压缩视频感知中量化器的研究与设计

来源：计算机工程与应用杂志2018年第9期北京时间：

作者：郑 成，王国中，范 涛，赵海武

单位：上海大学 通信与信息工程学院,上海 200444

摘要：压缩视频感知（Compressed Video Sensing，CVS）是一种利用压缩感知（Compressed Sensing，CS）以及分布式视频编码（DVC）的视频压缩方法，故又被称为分布式视频压缩感知。在CVS中，每帧图像经过块划分、压缩采样后对数据进行DPCM，最后使用均匀或者非均匀量化进行量化。目前，CVS量化器的设计大多是在采样数据或残差数据服从高斯分布的前提下设计的，通过Kolmogorov-Smirnov检验进一步分析压缩采样后的数据，利用劳埃德最佳量化器准则训练量化码书，设计出一种简单、高效的量化器。经实验，设计的量化器相比于传统的量化方法在BD-Rate上减少了约14.2%，在BDPSNR上提升了约0.11?dB，提高了CVS的压缩效率和重建质量。

关键词：压缩感知,最佳量化,压缩视频感知,差分脉码调制