专利名称：基于分布式压缩感知技术的信源编码的方法
技术领域：
本发明涉及一种基于分布式压缩感知技术的信源编码的方法，属于视频图像数据 处理的技术领域。
背景技术：
首先，介绍视频处理中的差值方法。视频图像的帧频为25 30帧/秒，因此，视 频图像的每一帧数据之间的相关性很强。视频的差值处理方法是先进行相邻或相近帧之 间的差值运算，使得差值图像的大部分像素数据值都在零附近，再经阈值量化后，将这些数 据值转换为零，使得需要处理的数据大为减少。完成差值处理后，再对差值图像进行小波变 换。其原因主要有两点一是使差值图像的能量集中于更小的区域，进一步缩减运算量；二 是充分利用人眼对低频信息敏感而对高频信息不敏感的视觉特性，尤其对运动物体的边缘 更加不敏感。由此把运动预测估计主要放在差值图像小波变换后的低频部分，而对高频部 分的操作适当降低要求。这个技术的具体实现过程如下步骤1、发送端执行视频图像各帧间的差值算法将视频图像中的各帧按照每组 若干帧进行分组，再计算每组中的第一帧与其后各帧间的差值并记录之。步骤2、发送端按照下述步骤执行视频图像的编码操作(21)对视频图像中的每组第一帧进行编码先对每组第一帧图像进行小波变换， 在压缩时保留其中的大部分信息，以便在接收端能够实现比较准确的恢复。实验表明，每组 的第一帧图像的恢复效果较好，则整体恢复效果也较好。(22)对视频图像中的每组的其余各帧分别进行编码对其余各帧图像与第一帧 图像的差值进行小波变换后，进行压缩并传输。步骤3、接收端在接收到信号后按照下述步骤执行视频图像的解码操作(31)对每组中的第一帧图像直接解码；(32)对每组中除去第一帧以外的其余各帧分别进行解码，然后再与恢复后的第一 帧图像处理结果相加，获得最终恢复的原始图像信号。上述方案实现时，要对数据源进行奈奎斯特Nyquist采样，以获取大量原始数 据，这需要付出极大的采样和存储代价。然而，为了减小传输速率，在对信号进行处理 后，通常只传送几个影响较大的数据而丢弃其他数据；该操作意味着付出很大代价利用 Nyquist采样获得的大量数据中的大部分采样信息，都在处理后就丢弃了。因而，该方法在 获取样本过程中，采样了大量不必要的数据，给存储和传输都带来很大负担。而压缩感知 CS(compressive sensing)技术可以很好地解决与处理这个问题。下面简单介绍一下压缩 感知CS技术。在传统的数字信号处理领域，发送端设置的采样率要遵从Nyquist采样定律，以使 接收端能够正确恢复数据。但是，随着数字采样技术的不断发展，目前，这个传统理论已经 遭遇极大的挑战。近几年，出现一种新的采样理论一压缩采样或压缩感知CS (compressed sampling or compressive sensing)技术，推翻了采样率必须大于Nyquist采样率的要求。该方法是在采样的同时，实现信号的压缩，即在发送端以低于Nyquist速率的采样率对信 号进行采样，而在接收端依然可以以极高的准确率恢复原始信号，这样就可以大大降低系 统在数据采样和存储方面的开销(参见《Compressed sensing》，刊于IEEE Transactions on InformationTheory, vol. 52, Apr.2006)。利用CS技术处理的信号必须具备稀疏性。例如，给定NXN维的矩阵Ψ = Ψ2|... I ΨΝ]，式中，ψ为N维空间中的一组基底，Fi为这组基底中的一个元素，每个
长度为自然数N的实数信号X都可以表示为= 淇中，Si为对应基底^的系数，
/=1
如果这N个系数中有K个不为零，信号X就被称为K-稀疏信号。对于传统信号处理技术， 信号的稀疏性是信号可压缩性的前提，所以在传统数字信号处理领域中，涉及的信号大都 在某个基底下具有稀疏的表示形式，即具有稀疏性，所以压缩感知技术的应用场景是与传 统方法完全吻合的。实际上，人们日常生活中的大部分信号都具有稀疏性，这也提升了 CS 技术的实用性能。CS技术基于信号具有稀疏性，就对信号χ进行欠采样(即以低于Nyquist速率采 样)，并在接收端根据采样值恢复信号。实现时，将长度为N的信号序列χ表示为一个NX 1 的列向量，通过引入ΜΧΝ(Κ<Μ<Ν)的测量矩阵Φ，并计算测量值y= Φχ，得到y= Φχ =ΦΨ8= s ；式中，y是由测量矩阵Φ与信号序列χ相乘得到的一个MXl的列向量；Ψ 是对χ进行稀疏表示的基底Ψ = Ψ2|... |ψΝ] ；S是每个Vi对应的系数S= [S1, s2，...，sN]T，T表示转置矩阵。因为M < N，列向量y即为采样并压缩后的信号，又称为采样 值。接收端先根据接收信号y恢复s，进而恢复信号序列X。该恢复操作是在已知y、Φ与 Ψ的情况下求解s，其实质是求解一个欠定方程组，因方程组的个数M少于未知变量的个数 N。故Si的解有无穷多组。但是，因为要恢复的信号序列是稀疏的，所以信号序列的恢复问 题可以等价为寻找上述方程的一个最稀疏的解。目前，已有很多文献提出了根据低速采样值恢复稀疏信号序列的方法，如Basis Pursuit 算法(参见((Compressed Sensing〉〉，干丨J 于 IEEE Transactions onlnformation Theory, vol. 52)、Orthogonal Matching Pursuit 算法(参见《SignalRecovery from Random Measurements via Orthogonal Matching Pursuit》，干丨J于 IEEE Transactions on Information Theory, vol. 53)等等。最近提出的一种 GPSR(Gradient projection for sparse reconstruction)算法的重建复杂度低，运行速度快，本发明是利用GPSR算法进行 稀疏信号的恢复(参见〈〈Gradient projection forsparse reconstruction !application to compressed sensing and other inverseproblems〉〉，干丨J于 IEEE Journal of Selected Topics in Signal Processing，vol. 1)0在CS技术的不断完善过程中，出现一种适用于分布式信源、可降低系统整体测量 值数量的新技术-分布式压缩感知DCS (distributed compressive sensing)。传统的CS 技术在处理视频信号时，无法利用连续各帧之间的相关性。分布式压缩感知技术则考虑了 多维信号中可能存在的多种形式的稀疏性，在分布式信源编码、MIMO通信和视频编码等领 域中可以大大提升CS技术的处理效果(参见《Distributed Compressive Sensing》)。DCS 技术研究了多个连续信号之间存在的联合稀疏性，通过在编码端对多个信号的分别采样， 再在接收端充分利用信号之间的相关性，采取联合恢复的方式(参见图2)，获得在低采样率基础上相比CS技术更为优异的处理性能。考虑到不同信号间可能存在多种形式的相关 性，((Distributed Compressive Sensing》提出几种较为常见的信号模型，并对每个模型提 出了改进的DCS恢复算法，大大提升了这一技术的实用价值。总之，原有的CS技术已经被运用到图像处理领域中，并取得了一些成果，但是，因 CS技术没有利用信号之间的相关性，所以在将其应用到视频信号(尤其是运动图像)处理 的领域时，并没有收到很好的改善效果。为此，业内科技人员对此展开了新的研究与探索。
发明内容
有鉴于此，本发明的目的是基于分布式压缩感知DCS技术，考虑到连续信号间的 相关性和自然图像与视频数据具有稀疏性的特点，以及对视频信号的差值操作可以增大信 号的稀疏程度，提供一种基于分布式压缩感知技术的信源编码的方法。该方法将视频信号 处理中的差值算法与DCS技术相结合，能够进一步提升系统对视频信号的恢复效果，另外， 还降低了系统的采样率。为了达到上述发明目的，本发明提供了一种基于分布式压缩感知DCS技术的信源 编码的方法，其特征在于基于视频图像数据源的稀疏性，在对视频图像信号源进行编码 时，先利用差值算法增强信号的稀疏性，再利用帧间与帧内数据的相关性，结合DCS技术， 按照下述步骤对视频图像数据进行压缩与恢复处理，以便节省采样资源消耗和在传输后获 得更好的图像恢复效果编码时，先用差值算法处理视频图像数据，再用压缩感知CS技术对数据帧的差值 信号执行低速率采样，替代传统信源编码的高速数据采样与小波变换；解码时，基于帧间和帧内数据的相关性，利用分布式压缩感知DCS技术的稀疏重 构算法替代传统信源编码中的小波逆变换，以便利用很少的测量数据重建视频图像源，降 低系统的采样速率和存储负担，同时增强系统性能和获得更好的图像恢复效果。本发明的技术创新是在处理视频信号时，通过差值算法增强信号的稀疏性，同 时，利用连续帧之间的相关性以及帧内数据的相关性，应用DCS技术对数据进行压缩后再 进行传输，从而获得较现有方法更好的恢复效果。本发明方法的优点是压缩感知CS技术具有操作简单、计算复杂度低、容易实现， 以及显著降低数据采样与相应处理工作量和所需存储空间的许多优点。分布式压缩感知 DCS技术是在上述特性基础上，针对更为复杂的视频图像信号处理，进一步改善和提高CS 技术的性能，同时其分布式编码和联合解码的处理方法也适用于生活中多种信号的处理， 从而大大提升该技术的实用性。此外，本发明在CS和DCS技术基础上，采用差值算法能够进一步提升CS与DCS技 术的恢复效果。本发明可以根据不同的信源实际情况分别优选采用相应的编码方法。因此， 本发明的推广应用前景看好。
图1 (A)、⑶分别是发送端与接收端在处理信号时分别采用传统方法与压缩感知 CS方法的处理步骤示意图。图2是采用DCS方法对稀疏信号序列X = [xi; x2, ... , Xj]t(Xj是相关的)进行压缩处理与稀疏重构的示意图。图3是JSMl (Joint Sparsity Model 1)对稀疏信号整体进行划分的示意图。图4是本发明基于分布式压缩感知技术的信源编码方法操作流程示意图。图5是本发明方法试验时采用的第一种分布式信源编码方法示意图。图6是本发明方法试验时采用的第二种分布式信源编码方法示意图。图7是本发明方法试验时采用的第三种分布式信源编码方法、即本发明基于分布 式压缩感知技术的信源编码的方法示意图。图8(A)、(B)、(C)是采用 JSMl (Joint Sparsity Modell)将图像(A)划分为(B) 和(C)两种分类的实施例示意图。图9 (A)、⑶分别是使用CS方法和DCS方法(对应图7 (C)的实施例)对实施例 图像(图7(A))的恢复结果图像。图10是本发明实施例中的CS差值算法与CS算法的性能对比示意图。图11是分别使用传统方法和本发明方法恢复的两个实施例图像的效果图。
具体实施例方式为使本发明的目的、技术方案和优点更加清楚，下面结合附图和实施例对本发明 作进一步的详细描述。由于视频图像信号源往往呈现一定的稀疏性，例如信号在DCT域和小波域的某个 变换域具有稀疏表示的结构特性，因而其具备利用CS技术的基出。但是，采用基于DCT变 换域的传统信源编码方法时，要对数据源进行Nyquist采样获取大量原始数据，这就要付 出极大的采样和存储代价，然后在进行DCT变换操作时，又要丢弃大多数的采样数据，造成 存储和传输的浪费，如图I(A)所示。本发明方法的机理是按照前述理论分析，对传统CS技术的处理方法进行改进 (参见图1(B))在处理视频信号时，不仅考虑每一帧图像内的数据相关性，同时利用各帧 间图像数据之间的相关性。虽然CS方法有效节约了采样资源与存储空间，但是没有利用连 续帧数据间的相关性。基于分布式压缩感知DCS技术的联合稀疏模型JSMl (参见图2和图 3)较好地展示了视频图像连续帧的数据经过差值处理后的情况，在对JSMl模型进行DCS恢 复时，就能够很好地利用连续帧图像数据间的相关性，其恢复的图像效果也比原来的CS方 法更好。本发明基于分布式压缩感知DCS技术的信源编码的方法，是基于视频图像数据源 的稀疏性，在对视频图像信号源进行编码时，先利用差值算法增强信号的稀疏性，再利用帧 间与帧内数据的相关性，结合DCS技术，按照下述步骤对视频图像数据进行压缩与恢复处 理，以便节省采样资源消耗和在传输后获得更好的图像恢复效果编码时，先用差值算法处理视频图像数据，再用压缩感知CS技术对数据帧的差值 信号执行低速率采样，替代传统信源编码的高速数据采样与小波变换；解码时，基于帧间和帧内数据的相关性，利用分布式压缩感知DCS技术的稀疏重 构算法替代传统信源编码中的小波逆变换，以便利用很少的测量数据重建视频图像源，降 低系统的采样速率和存储负担，同时增强系统性能和获得更好的图像恢复效果。下面具体说明本发明方法的具体操作步骤
步骤1，执行视频图像各帧间的分组和差值算法将视频图像中连续的N帧分为一 组，并保留第一帧图像数据，再分别计算第一帧图像与其后各帧图像的数据差值并保留结 果；其中，自然数N为每组的图像帧数，其取值范围是[2，15]，以便充分利用连续各帧之间 的相关性，并避免因帧数过多而相关性下降。步骤2，执行CS技术低速率采样的编码操作发送端对步骤1获得的分组和差值 计算结果执行CS技术低速率采样操作，并在获得采样数据后进行发送。该步骤包括下列操 作内容(21)用CS技术的较高采样率单独对每组视频图像的第一帧进行采样，以保证恢 复后的图像质量；(22)用CS技术的较低采样率分别对每组视频图像中的其余各帧进行采样，以达 到更好的压缩效果；(23)将获得的采样率高的每组视频图像中的第一帧数据和采样率低的其余各帧 数据发送出去。步骤3，执行DCS技术的解码操作，以恢复信号接收端收到采样数据与测量矩阵 后，对每组图像数据采用DCS技术恢复算法进行联合恢复，即将求解欠定方程组的问题转 化为求解满足设定条件的线性规划问题，再对线性规划问题求解，以较大概率准确恢复原 来的图像采样数据。该步骤包括下列操作内容(31)对每组图像中的第一帧采样数据采用CS技术进行恢复，获得恢复后的首帧 图像数据；(32)对每组图像中的其余各帧的采样数据采用DCS技术进行恢复，获得该组中除 去首帧以外的其余各帧的差值数据。步骤4，获取原始视频图像信号将恢复后的各组视频图像的第一帧采样数据与 该组内其余各帧的采样数据分别相加，以获取该组内的其余各帧的原始图像数据，并与每 组视频的第一帧图像数据共同组成最终的原始视频图像信号。本发明用DCS技术对视频压缩数据进行恢复处理的原理是因为多个连续信号之 间既有彼此相关部分，也有各自独立部分，如果将该两部分混合考虑，很难进行信号分析， 故采用联合稀疏模型JSM(Joint Sparsity Model)分析多个连续信号时，就将多个连续稀 疏信号中的每个信号都视为由稀疏的的共有部分ζ。和稀疏的的特有部分Zj两部分之和组 成；对视频信号进行差值处理后，就将视频信号视为由上述稀疏的两部分组成，以便采用 JSM模型中的JSMl模型对其进行分析；这样，经过矩阵变换后，就能够将对每个信号的采 样，转化为采用传统CS技术对多个连续信号的共有部分ζ。和每个信号的特有部分Zj的分 别采样和处理；再在恢复算法中，只要改变线性规划问题的目标函数，就能够利用DCS恢复 算法恢复所有信号的共有部分以及每个信号的独有部分，进而恢复出原始信号，达到改善 图像信号恢复效果的功能。下面举例具体说明用JSMl模型对两个信号的两部分分别进行采样的过程先用传统CS技术对两个信号分别采样，即多个信号数J = 2 :Xl和X2时，这两个信 号的分别采样过程为…=ΦΛ, y2 = Φ2χ2，式中，准备进行CS处理的两个序列长度均为 N的原始信号X1与X2是NX 1维向量，O1与Φ2均为MXN维的测量矩阵(Μ < N)，yi与y2 分别是X1和X2经过采样后的采样数据，也是两个序列长度为MXl的向量。将两个信号序列分别进行采样的过程进行整体表示的公式为矩阵相乘的形式采样后，再对该公式进行矩阵变换，得到下列各式
权利要求
1.一种基于分布式压缩感知DCS技术的信源编码的方法，其特征在于基于视频图像 数据源的稀疏性，在对视频图像信号源进行编码时，先利用差值算法增强信号的稀疏性，再 利用帧间与帧内数据的相关性，结合DCS技术，按照下述步骤对视频图像数据进行压缩与 恢复处理，以便节省采样资源消耗和在传输后获得更好的图像恢复效果编码时，先用差值算法处理视频图像数据，再用压缩感知CS技术对数据帧的差值信号 执行低速率采样，替代传统信源编码的高速数据采样与小波变换；解码时，基于帧间和帧内数据的相关性，利用分布式压缩感知DCS技术的稀疏重构算 法替代传统信源编码中的小波逆变换，以便利用很少的测量数据重建视频图像源，降低系 统的采样速率和存储负担，同时增强系统性能和获得更好的图像恢复效果。
2.根据权利要求1所述的方法，其特征在于所述方法包括下列操作步骤(1)执行视频图像各帧间的分组和差值算法将视频图像中连续的N帧分为一组，并保 留第一帧图像数据，再分别计算第一帧图像与其后各帧图像的数据差值并保留结果；其中， 自然数N为每组的图像帧数，且N彡2 ；(2)执行CS技术低速率采样的编码操作发送端对步骤(1)获得的分组和差值计算结 果执行CS技术低速率采样操作，并在获得采样数据后进行发送；(3)执行DCS技术的解码操作，以恢复信号接收端收到采样数据与测量矩阵后，对每 组图像数据采用DCS技术恢复算法进行联合恢复，即将求解欠定方程组的问题转化为求解 满足设定条件的线性规划问题，再对线性规划问题求解，以较大概率准确恢复原来的图像 采样数据；(4)获取原始视频图像信号将恢复后的各组视频图像的第一帧采样数据与该组内其 余各帧的采样数据分别相加，以获取该组内的其余各帧的原始图像数据，并与每组视频的 第一帧图像数据共同组成最终的原始视频图像信号。
3.根据权利要求2所述的方法，其特征在于所述步骤(1)中，N的取值范围是[2， 14]，以便充分利用连续帧间的相关性，并避免因帧数过多而相关性下降。
4.根据权利要求2所述的方法，其特征在于所述步骤(2)进一步包括下列操作内容(21)用CS技术的较高采样率单独对每组视频图像的第一帧进行采样，以保证恢复后 的图像质量；(22)用CS技术的较低采样率分别对每组视频图像中的其余各帧进行采样，以达到更 好的压缩效果；(23)将获得的采样率高的每组视频图像中的第一帧数据和采样率低的其余各帧数据 发送出去。
5.根据权利要求2所述的方法，其特征在于所述步骤(3)进一步包括下列操作内容(31)对每组图像中的第一帧采样数据采用CS技术进行恢复，获得恢复后的首帧图像 数据；(32)对每组图像中的其余各帧的采样数据采用DCS技术进行恢复，获得该组中除去首 帧以外的其余各帧的差值数据。
6.根据权利要求1所述的方法，其特征在于所述用DCS技术对视频压缩数据进行恢 复处理的原理是因为多个连续信号之间既有彼此相关部分，也有各自独立部分，所以对视 频信号进行差值处理后，就将每帧的视频信号视为由稀疏的共有部分ζ。与稀疏的特有部分Zj两部分组成，以便采用JSM模型中的JSMl模型对其进行分析；这样，经过矩阵变换后，就 能够将对每个信号的采样，转化为采用传统CS技术对多个连续信号的共有部分Z。和每个 信号的特有部分~的分别采样和处理；再在恢复算法中，只要改变线性规划问题的目标函 数，就能够利用DCS恢复算法恢复所有信号的共有部分以及每个信号的独有部分，进而恢 复出原始信号，达到改善图像信号恢复效果的功能。
全文摘要
一种基于分布式压缩感知DCS技术的信源编码的方法，是基于视频图像数据源的稀疏性和差值信号更为稀疏的特点，在对视频图像信号源编码时，先利用CS技术对数据帧的差值信号进行低速率采样操作，以替代传统信源编码的高速数据采样与小波变换操作；解码时基于帧间和帧内数据的相关性，利用DCS技术的稀疏重构算法替代传统信源编码中的小波逆变换，以便节省采样资源消耗，利用很少的测量数据重建视频图像源，降低系统的采样速率和存储负担，同时增强系统性能，在传输后获得更好的图像恢复效果。
文档编号H04N7/26GK102123278SQ20101059537
公开日2011年7月13日 申请日期2010年12月10日 优先权日2010年12月10日
发明者孙健行, 徐文波, 牛凯, 贺志强 申请人:北京邮电大学