[发明专利]一种基于信息熵的视频自适应采样率设定方法

权利要求书

1.一种基于信息熵的视频自适应采样率设定方法，假设输入的视频序列帧x_t有N＝I_c×I_r个像素，分成n个大小为B×B的块，第i个块的列向量形式记为x_t,i，i＝1,...,n,n＝N/B²，分块尺寸：B×B，分块测量矩阵为Φ_B，其特征在于，包含以下步骤：

(1)将原始视频流拆分为关键帧和非关键帧，奇数帧为关键帧，偶数帧为非关键帧；或者偶数帧为关键帧，奇数帧为非关键帧；

(2)在采集端，用结构化随机哈达玛矩阵作为测量矩阵Φ对关键帧和非关键帧进行CS测量；

(3)对于关键帧，采用固定的自适应分块采样率，假设对关键帧的采样率为a，视频帧的像素为N，可知总采样次数M＝aN；

(4)对于非关键帧，由于视频序列此前已经将关键帧解码重构，因此利用关键帧与非关键帧的差值将极大地减少编码端运算量，从而提高编码效率，提前预设图像总采样率，使总采样率与关键帧保持一致，则非关键帧图像总采样率也为a，可知总采样次数M，预采样率为d，a>d；

(5)为步骤4中各块自适应设定测量率，设关键帧的重构矩阵为Y，非关键帧的预采样矩阵为X，则X的维数为M′

U′＝Y-X，M′＝d×N

U′为其差值，其中的值表示该像素点灰度值变化量，由于差值范围在(-265,265)之间，因为不能直接对数据进行统计分析，所以将差值加256，

即U＝U′+256

保证了数据可以进行hash散列，由此得出每块测量域的预采样像素变化量的概率p_ij，进而进行预测估计和采样率分配；

(6)由以上步骤得出每块测量域的预采样像素变化量的概率p_ij，进而进行预测估计和采样率分配，由此每个图像块ai测量域的信息熵为

h(ai)＝∑-p_ijlogp_ij

利用每块的信息熵占所有块熵值总和的比例，根据熵的比例计算出每块的测量次数：

(7)设定块的测量次数上界为upper＝0.9B²，找出超出上界的块，将其测量次数限定为upper，随后将剩余的测量次数均匀地分配给未越界的块，再次分配后可能又会出现越界的块，那么重复上述操作，直到所有块均不越界为止，如此就可得到最终的各块测量次数；

(8)在重构端，利用梯度投影稀疏重构算法重构出视频序列中的关键帧，利用边信息和采样得到非关键帧的信息重构出非关键帧。

2.根据权利要求1所述的一种基于信息熵的视频自适应采样率设定方法，其特征在于：步骤3中关键帧的采样率固定为0.7。

3.根据权利要求1所述的一种基于信息熵的视频自适应采样率设定方法，其特征在于：步骤4中非关键帧的总采样率设为0.7时，预采样率分别采用0.2，0.3，0.4，0.5，0.6；非关键帧的预采样率设为0.4时，总采样率取0.4，0.5，0.6，0.7，0.8。

4.根据权利要求1所述的一种基于信息熵的视频自适应采样率设定方法，其特征在于：步骤7中采样次数上界为upper＝0.9B²，分块大小B取32，使得各分块分配的采样数均不超过upper值。