[发明专利]一种基于背景模板和稀疏编码的无人机视频压缩方法

说明书

本发明公开了一种基于背景模板和稀疏编码的无人机视频压缩方法，通过收集典型地面环境的无人机视频图像，构造模板和残差训练样本集；采用背景建模方法训练模板库；通过非负稀疏编码训练稀疏编码字典；在模板库的基础上，进行模板匹配和残差计算；将残差信息进行非负稀疏分解，得到稀疏编码系数，再对系数进行量化和熵编码。采用本发明方法可有效消除无人机视频中占比最大的地面背景冗余，显著提升无人机视频压缩效率。

技术领域

本发明属于视频编码技术领域，涉及一种无人机视频编码方法，具体涉及一基于背景模板和稀疏编码的无人机视频压缩方法。

技术背景

无人机由于经济环保、安全便捷，现已越来越广泛地应用于土地监测、森林防火、电力巡线、城市管理等领域。

随着机载成像设备能力的迅速提高和小型化，视频影像已经成为无人机获取的一种主要的地面观测信息。无人机从空中获取的影像分辨率高，实时采集的视频数据量庞大，而且无人机只能通过无线方式向地面传送数据，通信带宽受到限制。因此，无人机视频必须经过高倍率的压缩处理。此外，由于机载设备性能和功耗的限制，无人机采用的视频压缩算法运算复杂度不能过高。

目前，无人机视频压缩主要使用H.264、H.265等标准算法，算法核心是基于块的运动补偿/DCT变换的混合编码，算法复杂度较高，无法实现实时压缩和传输。无人机在执行侦察、勘测任务时，大部分飞行高度都在500m以上，航拍视频中独立的运动目标在画幅中所占比例较小，视频内容分布变差大，空间相邻块之间相似性不强，以消除空域冗余为目的DCT变换作用有限。无人机的飞行速度一般在100～300km/h，相邻帧之间存在整体性的全局运动趋势，而且由于无人机机身重量较轻，在飞行过程中容易受到外界环境因素影响，成像平台的微小运动将引起图像序列帧间的较大偏移，因此，无人机视频的运动特性比较复杂，传统的基于块匹配的运动补偿机制难以发挥时域冗余去除效果。

发明内容

为了解决上述技术问题，本发明综合背景建模、非负稀疏编码和结构化的字典学习等技术，开拓性地提出了一种适合于无人机应用环境下的无人机视频压缩方法。

本发明所采用的技术方案是：一种基于背景模板和稀疏编码的无人机视频压缩方法，其特征在于，包括以下步骤：

步骤1：收集不同场景地面环境的无人机视频图像，构造模板样本数据集和残差样本数据集，分别用于后续的模板库和稀疏编码字典训练；

步骤2：利用构造的模板样本数据集，采用背景建模方法训练模板样本数据集，得到模板库；

步骤3：利用构造的残差样本数据集，通过非负稀疏编码训练残差样本数据集，得到稀疏编码字典；

步骤4：根据步骤2训练得到的模板库，进行模板匹配和残差计算；

步骤5：将步骤4中得到的残差帧往步骤3中训练的稀疏编码字典上作非负稀疏分解，得到稀疏编码系数，再对系数进行量化和熵编码。

相对于现有普遍应用的H.264、MPEG等混合编码框架，本发明具有以下优点和积极效果：

(1)本发明利用训练得到的代表性的背景模板消除无人机视频中占比最大的地面背景冗余，有效克服了传统混合视频编码框架中运动补偿机制不能应对整体运动的缺陷，显著提升了时域压缩效率；

(2)本发明通过训练的体现纹理、边缘、平坦三种视觉成份的稀疏编码字典对模板匹配残差进行高效表达，进一步提升了空域压缩效率；

(3)由于背景模板和稀疏编码字典都提前离线训练得到，本发明方法享有极高的实时运算效率。

附图说明

图1：本发明具体实施例的原理图。

具体实施方式