[发明专利]一种压缩视频张量信号采集与重构系统及方法

权利要求书

1.一种压缩视频张量信号采集与重构系统，其特征在于，包括：结构化稀疏张量字典学习模块、张量传感模块和重构处理模块，其中：

所述结构化稀疏张量字典学习模块对视频信号关键帧块，利用结构化稀疏张量字典学习方法生成对应的结构化稀疏张量基矩阵，并将所述稀疏张量基矩阵输出到重构处理模块；

所述张量传感模块对视频信号的非关键帧以张量块的形式进行投影，得到张量测量值，并将所述张量测量值输出到重构处理模块；

所述重构处理模块接收所述结构化稀疏张量字典学习模块输出的结构化稀疏张量基矩阵与所述张量传感模块输出的张量测量值，对视频张量信号进行重构；

所述结构化稀疏张量字典学习模块，采用基于块相关最小化的块稀疏张量字典学习方法用于降低各个张量子空间之间的块相关性以得到更紧凑的结构化稀疏张量D⁽ⁿ⁾表示：

得到稀疏张量基字典其中这里表示第i个簇组，其第n模式列向量每个列向量对应于张量λ，ζ为取值范围在(0,1)的可调节参数；该稀疏基矩阵能够适应性的表示出视频帧张量块信号的内在结构，相对于固定基能更有效地稀疏表示视频张量信号，并且张量信号在此稀疏张量基矩阵上的稀疏表示是具有块结构的；张量子空间学习方法得到张量基Ψ_i,i＝1,...,t，进而组成各个模式下的稀疏基矩阵N为自然数；由于张量子空间的重叠导致块稀疏性不够紧凑，同时表现出比较高的块相关度，块相关度定义为||·||_F为F范数，为Ψ_i的转置。

2.根据权利要求1所述的压缩视频张量信号采集与重构系统，其特征是，所述的结构化稀疏张量字典学习模块，实现由在重构的关键帧的块集合利用张量子空间聚类的方法得到训练集用于生成结构化稀疏张量基矩阵。

3.根据权利要求2所述的压缩视频张量信号采集与重构系统，其特征是，所述结构化稀疏字典学习模块实现由结构化稀疏张量学习方法生成一种结构化稀疏张量基，所述结构化稀疏张量基适应性的表示出信号的内在结构。

4.根据权利要求1-3任一项所述的压缩视频张量信号采集与重构系统，其特征是，所述张量传感模块为一阶的数字微镜设备，用于模拟对视频张量信号在各个模式下的压缩传感。

5.根据权利要求1-3任一项所述的压缩视频张量信号采集与重构系统，其特征是，所述重构处理模块通过凸松弛算法模型实现，找到的全局最优解乘以稀疏张量基得到重构的张量信号。

6.根据权利要求5所述的压缩视频张量信号采集与重构系统，其特征是，所述重构处理模块利用块稀疏约束得到具有块稀疏性的张量表示向量用于重构张量信号。

7.根据权利要求1所述的压缩视频张量信号采集与重构系统，其特征是，在编码端，张量传感模块对视频张量信号进行采样产生张量测量值；在解码端，结构化稀疏张量字典学习模块产生结构化稀疏张量基矩阵，所述结构化稀疏张量基矩阵与所述张量测量值进入重构处理模块，在重构处理模块中张量信号被重构生成视频张量信号。