无线多媒体传感器网络低复杂度视频编码及高容错传输技术研究

The traditonal predictive video encoding is computationally intensive, which requires significant power consumption and complexity at the sensor node. So it is not appropriate for wireless multimedia sensor networks (WMSNs). The efficient error-resilience transmission of the compressed video stream over error-prone wireless channel requires cooperation of the sensor nodes and cross-layer design scheme. The work aims to provide a low-complexity distributed compressed video sensing (DCVS) codec framework, and an error-resilience transmission scheme in lossy channels. In general, the research of this project can be summarized as follows: (1) analyzes the local and remote sparsity model of video signals, constructs the over-complete dictionary for video signals using training method, then proposes a hybrid non-local sparsity model for video signals; (2) based on the above non-local sparsity model of video signals, proposes a distributed video sensing coding scheme based on compressed sensing. The side information is obtained by motion search and compensated temporal interpolation, and the reconstructed image pixels are smoothness constraint using Huber-Markov random prior probability model; (3) constructs a distributed virtual multi-antenna system, and optimizes the allocation of resources by cross-layer design to meet the QoS (Quality of Service) requirements.

无线多媒体传感器网络中节点计算能力、存储能力和能耗受限，使得传统的预测编码框架不能满足低复杂度编码要求。易错无线环境中的压缩视频流传输也需要节点间的协作和层间协作进行高容错传输。本项目利用压缩感知理论，研究适合无线多媒体传感器网络的低复杂度分布式视频编码技术及压缩码流在有扰无线信道中的高容错传输技术。主要内容有：（1）分析视频频序列帧内结构特征和帧间远程相似性，用训练法构造视频信号的全局过完备字典，得到视频信号的非局部稀疏模型；（2）在非局部稀疏模型基础上，提出分布式压缩感知视频编解码框架，通过运动搜索和单应性矩阵补偿时间插值获得边信息，在联合解码重构中引入Huber-Markov随机场先验概率模型对解码像素点进行平滑性约束，并根据视频反馈信息进行速率控制；（3）在QoS要求下，通过节点间的协作构建分布式虚拟多天线系统，并采用跨层设计方法优化资源配置。为WMSN走向应用提供理论和技术支持。

为解决无线多媒体传感器网络中节点计算能力、存储能力和能耗受限问题，本项目利用压缩感知理论，提出了适合无线多媒体传感器网络的低复杂度分布式视频编码技术及压缩码流在有扰无线信道中的高容错传输技术，主要研究了视频信号的非局部稀疏模型；视频信号低复杂度编码技术；解码转发中继传输系统能量效率的分析与优化。在项目研究过程中，研究团队针对以上内容开展了卓有成效的研究工作。项目通过高斯尺度块组的稀疏表示，使图像的稀疏重构在方法和性能得到一定的提高；提出了一种加权的WME-KSVD字典稀疏描述方法，来改善重建的视频质量。在非局部稀疏模型的基础上，为了准确获取和重建边信息，提出一种基于两步迭代阈值多假设预测的压缩感知视频编码方法；针对编码器简单解码器复杂的无线视频系统，提出基于压缩感知的自回归预测和自适应残差重构视频编解码方法；针对容量受限的场景，提出基于DCT的W-Z帧分层编码方法。根据感知节点能耗和节点间的信道质量信息，选择最佳协作节点，并研究协作节点资源的动态分配策略，在QoS要求下，通过节点间的协作构建分布式虚拟多天线系统，并采用跨层设计方法优化资源配置。本项目利用压缩感知和继续激励的契约理论，设计合适的系统模型，使低复杂度编码和高容错传输技术能够很好的应用于无线多媒体网络，取得了最适于无线网络的视频效果，达到了预期目标。在项目执行期，研究团队共计发表 SCI/EI 收录论文 13篇，核心论文9篇，授权发明专利3项，授权实用新型专利1项，出版专著2部，较好地完成了本项目规定的研究任务。