專利名稱：一種基于壓縮感知的錯誤隱藏方法
技術(shù)領(lǐng)域：
本發(fā)明屬于數(shù)據(jù)傳輸技術(shù)領(lǐng)域，涉及重構(gòu)解碼視頻序列中丟失塊的方法，特別涉及ー種基于壓縮感知的錯誤隱藏方法。
背景技術(shù)：
目前，廣泛使用的編碼，如 H. 26x(T. Wiegand, G. J. Sullivan, G. Bjontegaard, andA. Lutnra, “Overview of tne H. 264/AVC video coding standard,，，IEEETransactionson Lircuits and Systems for Video Technology,vol. 13, no. 7, pp. 560-576,Jul. , 2003) 和 MPEG-χ (Int. Telecommun. Un i on-Telecommun. (ITU-T)and Int.Standards Org./Int. Electrotech· Comm. (IS0/IEC)JTC I,Rec. H. 262andIS0/IEC 13818-2(MPEG-2Video), Generic Coding of Moving Pictures and Associated AudioInformation-Part 2:Video Nov. 1994.),在獲得高壓縮效率的同時，也降低了碼流對丟包問題的魯棒性。但是由于互聯(lián)網(wǎng)和無線網(wǎng)中網(wǎng)絡(luò)環(huán)境的變化，丟包現(xiàn)象難以避免。作為ー種后處理方法，錯誤隱藏技術(shù)可以根據(jù)正確解碼的宏塊恢復出丟失的塊，因此既不像前向糾錯(FEC)技術(shù)需要增加額外的帶寬，也不像自動重傳請求(ARQ)技術(shù)需要引入重新傳輸機制。錯誤隱藏技術(shù)在互聯(lián)網(wǎng)和無線網(wǎng)上的視頻流傳輸問題上有著廣闊的應用前景。由于視頻序列連續(xù)幀之間存在很強的相關(guān)性，時域錯誤隱藏方法可以根據(jù)前ー幀的相關(guān)信息恢復出丟失塊的細節(jié)。使用該方法的一個關(guān)鍵問題是如何確定最合理的運動向量，如果運動向量可以從解碼端正確解碼的，則可以直接用來進行錯誤隱藏。但是，在大部分情況下，丟失宏塊的運動矢量也無法正確解碼。有一種解決方法是結(jié)合與其空間相鄰宏塊對應的可能矢量中給出ー個統(tǒng)計結(jié)果，但是，這種方法依賴于運動矢量均勻分布這一前堤。還有ー種方法是基于邊界匹配的運動矢量匹配方法，該方法根據(jù)內(nèi)邊界和外邊界的平滑性選擇ー個最合理的運動矢量，這種方法得到的運動矢量精度高，復雜度低。時域錯誤隱藏方法的另ー個關(guān)鍵問題是如何刻畫和描述丟失的宏塊與上ー幀對應宏塊之間的對應關(guān)系。X. Xiang 等(X. Xiang, Y. Zhang, D. Zhao, S. Ma, and ff. Gao，“A highefficient error concealment scheme based on auto-regressive model for videocoding, ” in PCS, Chicago, USA, 2009)提出了一種基于自回歸模型的錯誤隱藏方法，在這種方法中，首先，自回歸系數(shù)通過空間相鄰的宏塊估計出來。然后，丟失的宏塊由沿著所選擇的最優(yōu)運動矢量所選宏塊加權(quán)估計出來。此外，Y. Zhang等(Y. Zhang, X. Xiang, S. Ma, D.zhao, and ff. Gao, “Auto Regressive Model and Weighted Least bquares Based PacketVideo Error Concealment, ”in DCC, Snowbird, 2010, pp. 455-464)結(jié)合時域的連續(xù)性來提1 自回歸系數(shù)的準確性，并考慮空間距尚與觀測噪聲之間的相關(guān)關(guān)系，從而大大提聞了基于自回歸模型錯誤隱藏技術(shù)的重構(gòu)質(zhì)量。但是，由于自回歸模型容易受到欠定和超定問題的影響，通常用一個低階的自回歸模型來描述，利用時空相關(guān)性的能力上將受到很大的限制。壓縮感知(D.L. Donoho, “Compressed sensing, ” IEEE Transactions onInformation Theory, vol. 52, no. 4, pp. 1289-1306，Apr. , 2006.)是另外一種描述自然圖像和視頻序列中的千變?nèi)f化細節(jié)信息的方法，這種方法可以應用于圖像超分辨率和圖像修復中，能夠?qū)⒏鞣N復雜的紋理很好地表示出來，因此，利用壓縮感知進行錯誤隱藏是非常有意義的ー個課題。

發(fā)明內(nèi)容
本發(fā)明g在至少解決現(xiàn)有技術(shù)中存在的技術(shù)問題，特別創(chuàng)新地提出了ー種基于壓縮感知的錯誤隱藏方法。為了實現(xiàn)本發(fā)明的上述目的，本發(fā)明提供了ー種基于壓縮感知的錯誤隱藏方法，其包括如下步驟SI :構(gòu)建丟失宏塊的稀疏基模型； S2 :確定稀疏系數(shù)；S3 :根據(jù)稀疏基模型和稀疏系數(shù)重構(gòu)已丟失宏塊。本發(fā)明的基于壓縮感知的錯誤隱藏方法能夠根據(jù)前ー幀正確解碼的宏塊形成稀疏基，然后結(jié)合規(guī)整化最小ニ乘方法確定出比較合理的系數(shù)，從而重構(gòu)出較高質(zhì)量的宏塊。本發(fā)明的算法具有較好的收斂性，其充分運用視頻序列的時間連續(xù)性和空間相關(guān)性，增強了所重構(gòu)丟失塊的精度。本發(fā)明的附加方面和優(yōu)點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發(fā)明的實踐了解到。


本發(fā)明的上述和/或附加的方面和優(yōu)點從結(jié)合下面附圖對實施例的描述中將變得明顯和容易理解，其中圖I是本發(fā)明基于壓縮感知的錯誤隱藏方法的流程圖；圖2是本發(fā)明ー種優(yōu)選實施方式中丟失宏塊的稀疏基的構(gòu)造方法示意圖；圖3是在QP為24，丟包率為5%的情況下，不同方法對Mobile序列前30幀恢復結(jié)果的PSNR對比圖；圖4是在QP為24，丟包率為5%的情況下，不同方法對Mobile序列第十幀的恢復結(jié)果。
具體實施例方式下面詳細描述本發(fā)明的實施例，所述實施例的示例在附圖中示出，其中自始至終相同或類似的標號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附圖描述的實施例是示例性的，僅用于解釋本發(fā)明，而不能理解為對本發(fā)明的限制。本發(fā)明提出了ー種基于壓縮感知的錯誤隱藏方法，如圖I所示，該錯誤隱藏方法包括如下步驟SI :構(gòu)建丟失宏塊的稀疏基模型；S2 :確定稀疏系數(shù)；S3 :根據(jù)稀疏基模型和稀疏系數(shù)重構(gòu)已丟失宏塊。
在本實施方式中，構(gòu)建丟失宏塊的稀疏基模型包括如下步驟Sll :確定丟失宏塊的運動矢量；S12 :對步驟Sll確定的運動矢量進行偏移，得到運動矢量組；S13 :判斷與得到的運動矢量組對應的宏塊是否正確解碼，如果正確解碼，則對其進列拉直，形成丟失宏塊和臨近像素點的稀疏基模型。用公式具體表示構(gòu)建丟失宏塊的稀疏基模型的具體過程為假設(shè)B:是第i幀中第j個丟失的宏塊，爲"可以由稀疏基K稀疏表示出來，記為n, ニ ΨΗ a( 1 )其中，α是稀疏系數(shù)。設(shè)I/為與蹲相鄰的像素點集合，并進ー步假設(shè)5/可以由稀疏基をW和稀疏系數(shù)α稀疏表示出來代;=Ψτ(α,2)設(shè)ぐ是與5/對應的運動矢量，=-+(% )是由ジ衍生的運動矢量，是宏塊在i-Ι幀與運動矢量V對應的圖像塊，如果該圖像塊正確解碼，則對
Pム(《MO丨進行列拉直，如圖2所示，得到稀疏基對VV和^在構(gòu)建丟失宏塊的稀疏基ホ吳型后，需要確定稀疏系數(shù)，由于形成的稀疏基對ヅB和 雖然能夠有效的稀疏表示丟失宏塊B/和鄰近像素局ダ，但是各個稀疏基之間存在很強的
相關(guān)性，為此，在本實施方式中，采用ー范數(shù)和ニ范數(shù)聯(lián)合最優(yōu)化方法利用視頻序列的相關(guān)性來確定稀疏系數(shù)mi η || ||丨-l-/l|| ||2SJ lii ^ Ψ Hja/q)此外，由于視頻序列的連續(xù)性，第i幀的圖像塊屬/與由第i_l幀形成的稀疏3 Ψ的關(guān)系與第i-Ι幀的圖像塊 I/—,(0，0)與由第i-Ι幀形成的稀疏基ちム(_存在一致性，利用這一特性，有助于改進所得稀疏系數(shù)的精度，即有min ! I +Ks.i β/ ニ ψ萆aA !(O，0) = t///7ん(け)fit,4、由干與具有較大偏移量^對應的稀疏基函數(shù)的系數(shù)為非零元素的概率通常比較大，因此，在本實施方式中，采用加權(quán)方法來確定稀疏系數(shù)min pVa\\ 十/!丨ト丨丨，V./ B； =ψτ,α/ /(0,0) = ^ ((!()) “)
其中，WzdiagW
權(quán)利要求
1.ー種基于壓縮感知的錯誤隱藏方法，其特征在于，包括如下步驟 Si:構(gòu)建丟失宏塊的稀疏基模型； 52:確定稀疏系數(shù)； 53:根據(jù)稀疏基模型和稀疏系數(shù)重構(gòu)已丟失宏塊。
2.如權(quán)利要求I所述的基于壓縮感知的錯誤隱藏方法，其特征在于，所述步驟SI中包括如下步驟 511:確定丟失宏塊的運動矢量； 512:對步驟Sll確定的運動矢量進行偏移，得到運動矢量組； 513:判斷與得到的運動矢量組對應的宏塊是否正確解碼，如果正確解碼，則對其進列拉直，形成丟失宏塊和臨近像素點的稀疏基模型。
3.如權(quán)利要求I所述的基于壓縮感知的錯誤隱藏方法，其特征在于，采用加權(quán)方法來確定稀疏系數(shù) min IlFFciI1 +/l||a||2 Si B-ψα rr _ I 其中，α 為稀疏系數(shù)，W=CliagOV1, W2，…)，^ = max(c/ J)2 dk為所選宏塊與待表示宏塊之間的距離， 「.-]Γ B = SBi Ψ (0，0ず歹=^卑#私_」入為規(guī)整化因子。
4.如權(quán)利要求I或3所述的基于壓縮感知的錯誤隱藏方法，其特征在于，利用規(guī)整化最小ニ乘法確定稀疏系數(shù)。
5.如權(quán)利要求I所述的基于壓縮感知的錯誤隱藏方法，其特征在于，所述步驟S3中包括如下步驟 531:對步驟S2確定的稀疏系數(shù)進行硬閾值截斷； 532:求解所述稀疏系數(shù)和與之對應的稀疏基形成的線性方程組，取最小ニ乘解作為最終的稀疏系數(shù)； 533:利用最終的稀疏系數(shù)和稀疏基實現(xiàn)丟失宏塊的重構(gòu)。
全文摘要
本發(fā)明提出了一種基于壓縮感知的錯誤隱藏方法，其包括如下步驟首先，構(gòu)建丟失宏塊的稀疏基模型；然后，確定稀疏系數(shù)；最后，根據(jù)稀疏基模型和稀疏系數(shù)重構(gòu)已丟失宏塊。本發(fā)明的錯誤隱藏方法能夠根據(jù)前一幀正確解碼的宏塊形成稀疏基，然后結(jié)合規(guī)整化最小二乘方法確定出比較合理的稀疏系數(shù)，從而重構(gòu)出較高質(zhì)量的宏塊。另外，本發(fā)明的算法具有較好的收斂性，其充分運用視頻序列的時間連續(xù)性和空間相關(guān)性，增強了所重構(gòu)丟失塊的精度。
文檔編號H04N7/68GK102740080SQ20121018579
公開日2012年10月17日 申請日期2012年6月6日 優(yōu)先權(quán)日2012年6月6日
發(fā)明者付長軍, 季向陽, 戴瓊海 申請人:清華大學