视频局部特征描述子的压缩方法、系统及视频压缩方法
【技术领域】
[0001] 本发明属于数据处理技术领域，具体设及一种视频局部特征描述子的压缩方法、 压缩系统及视频压缩方法。
【背景技术】
[0002] 随着互联网的广泛应用，在网络的传输和存储过程中，视频数据的数据越来越庞 大。对视频数据的压缩则显得尤为重要。而局部特征描述子，在图像/视频数据处理W 及计算机视觉领域得到了广泛的应用，描述子的压缩也是提高视频数据检索等视频数据 应用的关键技术。例如，对128维的SIFT局部特征描述子而言，将每个维度量化到8比 特，一帖图像包含1000个SIFT特征点，则一个300帖的视频包含的SIFT特征数据量为 300*1000*128*861*3 = 292.97113，无论对于存储还是传输都是需要付出巨大的代价，在实 际应用中是难W承受的。
[0003] 在对视频数据处理的现有技术中，大多单独对描述子进行压缩，限制了描述子的 压缩比，不利于数据检索效率的提高，同时也阻碍了视频检索技术的发展。
【发明内容】
[0004] 本发明实施例的目的是提供一种视频局部特征描述子的压缩方法、系统及视频压 缩方法，W提高视频局部特征描述子的压缩效率，从而提高视频压缩数据的传输速率和存 储效率。
[0005] 根据本发明的一个方面，提供了一种视频局部特征描述子的压缩方法，所述方法 包括如下步骤：
[0006] 联合视频内容对当前局部特征描述子进行帖间预测得到预测信号；
[0007] 计算所述预测信号的残差系数；
[000引对所述残差系数进行量化得到量化系数；
[0009] 对所述量化系数进行滴编码，输出码流。
[0010] 上述方案中，所述计算残差系数之后，得到量化系数之前，所述方法还包括：
[0011] 对所述残差系数进行变换得到变换系数；
[0012] 对所述残差系数进行量化得到量化系数，进一步为，对所述变换系数进行量化并 得到量化系数。
[0013] 上述方案中，所述方法还包括；对所述量化系数进行反量化和反变换，得到重构描 述子，并存储所述重构描述子。
[0014] 上述方案中，所述联合视频内容对当前局部特征描述子进行帖间预测得到预测信 号，进一步包括；在所述当前局部特征描述子所在帖的已编码的前一帖中，找到一个与所述 当前局部特征描述子最相近的重构描述子，作为预测信号。
[0015] 上述方案中，所述量化为标量量化或矢量量化。
[0016] 根据本发明的另一个方面，还提供了一种视频局部特征描述子的压缩系统，所述 系统包括：预测模块、残差系数计算模块、量化模块、编码模块
[0017] 所述预测模块用于联合视频内容对当前局部特征描述子进行帖间预测得到预测 信号；
[001引所述残差系数计算模块与所述预测模块相连，用于计算所述预测信号的残差系 数；
[0019] 所述量化模块与所述残差系数计算模块相连，用于对所述残差系数进行量化得到 量化系数；
[0020] 所述编码模块与所述量化模块相连，用于对所述量化系数进行滴编码，输出码流。
[0021] 上述方案中，所述系统还包括变换模块，所述变换模块与所述残差系数计算模块 和量化模块相连，用于对所述残差系数进行变换得到变换系数；
[0022] 所述量化模块还用于对所述变换系数进行量化并得到量化系数。
[0023] 上述方案中，所述系统还包括；重构描述子存储模块，用于对所述量化系数进行反 量化和反变换，得到重构描述子，并存储所述重构描述子。
[0024] 上述方案中，所述预测模块进一步用于在所述当前局部特征描述子所在帖的已编 码的前一帖中，找到一个与所述当前局部特征描述子最相近的重构描述子，作为预测信号。 [00巧]根据本发明的再一个方面，还提供了一种视频压缩方法，所述方法包括：
[0026] 对视频原始数据进压缩，得到视频自身码流，并得到重构帖组成的视频重构数 据；
[0027] 联合所述视频重构数据中的重构帖的内容，采用权利要求1至5任一项所述的视 频局部特征描述子的压缩方法，对视频原始数据中的局部特征描述子进行压缩，得到滴编 码后的描述子码流；
[002引将所述描述子码流输出到视频自身码流中，输出视频码流。
[0029] 本发明实施例提供了一种视频局部特征描述子的压缩方法、系统和视频压缩方 法，所述视频局部特征描述子的压缩方法包括预测、量化、滴编码，其中预测为联合视频内 容的帖间预测，而后计算预测信号的残差系数，对残差系数进行量化得到量化系数，再对量 化系数进行滴编码，输出码流，完成对视频的局部特征描述子的压缩。通过本发明实施例的 方法对视频局部特征描述子进行压缩，在联合视频内容的基础上，使压缩后的视频数据得 到紧凑的表示，达到高的压缩比，从而提高视频数据的传输速率和存储效率，同时提高了视 频数据的检索效率。
【附图说明】
[0030] 图1是本发明第一实施方式的视频局部特征描述子的压缩方法流程示意图；
[0031] 图2是本发明第二实施方式的视频局部特征描述子的压缩方法流程示意图；
[0032] 图3是本发明第二实施方式具体实施例的压缩方法流程图；
[0033] 图4是本发明第=实施方式的视频局部特征描述子的压缩系统结构示意图；
[0034] 图5是本发明第四实施方式的视频局部特征描述子的压缩系统结构示意图；
[0035] 图6是本发明第五实施方式的视频压缩方法流程示意图。
【具体实施方式】
[0036] 为使本发明的目的、技术方案和优点更加清楚明了，下面结合【具体实施方式】并参 照附图，对本发明进一步详细说明。应该理解，该些描述只是示例性的，而并非要限制本发 明的范围。此外，在W下说明中，省略了对公知结构和技术的描述，W避免不必要地混淆本 发明的概念。
[0037] 本发明实施例W局部特征描述子在计算机视觉领域的广泛应用为基础，对视频局 部特征描述子进行压缩，将重构后的带有重构描述子内容的视频内容本身应用在压缩过程 中，即联合视频内容，指导局部特征描述子的压缩，提出了视频局部特征描述子的压缩方 法、系统及视频压缩方法。W下结合实施方式及附图，对本发明作详细说明。
[003引图1是本发明第一实施方式的视频局部特征描述子的压缩方法流程示意图。本实 施方式对于视频局部特征描述子的压缩方法的框架，包括联合视频内容的预测、量化、滴编 码。
[0039] 如图1所示，本实施例的视频局部特征描述子的压缩方法，包括如下步骤：
[0040] 步骤S101，联合视频内容对当前局部特征描述子进行帖间预测得到预测信号。
[0041] 本步骤中，对所述当前局部特征描述子进行帖间预测，具体为，在所述视频的已编 码的帖中，找到一个与所述当前局部特征描述子最相近的重构描述子，作为预测信号。视频 数据是由帖组成，每一帖中都有相应的局部特征描述子。处于压缩过程中的当前局部特征 描述子所属的帖，即当前帖。优选的，所述视频的已编码的帖，为当前帖的前一帖。该里的 最相近，是指所述已编码的重构描述子与所述当前描述子具有的相同特征数据最多，也可 W通过绝对值误差和（SAD, Sum