[发明专利]一种两阶段多假设预测视频压缩感知重构方法

权利要求书

1.一种两阶段多假设预测视频压缩感知重构方法，其特征在于，包括以下处理过程：首先第一阶段重构采用多假设预测视频压缩感知算法获得初步重构结果，并作为第二阶段重构的初始帧，对当前帧和参考帧进行重叠分块，然后通过欧氏距离-感知哈希算法获取的图像相似块集合，构建用低秩正则化和全变差正则化模型再次进行重构，获得第二阶段重构结果，最后将第二阶段重构结果与残差重构的结果相加得到最终的重构结果。

2.根据权利要求1所述方法，其特征在于，第一阶段重构具体为：对于关键帧，利用分块压缩感知-平滑投影Landweber重构算法进行独立恢复，对于非关键帧，将重构得到的关键帧作为参考帧，采用多假设预测算法，利用参考帧中搜索到的假设块线性组合对视频帧图像块进行表示，每一个图像组完成第一阶段的关键帧和非关键帧的重构之后，再进行第二阶段的重构。

3.根据权利要求1所述方法，其特征在于，第二阶段重构具体为：将第一阶段重构得到的当前帧直接作为第二阶段初始帧，对已重构帧以及参考帧进行重叠分块，构建帧内帧间相似块组，建立正则化模型，经过最优化处理得到重构帧结果。

4.根据权利要求1所述方法，其特征在于，残差重构具体为：得到两阶段的重构结果之后，先计算出原始帧观测值与重构帧观测值之间的残差，然后利用观测矩阵与残差观测值重构出原始帧与重构帧之间的残差，最后将残差与重构帧相加得到当前帧最终的重构结果。

5.根据权利要求2所述方法，其特征在于，关键帧和非关键帧的多假设预测重构的具体步骤为：

步骤1，输入当前关键帧x的观测值y，观测矩阵Φ，利用分块压缩感知-平滑投影Landweber重构算法对当前关键帧进行重构；

步骤2，输入当前非关键帧x的观测值y，观测矩阵Φ以及参考帧，选择当前非关键帧的多个参考帧，进行多假设块筛选，将假设块向量化组成多假设矩阵H；

步骤3，求解假设块的权值向量进而求解该帧的初始重构结果x_ij＝Hw_ij，式中x_ij为第i帧的第j个图像块的向量化表示，Φ为观测矩阵，y_ij表示x_ij的观测值，w_ij表示最佳线性组合系数向量，表示求解得到的系数向量，λ表示正则化系数，Γ＝diag(||y-Φh₁||₂,...,||y-Φh_p||₂)表示Tikhonov矩阵，H表示参考帧中搜索得到的假设块向量化后的矩阵，h₁,h₂,...,h_p分别表示H的列向量，1,2,...,p表示列号。

6.根据权利要求3所述方法，其特征在于，构建帧内帧间相似块组、建立正则化模型的具体步骤为：

步骤1，对已重构帧以及参考帧进行重叠分块，然后根据欧式距离-感知哈希算法筛选图像块，组成相似矩阵S_j，S_j表示从参考帧和当前帧中获取的第j个相似图像块组；

步骤2，构建非关键帧低秩正则化和全变差正则化模型，即

式中NLR(·)表示低秩正则化，||·||_TV表示全变差正则化，λ₁和λ₂表示正则化参数；

步骤3，采用交替方向乘子法将原问题分为多个子问题分别进行求解得到重构帧结果。