导　　师： 杨春玲;张宇

授予学位： 硕士

作　　者： (）;

机构地区： 华南理工大学

摘　　要： 传统图像/视频信号编码方案基于奈奎斯特定理,首先以大于等于两倍信号最高频率的采样频率进行采集,然后运用复杂的压缩编码算法对采集到的信号进行压缩,通过丢弃大量冗余数据以达到高效存储和传输的目的。这种在编码端进行复杂计算的编码框架带来了巨大的运算压力,在采集端资源受限的应用场景下并不适用,如无线视频监控、无线传感器网络等。压缩感知(Compressed Sensing,CS)理论是一个充分利用信号稀疏性或可压缩性的全新信号采集及编解码理论,它突破了传统采样中奈奎斯特定理对采样频率的限制,因此受到了学术界的广泛关注。图像/视频压缩感知的研究包括观测矩阵,稀疏表示和重构算法三个关键技术。其中,基于图像/视频信号的特征设计相应的矩阵和算法以达到更高的重构效率是图像/视频压缩感知研究的重点。本文基于图像和视频信号的像素相关性对图像/视频信号压缩感知观测矩阵及相应的重构算法进行了深入的研究,具体研究工作包括以下两个部分:1.基于图像/视频的空间相关性,本文提出了基于邻近像素相关性的观测矩阵(Adjacent Pixels correlation Matrix,APM)生成算法。该部分提出了两种目标点选择方案,配合合适的核函数进行权值分配,构造出重构性能较好的图像/视频观测矩阵。仿真实验表明,本文提出的观测矩阵具有更高的图像/视频重构质量,较低的重构复杂度,且适用范围更广。2.2s-MHR算法在对视频关键帧重构时包括BCS-SPL独立重构和帧内多假设预测两个过程。其中在使用APM矩阵进行观测下,重构帧的初始估计和迭代过程中Wiener滤波对BCS-SPL的重构算法复杂度和重构性能有一定的影响。为了进一步提升基于APM矩阵观测下的视频重构性能,本文在2s-MHR的重构框架的基础上,将初始估计和非目标点处的Wiener滤波相结合,提出SPL的改进框架

关 键 词： 图像 视频压缩感知 空间相关性 观测矩阵 重构框架

领　　域： []