[发明专利]一种分布式视频压缩感知中帧内最佳匹配插值重构方法

摘要

本发明公开了一种分布式视频压缩感知中帧内最佳匹配插值重构方法，在多假设预测模型的基础上，根据自然像素连续特性，基于传统帧内多假设预测，采用测量域块结构相似性作为失真标准在待重构帧中选取出最佳匹配块，在以最佳匹配块为中心的搜索窗口内采用插值法构成MH最佳匹配插值字典。关键帧采用帧内最佳匹配插值法生成边信息，非关键帧中的运动剧烈块分别采用帧内最佳匹配插值法和帧间双向最佳匹配法生成边信息并判决，联合残差补偿重构出对应帧。本发明能够充分考虑运动剧烈的视频场景中帧间空时运动造成的像素不对齐特性，且插值法使残差信号更稀疏，解决现有MH预测重构过程在运动剧烈场景中重构视频帧不够清晰的问题。

主权项

1.一种分布式视频压缩感知中帧内最佳匹配插值重构方法，其特征是，包括如下步骤：步骤1)采集原始视频，该视频的序列帧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，采用分块测量矩阵为结构化随机测量矩阵Φ_B；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；步骤2)在采集端对关键帧和非关键帧进行以块为单位的测量，得到对应的块测量值；步骤3)根据接收到的关键帧的块测量值y_k采用MS‑BCS‑SPL重构算法重构出关键帧的初始重构帧得到帧内自适应初始字典；步骤4)将已重构的关键帧作为参考帧D₁，MH预测模型首先寻找待重构块x_t,i在参考帧D₁内的最佳匹配块x_t,ibest，即步骤5)由步骤4)在搜索窗口D₁内得到最佳匹配块x_t,ibest，再以x_t,ibest为中心，生成半径为D^k的搜索窗口，k表示当前帧在参考帧中对应的第k个最佳匹配块的序号，此时参考帧就是当前待重构帧，选取以最佳匹配块x_t,ibest为中心的搜索窗，D^k作为搜索窗的尺寸参数，控制窗的大小，采用滑动取块的方式选择搜索窗D^k中的参考块集合B^k，即其中表示搜索窗中的第j块，J＝(D^k×2+1)²为搜索窗中提取视频参考块的总个数；步骤6)对搜索窗中的参考块进行帧内插值，来获得帧内最佳匹配插值字典，形成BM插值字典，即在原始像素点的后右方、后下方和后右下方进行像素点插值，插值后的参考块大小是原参考块大小的4倍，提取插值后相同半像素点(0,0)、(0,1/2)、(1/2,0)、(1/2,1/2)按顺序重组，即将原始像素点、插值后右方像素点、插值后下方像素点和插值后右下方像素点按顺序重组，得到4个重组参考块和将其分别向量化得到和将其作为帧内最佳匹配插值字典的列向量，重复步骤5)和步骤6)生成当前待重构块的最佳匹配插值字典，即其中，表示当前第t帧第i个待重构块的帧内最佳匹配插值字典；步骤7)利用多假设预测模型中的如下公式计算待重构块的帧内多假设预测值作为边信息：其中即H_t,i为帧内基于多假设预测的最佳匹配插值字典，记为帧内MH‑BM插值字典，y_t,i为视频帧的测量值向量，w是H_t,i中各列的线性组合的列向量，为代表H_t,i中各列的最佳线性组合的列向量，Γ为正则化矩阵，h_t,i是H_t,i的列，i＝1,...,K，K＝J×4，λ为正则化控制因子，Φ是由结构化随机测量矩阵Φ_B作为对角元素的分块测量矩阵；步骤8)对于非关键帧，通过块分类后，分别对运动剧烈块和相对静止块生成边信息；步骤9)获得关键帧和非关键帧的边信息后，用预测值的测量值减去其边信息的测量值，计算出当前帧残差r的各块压缩感知CS观测向量y_r,i，即：步骤10)重构出残差值r_t；步骤11)将边信息和残差值相加，得到重构的视频帧，即