自适应采样率分配的分布式压缩感知视频编码.pdfVIP

自适应采样率分配的分布式压缩感知视频编码.pdf

  1. 1、本文档共6页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
自适应采样率分配的分布式压缩感知视频编码.pdf

Vol. 33 No.l 第33 卷第1 期 南京邮电大学学报{自然科学版} 2013 年 2 月 Journal of Nanjing University of Pωt8, and Telecommunications( Natural Science) Feb. 2013 自适应采样率分配的分布式压缩感知视频编码 武明虎1 气朱秀昌1 c 南京邮电大学江苏省图像处理与图像通信重点实验室,江苏南京 21刷3\ 2. 湖北工业大学电气与电子工程学院,湖北武汉 43饭后8 J 摘 要:提出了一种基于压缩感知理论的分布式视频编码方案,它是建立在压缩感知理论的基础上全新的具有动 态测量率分配的分布式视频编码框架,具有编码鹉简单、抗误码能力强、编码效率较高的特点。在编码端,关键帧 和非关键帧独立编码,关键帧采用高采样率的压缩感知测量,非关键帧采用自适应的压缩感知测量。在解码端,利 用非局部稀疏模型和字典训练更新算法,关键帧和非关键帧联合进行压缩感知重建。实验结果表明,本文的编码 算法能获得较好的率失真性能和主观图像质量。 关键词:压缩感知;分布式视频编码:稀疏表示:字典训练 中固分类号:1凹佣 文献标志码:A 文章编号: 1673-5439(2013)01α62-(记 Dynamic Measurement Rate AUocation for Distributed Compressive Video Sensing WU Ming-hu1 ZHU Xiu-chang 1 气 (:川J N皿~in鸣g2刽1αXl3 ,China I 2.5玩ch∞叫1 of Elec配创c叫al 阻d Elec配田阳眈且nüc En唔gin回血1咯g, H曲血ei Uni忖vers四i均ty of T,配hnol,喃,W山皿4ω3侃h刷6ω8 , 由China皿 j Abs仕act: A novel distributed video coding scheme witb dynamic me部町ement rate allocation is proposed b幽ed on compressive sensing principle. It features in simple encoder ,strong bit error resistent ability and high encoding efficiency. At tbe encoder , key frame and non-key frame are encoded independently. The former employs compressive sensing measurement wi由 high sampling rate and tbe latter employs adaptive compressive sensing measurement. At tbe decoder ,key frame and non-key frame are jointly reconstructed 由rough compressive sensing using non-local sparsity model and dictionary leaming update algoritbm

文档评论(0)

yingzhiguo + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:5243141323000000

1亿VIP精品文档

相关文档