[发明专利]一种基于信息熵的视频自适应采样率设定方法

说明书

本发明公开了一种基于图像信息熵的视频自适应采样率设定方法。在分块压缩感知(BCS，block CS)框架下，视频关键帧采用运用固定采样率进行分块CS采样压缩，并独立进行重构，将重构的关键数据再次反馈到采集端。非关键帧利用采集端预采样可得的测量值，同时结合关键帧的反馈信息计算各视频图像块的图像二维信息熵，再根据各块信息熵的比例自适应地调整采样率，为了满足预设的视频帧总采样值，采样率采用了动态设定块采样率的方案。本发明能够充分考虑帧内由于分块采样带来的块效应和时空相关性，在相同的采样率下，能够提高重构视频序列帧质量，并且重构时间没有增加。该方法解决了现有基于方差进行自适应采样过程中未充分考虑视频帧内空时相关性的问题。

技术领域

本发明属于视频图像处理技术领域，涉及一种基于信息熵的视频自适应采样率设定方法。

背景技术

目前，信息社会正朝着数字化、网络化和智能化方向快速发展，采用视频传感构建的无线传感器网络来实现现场实时视频感知的应用需求日益增加。由于视频信号复杂，信号传输过程流量大，并且通信资源有限，所以使得视频图像通信面临较大的挑战。

近年来，压缩感知(CS，Compressed Sensing)的出现突破了奈奎斯特采样定理的瓶颈，使以欠奈奎斯特速率采样信号仍可无失真复原信号。基于CS的图像采集即压缩成像(CI，Compressive Imaging)也随之出现，实现了在模拟域中采集图像的同时以降维的方式直接压缩图像，大大降低了采集图像成本，使之获得广泛关注。图像压缩感知目前面临着若干难题，主要包括计算负担大的重构过程和高存储量的随机测量矩阵。然而，在图像压缩感知的应用场合中，解码端经常是计算能力强大的基站，这使高计算复杂度的重构算法仍可“轻松”完成。但是，由于图像规模较大(成百上千万像素)，造成随机测量矩阵的存储量庞大，这不仅给图像重构带来困难，而且也使现实中实现随机测量耗费的代价过大f高延迟、高成本等)。为了减少随机测量的代价，提出了分块压缩感知(BCS，Block CS)，该框架运用相同的测量矩阵对每一个图像块进行采样。由于分块尺寸较小，存储测量矩阵所需空间和计算复杂度均会大大较低，这使基于分块的方案更符合工程实际且易于实现。但是分块方法也存在很大缺陷，主要是因为每个图像块具有相同的采样率，这样就忽略了各个块具有不同特征的实际，即获得相同的复原质量，细节复杂的块需要做较多的采样，细节简单的块则需要做较少的采样。为了克服该缺陷，提出利用图像块方差度量细节复杂度为各块设定不同的采样率，从而有效地捕获图像信息，改善图像重构质量。但是，为了计算图像块方差，需要首先获得原始数字图像，这严重背离了CS采集的同时直接压缩图像的基本精神。

发明内容

本发明目的在于提出了一种基于信息熵的视频自适应采样率设定方法，该方法能够有效地消除块效应，改善了重构图像质量，且优于使用固定采样率的方法。在分块压缩感知框架下，视频关键帧采用运用固定采样率进行分块CS采样压缩，并独立进行重构，将重构的关键数据再次反馈到采集端。非关键帧利用采集端预采样可得的测量值，同时结合关键帧的反馈信息计算各视频图像块的图像二维信息熵，再根据各块信息熵的比例自适应地调整采样率，为了满足预设的视频帧总采样值，采样率采用了动态设定块采样率的方案。本发明能够充分考虑帧内由于分块采样带来的块效应和时空相关性，在相同的采样率下，能够提高重构视频序列帧质量，并且重构时间没有增加。该方法解决了现有基于方差进行自适应采样过程中未充分考虑视频帧内空时相关性的问题。为分布式视频压缩进一步提高视频重构质量、满足实时要求提供了可能。

本发明为解决上述技术问题所采取的技术方案为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，具体包含以下步骤：