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。