基于压缩视频感知字典构造方法研究

《基于压缩视频感知字典构造方法研究》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、代号10701学号1008120273分类号TN919.8密级公开题（中、英文）目基于压缩视频感知字典构造方法研究StudyonDictionaryStructureMethodsBasedonCompressiveVideoSensing作者姓名姜平指导教师姓名、职称宋彬教授学科门类工学学科、专业通信与信息系统提交论文日期二〇一三年一月西安电子科技大学学位论文独创性（或创新性）声明本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发

2、表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处，本人承担一切相关责任。本人签名：日期西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。本人保证毕业离校后，发表论文或使用论文工作成果时署名单位仍然为西安电子科技大学。学校有权保留送交的论文的复印件，允许查阅和借阅论文；

3、学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其他的复制手段保存论文。（保密的论文在解密后遵守此规定）本学位论文属于保密，在__年解密后适用本授权书。本人签名：______________日期：______________导师签名：______________日期：______________摘要随着无线网络技术的发展，多媒体通信领域出现了越来越多的移动视频终端，传统的视频编解码标准，由于编码端复杂度高且对误码敏感，不能很好的满足这些应用。而压缩感知这一新的编解码理论的出现给视频编解码技术带来了希望，目前基于压缩感知的视

4、频编解码技术—压缩视频感知，已经成为了国内外的研究热点。作为压缩感知的关键技术之一，字典构造方法在很大程度上影响了信号的重构质量。本文在介绍压缩感知理论的基础上，首先对KSVD字典训练方法进行深入分析，并给出了一种基于相关样本的初始字典构造方法，该方法选取出与拟重构信号最为相关的样本信号作为KSVD字典训练的初始字典，样本的选取是依据基于JL引理得到最小测量值MSE准则，这种方法有效的提高了最终训练字典的质量；接下来给出一种相关样本加权的KSVD字典构造方法，通过增加相关样本信号的稀疏表示误差的比例来提高字典对于拟重构信号的稀疏表示

5、能力；最后将本论文给出的字典构造方法应用于分布式压缩视频感知系统中。实验结果表明，与原有的KSVD字典相比，在关键帧采样率为0.5时，相关样本加权的KSVD字典构造方法使得非关键帧图像的PSNR（峰值信噪比）提高了0.1~1.2dB；在分布式压缩视频感知系统中应用本文给出的算法，改善了重构视频的质量，且每帧只需构造一个字典，简单易实现。关键词：压缩视频感知重构字典构造KSVDAbstractWiththedevelopmentofwirelessnetwork,moreandmoremobilevideoterminalsappea

6、rinmultimediacommunicationdomain.Butthetraditionalvideocompressionstandardscouldnotbeusedintheabove-mentionedapplicationbecauseoftheencoderwhichalwayshashighcomplexityandweakerrorresilience.Compressivesensing,anewdecodingtheory,bringshopetothevideocodectechnology,andre

7、centlycompressivevideosensinghasbecomeanewresearchfocus.Asoneofthekeytechnologiesinthecompressivesensing,thedictionarystructurehasgreatinfluencesonthequalityofsignalreconstruction.Basedontheintroductionofcompressivesensingtheory,thispaperfirstlydoanindepthanalysisofthe

8、KSVDdictionarytrainingmethod,andgivesaninitialdictionarystructuremethodbasedontherelevantsamples.thismethodselectthes