基于帧间组稀疏的两阶段递归增强视频压缩感知重构网络OA北大核心CSCDCSTPCD
Two-Stage Recursive Enhance ment Reconstruction Based on Video Inter-frame Group Sparse Representation in Co mpressed Video Sensing
基于迭代优化的传统视频压缩感知重构算法运行时间长,参数的自适应性较低,限制了其实用性和泛化能力.利用神经网络强大的计算能力和运行速度快、参数可学习的优点,本文首先提出了帧间组稀疏网络(VGSR-Net),用神经网络将图像块组映射到更高维的稀疏表示域中,并利用可学习的阈值提取帧间相关特征.在此基础上,提出了两阶段混合递归增强重构网络(2sRER-VGSR-Net).首先,利用VGSR-Net对初始重构结果进行初步增强;然后,引入STMC-Net实现运动估计,并利用残差重构网络进一步重构当前帧丢失的信息,得到更高质量的重构结果.在第二阶段重构过程中采用混合递归结构,充分利用已有的高质量重构帧信息.仿真结果表明,所提算法与现有最优迭代优化重构算法SSIM-InterF-GSR相比重构性能提升了1.99dB;和基于深度学习的重构网络CSVideoNet相比,性能提升了4.60dB.
禤韵怡;杨春玲
华南理工大学电子与信息学院,广东广州 510640华南理工大学电子与信息学院,广东广州 510640
信息技术与安全科学
视频压缩感知深度学习帧间组稀疏表示混合递归网络运动估计增强重构
《电子学报》 2021 (3)
435-442,8
广东省自然科学基金-重点(No.2017A030311028)广东省自然科学基金(No.2019A1515011949)
评论