基于过完备字典的视频压缩采集算法
2018-05-07段宏伟
中北大学学报(自然科学版) 2018年2期
段宏伟
(山西职业技术学院 数控系, 山西 太原 030006)
视频图像具有可压缩性和稀疏性, 它们可以在特定的正交基或框架下稀疏表示. 然而, 传统的成像系统是对视频图像的所有数据进行采集, 然后再对其进行压缩. 在这个过程中, 视频图像的稀疏性被忽略, 浪费了有限而宝贵的资源. 研究表明, 压缩感知(Compressive Sensing, CS)[1]理论具有开发视频图像方面的潜力, 该技术将视频信号的采集和压缩结合在一起, 并可直接获取压缩过的信号. 与传统的成像系统不同, 该技术致力于最小化信号冗余的采集, 从而提高了采样效率.
压缩感知已成功应用于视频采集中. 文献[2]提出了将2D小波变换CS应用到视频中的每一帧, 并提出了逐帧压缩采样的方法, 视频中的每一帧被视为独立的图像. 这种方法利用视频帧的空域冗余, 提高了视频的采样效率, 然而, 其未涉及视频的空域冗余. 为了解决这个问题, 文献[3]提出了帧间差异压缩感知的方法, 对相邻帧之间的差异而非原始帧进行测量. 这种方法的缺点是, 所有的帧之间存在依赖性, 如果某一帧没有得到很好的恢复, 重建误差会扩散到后面的视频帧, 甚至整个视频.
视频压缩感知的另一种方法为三维变换压缩感知, 将整个视频看作一个数据块, 对整个视频同时进行处理[2]. 这种方法可以有效利用视频中的空域和时域稀疏性. 为了获得更高的稀疏性, 文献[4]中提出了使用Li-MAT[5]作为稀疏基的视频压缩感知方法, 该算法利用视……
登录APP查看全文
