基于多尺度在線字典學(xué)習(xí)的可分級(jí)視頻編碼系統(tǒng)的制作方法
【專利摘要】本發(fā)明提供了一種基于多尺度在線字典學(xué)習(xí)的可分級(jí)視頻編碼系統(tǒng)，其中：基于層次化稀疏的多尺度訓(xùn)練集構(gòu)造模塊利用小波變換獲得圖像不同尺度上的層次化稀疏結(jié)構(gòu)，通過高斯差分濾波器組提取方向能量獲得圖像中的基元區(qū)域，截取基元區(qū)域的圖像塊生成多尺度訓(xùn)練集，在線字典學(xué)習(xí)模塊利用隨機(jī)梯度下降法保證了在低復(fù)雜度下迭代優(yōu)化字典原子，生成多尺度訓(xùn)練集對(duì)應(yīng)的子字典基，跨尺度視頻幀重構(gòu)模塊對(duì)低頻視頻幀通過構(gòu)造的子字典基學(xué)習(xí)到不同層次的丟失高頻信息，通過不同級(jí)數(shù)的小波逆變換重構(gòu)，實(shí)現(xiàn)視頻質(zhì)量可分級(jí)的目的。本發(fā)明降低了基于學(xué)習(xí)的超分辨率算法的復(fù)雜度，在不同的傳輸速率下相比H.264取得了重構(gòu)質(zhì)量增益，具備良好的可擴(kuò)展性。
【專利說明】基于多尺度在線字典學(xué)習(xí)的可分級(jí)視頻編碼系統(tǒng)

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及可分級(jí)視頻編碼方案，具體地，涉及一種基于多尺度在線字典學(xué)習(xí)的可分級(jí)視頻編碼系統(tǒng)。

【背景技術(shù)】
[0002]隨著HEVC標(biāo)準(zhǔn)的完善，HEVC的可分級(jí)編碼方案的制定同樣受到了廣泛的關(guān)注。為了自適應(yīng)的滿足不同傳輸特性的異構(gòu)網(wǎng)絡(luò)上的視頻傳輸要求和不同客戶端的應(yīng)用要求，視頻編碼的可分級(jí)性具有很高的理論研究以及實(shí)際應(yīng)用價(jià)值。從H.264/AVC到HEVC，越來越成熟的幀間和幀內(nèi)預(yù)測方法提高了率失真表現(xiàn)，例如自適應(yīng)的核函數(shù):MDDT、ROT和自適應(yīng)的DCT/DST變換等，其本質(zhì)是如何有效的通過分析字典基或?qū)W習(xí)字典基的線性組合有效且稀疏地表達(dá)自然信號(hào)的問題，在解碼端通過相鄰或當(dāng)前幀的本地或非本地樣本塊來預(yù)測最可能的視頻圖像塊。近幾年熱門的超分辨率重構(gòu)技術(shù)證明了字典學(xué)習(xí)算法能夠有效地通過非參數(shù)的方式對(duì)稀疏采樣的低分辨率圖像和高分辨率圖像之間的相關(guān)性進(jìn)行估計(jì)。
[0003]經(jīng)過對(duì)現(xiàn)有技術(shù)的文獻(xiàn)檢索發(fā)現(xiàn)，現(xiàn)有的兩個(gè)主流的可分級(jí)視頻編碼方案為亞洲微軟研究院 Ruiqin X1ng, Jizheng Xu, Feng Wu 和 Shipeng Li 在 2007 年的《IEEETransact1ns on Circuits and Systems for Video Technology》(TCSVT)期干丨J上發(fā)表的^ Barbell-Lifting Based3_D Wavelet Coding Scheme”一文中提出了基于 3_D wavelet變換分級(jí)的可分級(jí)視頻編碼架構(gòu)，以及德國Heinrich-Hertz Institute (HHI) Schwarz, H.Marpe, D.ffiegand, T.在 2007 年的〈〈IEEE Transact1ns on Circuits and Systems forVideo Technology》(TCSVT)期刊上發(fā)表的 “Overview of the Scalable Video CodingExtens1n of the H.264/AVC Standard”一文中提出的基于H.264的編碼方案。然而傳統(tǒng)的DCT變換以及2-D離散小波變換只能捕捉到邊緣的一維奇異點(diǎn)，無法有效的表示二維乃至高維圖像邊界的光滑性。因此Elad等人于2011年在《IEEE Journal of Selected Topicsin Signal Processing〉〉上發(fā)表的“Mult1-Scale Dict1nary Learning Using Wavelets，，一文中提出了基于小波分解的多尺度學(xué)習(xí)字典方法，通過構(gòu)造分層稀疏的結(jié)構(gòu)，自適應(yīng)地對(duì)不同尺度圖像信息進(jìn)行學(xué)習(xí)，結(jié)合分析字典的固定基以及學(xué)習(xí)字典的自適應(yīng)基，天然的實(shí)現(xiàn)對(duì)天然信號(hào)尺度漸進(jìn)逼近，同時(shí)獲得比單尺度學(xué)習(xí)字典基和小波基更好的稀疏分解和重建效果。但該多尺度學(xué)習(xí)字典僅適用于圖像的稀疏表示，無法應(yīng)用在視頻編碼和壓縮中。


【發(fā)明內(nèi)容】

[0004]針對(duì)現(xiàn)有技術(shù)中的缺陷，本發(fā)明的目的是提供一種基于多尺度在線字典學(xué)習(xí)的可分級(jí)視頻編碼系統(tǒng)，可以有效提高視頻信號(hào)編碼效率以及重構(gòu)系統(tǒng)的主客觀質(zhì)量，并可作為一種通用的質(zhì)量可分級(jí)視頻編碼工具。
[0005]為實(shí)現(xiàn)以上目的，本發(fā)明提供一種基于多尺度在線字典學(xué)習(xí)的可分級(jí)視頻編碼系統(tǒng)，包括:基于層次化稀疏的多尺度訓(xùn)練集構(gòu)造模塊、在線字典學(xué)習(xí)模塊以及跨尺度視頻幀重構(gòu)模塊，其中:
[0006]所述基于層次化稀疏的多尺度訓(xùn)練集構(gòu)造模塊利用多級(jí)小波變換獲得圖像不同尺度上的層次化稀疏結(jié)構(gòu)，通過高斯差分濾波器組提取方向能量獲得圖像中的基元區(qū)域，截取基元區(qū)域的圖像塊生成多尺度訓(xùn)練集；
[0007]所述在線字典學(xué)習(xí)模塊利用隨機(jī)梯度下降法保證了在低復(fù)雜度下迭代優(yōu)化字典原子，通過在線字典學(xué)習(xí)算法對(duì)不同尺度的訓(xùn)練集進(jìn)行字典學(xué)習(xí)，生成對(duì)應(yīng)的多尺度子字典基；
[0008]所述跨尺度視頻幀重構(gòu)模塊對(duì)低頻視頻幀通過構(gòu)造的子字典基學(xué)習(xí)到不同層次的丟失高頻信息，通過不同級(jí)數(shù)的小波逆變換重構(gòu)，實(shí)現(xiàn)視頻質(zhì)量可分級(jí)的目的。
[0009]優(yōu)選地，所述的基于層次化稀疏的多尺度訓(xùn)練集構(gòu)造模塊，該模塊實(shí)現(xiàn)由在重構(gòu)的關(guān)鍵幀上通過K階小波變換得到圖片的低頻子帶和3個(gè)方向上的K-1階高頻子帶，對(duì)于每一個(gè)子帶通過高斯濾波器進(jìn)行基元塊的提取和方向分類，不同尺度的每個(gè)方向類中的基元塊對(duì)應(yīng)于一個(gè)子訓(xùn)練集，同時(shí)在子訓(xùn)練集上訓(xùn)練得到的字典基上具有層次化稀疏結(jié)構(gòu)。
[0010]更優(yōu)選地，所述的基于小波變換的多尺度訓(xùn)練集構(gòu)造可以通過小波變換、基元塊提取和分類方法對(duì)整個(gè)重構(gòu)關(guān)鍵幀進(jìn)行操作來實(shí)現(xiàn)。
[0011]優(yōu)選地，所述的在線字典學(xué)習(xí)模塊，該模塊實(shí)現(xiàn)由隨機(jī)梯度下降法實(shí)現(xiàn)稀疏表示誤差的最小化，它能夠適應(yīng)性的表示出高維信號(hào)的內(nèi)在結(jié)構(gòu)，相對(duì)于固定基能更有效地稀疏表示視頻信號(hào)，這種在過完備學(xué)習(xí)字典基矩陣上的稀疏表示是具有結(jié)構(gòu)化稀疏的。
[0012]更優(yōu)選地，所述的在線字典學(xué)習(xí)模塊能夠在每一次迭代中僅基于當(dāng)前訓(xùn)練塊最小化代價(jià)函數(shù)，降低了計(jì)算復(fù)雜度和空間使用率，單獨(dú)作用于不同的子訓(xùn)練集組得到不同的子字典對(duì)。
[0013]優(yōu)選地，所述的跨尺度視頻幀重構(gòu)模塊通過一種凸松弛算法模型實(shí)現(xiàn)的，找到的最優(yōu)的稀疏表示稀疏乘以對(duì)應(yīng)字典學(xué)習(xí)得到的子字典基，通過不同階數(shù)的小波逆變換就是要得到可分級(jí)的重構(gòu)信號(hào)。
[0014]本發(fā)明系統(tǒng)為視頻信號(hào)的編碼壓縮提供了通用的解決方案。本發(fā)明所使用的基于層次化稀疏的多尺度訓(xùn)練集構(gòu)造模塊可以通過小波變換、基元塊提取和分類方法對(duì)整個(gè)重構(gòu)關(guān)鍵幀進(jìn)行操作得到的，充分利用了視頻幀塊的塊結(jié)構(gòu)稀疏，以及小波變換不同階層子帶間的層次化結(jié)構(gòu)稀疏，實(shí)現(xiàn)了多尺度字典字典對(duì)的低頻子帶和高頻子帶映射；另一方面，鑒于在線字典學(xué)習(xí)在訓(xùn)練字典對(duì)過程中發(fā)揮的重要作用，本發(fā)明通過在線字典學(xué)習(xí)的方法對(duì)每個(gè)子帶的每個(gè)方向中的訓(xùn)練集單獨(dú)進(jìn)行學(xué)習(xí)得到相應(yīng)的基進(jìn)而得到多尺度中每一個(gè)尺度的稀疏表示完備字典基，這樣能夠使得幀塊信號(hào)具有適應(yīng)性稀疏表示，并且該稀疏表示具有結(jié)構(gòu)性，進(jìn)而提高視頻中自然信號(hào)的表示精確性，還能加速凸松弛重構(gòu)算法的收斂及穩(wěn)定性，有助于本發(fā)明可分級(jí)視頻編碼的性能及實(shí)用性的提升。
[0015]與現(xiàn)有技術(shù)相比，本發(fā)明具有如下的有益效果:
[0016]本發(fā)明大大提高了重構(gòu)性能，與傳統(tǒng)的使用固定基或者小波基進(jìn)行重構(gòu)的視頻壓縮傳感系統(tǒng)相比，由于本發(fā)明的重構(gòu)采用的是適應(yīng)性的全局最優(yōu)的基因此在重構(gòu)效果上均能夠得到增強(qiáng)；對(duì)于其它高維信號(hào)，本發(fā)明通過適當(dāng)?shù)男薷囊部墒褂茫哂休^強(qiáng)的適應(yīng)性；在重建時(shí)由于多尺度字典基的特殊構(gòu)造，使得信號(hào)具有結(jié)構(gòu)性的稀疏表示，因此本發(fā)明在相同的編碼速率的情況下可以進(jìn)一步提高重構(gòu)質(zhì)量，同時(shí)也具備良好的可擴(kuò)展性。

【專利附圖】

【附圖說明】
[0017]通過閱讀參照以下附圖對(duì)非限制性實(shí)施例所作的詳細(xì)描述，本發(fā)明的其它特征、目的和優(yōu)點(diǎn)將會(huì)變得更明顯:
[0018]圖1為本發(fā)明一實(shí)施例的基于層次化稀疏的多尺度訓(xùn)練集構(gòu)造模塊以及在線字典學(xué)習(xí)模塊的結(jié)構(gòu)框圖；
[0019]圖2為本發(fā)明一實(shí)施例的跨尺度視頻幀重構(gòu)模塊的結(jié)構(gòu)框圖；
[0020]圖3為本發(fā)明一實(shí)施例的跨尺度視頻幀重構(gòu)模塊對(duì)尺度間系數(shù)延展示意圖。

【具體實(shí)施方式】
[0021]下面結(jié)合具體實(shí)施例對(duì)本發(fā)明進(jìn)行詳細(xì)說明。以下實(shí)施例將有助于本領(lǐng)域的技術(shù)人員進(jìn)一步理解本發(fā)明，但不以任何形式限制本發(fā)明。應(yīng)當(dāng)指出的是，對(duì)本領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進(jìn)。這些都屬于本發(fā)明的保護(hù)范圍。
[0022]如圖1、圖2所示，本實(shí)施例提供一種基于多尺度在線字典學(xué)習(xí)的可分級(jí)視頻編碼系統(tǒng)，包括:基于層次化稀疏的多尺度訓(xùn)練集構(gòu)造模塊、在線字典學(xué)習(xí)模塊以及跨尺度視頻幀重構(gòu)模塊，其中:
[0023]所述基于層次化稀疏的多尺度訓(xùn)練集構(gòu)造模塊利用多級(jí)小波變換獲得圖像不同尺度上的層次化稀疏結(jié)構(gòu)，通過高斯差分濾波器組提取方向能量獲得圖像中的基元區(qū)域:
ΟΕσβ = (I X f:f)2 + (Ix /:Γ)2:對(duì)基元區(qū)域提取7*7的圖像塊，式中是尺度
O和方向Θ上的一階和二階高斯差分濾波器，基元圖像塊生成多尺度訓(xùn)練集；
[0024]所述在線字典學(xué)習(xí)模塊利用隨機(jī)梯度下降法保證了在低復(fù)雜度下迭代優(yōu)化字典原子，通過在線字典學(xué)習(xí)算法對(duì)不同尺度的訓(xùn)練集進(jìn)行字典學(xué)習(xí)，生成對(duì)應(yīng)的多尺度子字典基；
[0025]所述跨尺度視頻幀重構(gòu)模塊對(duì)低頻視頻幀通過構(gòu)造的子字典基學(xué)習(xí)到不同層次的丟失高頻信息，通過不同級(jí)數(shù)的小波逆變換重構(gòu)，實(shí)現(xiàn)視頻質(zhì)量可分級(jí)的目的。
[0026]本實(shí)施例中，所述的基于層次化稀疏的多尺度訓(xùn)練集構(gòu)造模塊以及在線字典學(xué)習(xí)模塊如圖1所示，對(duì)于一段序列的視頻幀，選出一個(gè)子集作為關(guān)鍵幀，在解碼端對(duì)關(guān)鍵幀做K階小波變換，獲得一個(gè)低頻子帶和(κ-1)*3個(gè)方向上的高頻子帶，通過小波逆變換獲得不同階數(shù)的小波重構(gòu)信號(hào)，依次與前一階的重構(gòu)信號(hào)相減，得到每一層上重構(gòu)獲得的高頻信息增益。對(duì)每一層上的高頻信息增益中對(duì)應(yīng)于低頻子帶的相同位置通過高斯濾波器進(jìn)行邊緣和紋理檢測獲得基元塊，得到多尺度訓(xùn)練集{Tis TJf5...s Tf -1I。每一個(gè)子訓(xùn)練集TI1對(duì)應(yīng)第i階小波逆變換所獲得的高頻信息的結(jié)構(gòu)塊，對(duì)應(yīng)于低頻子帶結(jié)構(gòu)塊的高頻信息都可以通過對(duì)應(yīng)的高頻訓(xùn)練集中的原子線性表示。
[0027]本實(shí)施例中，所述的在線字典學(xué)習(xí)模塊是為了從大樣本的訓(xùn)練集中學(xué)習(xí)到一個(gè)自適應(yīng)的完備字典基，能夠在可接受的誤差內(nèi)稀疏的表示圖像視頻塊。對(duì)應(yīng)訓(xùn)練集X=[Xl，X2,...，χη]，傳統(tǒng)的基于批量梯度下降法通過迭代減少經(jīng)驗(yàn)代價(jià)函數(shù)./?(D) =優(yōu)化字典原子，其中D為信號(hào)表示的字典基，代價(jià)函數(shù)I(XsD)全miiw；Sfr !|lx —DaLAIaII1表示稀疏編碼的誤差度，α為稀疏表示系數(shù),然而這種每次迭代中都基于整個(gè)訓(xùn)練集的方法有著很高的計(jì)算復(fù)雜度和空間占用率。在線字典通過在每次迭代中隨機(jī)選擇一個(gè)樣本塊來優(yōu)化近似期望代價(jià)函數(shù)爲(wèi)(D) = IELi1(x^d)，
基于隨機(jī)梯度下降法更新字典原子Dt+1 =Dt- ^tV0I(XtjDt)，Φ,為學(xué)習(xí)率，Vd為對(duì)
D求偏導(dǎo)，降低了計(jì)算復(fù)雜度和空間占用率，同時(shí)可以證明在樣本數(shù)足夠大的情況下近似期望代價(jià)函數(shù)收斂到O。其稀疏編碼算法由LARS算法實(shí)現(xiàn)，字典原子更新過程由塊坐標(biāo)梯度下降法(block-coordinate gradient descent)實(shí)現(xiàn)。
[0028]如圖3所示，小波變換的子帶間有著系數(shù)的延展性，因此在構(gòu)造字典時(shí)考慮對(duì)應(yīng)坐標(biāo)位置的高-低頻圖像塊能夠用基于字典對(duì)上相同的稀疏表示來進(jìn)行逼近。因此通過對(duì)低頻子帶的訓(xùn)練集進(jìn)行學(xué)習(xí)，得到低頻字典基以及訓(xùn)練集在其上最優(yōu)的I1范數(shù)最小的稀疏表示系數(shù)通過凸松弛算法模型，用對(duì)應(yīng)的訓(xùn)練集乘以得到對(duì)應(yīng)各級(jí)尺度上的過完被字典基。
[0029]如圖2所示，所述的跨尺度視頻幀重構(gòu)模塊是通過一種凸松弛算法模型實(shí)現(xiàn)的，具體為:對(duì)于下采樣再內(nèi)插的低分辨率非關(guān)鍵幀，先通過一級(jí)小波分解獲得其低頻子帶的小波系數(shù)，和學(xué)習(xí)時(shí)一樣通過高斯差分濾波器組提取方向能量獲得低分辨率關(guān)鍵幀中的基元區(qū)域，截取基元區(qū)域的圖像塊，用正交匹配追蹤(OMP)算法得到基元區(qū)域的圖像塊在學(xué)習(xí)所得的低頻字典基上的I1范數(shù)最小的最優(yōu)稀疏表示系數(shù)⑴自適應(yīng)的根據(jù)網(wǎng)絡(luò)帶寬和客戶端需求決定重構(gòu)所需的視頻質(zhì)量，即決定小波逆變換重構(gòu)所需的級(jí)數(shù)L，要求重構(gòu)低分辨率非關(guān)鍵幀的第1-L層的小波高頻子帶信息，通過小波逆變換得到所需重構(gòu)的非關(guān)鍵幀塊信號(hào)，實(shí)現(xiàn)質(zhì)量可分級(jí)的目的。
[0030]本發(fā)明以上實(shí)施例中沒有特別說明的部分，可以采用現(xiàn)有技術(shù)來實(shí)現(xiàn)。
[0031]實(shí)施效果
[0032]本實(shí)施例中關(guān)鍵參數(shù)的設(shè)置為:實(shí)驗(yàn)用視頻序列來源于foreman_cif.yuv,akiy0.yuv，(352x288的4:2:0格式的YUV文件)，總共取48幀。每16幀為一個(gè)幀組，選取每幀組的前三幀和下一幀組的前三幀為關(guān)鍵幀，本幀組的剩余13幀為非關(guān)鍵幀，塊的尺寸選取為7X7像素。由于信號(hào)的灰度圖集中了絕大部分能量，測試主要是在灰度圖上完成的。我們比較了 HHI所提出的H.264/SVC的方法。本發(fā)明所用在線字典學(xué)習(xí)方法選取了迭代次數(shù)為150次。
[0033]與H.264/SVC相比，foreman, yuv在碼率為240.64kbps時(shí)，本實(shí)施例系統(tǒng)獲得平均0.4dB左右的重構(gòu)增益；在碼率為135.34kbps時(shí)，本實(shí)施例系統(tǒng)獲得平均0.2dB左右的重構(gòu)增益。akiy0.yuv在碼率為170.15kbps時(shí)，本實(shí)施例系統(tǒng)獲得平均0.3dB左右的重構(gòu)增益；在碼率為112.04kbps時(shí)，本實(shí)施例系統(tǒng)獲得平均0.1dB左右的重構(gòu)增益。
[0034]實(shí)驗(yàn)表明，本實(shí)施例系統(tǒng)重建出來的視頻序列在重構(gòu)質(zhì)量上優(yōu)于H.264/SVC得到的視頻序列。
[0035]以上對(duì)本發(fā)明的具體實(shí)施例進(jìn)行了描述。需要理解的是，本發(fā)明并不局限于上述特定實(shí)施方式，本領(lǐng)域技術(shù)人員可以在權(quán)利要求的范圍內(nèi)做出各種變形或修改，這并不影響本發(fā)明的實(shí)質(zhì)內(nèi)容。
【權(quán)利要求】
1.一種基于多尺度在線字典學(xué)習(xí)的可分級(jí)視頻編碼系統(tǒng)，其特征在于所述系統(tǒng)包括:基于層次化稀疏的多尺度訓(xùn)練集構(gòu)造模塊、在線字典學(xué)習(xí)模塊以及跨尺度視頻幀重構(gòu)模塊，其中: 所述基于層次化稀疏的多尺度訓(xùn)練集構(gòu)造模塊利用多級(jí)小波變換獲得圖像不同尺度上的層次化稀疏結(jié)構(gòu)，通過高斯差分濾波器組提取方向能量獲得圖像中的基元區(qū)域，截取基元區(qū)域的圖像塊生成多尺度訓(xùn)練集； 所述在線字典學(xué)習(xí)模塊利用隨機(jī)梯度下降法保證了在低復(fù)雜度下迭代優(yōu)化字典原子，通過在線字典學(xué)習(xí)算法對(duì)不同尺度的訓(xùn)練集進(jìn)行字典學(xué)習(xí)，生成對(duì)應(yīng)的多尺度子字典基； 所述跨尺度視頻幀重構(gòu)模塊對(duì)低頻視頻幀通過構(gòu)造的子字典基學(xué)習(xí)到不同層次的丟失高頻信息，通過不同級(jí)數(shù)的小波逆變換重構(gòu)，實(shí)現(xiàn)視頻質(zhì)量可分級(jí)的目的。
2.根據(jù)權(quán)利要求1所述的一種基于多尺度在線字典學(xué)習(xí)的可分級(jí)視頻編碼系統(tǒng)，其特征在于，所述的基于層次化稀疏的多尺度訓(xùn)練集構(gòu)造模塊實(shí)現(xiàn)由在重構(gòu)的關(guān)鍵幀上通過K階小波變換得到圖片的低頻子帶和3個(gè)方向上的K-1階高頻子帶，對(duì)于每一個(gè)子帶通過高斯濾波器進(jìn)行基元塊的提取和方向分類，不同尺度的每個(gè)方向類中的基元塊對(duì)應(yīng)于一個(gè)子訓(xùn)練集，同時(shí)在子訓(xùn)練集上訓(xùn)練得到的字典基上具有層次化稀疏結(jié)構(gòu)。
3.根據(jù)權(quán)利要求2所述的一種基于多尺度在線字典學(xué)習(xí)的可分級(jí)視頻編碼系統(tǒng)，其特征在于，所述的基于小波變換的多尺度訓(xùn)練集構(gòu)造通過小波變換、基元塊提取和分類方法對(duì)整個(gè)重構(gòu)關(guān)鍵幀進(jìn)行操作來實(shí)現(xiàn)。
4.根據(jù)權(quán)利要求1-3任一項(xiàng)所述的一種基于多尺度在線字典學(xué)習(xí)的可分級(jí)視頻編碼系統(tǒng)，其特征在于，所述的在線字典學(xué)習(xí)模塊實(shí)現(xiàn)由隨機(jī)梯度下降法實(shí)現(xiàn)稀疏表示誤差的最小化，它能夠適應(yīng)性的表示出高維信號(hào)的內(nèi)在結(jié)構(gòu)，相對(duì)于固定基能更有效地稀疏表示視頻信號(hào)，這種在過完備學(xué)習(xí)字典基矩陣上的稀疏表示是具有結(jié)構(gòu)化稀疏的。
5.根據(jù)權(quán)利要求4所述的一種基于多尺度在線字典學(xué)習(xí)的可分級(jí)視頻編碼系統(tǒng)，其特征在于，所述的在線字典學(xué)習(xí)模塊能夠在每一次迭代中僅基于當(dāng)前訓(xùn)練塊最小化代價(jià)函數(shù)，單獨(dú)作用于不同的子訓(xùn)練集組得到不同的子字典對(duì)。
6.根據(jù)權(quán)利要求1-3任一項(xiàng)所述的一種基于多尺度在線字典學(xué)習(xí)的可分級(jí)視頻編碼系統(tǒng)，其特征在于，所述的跨尺度視頻幀重構(gòu)模塊通過一種凸松弛算法模型實(shí)現(xiàn)的，找到的最優(yōu)的稀疏表示稀疏乘以對(duì)應(yīng)子字典基，通過不同階數(shù)的小波逆變換就是要得到可分級(jí)的重構(gòu)信號(hào)。
【文檔編號(hào)】G06F3/14GK104199627SQ201410331199
【公開日】2014年12月10日 申請(qǐng)日期:2014年7月11日 優(yōu)先權(quán)日:2014年7月11日
【發(fā)明者】熊紅凱, 唐欣 申請(qǐng)人:上海交通大學(xué)