项目名称: 基于压缩感知理论的视频编解码技术研究

项目编号: No.61471343

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 无线电电子学、电信技术

项目作者: 沈燕飞

作者单位: 中国科学院计算技术研究所

项目金额: 82万元

中文摘要: 随着压缩感知理论的逐步成熟,为突破以奈奎斯特采样定理为基础的信号处理框架提供了新的理论支撑,给视频图像信号的采集、编码、存储和处理等带来了前所未有的突破。本项目将研究基于压缩感知理论的视频编解码技术,将视频采集和视频编码进行深度融合,构建一套完整的压缩感知视频编解码技术框架体系,为压缩感知理论在视频编解码方面的应用提供理论支持和算法保证。主要研究内容包括:在视频感知测量方面,采用近似确定性感知测量矩阵,基于自适应感知测量模型对视频信号进行感知测量,利用感知域中的相关性对测量值进行预测、量化和熵编码;在视频图像重建方面,利用感知域中的时空相关性,研究一种基于预测残差的压缩感知视频重建算法;为了提高视频编码的率失真性能,还将对感知测量矩阵和稀疏字典进行联合优化,并使用序列化压缩感知技术来实现自适应压缩感知视频编码。通过本项目的研究将为压缩感知理论在视频编解码方面的应用提供技术参考和理论指导。

中文关键词: 视频信息采集;视频重建;多媒体信息处理

英文摘要: With the rapid development and gradually mature of compressive sensing (CS) theory, it provides strong theory support for new signal processing framework beyond the Nyquist sampling theorem, and thus represents an unprecedented breakthrough in many fields such as video sampling, video coding, video storage and video processing. In this project, the video coding technology based on CS theory will be studied, which deeply fuses video sampling and coding process, and a new technique framework of video coding based CS theory will be provided in order to extend the application of CS theory in the field of video coding. The main research contents include: in the terms of video CS measurement, Video sequences are sensed based on adaptive CS measurement model by use of approximate determined measurement matrix, and the sensed data are predicted, quantization and entropy coding in measurement field; in the term of video reconstruction, the prediction residue will be used to reconstruct the video based the spatial and temporal relation between successive video frames. In order to improve the efficiency of video coding, CS measurement matrix and sparse representation matrix will be optimized jointly, and sequential CS technology will be used to improve the network adaptive for our proposed CS video codec. In summary, this project will provide technology reference and theoretical guidance for the design of video coding framework based on compressed sensing theory.

英文关键词: Video Sampling;Video Recovery;Multimedia processing

成为VIP会员查看完整内容
1

相关内容

基于深度学习的视频超分辨率重构进展综述
专知会员服务
17+阅读 · 2022年3月7日
视频隐私保护技术综述
专知会员服务
34+阅读 · 2022年1月19日
【NeurIPS2021】NeRV:视频的神经表示
专知会员服务
11+阅读 · 2021年10月28日
专知会员服务
7+阅读 · 2021年10月4日
专知会员服务
21+阅读 · 2021年9月23日
专知会员服务
12+阅读 · 2021年9月13日
专知会员服务
40+阅读 · 2021年7月5日
【CVPR2021】探索图像超分辨率中的稀疏性以实现高效推理
专知会员服务
14+阅读 · 2021年3月26日
「数据数学:从理论到计算」EPFL硬核课程
专知会员服务
42+阅读 · 2021年1月31日
实践教程 | 卷积神经网络压缩方法总结
极市平台
0+阅读 · 2021年10月22日
【经典书】信息论与统计: 教程,116页pdf
专知
1+阅读 · 2021年3月27日
【学界】DeepMind论文:深度压缩感知,新框架提升GAN性能
GAN生成式对抗网络
14+阅读 · 2019年5月23日
视频大脑:视频内容理解的技术与应用
AI前线
13+阅读 · 2019年4月18日
深度学习之视频图像压缩
论智
13+阅读 · 2018年6月15日
一文读懂图像压缩算法
七月在线实验室
15+阅读 · 2018年5月2日
如何设计基于深度学习的图像压缩算法
论智
40+阅读 · 2018年4月26日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Tikhonov Regularization of Circle-Valued Signals
Arxiv
1+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
14+阅读 · 2021年3月10日
Arxiv
15+阅读 · 2018年4月3日
小贴士
相关VIP内容
基于深度学习的视频超分辨率重构进展综述
专知会员服务
17+阅读 · 2022年3月7日
视频隐私保护技术综述
专知会员服务
34+阅读 · 2022年1月19日
【NeurIPS2021】NeRV:视频的神经表示
专知会员服务
11+阅读 · 2021年10月28日
专知会员服务
7+阅读 · 2021年10月4日
专知会员服务
21+阅读 · 2021年9月23日
专知会员服务
12+阅读 · 2021年9月13日
专知会员服务
40+阅读 · 2021年7月5日
【CVPR2021】探索图像超分辨率中的稀疏性以实现高效推理
专知会员服务
14+阅读 · 2021年3月26日
「数据数学:从理论到计算」EPFL硬核课程
专知会员服务
42+阅读 · 2021年1月31日
相关资讯
实践教程 | 卷积神经网络压缩方法总结
极市平台
0+阅读 · 2021年10月22日
【经典书】信息论与统计: 教程,116页pdf
专知
1+阅读 · 2021年3月27日
【学界】DeepMind论文:深度压缩感知,新框架提升GAN性能
GAN生成式对抗网络
14+阅读 · 2019年5月23日
视频大脑:视频内容理解的技术与应用
AI前线
13+阅读 · 2019年4月18日
深度学习之视频图像压缩
论智
13+阅读 · 2018年6月15日
一文读懂图像压缩算法
七月在线实验室
15+阅读 · 2018年5月2日
如何设计基于深度学习的图像压缩算法
论智
40+阅读 · 2018年4月26日
相关基金
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员