西安电子科技大学 智能感知与图像理解教育部重点实验室, 陕西 西安 710071
提出一种混合观测压缩感知多描述编码方案, 用于提升传统的该类编码系统的编码性能并保留其抗丢包能力。该方案采用二维离散余弦变换(DCT)观测矩阵和高斯矩阵分别对图像信号进行观测,并分别使用哥伦布码(Golomb code)及其改进的编码方案对两种观测系数进行熵编码, 得到包含完整码字的二维DCT码流和仅包含部分码字的高斯观测系数码流。在解码端, 利用二维DCT系数和高斯观测系数之间的相关性进行最大后验概率估计解码, 成功估计出高斯观测系数的缺失码字。最后再将两种观测系数合并, 采用1范数优化算法重构出原信号。针对自然图像和遥感图像的实验均表明：不同丢包情况下, 用本文提出的编码方案获得的重构图像的峰值信噪比(PSNR)值比传统高斯观测压缩感知编码方案提高了2~4 dB, 该方案同时还具有鲁棒的抗丢包能力。
压缩感知 混合观测 多描述编码 哥伦布编码 compressive sensing hybrid sampling multiple description coding Golomb coding
1 西南科技大学信息工程学院, 四川 绵阳 621010
2 中国科学院光电技术研究所, 成都 610209
3 东南大学信息科学与工程学院, 南京 210096
图像的高质量、低帧率传输有较广泛的应用。由于传输信道的不可靠、易丢包或误码等固有特性使传输图像降质甚至无法正常译码。本文对原图像亚采样后进行低分辨率多描述编码以增强传输鲁棒性, 接收端再采用多幅解码图像超分辨率重构, 可在相同信道条件下得到 2～3 dB的 PSNR增益。并且可以结合目前几乎所有的图像多描述编码技术和超分辨率重构算法, 有很强的应用和推广价值。
多描述编码 亚采样 超分辨率重构 凸集投影 MDC sub-sample super-resolution reconstruction projection onto convex set (POCS)
1 西安电子科技大学 智能感知与图像理解教育部重点实验室, 陕西 西安 710071
2 空军工程大学 理学院, 陕西 西安 710051
基于新兴的压缩感知(Compressed Sensing, CS)理论, 提出了一种抗丢包能力强且结构简单易实现的多描述编 码方法.首先对变换后的图像进行交织抽取分块, 再对各子块进行随机观测、量化、打包形成多个描述子码流.解码 端根据接收码流情况通过求解优化问题重建原图像.由于随机观测过程简单易实现, 故该方法可以以较低的计算 复杂度构造出较多的描述子.实验结果表明, 在同样的丢包率下, 本文方法的重构质量(PSNR)明显优于SPIHT多 描述编码方法, 且计算复杂度较低.
多描述编码 压缩感知 随机观测 优化问题 multiple description coding compressed sensing random measurement optimization problem
宁波大学,信息科学与技术学院,浙江,宁波,315211
为了研究图像、视频在不可靠网络上传输的鲁棒性问题,系统采用多描述编码方法,该方法通过去除冗余信息以达到数据的压缩,同时保留一部分冗余信息使得编码后的数据流在网络上传输具有一定的鲁棒性.本文针对采用多相下抽样实现的多描述编码,提出了一种新的基于预测的预处理和后处理方案,该方案能对多描述编码产生的数据流中冗余信息进行灵活插入,以达到多描述编码中的中央解码器与边沿解码器的效率进行拆衷控制.仿真实验结果表明该方法计算复杂度降低,冗余控制的灵活性大,编码后的数据流更能适应各种网络传输状况.
联合信源信道编码 图像编码 多描述编码 预处理 后处理
