摘  要： 針對(duì)快速場景變換環(huán)境中基于壓縮感知的分布式視頻編碼所存在的問題,，提出了一種基于自適應(yīng)動(dòng)態(tài)分組與壓縮感知的分布式視頻編碼方法,。對(duì)采集的視頻幀在基本分組的基礎(chǔ)上插入一個(gè)自適應(yīng)分組分離器，通過設(shè)定門限閾值實(shí)現(xiàn)能夠根據(jù)視頻場景變換的動(dòng)態(tài)調(diào)整分組,。實(shí)驗(yàn)表明,，與基本分組方法重構(gòu)效果相比,，采用自適應(yīng)動(dòng)態(tài)分組方法的重構(gòu)效果有了較大改進(jìn)，其峰值信噪比也有大大改善和提高,，有效地解決了視頻幀中場景變化較快造成的關(guān)鍵信息邊緣紋理損失的問題,。
關(guān)鍵詞： 多媒體傳感器網(wǎng)絡(luò)；分布式視頻編碼,；壓縮感知,；圖像組

　分布式視頻編碼[1-2]DVC（Distributed Video Coding）是多媒體視頻傳感器網(wǎng)絡(luò)[3-4]MVSN（Multimedia Video Sensor Networks）中視頻信號(hào)處理常用的一種技術(shù)。由于受到帶寬和能耗等條件的限制,，為了使編碼端（多媒體視頻傳感器節(jié)點(diǎn)）對(duì)視頻信息的編碼復(fù)雜度降低,，傳統(tǒng)的基于奈奎斯特采樣定理的視頻編碼標(biāo)準(zhǔn)并不適用于多媒體傳感器網(wǎng)絡(luò)的低成本、低能耗的要求,。近年來信號(hào)與信息領(lǐng)域的研究熱點(diǎn)壓縮感知[5-6]CS（Compressive Sensing）技術(shù)的出現(xiàn),，由于其以全新的采樣技術(shù)進(jìn)行采樣，實(shí)現(xiàn)了采樣和壓縮同時(shí)進(jìn)行,，大大減少了采樣率,，從而降低了編碼端的運(yùn)算復(fù)雜度。Guillemot C[7]等人提出一種分布式視頻編碼方法來解決視頻信號(hào)的編碼問題,，利用分布式視頻編碼大大降低了編碼端的運(yùn)算復(fù)雜度,，實(shí)現(xiàn)了編碼端的簡單、低功率的要求,。但這種方法還是采用的傳統(tǒng)的奈奎斯特采樣,，其采集的海量數(shù)據(jù)使得性能并不高，如果應(yīng)用到MVSN中將使得編碼復(fù)雜度極高,，實(shí)用性差,。周燕[8]等人提出把壓縮感知CS應(yīng)用到MVSN的視頻信息處理中，減少視頻信號(hào)稀疏分解過程的計(jì)算量和存儲(chǔ)量,，但遺憾的是未采用DVC技術(shù),，所以重構(gòu)幀的峰值信噪比（PSNR）不高，效果不佳,。Pereira F[9]等人提出一種基于CS的分布式視頻編碼框架,，這種方法具有兩大優(yōu)點(diǎn)：（1）在信號(hào)的稀疏處理上，利用每一幀對(duì)首幀的差值,，得到稀疏視頻信號(hào),，再利用CS低壓縮采用率進(jìn)行采樣處理，最后恢復(fù)的視頻信號(hào)效果得到改善,；（2）使CS幀在低采樣率的情況下也可以良好地恢復(fù)重構(gòu),。然而其缺點(diǎn)也十分明顯，一旦視頻信號(hào)中場景變化較快,，其重構(gòu)視頻幀的效果將大打折扣,。汪瀅[10]提出了一種基于基本圖像組GOP（Group of Picture）和壓縮感知的分布式視頻編碼,，即把所有采集幀進(jìn)行GOP分組，然后再對(duì)每一個(gè)GOP組分別進(jìn)行處理,，從而在一定程度上改善了重構(gòu)效果,，具有一定的場景變換適用性，然而不足之處是分組顯得單調(diào)固定,，不具備靈活變換性,。針對(duì)以上問題，本文在研究總結(jié)前人所做工作的基礎(chǔ)上,，提出并實(shí)現(xiàn)了一種新穎的自適應(yīng)動(dòng)態(tài)圖像組分組的CS分布式視頻編碼方法,，這種方法首先繼承了基本分組法的優(yōu)點(diǎn)，同時(shí)避免了基本分組法造成的組數(shù)固定,、不靈活的缺點(diǎn),，通過設(shè)定門限閾值T來實(shí)現(xiàn)自適應(yīng)動(dòng)態(tài)調(diào)整圖像組分組的目的。實(shí)驗(yàn)仿真表明：（1）重構(gòu)后的峰值信噪比（PSNR）得到大大改善和提高,，重構(gòu)效果非常良好,；（2）具有場景變化的適用性。
1 基于自適應(yīng)動(dòng)態(tài)圖像分組的CS分布式視頻處理機(jī)制
　本文首先介紹Pereira F[9]等人提出的基于差值處理的CS分布式視頻編碼方法（差值法）,，以及汪瀅[10]的基本圖像組和壓縮感知的分布式視頻編碼方法（基本分組法）,，最后提出一種自適應(yīng)分組的CS分布式視頻編碼方法（動(dòng)態(tài)分組法），并與上面兩種方法對(duì)比證明所提出的動(dòng)態(tài)分組法的優(yōu)勢,。
1.1 差值法與基本分組法
　圖1所示為基于差值法處理的CS分布式視頻編碼框架,，在這種框架下，首先對(duì)第1幀x1標(biāo)定為關(guān)鍵幀（KEY幀）,，即基本層,。第2幀到最后一幀（x1，…,，xj）標(biāo)定為WZ幀，然后再對(duì)采集的視頻幀從第2幀開始,，每幀都對(duì)第1幀進(jìn)行作差值處理,，其產(chǎn)生的差值（Δx1，…,，Δxj）也叫做增強(qiáng)層,，同時(shí)采用CS技術(shù)對(duì)數(shù)據(jù)進(jìn)行壓縮編碼處理，在恢復(fù)端對(duì)首幀基本層采用傳統(tǒng)的CS重構(gòu)技術(shù),，對(duì)增強(qiáng)層采用聯(lián)合稀疏解碼（JSM-1）模型[11]進(jìn)行重構(gòu),。最后再進(jìn)行簡單疊加運(yùn)算即可得到重構(gòu)視頻信號(hào)。

　圖2所示為基本圖像組分組的原理及框架結(jié)構(gòu),，其基本流程是：首先對(duì)原始視頻信號(hào)進(jìn)行固定GOP分組,，然后再對(duì)每一個(gè)GOP組分別進(jìn)行處理,，對(duì)每一GOP組的幀圖像的處理方法采用上面介紹的差值法進(jìn)行處理，最后再對(duì)每一個(gè)GOP分組的幀信息進(jìn)行合并疊加得到總體的重構(gòu)視頻信號(hào),?？梢钥闯觯眠@種基本分組方法得到的每一個(gè)GOP,，其所含有的視頻幀數(shù)相對(duì)固定,，即每一分組的視頻幀數(shù)相等，因此還是沒有實(shí)現(xiàn)真正意義上的根據(jù)視頻場景變換的動(dòng)態(tài)調(diào)整GOP分組的目的,。

1.2 動(dòng)態(tài)分組法
　針對(duì)第1.1節(jié)基本分組法所造成的GOP組數(shù)固定,、不靈活的缺點(diǎn)，提出了一種自適應(yīng)動(dòng)態(tài)圖像分組法,，簡稱為動(dòng)態(tài)分組法,。圖3所示為所提出的基于自適應(yīng)分組和壓縮感知的分布式視頻編碼框架圖，與基本分組方法相比,，在基本分組的基礎(chǔ)上插入一個(gè)自適應(yīng)分組分離器,，目的是為了真正意義上實(shí)現(xiàn)能夠根據(jù)視頻場景變換的動(dòng)態(tài)調(diào)整GOP分組的目的。



　對(duì)每一幀視頻信號(hào),，首先從橫向看,，使用差值法隨著視頻幀數(shù)增大，PSNR值逐漸下降,，效果比較差,。比較基本分組法和動(dòng)態(tài)分組法，（1）首先從分組上進(jìn)行比較,，由于設(shè)置的GOP=5,，所以基本分組每一個(gè)GOP就比較固定，自始至終都以5個(gè)一組劃分開來,，從而在分組上單調(diào)呆板,，不具有靈活性，而所提出的動(dòng)態(tài)分組法在分組上就顯得動(dòng)態(tài)靈活了很多,；（2）再從重構(gòu)效果（PSNR）上進(jìn)行比較,，雖然少數(shù)幾個(gè)點(diǎn)的PSNR相同外，動(dòng)態(tài)分組法整體效果的PSNR值要明顯高于基本方法的整體效果的PSNR值,，尤其在WZ幀上,，動(dòng)態(tài)分組的主要目的就是改善WZ幀的重構(gòu)效果。
　差值方法模糊化了圖像的重要關(guān)鍵信息,，所以重構(gòu)出來的效果就很差,，foreman序列是人物表情變化（即場景變化）比較大序列，所以差值法和基本分組方法整體重構(gòu)效果不理想，因此證明了所提出的動(dòng)態(tài)分組方法具有良好的場景變化適應(yīng)性,。
　從主觀評(píng)價(jià)上來看,，由于第30幀圖像恰好為WZ幀，比較用上面敘述的三種不同的方法對(duì)第30幀進(jìn)行重構(gòu),，得到的峰值信噪比PSNR值,，如表1所示，可以看出所提出動(dòng)態(tài)分組方法的優(yōu)勢,，其PSNR遠(yuǎn)遠(yuǎn)大于前兩種,。再比較圖像的紋理視覺效果，如圖5所示,。

　從圖5中可以看出,，（d）幀圖像的圖像紋理均比（b）、（c）好,。首先與（b）比較,，可以發(fā)現(xiàn)（b）圖像中效果特別差，里面的關(guān)鍵人物幾乎不見了,，這樣就失去了圖像的重要信息了,；再與（c）比較，發(fā)現(xiàn)（c）圖像中人物邊緣出現(xiàn)白斑,，由于人物是不斷運(yùn)動(dòng)的,，具有動(dòng)態(tài)特征，而基本分組并不具備這種動(dòng)態(tài)特性,，所以最后重構(gòu)的效果會(huì)比較差,；從（d）中可以看出采用本文所提出的基于自適應(yīng)分組方法所重構(gòu)的視頻幀（d）圖像的效果良好，人物也清晰可見,，邊緣紋理也比較理想,。同樣測試hall序列等也有類似的效果。
　利用本文提出的基于自適應(yīng)分組與壓縮感知的分布式視頻編碼方法,，重構(gòu)后的視頻幀整體效果良好,，峰值信噪比大大改善，能夠適用于視頻場景變化劇烈的場合,。門限閾值的選擇是本文自適應(yīng)算法的關(guān)鍵,，本文中采用的是簡單但行之有效的求列向量均值的方法設(shè)置門限閾值，下一步的研究方向可以針對(duì)具體的應(yīng)用場景在自適應(yīng)算法復(fù)雜性和重構(gòu)效率之間權(quán)衡,，選擇其他智能算法來優(yōu)化閾值,，進(jìn)而達(dá)到更完善的分組目的,。
參考文獻(xiàn)
[1] GIROD B,， AARON A， RANE S. Distributed video coding[J]. Proceedings of the IEEE Special Issue on Advances in Video Coding and Delivery， 2005,， 93（1）：71-83.
[2] 王尊亮,，李學(xué)俊.分布式視頻編碼技術(shù)研究進(jìn)展[J].計(jì)算機(jī)工程與設(shè)計(jì)， 2010,， 31（3）： 31-34.
[3] 魯琴.無線多媒體傳感器網(wǎng)絡(luò)多節(jié)點(diǎn)協(xié)同圖像采集與壓縮技術(shù)研究[D].北京：國防科學(xué)技術(shù)大學(xué),，2009.
[4] http：//www.eefocus.com/article/07-12/4155121112071731.html.
[5] GUILLEMOT  C. Distributed monoview and multiview video coding： basics， problems and recent advances[J]. IEEE Signal Processing Magazine,， 2007,， 24（5）： 67-76.
[6] DONOHO  D. Compressed sensing[J]. IEEE Transactions on Information Theory， 2006,， 52（4）： 1289-1306.
[7] CAND?魪S E,， WAKIN M.  A sensing paradigm that goes against the common knowledge in data acquisition[J]. IEEE Signal Processing Magazine， 2008,， 25（2）： 21-30.
[8] 周燕,，王東，鐘勇.壓縮傳感在無線視頻監(jiān)控中的應(yīng)用研究[J].計(jì)算機(jī)應(yīng)用研究,， 2010,，27（6）： 73-75.
[9] PEREIRA F. Selecting the most promising application scenarios[J]. Signal Processing： Image Communication， 2008,， 23（9）：339-352.
[10] 汪瀅.壓縮感知在視頻編碼中的應(yīng)用研究[D].北京：北京郵電大學(xué),，2010.
[11] 蔡述庭，王欽若.視頻傳感網(wǎng)中魯棒多視角分布式視頻編碼[J].計(jì)算機(jī)工程,，2009,，35（24）：219-221.
[12] http：//trace.eas.asu.edu/yuv/