基于分塊策略和遺傳進(jìn)化的視頻圖像壓縮感知重構(gòu)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像視頻處理技術(shù)領(lǐng)域，更進(jìn)一步涉及一種視頻壓縮感知重構(gòu)方法， 可用于對(duì)自然圖像視頻序列進(jìn)行重構(gòu)。
【背景技術(shù)】
[0002] 近幾年，在信號(hào)處理領(lǐng)域出現(xiàn)了一種新的數(shù)據(jù)理論壓縮感知CS，該理論在數(shù)據(jù)采 集的同時(shí)實(shí)現(xiàn)壓縮，突破了傳統(tǒng)奈奎采集斯特采樣定理的限制，為數(shù)據(jù)采集技術(shù)帶來(lái)了革 命性的變化，使得該理論在壓縮成像系統(tǒng)、軍事密碼學(xué)、無(wú)線傳感等領(lǐng)域有著廣闊的應(yīng)用前 景。壓縮感知理論主要包括信號(hào)的稀疏表示、信號(hào)的觀測(cè)和信號(hào)的重構(gòu)等三個(gè)方面。其中設(shè) 計(jì)快速有效的重構(gòu)算法是將CS理論成功推廣并應(yīng)用于實(shí)際數(shù)據(jù)模型和采集系統(tǒng)的重要環(huán) To
[0003] 從科學(xué)到體育多種應(yīng)用領(lǐng)域中，高速攝像機(jī)在捕捉快動(dòng)作中發(fā)揮著重要的作用， 但是測(cè)量高速視頻對(duì)攝像機(jī)的設(shè)計(jì)來(lái)說(shuō)是一種挑戰(zhàn)。壓縮感知通過(guò)低幀率的壓縮測(cè)量，能 夠捕捉高幀率視頻信息，因此壓縮感知被用于高速視頻信息的捕捉，從而減輕高速攝像機(jī) 設(shè)計(jì)的困難。
[0004] Jianbo Yang等人在論文 "Video Compressive Sensing Using Gaussian Mixture Models"（《IEEE Transactions on Image Processing A Publication of the IEEE Signal Processing Society》,2014,23)中提出一種基于高斯混合模型的方法。該方 法通過(guò)對(duì)時(shí)空視頻塊建立高斯混合模型，對(duì)時(shí)間壓縮的視頻序列進(jìn)行重構(gòu)，獲得了較好的 重構(gòu)效果，但是該方法仍然存在的不足是，該重構(gòu)方法對(duì)視頻幀序列的前后幀變化的部分 重構(gòu)效果不是很理想，在運(yùn)動(dòng)的邊緣部分比較模糊。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于針對(duì)現(xiàn)有技術(shù)領(lǐng)域中的時(shí)空視頻壓縮感知重構(gòu)技術(shù)的不足，提 出一種基于分塊策略和遺傳進(jìn)化的視頻圖像壓縮感知重構(gòu)方法，以提高重構(gòu)圖像的質(zhì)量。
[0006] 本發(fā)明的技術(shù)思路是:在發(fā)送方進(jìn)行觀測(cè)向量的構(gòu)造，對(duì)視頻圖像進(jìn)行分組，對(duì)視 頻圖像的每一組的每一幀圖像進(jìn)行分塊，根據(jù)同一位置相鄰幀圖像塊差值的二范數(shù)將圖像 塊劃分為變化塊和非變化塊。對(duì)非變化塊對(duì)數(shù)據(jù)組的第一幀的圖像塊進(jìn)行高斯觀測(cè)，對(duì)非 變化塊的所有圖像塊進(jìn)行高斯觀測(cè)。對(duì)獲得的觀測(cè)向量進(jìn)行分類，利用視頻幀間的相關(guān)性， 對(duì)觀測(cè)數(shù)據(jù)進(jìn)行聚類。根據(jù)相似性，采用遺傳優(yōu)化算法對(duì)每一類圖像塊進(jìn)行重構(gòu)，實(shí)現(xiàn)高質(zhì) 量的視頻壓縮感知重構(gòu)。其實(shí)現(xiàn)步驟包括如下：
[0007] 1.-種基于分塊策略和遺傳進(jìn)化的視頻圖像壓縮感知重構(gòu)方法，包括：
[0008] (1)發(fā)送方以8幀為一個(gè)數(shù)據(jù)組，對(duì)視頻圖像的每一幀圖像進(jìn)行8X8的分塊，根據(jù) 相鄰幀同一位置圖像塊差值的二范數(shù)將圖像塊劃分為非變化塊和變化塊，并對(duì)非變化塊和 變化塊進(jìn)行隨機(jī)高斯觀測(cè)，得到觀測(cè)向量；
[0009] (2)接收方將獲取的所有觀測(cè)向量進(jìn)行圖像塊結(jié)構(gòu)判別，即將每一個(gè)觀測(cè)向量標(biāo) 記為光滑或單方向或多方向；
[0010] (3)提取具有相同圖像塊結(jié)構(gòu)的觀測(cè)向量，對(duì)同一個(gè)圖像塊結(jié)構(gòu)的觀測(cè)向量進(jìn)行 AP聚類；
[0011] (4)用已有的脊波過(guò)完備字典對(duì)產(chǎn)生的每一類觀測(cè)向量進(jìn)行種群初始化；
[0012] (5)分別利用遺傳進(jìn)化算法對(duì)步驟(4)的每一個(gè)遺傳種群進(jìn)行遺傳交叉、基于方向 統(tǒng)計(jì)的遺傳變異、遺傳選擇操作，獲得每一類觀測(cè)向量在過(guò)完備字典上的最優(yōu)原子組合；
[0013] (6)根據(jù)步驟(5)獲得的最優(yōu)原子組合，對(duì)每一類觀測(cè)向量進(jìn)行重構(gòu)，將它們組合 成視頻數(shù)據(jù)；
[0014] 本發(fā)明與現(xiàn)有技術(shù)相比具有以下優(yōu)點(diǎn)：
[0015] 第一，本發(fā)明利用視頻圖像相鄰幀同一位置的相似性，根據(jù)觀測(cè)向量的差值二范 數(shù)的統(tǒng)計(jì)特性，進(jìn)一步降低了視頻數(shù)據(jù)的采樣率；
[0016] 第二，本發(fā)明利用視頻幀間和幀內(nèi)的相關(guān)性，通過(guò)遺傳優(yōu)化算法，使得本發(fā)明對(duì)視 頻前后幀運(yùn)動(dòng)邊緣的部分具有很好的重構(gòu)效果。
【附圖說(shuō)明】
[0017] 圖1是本發(fā)明的實(shí)現(xiàn)流程圖。
[0018] 圖2是本發(fā)明的仿真結(jié)果圖。
[0019] 圖3是實(shí)驗(yàn)參數(shù)對(duì)比圖。
【具體實(shí)施方式】
[0020] 下面結(jié)合附圖，對(duì)本發(fā)明做進(jìn)一步的描述。
[0021 ]參照附圖1，本發(fā)明的具體步驟如下：
[0022]步驟1.觀測(cè)向量的獲取。
[0023]輸入一個(gè)256 X 256 X 96大小的視頻。以8幀為一組，對(duì)視頻圖像的每一幀圖像進(jìn)行 8X8的分塊。根據(jù)相鄰幀同一位置圖像塊差值的二范數(shù)將圖像塊劃分為非變化塊和變化 塊。對(duì)非變化塊，只對(duì)每組視頻的第一幀的非變化圖像塊進(jìn)行隨機(jī)高斯觀測(cè)，其它視頻幀的 非變化圖像塊不需要觀測(cè)；對(duì)每組視頻的所有變化塊都進(jìn)行相應(yīng)的高斯隨機(jī)觀測(cè);非變化 塊和變化塊的觀測(cè)率不同或相同；
[0024]步驟2.對(duì)從發(fā)送方獲得的觀測(cè)數(shù)據(jù)進(jìn)行圖像塊結(jié)構(gòu)判別。
[0025] 2a)計(jì)算每個(gè)觀測(cè)向量的方差，并設(shè)置光滑閾值為0.45〇,其中，〇是所有觀測(cè)向量 的方差的平均值；
[0026] 2b)對(duì)每個(gè)觀測(cè)向量，判斷其方差是否小于等于光滑閾值，若是，則將該觀測(cè)向量 對(duì)應(yīng)的圖像塊標(biāo)記為光滑塊，否則，不做標(biāo)記；
[0027] 2c)對(duì)每個(gè)尚未標(biāo)記的圖像塊的觀測(cè)向量，進(jìn)行以下判定：
[0028] 2cl)根據(jù)脊波函數(shù)生成脊波過(guò)完備冗余字典，該字典共有6176個(gè)原子，36個(gè)方向 和16個(gè)尺度，每個(gè)尺度下大約有20個(gè)左右的位移；
[0029] 2c2)將脊波過(guò)完備冗余字典按方向分為36個(gè)子字典Φι，Φ2,...，機(jī)，...，Φ36,對(duì)每一 個(gè)圖像塊，根據(jù)其觀測(cè)向量y和這些子字典，計(jì)算得到一個(gè)觀測(cè)殘差序列n，r2,...，Γι，...， 〇6，找到序列中的最小值在序列中的位置11 = 1，2，...，36;
[0030] 2c3)按如下公式計(jì)算序列中的子字典隊(duì)的觀測(cè)殘差ri:
[0032]式中，y是待判定圖像塊的觀測(cè)向量，Φ是用于觀測(cè)的高斯矩陣，Dr是子字典Φ沖與 y相關(guān)性最大的10個(gè)原子組合，（·）+表示計(jì)算矩陣的偽逆矩陣，|卜|〖是向量二范數(shù)的平方； [0033] 2c4)利用觀測(cè)殘差序列中位置i-2，i-l，i，i+l和i+2上的五個(gè)殘差值ri-2，ri-Ui， ri+i和ri+2，對(duì)觀測(cè)向量y對(duì)應(yīng)的圖像塊進(jìn)行標(biāo)記：若ri-2大于ri-1，ri-1大于1 · 2ri，:η+ι大于 1.2ri，且ri+2大于ri+1，則將觀測(cè)向量y對(duì)應(yīng)的圖像塊標(biāo)記為單方向，并記錄該單方向塊的方 向?yàn)榈趇個(gè)方向，否則，不做標(biāo)記；
[0034] 其中，在判斷條件中，若i為1，ri-1和ri-2分別用Γ36和Γ35代替，若i為2，ri-2用Γ36代 替，若i為36，ri+dPri+2分別用r#Pr2代替，若i為35，仏 2用^代替；
[0035] 2c5)將其它尚未標(biāo)記的圖像塊標(biāo)記為多方向，且將所有的觀測(cè)殘差進(jìn)行排序，選 取殘差最小的3個(gè)方向作為多方向類的最優(yōu)相關(guān)方向。
[0036]步驟3.提取具有相同圖像塊結(jié)構(gòu)的觀測(cè)向量，并對(duì)其進(jìn)行AP聚類。
[0037]聚類方法有多種，K-means聚類，分層聚類、兩步聚類等；
[0038] 3a)對(duì)于光滑塊的所有觀測(cè)向量，進(jìn)行AP聚類得到光滑塊的聚類結(jié)果；
[0039] 3b)對(duì)于單方向塊的所有觀測(cè)向量，進(jìn)行AP聚類得到單方向塊的聚類結(jié)果；
[0040] 3c)對(duì)于多方向塊的所有觀測(cè)向量，進(jìn)行AP聚類得到多方向塊的聚類結(jié)果；
[0041]步驟4.對(duì)每一類觀測(cè)向量進(jìn)行種群初始化。
[0042] (4a)對(duì)于標(biāo)記為光滑塊的觀測(cè)向量，我們將ridgelet冗余字典按照尺度進(jìn)行劃 分，選取前7個(gè)尺度作為光滑塊的子字典，在子字典下隨機(jī)生成該類的遺傳初始種群；
[0043] (4b)對(duì)于標(biāo)記為單方向的觀測(cè)向量，將ridgelet冗余字典按方向劃分為36個(gè)子字 典，根據(jù)該類觀測(cè)向量的標(biāo)記判別方向i，選取前后相鄰共5個(gè)方向（1-24-14 4+14+2)的 子字典進(jìn)行種群初始化，對(duì)i = 35，i+2 = l;對(duì)于i = 36，i+l = l ;i+2 = 2;對(duì)于i = l，i-l = 36; i-2 = 35;對(duì)于i = 2，i-2 = 36;對(duì)方向i，根據(jù)方向i的子字典隨機(jī)初始化12個(gè)個(gè)體，對(duì)方向i-1，i+1，根據(jù)方向i-1，i+1對(duì)應(yīng)的子字典，分別隨機(jī)初始化8個(gè)個(gè)體，對(duì)于標(biāo)定的方向i-2，i+ 2，根據(jù)方向i_2，i+2所對(duì)應(yīng)的子字典，分別隨機(jī)初始化4個(gè)個(gè)體;將上述5個(gè)方向生成的所有 個(gè)體組合作為該類單方向的初始種群；
[0044] (4c)對(duì)于標(biāo)記為多方向的觀測(cè)向量，將ridgelet冗余字典按方向劃為36個(gè)子字 典，然后對(duì)類中的每個(gè)觀測(cè)，根據(jù)步驟(2)的標(biāo)記，統(tǒng)計(jì)他們標(biāo)記的最優(yōu)的三個(gè)方向，選出這 一類中最優(yōu)方向最多的三個(gè)方向j，k，1，作為該類多方向塊的最優(yōu)3個(gè)方向方向，對(duì)(j，k，1) 每一個(gè)方向（例如j)，分別選取前后相鄰的5個(gè)方向（j-2，j-1，j，j+1，j+2)，對(duì)j = 35，j+2 = 1;對(duì)于 j = 36，j+1 = 1; j+2 = 2;對(duì)于 j = 1，j-1 = 36; j-2 = 35;對(duì)于 j = 2，j-2 = 36;對(duì)于方向 j，根據(jù)方向j的子字典隨機(jī)初始化4個(gè)個(gè)體，對(duì)于標(biāo)定方向j-1 J+1，根據(jù)方向j-1，j+1對(duì)應(yīng) 的子字典，分別隨機(jī)初始化2個(gè)個(gè)體，對(duì)于標(biāo)定的方向j-2，j+2，根據(jù)