基于压缩感知的交通视频压缩技术研究

《基于压缩感知的交通视频压缩技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号:TP39110710-2013124038硕士学位论文基于压缩感知的交通视频压缩技术研究付振华导师姓名职称丁爱玲教授申请学位类别工学硕士学科专业名称计算机软件与理论论文提交日期2016年04月28日论文答辩日期2016年06月16日学位授予单位长安大学TheResearchonTrafficVideoCompressionTechnologyBasedonCompressedSensingAThesisSubmittedfortheDegreeofMasterCandidate：FuZhenhua

2、Supervisor：Prof.DingAilingChang’anUniversity,Xi’an,China摘要交通视频作为智能交通系统的重要组成部分有着广泛的应用，不断产生的庞大交通视频数据，给交通视频的存储带来不小的挑战，如何对交通视频进行压缩就成为一个重要的研究课题。当前交通视频的压缩仍采用传统的基于统计的编码压缩方式，而未能充分利用交通视频的特点对其进行压缩。交通视频具有背景稳定、敏感区域明确、图像纹理复杂等特点，并且交通视频监控通常安装在户外，交通视频图像会受到户外光照变化、天气变化的影响。

3、如何充分利用交通视频的特点，研究出适合交通视频特点的压缩方法就成为重要的研究课题。压缩感知理论为交通视频的压缩提供了一种有益的思路。由于交通视频具有很大的空间冗余和时间冗余，针对这些特点，采用压缩感知理论就可以有效地对交通视频进行观测压缩。根据以上思路，本文对基于压缩感知的交通视频压缩方法进行了研究，所做的具体工作如下：（1）在理解压缩感知理论和相关定理的基础上，重点研究了基于K-SVD算法的交通图像压缩感知重建，针对K-SVD算法时间复杂度高、重构图像质量一般的缺点，本文提出一种基于小波树变迭代次数K-

4、SVD算法。仿真实验结果表明，基于小波树变迭代次数K-SVD算法与原K-SVD算法相比，PSNR值提高2dB左右，算法运行时间降低了15%左右。（2）交通视频预处理是交通视频压缩编码框架设计的基础。在预处理部分，首先对交通视频进行背景建模，背景提取采用混合高斯模型，与均值法相比，所提取的背景更干净清晰；其次对视频进行背景更新，本文使用一种基于分块分类的背景更新方法，在此背景更新算法中，采用三帧差分法获得差分图像，自适应迭代阈值方法确定分类所需的阈值，并用所提取的背景，得到更新背景。第三，对交通视频进行场景

5、分类，对交通视频场景的昼夜进行判断，并对夜间图像进行增强。最后，为提高视频压缩率及视频质量，本文提出一种变采样率计算模型：根据分块压缩感知理论，采用拟合经验函数的变采样率算法，并在此基础上描述一种适用于图像组（GroupofPicture，GOP）的变采样率观测压缩过程。（3）设计出一种基于压缩感知的交通视频编码框架，并仿真验证此框架对视频的压缩性能及可用性。i关键词：交通视频，压缩感知，视频压缩iiAbstractThetrafficvideothatisanimportantpartofintelli

6、genttransportationsystemhasbeenwidelyused.Thehugedataoftrafficvideoiscontinuouslyproduced,whichbringsgreatchallengetothestoreoftrafficvideo.Howtocompressthetrafficvideohasbeenturnedintoanemergingresearchtopic.However,thetraditionalstatisticalcompressionco

7、dingmethod,whichhasbeenusedcurrently,tocompressthetrafficvideo,donotmakefulluseofthecharacteristicsoftrafficvideo.Thetrafficvideohasthefeaturesofstablebackground,certainsensitivearea,compleximagetexture,whichisalsoaffectedbyoutdoorilluminationchangeandthe

8、weather’schange,becausethecamerasarenormallyinstalledinoutdoor.Takingfulladvantageofthecharacteristicsoftrafficvideoandresearchingcompressionmethodwhichissuitedtothespecialtrafficvideohasbecomeanimportantresearchtop