CVS中基于块分类的自适应阈值调整组稀疏重构

摘要：

针对基于结构相似性的帧间组稀疏表示重构(SSIM-InterF-GSR)算法在重构平稳区域时未能充分利用高质量重构的关键帧信息,且稀疏化处理阈值的数值设置不合理的问题,提出了基于块分类的自适应阈值调整组稀疏重构(BC-ATA-GSR)算法.首先,根据块内物体运动状态分类图像块并分配合理的参考帧,以提高视频序列平稳区域的重构质量;然后,根据采样率以及图像块种类自适应设置稀疏化初始阈值,以保留足够的结构信息;最后,提出了迭代阈值梯度缩减方案,以便在提升迭代后期重构质量的同时也加快迭代收敛速度.与SSIM-InterF-GSR算法相比,BC-ATA-GSR算法取得了更好的重构质量,重构QCIF和CIF视频序列的平均PSNR分别最高提升了3.77、2.28 dB,时间复杂度最多下降了42.08％.

关键词：压缩感知、组稀疏表示、块分类、自适应初始阈值、迭代阈值递减

所属期刊栏目：48

分类号：TN919.8

资助基金：广东省自然科学基金资助项目2017A030311028,2016A030313455

在线出版日期：2020-09-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：29-37,48