论文部分内容阅读
无线多媒体传感器网络(Wireless Multimedia Sensor Networks，WMSN)因其感知信息丰富，可扩展性强等优势而广泛应用于各种领域。然而，WMSN的多媒体视频感知节点的能源和计算能力都有限，且巨量多媒体视频数据的处理与传输需要消耗大量计算资源和能源，这加速了多媒体视频节点死亡速度，进而缩短了WMSN整体生存周期。因此，迫切需要研究一种适用于WMSN的低复杂度视频压缩编码算法，以减少视频数据传输量，延长WMSN的网络生命周期,从而保证WMSN监测的可靠性及有效性。近年来，压缩感知（Compressed Sensing，CS）理论的发展，为视频信号压缩编码提供了新的解决思路。CS具有编码复杂度低等优点。且以CS理论为基础的分布式压缩感知（Distributed Compressed Sensing，DCS）能够有效利用WMSN节点感知数据的时空相关性等冗余信息。因此，借鉴CS与DCS理论，在对压缩视频感知编解码方案（Compressed Video Sensing，CVS）与基于CS的分布式视频编解码方案(DistributedCompressive Video Sensing，DCVS)改进的基础上，本文针对WMSN视频特性，提出了两种面向WMSN视频编码算法。具体如下：（1）基于CVS编解码方案，本文提出了一种面向WMSN的多模式压缩视频感知编解码算法。该算法首先根据视频的局部相关性对视频进行自适应分组。在对各组关键帧进行处理时，采用CS方法在编码端对其进行观测投影，并利用OMP算法完成解码端的重构过程。在对组内非关键帧的处理过程中，编码端先进行模式决策，并将其划分为多种模式的图像块，再根据图像块的不同编码模式采用相应的稀疏方式进行稀疏；在解码端，则根据图像块的稀疏方式，并结合局部边信息重构出对应的非关键帧。实验表明：该方法在保证重构质量的同时，能有效减少视频数据的传输。（2）基于DCVS编解码方案，本文提出了一种基于聚类字典学习的分布式压缩视频感知编码算法。该算法对关键帧采用了与上一种改进算法相同的处理过程。为完成对非关键帧的处理过程，借鉴聚类字典学习的方法，先对解码端重构出的关键帧进行分块、聚类，得到迅变区域与缓变区域的图像块集合；再利用K-均值算法对两个区域的图像块集合再次聚类，以得到更精确的聚类样本；然后，分别对两类聚类样本集合进行聚类字典训练，得到两大聚类字典；以此为基础，在解码端完成非关键帧的重构。实验结果表明：在相同的采样率下，该方法的重构效果更好，并且编码端计算复杂度更低。