压缩感知及其在图像和视频编码与应用.pdfVIP

2011年第十三届全国消费电子技术年会 暨数字电视研讨会 压缩感知及其在图像和视频编码中的应用 潘榕，段继忠，刘昱 天津大学电子信息工程学院，天津300072 【摘要】压缩感知是最近几年理论化的信号采集和处理理论。研究证明，对某些信号，可从远少予奈奎 斯特频率采样点数据无失真恢复原始数据。本文综述了压缩感知理论的基本原理、应用步骤和实现方法， 着重讲述了压缩感知在图像和视频编码中的应用，并介绍了本实验室进行的两方面相关研究工作，最后指 出了压缩感知在图像和视频编码领域的应用前景。 【关键词l压缩感知；测量；重构；最优化；图像和视频编码 0 引言 压缩感知理论和技术是新兴的数字信号理论，在各个领域都有潜在的巨大应用价值，已 经在低像素成像Ⅲ、医学成像闭、高光谱成像p，、光学与全息成像、模拟一信息转换闱、通信信 道。1、雷达嗍、遥感川、物理学、计算生物学口，、地球物理信息分析嗍、天文信息获取【lq、表面计量 学【I”、声学与时频分析n习、计算机工程、计算机图形学、机器人技术与控制、基于内容的检索等 诸多方面有了初步应用。 本文主要探讨压缩感知的基本原理，给出实现压缩感知的数学方法，并详细讲述了压缩 感知在图像和视频编码中的应用。 1压缩感知理论 压缩感知(CompressedSensing，cs)㈣，也称压缩传感(CompressiveSensing)E141或压缩采样 (CompressiveSampling)t151或稀疏重构(Sparse 理论得到了国际学术界的广泛关注，国内相关机构也开展了CS的研究工作，CS理论与方法 正成为现代信息论理论和应用研究中的热点o“埘。 CS理论采用非自适应线性投影保持信号的原始结构，以亚奈奎斯特频率(即低于信号最 高频率成分的两倍)对信号进行采样(也称测量)，通过解数值最优化问题准确重构出原始信 号。因可从远少于奈奎斯特频率样点数据恢复原始数据，故可视为通过CS理论及技术直接 感知的数据即已压缩——这是压缩感知名称的由来。CS的理论框架可表示为图1。 图1中，输入的原始信号需 具稀疏性或可压缩性。一般而 言，自然信号本身不具稀疏性， 但在某合适的变换域中会具有 图1CS理论框架 稀疏性，MP3、JPEG、JPEG--2000、 ·190· 第十三届全国消费电子技术研讨会论文集 MPEG、H．264／AVC等有损编码技术都是基于此先验知识，对声音、图像及视频数据进行压缩 编码。CS对原始信号的总体信息进行测量，依据信号本身或在某个变换域中的稀疏性或可 压缩性进行重构。 对信号总体信息进行测量指所得测量值需含信号的部分总体信息，如单像素相机的每 个测量值都是整体图像信号通过随机矩阵采样后的像素点的和值[i；20；,21l。信号稀疏性指：对 是K稀疏的(即x具有聊不为零的数，也即K=忙|Io)，工是稀疏信号；可压缩性指：若信号x 在一个合适的基、p下能稀疏表示，则可称工是可压缩的，x是可压缩信号。一般信号在稀疏基 ’lr中不是完全稀疏的，但在尘中，若其系数值(根据不同的尘，有DCT系数、小波系数等)快速 减小，将大部分小系数归零对信号质量几乎不构成影响，使得信号在屯中能稀疏表示，仍可 将信号x视为可压缩信号。 以下定理给出了稀疏信号能通过亚奈奎斯特频率采样点进行完全重构的理论基础”】： 换，得到x信号的频域表示s。令频域部分采样点坐标集为Q∈ZN，若K满足 ㈣≤吉IQI 则x能唯一地从Q和sIo中重构出来。若Ⅳ不为质数，则还需条件：K和Q不能是zⅣ的子群 或其陪集。 定理I表明，信号工能从2髟个频域采样点中无失真重构，而不必考虑奈奎斯特采样频率 的限制。定理1作为CS的理论基础，还可从不确定性原理方面加以解释。经典的离散时间 时具有较少的非零元素(但可以都具有较多的非零元素，如白噪声)。CS理论与不确定原理 的关系可不严格地描述如下：若从Q和叫a中可重构出两个信号盖和z’，则信号x和z’的频域变 率变换△s在坐标集Q中的值为0，即△s具有较多的零元素。因为信号z和z1本身具有较多的 零元素，所以△x也必然具有较多的零元素。从不确定原理考虑，信号在时空域和频域都具 有较