专利汇可以提供一种基于时间相关性的分布式视频压缩感知重构方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于时间相关性的分布式视频 压缩 感知 重构方法。该方法在建立无反馈的分布式视频压缩感知模型的 基础 上,充分利用 视频 帧 非关键帧之间的时间相关性,对非关键帧的每个 块 进行模式判别,将非关键帧与前一帧的残差编码传输;在重构时,按照模式判别的结果自适应地选择有无边信息的重构方式,重构每个非关键帧的块,避免了部分不必要的边信息计算。该方法利用了当前帧的前一帧进行重构,而不只是单纯地使用关键帧作为参考帧进行重构,使得视频帧之间的时间相关性能够得到有效利用。该方法在相同总 采样 率下能保证视频的重构 质量 ,同时减少系统重构时间,且没有使用反馈信道。,下面是一种基于时间相关性的分布式视频压缩感知重构方法专利的具体信息内容。
1.一种基于时间相关性的分布式视频压缩感知重构方法,其特征在于,所述方法包括如下步骤:
输入:视频序列,每帧有Ic×Ir个像素,图像每行有Ic个像素,每列有Ir个像素;
步骤1)将原始视频流拆分为若干个长度为G的图像组Group of Picture,GOP,每组第一帧x0为关键帧,其余帧{x1,x2,…,xt…,xG-1}为非关键帧;
步骤2)将每个非关键帧分成小块,块的长度和宽度均为B;
步骤3)计算一个图像组中每个非关键帧与前一帧的残差xr=xt-xt-1;
步骤4)计算每个非关键帧的块与前一帧相应块的时间相关度u,利用均方误差的倒数来表示第t-1帧的块与第t帧相应块的时间相关度:
其中n=B×B;进行模式判别,T1和T2为模式识别中的阀值,0
步骤6)对每个非关键帧进行基于块的压缩感知测量;
步骤7)在重构时,对关键帧帧内解码或者重构;
步骤8)非关键帧在重构时,若非关键帧中的块为近似不变块,则用已经重构完成的前一帧相应部位的块进行填补,转到步骤11),否则转到步骤9);
步骤9)若为非关键帧中的块为中等变化块,利用当前帧的残差测量值yr重构得到残差预测帧块 结合已重构的前一帧相应部位的块 产生重构帧块 转到步骤
11),否则转到步骤10);
步骤10)若非关键帧中的块为剧烈变化块,则该块需要利用双向运动估计与补偿产生边信息;在双向运动补偿过程中,xf为前一帧中的块, 为前一帧中的块的重构值,xb为与xt相邻的后面一个关键帧的块, 为其相应的重构值;按照时间相关度进行加权,则边信息为: 其中a为自适应加权系数,
并且结合已经重构的前一帧
进行残差重构;
步骤11)将各个块组合在一起生成非关键帧。
2.根据权利要求1所述的一种基于时间相关性的分布式视频压缩感知重构方法,其特征在于,所述步骤1)中的G取为4。
3.根据权利要求1所述的一种基于时间相关性的分布式视频压缩感知重构方法,其特征在于,所述步骤2)中的分块尺寸为B=32。
4.根据权利要求1所述的一种基于时间相关性的分布式视频压缩感知重构方法,其特征在于,所述步骤5)中的关键帧的测量率假设固定为0.7。
5.根据权利要求1所述的一种基于时间相关性的分布式视频压缩感知重构方法,其特征在于,所述步骤6)中的近似不变块不分配测量率,其余模式的块分配测量率,每个非关键帧总的测量率取为0.3。
6.根据权利要求1所述的一种基于时间相关性的分布式视频压缩感知重构方法,其特征在于:所述步骤6)中的压缩感知的稀疏矩阵采用沃尔什-哈达玛矩阵。
7.根据权利要求1所述的一种基于时间相关性的分布式视频压缩感知重构方法,其特征在于:所述步骤10)中重构采用梯度投影稀疏重构算法,重构迭代次数取为100。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
手语识别系统 | 2020-05-08 | 975 |
一种早教机器人的控制方法 | 2020-05-08 | 259 |
目标跟踪方法及存储介质 | 2020-05-08 | 545 |
影像处理设备和影像处理方法 | 2020-05-08 | 951 |
基于视觉显著性的HEVC优化算法 | 2020-05-08 | 55 |
一种柜面助手履职监控装置和方法 | 2020-05-08 | 867 |
双向光流中的梯度计算 | 2020-05-08 | 626 |
一种基于二维骨架信息的攻击性行为识别方法 | 2020-05-08 | 84 |
图像质量评估方法、装置、终端及可读存储介质 | 2020-05-11 | 677 |
基于增量学习算法的人脸识别跟踪器 | 2020-05-11 | 318 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。