视频压缩感知中分级多假设预测算法

摘要：

目的 多假设预测是视频压缩感知多假设预测残差重构算法的关键技术之一,现有的视频压缩感知多假设预测算法中预测分块固定,这种方法 存在两点不足:1)对于视频帧中运动形式复杂的图像块预测效果不佳;2)对于运动平缓区域,相邻图像块的运动矢量非常相近,每块单独通过运动估计寻找最佳匹配块,导致算法复杂度较大.针对这些问题,提出了分级多假设预测思路(Hi-MH),即对运动复杂程度不同的区域采取不同的块匹配预测方法 .方法 对于平缓运动区域的图像块,利用邻域图像块的运动矢量预测当前块的运动矢量,从而降低运动估计的算法复杂度;对于运动较复杂的图像块,用更小的块寻找最佳匹配;对于运动特别复杂的图像块利用自回归模型对单个像素点进行预测,提高预测精度.结果 Hi-MH算法与现有的快速搜索预测算法相比,每帧预测时间至少缩短了1.4s,与现有最优的视频压缩感知重构算法相比,对于运动较为复杂的视频序列,峰值信噪比(PSNR)提升幅度达到1 dB.结论 Hi-MH算法对于运动形式简单的视频序列或区域降低了计算复杂度,对于运动形式较为复杂的视频序列或区域提高了预测精度.

关键词：视频压缩感知、多假设预测、块匹配、运动估计、自回归

所属期刊栏目：24

分类号：TN919.8

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

在线出版日期：2019-04-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：357-365