×
R.塞卡尔。;拉维，G。

差分脉冲编码调制和运动对准优化重建，用于基于块的压缩视频传感，使用条件自回归标群算法。 （英语） Zbl 1485.94010号

国际小波多分辨率。信息处理。 19，第6号，文章ID 2150021，27 p.（2021）.
摘要：压缩视频感知（CVS）是一种视频编码框架，它将压缩感知（CS）理论应用于视频编解码，以减少编码负担。针对CVS开发了多种现有方法，但提高重建速度和重建质量仍是视频压缩中的一大挑战。因此，结合CVS框架的特点，提出了一种基于差分脉冲编码调制+条件自回归-Salp群（DPCM+CA-SS）模型的CVS系统优化方法。通过将视频帧划分为几个块，从而使用测量矩阵测量每个块，从而探索视频帧的空间冗余。使用DPCM量化测量向量。使用哈夫曼编码将关键帧压缩成比特，并将数据包传输到解码器侧。通过使用基于CA-SS的预测模型对帧进行编码，以实现运动对齐（MA）优化重建，探索CVS模型的时间冗余性。然而，所提出的CA-SS是分别通过整合条件自回归风险值（CAViaR）和Salp Swarm算法（SSA）来设计的。然而，所提出的DPCM+CA-SS分别获得了39.6649 db和0.9120的最大PSNR和SSIM，以及4.9523秒的最小总时间。

MSC公司：

94A08型 信息与通信理论中的图像处理（压缩、重建等）
94甲12 信号理论（表征、重建、滤波等）
42立方厘米 涉及小波和其他特殊系统的非三角调和分析
65T60型 小波的数值方法
68单位10 图像处理的计算方法
42立方厘米 一般谐波膨胀，框架

关键词：

压缩视频传感;DPCM公司;CAViaR公司;salp群算法（SSA）;视频编解码器

软件：

CAViaR公司;安全保障局
PDF格式BibTeX公司 XML格式引用
\textit｛R.Sekar｝和\textit｛G.Ravi｝，Int.J.Wavelets多分辨率。信息处理。19，第6号，文章ID 2150021，27 p.（2021；Zbl 1485.94010）
全文： 内政部

参考文献：

[1] Angayarkanni，V.、Radha，S.和Akshaya，V.，《无线视频传感器网络使用压缩传感的多视图视频编解码器》，国际期刊Mob。Commun.17（6）（2019）727-745。
[2] Chen，J.，Wang，N.，Xue，F.和Gao，Y.，基于假设集更新技术优化的分布式压缩视频传感，多媒体。工具应用76（14）（2017）15735-15754。
[3] Cofini，V.、Giacomo，D.D.、Mascio，T.D.、Necozione，S.和Vittorini，P.，《兴趣评估计划：当以用户为中心的设计满足循证方法时》，《基于证据的技术强化学习国际研讨会》（2012），第11-18页。
[4] Do，T.T.，Chen，Y.，Nguyen，D.T.，Ngueen，N.，Gan，L.和Tran，T.D.，分布式压缩视频传感，IEEE第16届国际会议图像处理（ICIP）（2009年），第1393-1396页。
[5] Do，T.T.，Gan，L.，Nguyen，N.H.和Tran，T.D.，使用结构随机矩阵的快速有效压缩传感，IEEE Trans。信号处理。60（1）（2011）139-154·兹比尔1393.94214
[6] Engle，R.F.和Manganelli，S.，CAViaR：分位数回归的条件风险值，第w7341号，国家经济研究局（1999）。
[7] Estes，J.E.，《遥感数据的地理应用》，Proc。IEEE73（6）（1985）1097-1107。
[8] Figueiredo，M.A.、Nowak，R.D.和Wright，S.J.，《稀疏重建的梯度投影：压缩传感和其他反问题的应用》，IEEE J.Sel。主题信号处理。1（4）（2007）586-597。
[9] Gan，L.，自然图像的块压缩感知，IEEE第15届国际会议数字信号处理（2007），第403-406页。
[10] Giammaria，D.、Ioni，A.、Bartoli，B.、Cofini，V.、Pellegrini，G.和Giannotti，B.，《患有和不患有黄斑异常的眼睛的时域和光谱域光学相干断层扫描术中黄斑厚度测量值的比较》，《视网膜》31（2011）。
[11] Guariglia，E.，熵与分形天线，熵18（3）（2016）84。
[12] Guariglia，E.，Weierstrass-Mandelbrot函数的光谱分析，IEEE第二届国际多学科计算机与能源科学会议。(2017).
[13] Guariglia，E.，Harmonic Sierpinski垫片和应用，Entropy20（9）（2018）。
[14] Guariglia，E.和Silvestrov，S.，D（素数（C））上正定分布和小波的分数小波分析，《工程数学II》，第179卷（Springer，Cham，2016），第337-353页·Zbl 1365.65294号
[15] Guido，R.C.，《离散小波变换的实用技巧》[sp tips&Tricks]，IEEE信号处理。Mag.32（3）（2015）162-166。
[16] Guido，R.C.，《有效解释离散小波变换信号》【课堂讲稿】，IEEE信号处理。Mag.34（3）（2017）89-100。
[17] Guido，R.C.，《信息融合中基于熵的手工特征提取教程综述》，Inf.Fusion41（2018）。
[18] Guido，R.C.，《用于时频形状联合分析的近对称正交小波：引入用于非线性信号分析的离散形状变换第三代（DST-III）》，Commun。非线性科学。数字。模拟97（2021）·Zbl 1459.42052号
[19] Guido，R.、Junior，S.B.、Vieira，L.S.、Sanchez，F.L.、Maciel，C.、Pereira，J.C.、Scalassara，P.R.和Fonseca，E.S.，《离散Shapelet变换简介和新范式：联合时频形状分析》，IEEE国际交响乐团。电路系统。(2018).
[20] Jankar，J.R.和Shah，S.K.，《HEVC编码器的加权熵编码和分数率失真权衡》，《无线个人通信》111（1）（2020）267-292。
[21] Ji，B.，Li，R.和Wu，C.，压缩感知视频编码的速率失真和速率能量失真评估，国际数字多媒体杂志。广播。(2017).
[22] Kang，L.W.和Lu，C.S.，分布式压缩视频传感，IEEE国际声学、语音和信号处理（2009），第1169-1172页。
[23] Kumar，R.、Sawhney，H.、Samarasekera，S.、Hsu，S.和Tao，H.，Guo，Y.、Hanna，K.、Pope，A.、Wildes，R.，Hirvonen，D.和Hansen，M.，《空中视频监控和开发》，Proc。IEEE89（10）（2001）1518-1539页。
[24] Kuo，Y.，Gao，Y..，Zhang，X.和Chen，J.，一种新的压缩视频传感多帧解码和逐帧测量，多媒体。工具应用76（5）（2017）7321-7339。
[25] Kuo，Y.，Wu，K.和Chen，J.，基于假设集优化技术的分布式压缩视频传感方案，多维。系统。信号处理。28（1）（2017）129-148·Zbl 1402.94020号
[26] Lahbabi，Y.、Ibn Elhaj，E.H.和Hammouch，A.，《P2PTV上可伸缩视频的自适应流媒体》，国际期刊《数字多媒体》。广播。(2015).
[27] Laura，C.D.、Pajuelo，D.和Kemper，G.，《SDTV-H.264/AVC编码视频的新型隐写技术》，《国际数字多媒体杂志》。广播。(2016).
[28] Li，X.，Lan，X.Yang，M.，Xue，J.和Zheng，N.，基于高斯混合模型的新型压缩传感视频编码框架，信号处理：Image Commun.55（2017）66-79。
[29] Li，R.，Liu，H.，He，W.和Ma，X.，基于块的压缩视频传感的时空量化和运动对准重建，KSII Trans。互联网信息系统10（1）（2016）。
[30] Li，R.，Liu，H.，Xue，R.和Li，Y.，《基于自回归预测和自适应残差恢复的压缩感知视频编解码器》，国际期刊《分布式传感器网络》11（8）（2015）562840。
[31] Li，Y.，Qi，M.，Gulve，R.，Wei，M..，Genov，R.、Kutulakos，K.N.和Heidrich，W.，使用安德森加速展开网络的端到端视频压缩传感，IEEE国际计算摄影（ICCP）（2020），第1-12页。
[32] Ling，X.，Yang，C.和Pei，H.，基于对齐预测和残差重建的压缩视频传感网络，IEEE国际会议多媒体与博览会（ICME）（2020），第1-6页。
[33] Liu，Y.，Li，M.和Pados，D.A.，压缩视频的Motion-aware解码，IEEE Trans。电路系统。视频技术。23（3）（2012）438-444。
[34] Liu，S.、Wang，A.、Wang、H.、Li，S.，Li，M.和Liang，J.，无线网络软视频组播的基于残差的自适应分布式压缩感知，多媒体。工具应用76（14）（2017）15587-15606。
[35] Liu，Y.，Zhu，X.，Zhang，L.和Cho，S.H.，摄像机传感器网络中的分布式压缩视频传感，《国际期刊》，传感器网络8（12）（2012）352167。
[36] Mallat，S.G.，《多分辨率信号分解理论：小波表示》，IEEE Trans。模式分析。机器。《情报》11（7）（1989）674-693·Zbl 0709.94650号
[37] Martel，J.N.、Mueller，L.、Carey，S.J.、Dudek，P.和Wetzstein，G.，《神经传感器：使用可编程传感器学习HDR成像和视频压缩传感的像素曝光》，IEEE Trans。模式分析。机器。智力。(2020).
[38] Meyer，Y.和Lemarié-Rieusset，P.G.，Ondeleteles et bases hilbertiennes，Rev.Mat.Iberoam.2（1986）1-18·Zbl 0657.42028号
[39] Mirjalili，S.、Gandomi，A.H.、Mirjalieli，S.Z.、Saremi，S.，Faris，H.和Mirjallili，S.M.，《Salp Swarm Algorithm:A bio-inpiriced optimizer for engineering design problems》，高级工程软件114（2017）163-191。
[40] Mur，A.L.，Peyrin，F.和Ducros，N.，压缩视频重建的递归神经网络，IEEE第17国际交响乐团。生物成像（ISBI）（2020年），第1651-1654页。
[41] Pedroso，F.，Furlan，A.，Conteras，R.C.，Caobianco，L.G.，Neto，J.S.和Guido，R.，CWT x DWT x DTWT x SDTWT：阐明不同类型小波变换的术语和作用，国际小波多分辨率。通知。流程18（6）（2020年）·Zbl 1459.42053号
[42] Peetakul，J.和Zhou，J.，通过使用移动检测和互编码在压缩视频传感中减少时间冗余，IEEE数据压缩会议（DCC）（2020），第387-387页。
[43] Prades-Nebot，J.、Ma，Y.和Huang，T.，使用压缩采样的分布式视频编码，IEEE图片编码交响乐。（2009），第1-4页。
[44] 乔，M.，孟，Z.，马，J.和袁，X.，视频压缩传感深度学习，APL Photonics5（3）（2020）030801。
[45] Zammit，J.和Wassell，I.J.，《自适应块压缩感知：实现实时和低复杂性》，IEEE Access（2020）。
[46] Zhang，L.，Liu，S.T.和Yu，C.，Morlet小波项对Weierstrass-Mandelbrot函数模型的控制效应，《印度物理学杂志》88（8）（2014）。
[47] Zhang，R.，Wu，S.，Wang，Y.和Jiao，J.，《高性能分布式压缩视频传感：联合利用HEVC运动估计和重建》，IEEE Access8（2020）31306-31316。
[48] Zhao，Z.，Xie，X.，Liu，W.和Pan，Q.，用于视频压缩传感的混合三维卷积网络，IEEE Access8（2020）20503-20513。
[49] Zheng，S.，Zhang，X.P.，Chen，J.和Kuo，Y.，压缩视频传感重建的新多假设预测方案，ICASSP IEEE Int.Conf.Acoustics，Speech and Signal Process（ICASSP）（2020），第4337-4341页。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。