DVC自适应编码技术和压缩感知理论研究.pdf
《DVC自适应编码技术和压缩感知理论研究.pdf》由会员分享,可在线阅读,更多相关《DVC自适应编码技术和压缩感知理论研究.pdf(56页珍藏版)》请在三一文库上搜索。
1、硕士论文D V C 自适应编码技术和压缩感知理论研究 摘要 磐煳 传统视频压缩技术主要在编码端进行复杂的变换、预测、熵编码等以挖掘视频的冗 余信息,达到信息压缩的目的,这导致了复杂的编码过程。轻量级移动终端的出现,使 得分布式视频编码( D i s t r i b u t e dV i d e oC o d i n g :D V C ) 方案开始受到关注。该方案把编码端 复杂的运算转移到译码端进行,从而减轻编码端的计算复杂度。同时,传统的数据采集, 是通过奈奎斯特采样定理给定的速率进行采样获取数据,经过压缩之后进行存储及传 输。而先获取后压缩,这个过程浪费了大量软硬件资源,压缩感知的出现,使采
2、样和压 缩一步完成,节约了资源。 本文针对分布式视频编码和压缩感知主要做了以下工作: 1 本文实现了基于I E E E 8 0 2 1 6 e 标准提出的L D P C 码的分布式视频编码方案,并在 此基础上,研究了通过在编码端预测边信息质量动态调整量化参数的自适应分布式视频 编码。实验仿真表明,自适应分布式视频编码方案在同码率下,比原分布式视频编码方 案有0 5 l d B 的性能提高。 2 本文研究了小波树结构的K S V D 字典算法。通过抽取小波系数组成的小波树, 对块的平移翻转等具有不敏感性,此结构的字典因此对视频序列具有更好的适应性。实 验仿真表明,小波树结构的字典在低信噪比区域去
3、噪性能要优于基于块结构的字典。 3 本文研究了视频序列中基于边信息得压缩感知重建算法。传统压缩感知重建算 法,仅依据观测数据和先验信息进行重建,而视频序列间具有很强的相关性,故解码端 的边信息具有一定的可信任度。实验仿真表明,该算法相比传统算法约有l d B 的性能提 高。 关键词:自适应分布式视频编码压缩感知训练字典帧重建 A b s t r a c t硕士论文 A b s t r a c t T h et r a d i t i o n a lv i d e o c o m p r e s s i o nt e c h n o l o g i e sm a i n l yi m p l e
4、 m e n tc o m p l i c a t e d t r a n s f o r m a t i o n , p r e d i c t i o na n de n t r o p yc o d i n ga t t h ee n c o d e rt oa c h i e v et h ep u r p o s eo f i n f o r m a t i o nc o m p r e s s i o n ,w h i c hl e a d sac o m p l e xe n c o d i n gp r o c e s sa n dn e e d sa ne n c o d e
5、 r 、) l ,i t l l ah i g hc o m p l e x i t y 、斫t l le m e r g e n c eo fl i g h tm o b i l et e r m i n a l ,d i s t r i b u t e dv i d e oc o d i n g ( D V C ) t e c h n i q u eh a sb e e nr e s e a r c h e dal o t I nD V C ,t h ec o m p u t a t i o na te n c o d e ri s r e d u c e db y i m p l e m
6、 e n t i n gt h ee n c o d es c h e m ea tt h ed e c o d e r M e a n w h i l e ,i nc u s t o md a t ac o l l e c t i o n , d a t a w a ss a m p l e db yN y q u i s tS a m p l i n gT h e o r y , a n dt h e nc o m p r e s s e dt os t o r eo rt r a n s m i t ,w h i c h w a s t ea m o u n to fh a r d w
7、a r ea n ds o t t w a r er e s o u r c e s B u tr e s o u r c e sc a l lb es a v e dw i t h c o m p r e s s e ds e n s i n g ( C S ) b ys a m p l i n ga n dc o m p r e s s i o na tt h es a m et i m e I nt h i sp a p e r , w ef o c u so ni n v e s t i g a t i o no fD V Ca n dC S T h ed e t a i l sa r
8、 ea sf o l l o w s : T h ed i s t r i b u t e dv i d e oc o d i n gs c h e m eo fL D P Cb a s e do nI E E E 8 0 2 16 es t a n d a r di s r e a l i z e d T h ea d a p t i v ed i s t r i b u t e dv i d e oc o d i n gb a s e do nt h ee s t i m a t i o no ft h eq u a l i t yo fs i d e i n f o r m a t i
9、o na tt h ee n c o d e ri si n v e s t i g a t e d S i m u l a t i o nr e s u l t ss h o wt h a tt h ep r o p o s e da d a p t i v e d i s t r i b u t e dv i d e oc o d i n gs c h e m ec o u l da c h i e v e0 5 。ld Bp e r f o r m a n c eg a i no v e rt h eo r i g i n a l d i s t r i b u t e dv i d e
10、 oc o d i n gs c h e m e 、析t ht h es a m ec o d er a t e T h eK - S V Dd i c t i o n a r yb a s e do nw a v et r e ei si n v e s t i g a t e d T h et r e eo fw a v ew h i c hi s e x t r a c t e db yw a v ec o e f f i c i e n th a v eg o o da d a p t a t i o nt ob l o c kf l i p p i n ga n dp a n n i
11、 n g S ot h e d i c t i o n a r yw i t hs u c hk i n do fs t r u c t u r eh a v eg o o da d a p t a t i o nt ov i d e o S i m u l a t i o nr e s u l t ss h o w t h a td i c t i o n a r yo fw a v et r e eh a sb e t t e ra td e n o i s i n gt h a nd i c t i o n a r yo fb l o c ki nl o wS N R r e g i o
12、 n T h eC Sr e b u i l d i n ga l g o r i t h mb a s e do ns i d ei n f o r m a t i o no fv i d e oi si n v e s t i g a t e d T h e t r a d i t i o n a lC Sr e c o n s t r u c td a t aw i t ho n l yt h ed a t ao fs a m p l ea n dp r e - i n f o r m a t i o n H o w e v e r , t h ev i d e oh a ss t r
13、o n gc o r r e l a t i o nc h a r a c t e r i s t i c S ot h e s i d ei n f o r m a t i o na tt h ed e c o d e ri s c r e d i b l e S i m u l a t i o nr e s u l t ss h o wt h a tt h ep r o p o s e da l g o r i t h mc o u l da c h i e v eld Bp e r f o r m a n c e g a i no v e rt h et r a d i t i o n
14、a la l g o r i t h m K e yw o r d :D i s t r i b u t e dV i d e oC o d i n g ,C o m p r e s s e dS e n s i n g ,T r a i n i n gD i c t i o n a r y , F r a m e R e c o n s t r u c t i o n I I 3 3 1 贪婪追踪算法1 4 3 3 2 基于最小正范数算法15 3 3 3 基于最小化,( 0 ,f = l ,2 , ( 3 7 ) 写成矩阵向量形式,即为: s = 甲r X ( 3 8 ) 当t l J 取多
15、尺度几何变换时,由于稀疏变换是非正交的,因此系数向量s 不能通过式 ( 3 8 ) 线性地表示。但可借助快速变换算法对信号进行稀疏分解,得到相应的表示系数。 当甲为过完备冗余字典时,则可通过求解下列最优化问题对信号Y 进行非线性地稀 疏分解: m i n ,。I I s l o S 1 x = 甲s ( 3 9 ) 其中系数向量s 的乇范数。表示s 中非零项的个数。然而,由于乇范数是非凸的,且最 3 压缩感知理论概述硕士论文 优化问题( 3 9 ) 属于组合优化问题,因此求解该问题是N P 难的,通常采用s 的= H 代 替厶范数,通过求解下列最优化问题实现信号的稀疏分解: m i n ,。l
16、 s J x = t P s ( 3 1 0 ) 信号的稀疏表示是压缩感知的理论基础,在一定程度上影响着测量值个数的选取和 重建结果的精度。具体地,当重建精度一定的情况下,信号越稀疏,需要的测量值个数 就越少;而当测量个数一定时,信号越稀疏,重建的精度就越高。因此在压缩感知重建 过程中,信号稀疏变换的选择对重建结果的精度至关重要。 3 2 观测矩阵的设计 观测矩阵的目的是把高维信号在不破坏其内在结构性的前提下,映射成低维信号。 如对于长度为的信号Z 在变换域甲下,可获得稀疏系数O = Y7 X ,稀疏系数O 的 长度U N ,对于长度为u 的稀疏系数,如何采样得到长度为M ( M N 1 的值
17、。如果 在采样M 个值时,破坏了信号X 的内在结构,重构是不可能的。采样过程实际就是对 于M x N 的观测矩阵的M 个行向量 够圪在稀疏系数上的投影即计算稀疏系数与各 个行向量 仍 篓的内积: 咒= f = l ,2 ,M( 3 1 1 ) 压缩感知观测过程式( 3 1 1 ) 写成矩阵向量的形式为: 】,= O ( 3 1 2 ) 由于o = Y r X ,式( 3 1 2 ) 可等价的表示为: 】,= 西O = 甲r X = A 。X ( 3 1 3 ) 其中,A 甜R 胁u 定义为广义测量矩阵。 图3 1 ( a ) 形象的说明了式( 3 1 3 ) ,这里的采样是非自适应的,即观测矩
18、阵无需根据 信号X 的变化而变化,观测的不是信号的点采样,而是更一般的k 线性泛函。 1 2 】r M : o 1 壬r r Z】,o 戳圆r 哪:趣 N 尽项稀酸 ( a )( b 图3 - l ( a ) 压缩感知的信号稀疏及采样过程,为随机高斯矩阵,甲为D C T 变换 ( b ) 图( a ) 的另一种形式,观测值Y 是四个非零系数对应列向量的线性组合 届】岱n,“HH0H口 硕士论文 D V C 自适应编码技术和压缩感知理论研究 由M 0 5 ,则认为发送的是1 ,否则 认为发送的是0 。如果经过了信道编码,此时接受端的二进制序列各比特就满足一定的 校验关系,假设此时二进制序列是个L
19、 D P C 码字,那么这n 个比特就满足由该码的校验 矩阵所确定的一系列校验方程,假设其中一个校验方程是q + c ,+ o k = 0 ,此时再计算 c = 1 的概率,除了接受信号提供的信息外,还可以利用比特间的相关性。若 p ( q = lI 乃) = 只,p ( c j = lI 乃) = P j ,P ( C k = 1I ) = P k 满足校验方程q + q + q = 0 ,这一事 件记为S ,则c = 1 的概率为: p ( q = 1I 只,Y j ,败 ,s ) p Iq = l ,SI 只,少,虬 ) p ( s I 咒,乃,Y k ) :竺( 竺三! :生三! :垒
20、三! ! i 苎:苎:丝! ! :竺【竺三! :三! :垒三! ! ! 苎:兰:丝1 2 ( 4 7 ) ,。p ( q = 只,巳= 岛,c k = 见l 只,乃,n ) 一,乃t p k e | o ,l , P s + P j + P k = O ( m o d 2 ) p i 心一p j l p k + p l pJ Q p k l ( 1 一B ) ( 1 一p j ) ( 1 一成) + ( 1 一P , ) P j P k + 只( 1 一p j ) p , + P , P j ( 1 - P k ) 基于G + c ,+ & = 0 的校验方程可能不止这一个,这些校验方程中得某
21、些比特可能包 含在其他更多的校验方程中。由于码字中各比特的相关性,除了可以利用比特的接受信 号外,还可以充分利用其它比特的接受信号来修正该比特的概率,如果利用了码字中所 有的比特信息,那么就可能得到最佳的后验概率,此基础上的译码误比特率应该是最低 的,这就是概率译码的基本思想。 上面举了一个简单的例子,形象的描述L D P C 码的译码过程,下面推导L D P C 码的 概率译码。 ,o 首先给出一个引理:一个长为m 的相互独立的二进制序列,其中第1 个比特是l 的 概率为易,那么整个序列中包含偶数个1 的概率是:1 + I - L i , ( 1 - 一2 p , ) 。 证:设厂( ,)
22、= 兀( 1 - p t + p i t ) 、g ( f ) = 兀( 1 - p l - P t t ) 分别是关于f 的m 次多项式。 由二项式分布知道,t 。的系数是序列中包含f 个1 的概率。 4D V C 自适应编码技术 硕士论文 刷与g 的差异仅在于其t 的奇次项幂数是正的,把刷与g 相加,的偶次幂系 数加倍,而奇次幂系数相互抵消。 令t = l ,并除以2 就得到序列中包含偶数个l 的概率。得证: m朋用 兀( 1 - p t 一易) + 兀( 1 - p + 研) 1 + 兀( I - 2 p t ) p 嗍 ( 4 8 ) l - 兀( 1 - 2 p ,) P o d a
23、 = 1 一= 上b - 一 ( 4 9 ) 二 根据引理,下面给出概率译码的数学推导,假设接受到的码字序列为Y ,满足校验 方程的概率分布记为事件S 。 p ( 白= 0 l y ,s ) 夕( 白= l l y ,s ) p G p = 1 ,Y ,S ) ( y ,S ) :p ( c d _ = O 忑, y , S ) ( 4 1 0 ) = 一 1 4 _ - P ( C d = 1 ,Y ,S ) 、7 :旦幽里( 鱼三旦幽旦剑鱼三竺:立 P ( Y ) P ( C d = 1 l y ) p ( S l 白= 1 ,Y ) 1 一矽。 = _ = 【一旦 p ( s l C d
24、 = o ,Y ) P dp ( S I C d = 1 ,Y ) 当白= 0 ,包含d 的,个校验方程成立的条件是,每个校验方程中,其余舡J 个比特 中含有偶数个1 ,由引理可知, p ( s I c a = O , y ) :血。坐掣k - I 1 ) 同理, p ( s l c a = 1 , y ) :I Z I I 7 k - I ( 1 型 ( 4 1 2 ) 把式( 4 1 1 ) 和式( 4 1 2 ) ,代入式( 4 1 0 ) ,可得: 薷端= 1 - - p d 垂舞1It=黼t、-2P,t)I i1 i S P d k - I ( 1 ;- - 二- = = 一 I 斗
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- DVC 自适应 编码 技术 压缩 感知 理论研究
链接地址:https://www.31doc.com/p-3579599.html