基于视频信号空时稀疏的认知压缩采样

Compressed sensing (CS) technology combines data sampling and compression into a single step with significantly reduced sampling cost and computational complexity. It establishes a theoretical foundation for compressed video sensing (CVS), especially for high-resolution video signals. In this project, to overcome the insufficient compression efficiency problem in available methods, we propose an innovative cognitive CVS based on the spatial/temporal sparsity inherently existed in video signals. The main content of the study is as follows: 1) on the basis of signal feature sensing, analyzing the video spatial/temporal sparsity characteristics in the measurement domain; 2) studying the impacts of projection and quantization on the reconstructed video distortion, and building a rate-distortion (RD) model with cognitive ability for CVS; 3) based on the RD model, combining the feature sensing and projection, and studying the cognitive sampling methods for CVS, wherein the RD optimized parameters including the bit-rate, sampling rate and quantization parameter can be easily obtained. With these key technologies, it is possible to substantially improve the compression efficiency of the whole CVS system, and finally lay the theoretical foundation for practical CVS applications by solving the two key scientific problems - feature sensing and cognitive sampling.

压缩感知理论与技术能够在信号采集的同时实现压缩，具有极低的采样成本和运算复杂度，为解决大分辨率/超大分辨率视频信号的采集压缩提供了新的理论依据。本项目针对视频压缩感知现有研究中压缩效率严重不足的难题，根据视频信号内在的空时稀疏性，提出认知压缩采样的创新研究思路，具体包括：在仅有测量信号的前提下，深入研究视频信号在像素域/变换域上大量存在的空时稀疏特征，分析认知视频信号的本质结构；进一步从视频信号的结构认知出发，研究测量和量化过程对于视频信号失真的影响，建立具有认知能力的率失真模型；最后以率失真模型为桥梁，将特征认知与测量过程联系起来，研究具有认知能力的视频压缩采样方法，能够以率失真性能最优为准则计算码率、采样率及量化系数等测量参数。本项目的研究将解决结构认知和认知测量两个关键科学问题，构建压缩感知在视频压缩领域应用的理论基础，并指出视频压缩感知系统中大幅提高压缩效率的有效方法。

压缩感知作为一种新兴的信号处理技术，可以在资源受限的信道环境中实现大分辨率视频信号的采集压缩。其采样成本低，编码端简单和解码重构的鲁棒性都很适合于无线视频通信的应用场景。本项目重点研究基于视频信号空时稀疏的认知压缩采样，主要研究内容包括：第一，利用视频信号空时相关性和稀疏性的关系，建立视频空时稀疏模型，最大程度地挖掘视频信号的结构特征，分析认知视频信号的本质结构；第二，从视频信号的结构认知出发，研究测量和量化过程对于视频信号失真的影响，建立具有认知能力的率失真模型,并计算码率、采样率及量化系数等测量参数；第三，为了提高视频压缩感知系统的安全性能，结合图像本身的空间冗余性质，提出了基于压缩感知的图像加密和索引置乱安全算法。将这些关键技术应用于视频压缩感知系统，可以大幅提高整个系统的视频采集效率和鲁棒性，研究成果能够为视频压缩感知的实用化奠定理论基础。在本项目资助下，已发表或录用学术论文共28篇(SCI：21篇，EI：6篇，中文核心：1篇)，申请国家技术发明专利28件，其中已授权专利14件；有9名博士研究生/硕士研究生参研本项目，其中2名学生已毕业，在研学生7名；参加国际会议或研讨会5次；已完成译著一本《认知网络测量与大数据》（ISBN:978-7-121-27551-7）。目前取得的研究成果已经达到并超过项目申请时的预期成果要求，并将在今后两年内继续整理输出相关研究成果。