP）中结合了一种回溯算法。其本质是在每次迭代时检测之前原子的可靠性，然后删除不可靠原子，使迭代结果更优，且可实现稀疏度的自适应。这种算法在获得良好重构质量的同时继承了OMP算法低复杂度的优点。因此，为了得到更精确的解码结果，本文选用BAOMP算法作为重构算法，并实验对比了该算法和几种现有算法的重构效果。

3实验结果及分析

实验选取Robot序列的一部分（256×256，64帧）作为测试序列，比较了采用本文算法和对视频帧逐帧独立使用CS算法图像效果，如图5所示。实验将每个视频帧组GOP设为8，以测量比r1=0.8和r2=0.3分别对每个GOP的关键帧和非关键帧对视频帧进行独立随机测量，选择具有移位不变性和良好方向选择性的双树复数小波（DualTree Complex Wavelet Transform， DTCWT）作为稀疏基，BAOMP算法重构关键帧及帧间预测残差。为了降低运算复杂度，在解码时采用EARS快速搜索算法，选用16×16块，以绝对误差和（Sum of Absolute Difference， SAD）作为块匹配准则，以前向、后向和双向补偿预测方式获取补偿帧。在逐帧重构时也同样选用随机测量矩阵和DTCWT稀疏基，测量比设为r=0.3。

由图5可见，逐帧使用CS方法所获得的图像尤其是运动物体的图像发生了模糊甚至丢失某些细节，这是由于此方法没有充分考虑具有运动物体的视频帧在时域上的相关性，因而产生帧间的抖动，出现模糊。而本文算法不仅通过在帧内使用CS方法消除了帧内空域相关性，而且结合运动估计和补偿方法去除了帧间时域相关性。通过比较可知，使用本文算法获得的图像无论从画质还是细节都比逐帧CS重构方法有了很大的改善，且对应的每一帧的PSNR值分别提高了2.21dB、2.47dB和1.63dB。

4结语

本文提出了基于GOP的3D模型，对视频逐帧随机采样后，首先以DTCWT稀疏基和BAOMP算法重构关键帧，以去除帧内数据的相关性，然后通过前向、后向和双向预测，以EARS自适应搜索快速算法补偿当前帧，最后通过对预测残差的BAOMP重构从而得到当前帧的重构图像。算法结合运动估计与补偿技术去除了帧间相关性，实现了对视频的压缩传感。实验证明，本文算法具有可行性，且获得了较好的重构结果。但在数据量方面，尽管通过压缩传感去除了帧内冗余，但测量结果数据量依然较大，若考虑到实用性，还需进一步对测量结果进行压缩。