|
|
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. s0 D, X5 x/ x4 E4 y+ _; ^3 H6 T
& S% I# J! c7 O+ M5 |关键词:非局部相似性;视频压缩感知;组稀疏表示;相似块组; y& S' m% ~. {
. n$ |6 U5 b n: W6 |: J
& h8 o/ z' e1 f 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.* O( h7 y+ Q! f* y p& k3 K
1 ~" o, q; k2 \- c* N& o. n
1 x$ z- ~" m/ p% c, Z7 g
Q- H& a. Y. s) x' R/ x. q9 K: b1 y1 N1 U
9 C0 s4 g) |$ z0 z1 z. G. x O
- v4 N- H7 r: {* f4 W) R1 y" o8 Y- _+ n% r7 C$ Y
1 M7 u3 z N: l& u$ i0 i9 M# D" m* M. W$ e, J; f
|
|
/1 
发表于 2021-6-4 11:14
收藏
淘帖
支持！
反对！