视频压缩感知中基于结构相似的帧间组稀疏表示重构算法研究

和志杰; 杨春玲; 汤瑞东

doi:10.3969/j.issn.0372-2112.2018.03.005

您当前的位置：

首页 >

文章列表页 >

视频压缩感知中基于结构相似的帧间组稀疏表示重构算法研究

学术论文 | 更新时间：2025-07-16

- 视频压缩感知中基于结构相似的帧间组稀疏表示重构算法研究
- Research on Structural Similarity Based Inter-Frame Group Sparse Representation for Compressed Video Sensing
- 电子学报 2018年46卷第3期页码：544-553
- 作者机构：
  
  华南理工大学电子与信息学院,广东,广州,510640
- 作者简介：
- 基金信息：
  
  国家自然科学基金 (No.61471173）;广东省自然科学基金 (No.2016A030313455）
- DOI：10.3969/j.issn.0372-2112.2018.03.005
  中图分类号： TN919.8
- 网络出版：2018-03-25，
  
  纸质出版：2018
- 稿件说明：
移动端阅览
和志杰, 杨春玲, 汤瑞东. 视频压缩感知中基于结构相似的帧间组稀疏表示重构算法研究[J]. 电子学报, 2018,46(3):544-553.

HE Zhi-jie, YANG Chun-ling, TANG Rui-dong. Research on Structural Similarity Based Inter-Frame Group Sparse Representation for Compressed Video Sensing[J]. Acta Electronica Sinica, 2018, 46(3): 544-553.
和志杰, 杨春玲, 汤瑞东. 视频压缩感知中基于结构相似的帧间组稀疏表示重构算法研究[J]. 电子学报, 2018,46(3):544-553. DOI： 10.3969/j.issn.0372-2112.2018.03.005.

HE Zhi-jie, YANG Chun-ling, TANG Rui-dong. Research on Structural Similarity Based Inter-Frame Group Sparse Representation for Compressed Video Sensing[J]. Acta Electronica Sinica, 2018, 46(3): 544-553. DOI： 10.3969/j.issn.0372-2112.2018.03.005.

摘要

基于视频帧内图像的非局部相似性和帧间信号的相关性，本文提出了一种基于结构相似的帧间组稀疏表示重构算法（SSIM-InterF-GSR），有效地提高了视频压缩感知的重构性能.在SSIM-InterF-GSR算法中，提出以结构相似度（SSIM）作为相似块匹配准则，在当前帧和参考帧内搜索匹配块生成相似块组，以相似块组的稀疏性作为正则项重构当前帧.同时，还提出了阶梯递减匹配块个数调整方案用于SSIM-InterF-GSR重构算法的迭代过程.仿真结果表明，相比于目前最好的视频压缩感知重构算法（Up-Se-AWEN-HHP），本文算法获得了更好的重构质量，最多可提升4~5dB.

Abstract

Based on the nonlocal similarity and the correlation among inter-frames in video sequences

this paper proposes an algorithm of structural similarity based inter-frame group sparse representation (SSIM-InterF-GSR)

which effectively improves the reconstruction performance for compressed video sensing. In SSIM-InterF-GSR

the structural similarity(SSIM)is utilized as block matching criterion to generate the group of similar blocks from the current frame and reference frames. And then

the sparsity of the groups is used as the regularization term to reconstruct the current frame. Meanwhile

the step-decreasing scheme for number of matching blocks is proposed during the iteration process of SSIM-InterF-GSR. Simulation results show that

compared to the state-of-the-art compressed video sensing reconstruction algorithm(Up-Se-AWEN-HHP)

the SSIM-InterF-GSR algorithm obtains a better reconstruction quality. The most gap is up to 4~5dB.

关键词

Keywords

references

浏览量

489

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

CVS中基于视频运动特征的多假设-双稀疏重构算法

彩色图像去马赛克的非局部稀疏表示方法

采用拉普拉斯尺度混合先验的结构化近似消息传递算法

基于帧间组稀疏的两阶段递归增强视频压缩感知重构网络