|
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
摘要:基于视频帧内图像的非局部相似性和帧间信号的相关性,本文提出了一种基于结构相似的帧间组稀疏表示重构算法(SSIM-ImnteRF-CSR) ,有效地提高了视频压缩感知的重构性能.在SSIM-InterF-CSR算法中,提出以结构相似度( SSIM)作为相似块匹配准则,在当前帧和参考帧内搜索匹配块生成相似块组,以相似块组的稀疏性作为正则项重构当前帧.同时,还提出了阶梯递减匹配块个数调整方案用于SSIM-InterF-CSR重构算法的迭代过程.仿真结果表明,相比于目前最好的视频压缩感知重构算法(Up-Se-AWEN-HHP) ,本文算法获得了更好的重构质量,最多可提升4~5dB.' m" {- |# J n% d& z4 |" u' }
$ _- m- t+ ]1 _, B& c9 I
关键词:非局部相似性;视频压缩感知;组稀疏表示;相似块组8 R( y7 W- h9 O4 `4 O C
2 v, N* K9 ?# W! D3 Q! r
`- ?- {$ m& B$ R 压缩感知( Compressed Sensing , CS)是一种新颖的信号采集理论,其核心思想是:在信号是稀疏的或者可压缩的条件下,我们能够以低于奈奎斯特的采样率进行采样,在重构端依然可以精确地重建原始信号. CS能同时完成对信号的采样和压缩,这一过程特别适合于采集端资源受限的数据采集系统.视频压缩感知( Compressed Video Sensing, CVS)是基于CS理论的视频采集与处理方法,它为视频采集与处理理论的发展提供了一个新方向.
( J, A/ i; J+ f. e
! k9 R4 B3 t- N
& G# s4 {; P- `2 B3 u; g8 T" C
+ ~/ X* X0 u7 ]/ |5 |& \2 Z+ }7 D4 P/ |7 I
+ K I, q& D9 m) l' [& S$ O
* }8 b7 n! i! c1 ^0 N; I/ d+ u. q; i' b9 O1 t
8 n* ^% Z4 n% {0 `( n+ s- Q
; ]5 `5 Q1 N/ X# z' Z+ S |
|
/1 
发表于 2021-6-4 11:14
收藏
淘帖
支持！
反对！