论文摘要
随着移动视频技术的广泛应用,在功耗、计算能力和存储空间受限的便携式设备上压缩和传输视频信号成为多媒体信息技术的发展趋势。编码简单、解码复杂的分布式视频编码技术（Distributed Video Coding, DVC）应运而生。DVC以分布式信源编码理论（Distributed Source Coding, DSC）为基础,采用“独立编码、联合解码”的方式,充分利用视频间的相关特性简化编码系统的处理流程。近几年来,为了进一步降低编码系统的复杂度,拓展DVC技术的应用范畴,一种可以在变换域处理中直接压缩信号的压缩感知（Compressed Sensing, CS）理论在DVC研究领域受到了广泛的关注。本文结合DVC和CS理论,充分发掘视频信号内和信号间的相关特性,提出了一种改进的多假设预测边信息的分布式压缩视频感知编码（Distributed Compressed Video Sensing, DCVS）方案。在该方案中把视频分为关键帧和非关键帧,在编码端两种帧都只进行简单的压缩测量,其中关键帧的测量率较高；在解码端关键帧进行CS重构,而非关键帧利用视频间的相关性进行重构,这也是本文的研究重点。在非关键帧的重构中针对预测帧的重要作用,根据残差重构的思想把预测帧的概念扩展到多假设预测上,使用改进的多假设预测的方法生成预测值。在多假设预测中使用前、后相邻重构的参考帧和当前帧的估计值作为假设,通过三者的线性组合得到预测值,并在残差重构的迭代过程中不断地调整运动估计的匹配块和搜索窗的大小,同时通过更新多假设预测的值提高了视频的重建性能。本文首先研究分布式视频编码的基础理论并重点分析边信息的生成算法。其次研究了压缩感知的理论知识,对图像使用分块压缩感知的方法并通过仿真实验对比了不同重构算法的性能。随后对分布式压缩感知（DCS）理论进行分析研究,重点分析在分布式视频中通用的JSM-1模型,通过仿真实验证明JSM-1模型的联合重构相比于独立CS重构能在较少测量值下取得更好的性能。然后把改进的多假设预测边信息生成方法运用到分布式压缩视频感知上。最后通过MATLAB仿真实验证实了该方案能有效的提高视频的重建性能。