本發(fā)明涉及圖像、視頻信號處理技術(shù)領(lǐng)域，特別是涉及壓縮成像系統(tǒng)硬件實(shí)現(xiàn)領(lǐng)域的壓縮觀測次數(shù)獲取方法。

背景技術(shù)：

壓縮感知(compressivesensing，cs)成像是近十年發(fā)展起來的一項(xiàng)新理論和技術(shù)。傳統(tǒng)信號采樣都必須遵守奈奎斯特采樣定理，其采樣頻率至少為信號最高頻率的兩倍；傳統(tǒng)圖像視頻基于奈奎斯特采樣，再采用h.264等壓縮方法進(jìn)行壓縮，丟棄大量冗余信息，浪費(fèi)大量的存儲空間和計(jì)算資源。而壓縮感知以信號稀疏表示理論為前提，充分利用了信號本身的結(jié)構(gòu)稀疏性，通過選擇合適的測量矩陣，以遠(yuǎn)低于奈奎斯特采樣率實(shí)現(xiàn)信號同時壓縮和采樣。壓縮感知理論帶來了信號采集理論的變革，在模擬信息轉(zhuǎn)換、壓縮成像、雷達(dá)成像、醫(yī)學(xué)成像和無線傳感網(wǎng)絡(luò)等領(lǐng)域有廣闊的應(yīng)用前景。

近年來，國內(nèi)外學(xué)者對基于壓縮感知的成像系統(tǒng)進(jìn)行了大量研究，這些研究大都圍繞著實(shí)現(xiàn)空間光調(diào)制的目的。2006年，rice大學(xué)baraniuk等提出利用數(shù)字微鏡器件(dmd)和單像素探測器的單像素照相機(jī)，但控制復(fù)雜、成本高，實(shí)時性差。mit的fergus等提出了基于隨機(jī)反射鏡面的隨機(jī)鏡頭相機(jī)模型，有超分辨率和深度估計(jì)能力，但鏡頭校準(zhǔn)復(fù)雜耗時，存儲需求大、成像速度低。duke大學(xué)的comp-i研究組提出基于編碼孔徑技術(shù)的成像系統(tǒng)，但該系統(tǒng)結(jié)構(gòu)復(fù)雜、實(shí)現(xiàn)困難。robucci等(2008)提出了cmos壓縮成像裝置，但同樣該系統(tǒng)存儲需求大、功耗較大，實(shí)現(xiàn)復(fù)雜。jacques等(2009)提出基于隨機(jī)卷積的cmos壓縮成像方法，該系統(tǒng)實(shí)現(xiàn)簡單，但圖像獲取效率低、功耗大。目前壓縮成像研究都是利用非自適應(yīng)線性投影，需要假設(shè)視頻幀稀疏性固定，用固定的測量矩陣進(jìn)行相等次數(shù)的壓縮觀測，但實(shí)際場景視頻幀的稀疏并非固定不變的。若稀疏性變差，需增加壓縮觀測值才能確保重構(gòu)質(zhì)量。因此，非自適應(yīng)的壓縮成像影響了視頻幀的重構(gòu)質(zhì)量。

研究人員提出基于最優(yōu)測量矩陣的貝葉斯壓縮感知，但計(jì)算最優(yōu)測量矩陣復(fù)雜耗時，不能用于實(shí)際場景壓縮成像。一些研究者提出逼近信號稀疏性的自適應(yīng)統(tǒng)計(jì)模型，如高斯混合模型和自回歸模型等，但這些模型逼近視頻信號的稀疏性是否合理并不清楚?？梢?，自適應(yīng)壓縮采樣的實(shí)現(xiàn)還在研究階段，視頻幀自適應(yīng)壓縮感知成像領(lǐng)域存在著較多的技術(shù)瓶頸。

總之，現(xiàn)行壓縮感知研究大都非自適應(yīng)的壓縮感知成像，缺乏圖像稀疏性信息。為此，如果能夠通過某一種途徑有效測量場景的稀疏特性，就能有根據(jù)的設(shè)定壓縮采樣率，完成視頻場景的壓縮采樣，就能確保視頻幀的重構(gòu)質(zhì)量，為視頻自適應(yīng)壓縮感知提供有效先驗(yàn)信息。

技術(shù)實(shí)現(xiàn)要素：

基于上述技術(shù)問題，本發(fā)明提出了一種基于dsp的視頻幀稀疏性檢測系統(tǒng)及數(shù)據(jù)處理方法，該方法以視頻攝像頭為基礎(chǔ)，通過解碼單元獲得視頻幀數(shù)字圖像，再將每幀圖像進(jìn)行二維稀疏變換，并對稀疏變換系數(shù)進(jìn)行歸一化處理并按降序排列，然后統(tǒng)計(jì)給定閾值下的較大稀疏個數(shù)，并計(jì)算視頻幀的稀疏特性，從而完成視頻幀的稀疏特性測量。

本發(fā)明公開了一種基于dsp的視頻幀稀疏性檢測系統(tǒng)，包括：

dsp處理器，用于完成從解碼單元的解碼芯片中讀取視頻幀，利用彩色圖像灰度變換算法、圖像二維稀疏變換算法、圖像變換系數(shù)能量統(tǒng)計(jì)算法、變換系數(shù)能量歸一化算法、系數(shù)原址降序排序算法以及能量閾值篩選方法對視頻幀進(jìn)行數(shù)據(jù)處理運(yùn)算；

視頻攝像頭，用于對監(jiān)測場景進(jìn)行數(shù)字成像，并對成像的視頻幀信號模擬視頻流信號輸出；

解碼單元，用于將視頻攝像頭的視頻輸入信號轉(zhuǎn)變?yōu)閿?shù)字信號流的形式，完成視頻幀的解碼并傳送給dsp處理器；

時鐘電路，用于產(chǎn)生測量系統(tǒng)所用的時鐘信號；

flash程序存儲器，用于存儲dsp處理器所用的各種數(shù)據(jù)處理算法程序；

數(shù)據(jù)存儲器ddr2，用于存儲從解碼單元讀取的原始視頻幀和該視頻幀處理過程中的所有數(shù)字圖像信息；

顯示單元，用于顯示圖像及系統(tǒng)的處理結(jié)果；

電源模塊，用于供給測量系統(tǒng)所需電源；

所述dsp處理器分別連接解碼單元、時鐘電路、flash程序存儲器、數(shù)據(jù)存儲器ddr2、顯示單元和電源模塊，dsp處理器上設(shè)有接口單元，該系統(tǒng)采用dsp控制器定量計(jì)算圖像的稀疏特性。

本發(fā)明系統(tǒng)中，進(jìn)一步地：

所述dsp處理器采用ti達(dá)芬奇系列dm6437芯片。

所述視頻攝像頭采用ccd監(jiān)控?cái)z像頭。

所述解碼單元采用tvp5146單芯片數(shù)字視頻解碼器。

所述時鐘電路采用可編程時鐘發(fā)生器cy22381芯片。

所述flash程序存儲器，采用三星nandflashk9f1208uom存儲器。

所述數(shù)據(jù)存儲器ddr2采用兩片k4t51163qgddr2芯片。

本發(fā)明進(jìn)而給出了一種基于dsp的視頻幀稀疏性檢測的數(shù)據(jù)處理方法，包括以下步驟：

初始化：視頻攝像頭工作相關(guān)初始化設(shè)置；解碼單元工作相關(guān)初始化設(shè)置；給定能量閾值a；

步驟1：從視頻攝像頭讀取完整的一幀彩色視頻幀圖像數(shù)據(jù)i(i,j)，保存到存儲器ddr2；

步驟2：調(diào)用圖像灰度變換算法，將保存的彩色視頻幀圖像i(i,j)轉(zhuǎn)換為灰度圖像ig(i,j)，保存到存儲器ddr2；

步驟3：調(diào)用圖像二維稀疏變換算法，將步驟2處理后的灰度圖像進(jìn)行二維稀疏變換，然后將二維稀疏變換系數(shù)w(i,j)保存到存儲器ddr2；

步驟4：利用圖像變換系數(shù)能量統(tǒng)計(jì)算法，統(tǒng)計(jì)步驟3中得到二維稀疏變換系數(shù)的總能量e；

步驟5：基于變換系數(shù)能量歸一化法，將二維稀疏變換系數(shù)除以總能量的平方根，并保存到變換系數(shù)原來的存儲器單元；

步驟6：基于系數(shù)原址降序排列方法，將步驟5處理后歸一化的二維稀疏變換系數(shù)w1(i,j)按絕對值大小進(jìn)行原址降序排列，得到降序排列系數(shù)x(k)，存放到變換系數(shù)原來的存儲器單元；

步驟7：基于能量閾值篩選方法，對步驟6得到的降序排列系數(shù)x(k)，篩選能量和大于閾值a的大系數(shù)數(shù)目n；

步驟8：利用步驟7得到的大系數(shù)個數(shù)計(jì)算視頻幀的稀疏系數(shù)s；

步驟9：顯示和輸出視頻幀的稀疏度系數(shù)。

本發(fā)明方法中，進(jìn)一步地：

所述步驟2中，圖像灰度變換算法計(jì)算公式為：

gray＝0.299r+0.587g+0.114b

式中，r、g、b分別為彩色圖像像素的紅、綠、藍(lán)色度值。

所述步驟3中，采用二維離散小波進(jìn)行二維稀疏變換，具體處理過程為：

設(shè)灰度圖像ig(i,j)，小波低通濾波器和高通濾波器系數(shù)分別為h0(i)和h1(i)；

1)在第一層，用h0(-i)和h1(-i)分別與灰度圖像ig(i,j)的每行作卷積并丟棄奇數(shù)列；然后將此系數(shù)陣列的每列再與h0(-i)和h1(-i)相卷積，丟棄奇數(shù)行，即得第一層分解結(jié)果；

2)對第一層分解的低頻系數(shù)，用h0(-i)和h1(-i)分別與低頻系數(shù)的每行作卷積并丟棄奇數(shù)列；然后將此系數(shù)陣列的每列再與h0(-i)和h1(-i)相卷積，丟棄奇數(shù)行，即得第二層分解結(jié)果；

3)對第二層分解的低頻系數(shù)，可按上述方法進(jìn)行第三層分解，并得到最終的二維稀疏變換系數(shù)w(i,j)。

所述步驟4中，采用計(jì)算二位離散小波變換系數(shù)的總能量。

所述步驟5中，采用計(jì)算能量歸一化的二維稀疏變換系數(shù)。

所述步驟7中，篩選能量和大于等于閾值a的大系數(shù)個數(shù)，具體處理過程為：

初始化：設(shè)歸一化降序排列系數(shù)為x(k)；并令e0＝0，k＝1，n＝0；

1)計(jì)算能量和e0＝e0+x(k)；

2)大系數(shù)個數(shù)統(tǒng)計(jì)n＝n+1；

3)判斷條件e0>a是否成立；若成立則轉(zhuǎn)步驟5)；不成立則順序執(zhí)行；

4)迭代次數(shù)更新k＝k+1，則轉(zhuǎn)步驟1)；

5)迭代結(jié)束，輸出大系數(shù)個數(shù)n。

所述步驟8中，由下式得到視頻幀的稀疏系數(shù)

s＝n/n

式中n為能量歸一化的稀疏變換系數(shù)總個數(shù)。

與現(xiàn)有技術(shù)相比，常規(guī)稀疏分析手段都是通過軟件仿真完成二維稀疏變換，并對系數(shù)變換結(jié)果進(jìn)行顯示，人為觀測并定性地分析圖像是否稀疏，不能定量估計(jì)和實(shí)時檢測圖像的稀疏度。進(jìn)而，目前壓縮采樣研究及實(shí)現(xiàn)過程中只能根據(jù)定性稀疏分析來設(shè)定一個固定的壓縮采樣率，設(shè)定壓縮采樣率沒有定量數(shù)據(jù)可以參考，從而影響視頻幀壓縮重構(gòu)質(zhì)量。

該系統(tǒng)通過攝像頭模塊完成視頻，利用彩色圖像灰度變換算法、二維稀疏變換算法、圖像變換系數(shù)能量統(tǒng)計(jì)算法、圖像變換系數(shù)能量歸一化算法、系數(shù)原址降序排序算法以及能量閾值篩選方法等數(shù)據(jù)處理完成稀疏度的定量和實(shí)時檢測，最終通過dsp硬件實(shí)現(xiàn)稀疏度的定量快速檢測。該系統(tǒng)采用dsp硬件能夠?qū)崟r定量檢測視頻場景的稀疏特性，能夠?yàn)樽赃m應(yīng)壓縮成像提供一個有效的、實(shí)時的壓縮觀測次數(shù)先驗(yàn)信息，有利于自適應(yīng)地選擇壓縮采樣率，在確保視頻幀有較高重構(gòu)質(zhì)量的前提下實(shí)現(xiàn)盡可能少的壓縮觀測次數(shù)，降低存儲空間需求。

附圖說明

圖1為本發(fā)明的基于dsp處理器的視頻幀稀疏性檢測系統(tǒng)結(jié)構(gòu)示意圖；

圖2為本發(fā)明的dsp數(shù)據(jù)處理流程圖。

具體實(shí)施方式

圖1是本發(fā)明的基于dsp的視頻幀稀疏性檢測系統(tǒng)結(jié)構(gòu)示意圖，本系統(tǒng)通過視頻攝像頭，用于采集場景的視頻幀信息，該系統(tǒng)包括：

視頻攝像頭，采用ccd監(jiān)控?cái)z像頭，用于對監(jiān)測場景進(jìn)行數(shù)字成像，并對成像的視頻幀信號以pal制式模擬視頻流信號輸出；

解碼單元，采用tvp5146單芯片數(shù)字視頻解碼器，將彩色攝像頭的視頻輸入信號轉(zhuǎn)變?yōu)閿?shù)字信號流的形式。接收來自視頻攝像頭的pal模擬視頻信號，將該模擬流解碼成數(shù)字形式，得到視頻幀解碼后的數(shù)字圖像信息，進(jìn)而傳送給dsp處理；

外部flash程序存儲器，采用三星nandflashk9f1208uom，工作電壓2.7-3.6v，64m，存取速度200us/頁，用于存儲dsp處理器所用的各種數(shù)據(jù)處理算法程序；

數(shù)據(jù)存儲器ddr2，采用兩片k4t51163qgddr2芯片，電源為1.8v，每片容量為32m*16b，共計(jì)2g大小的非易失性存儲器sdram，用于存儲從解碼單元讀取的原始視頻幀、該視頻幀處理過程中的所有數(shù)字圖像信息；

dsp處理器，采用ti達(dá)芬奇系列dm6437芯片，完成從解碼單元的解碼芯片中讀取視頻幀，彩色圖像灰度變換算法、圖像二維稀疏變換算法、圖像變換系數(shù)能量統(tǒng)計(jì)算法、變換系數(shù)歸一化算法和系數(shù)排序算法以及能量閾值篩選方法等相關(guān)數(shù)據(jù)處理運(yùn)算；

電源模塊，采用多路tps54327實(shí)現(xiàn)，分別輸出1.8v和3.3v等各種所需電源，電流為3a；

時鐘電路，采用可編程時鐘發(fā)生器cy22381芯片，產(chǎn)生解碼芯片tvp5146所需的14.31818mhz時鐘信號和dsp6437所需27mhz時鐘輸入由該時鐘芯片；

顯示單元，采用lcd顯示屏，完成圖像及處理結(jié)果的顯示；

dsp處理器分別連接解碼單元、時鐘電路、flash程序存儲器、數(shù)據(jù)存儲器ddr2、顯示單元和電源模塊，dsp處理器上設(shè)有接口單元，該系統(tǒng)采用dsp控制器定量計(jì)算圖像的稀疏特性。

如圖2所示，本發(fā)明還提出了一種基于dsp的視頻幀稀疏性檢測的數(shù)據(jù)處理方法，包括以下步驟：

初始化：視頻攝像頭工作相關(guān)初始化設(shè)置；解碼單元工作相關(guān)初始化設(shè)置；給定能量閾值a。

步驟1：從視頻攝像頭讀取完整的一幀彩色視頻幀圖像i(i,j)，保存到存儲器ddr2；

步驟2：調(diào)用圖像灰度變換算法，將保存的彩色視頻幀圖像i(i,j)轉(zhuǎn)換為灰度圖像ig(i,j),保存到存儲器ddr2；

圖像灰度變換算法計(jì)算公式為gray＝0.299r+0.587g+0.114b，式中，r、g、b分別為像素的紅綠藍(lán)色度值；

步驟3：調(diào)用圖像二維稀疏變換算法，將步驟2處理后的灰度圖像進(jìn)行二維稀疏變換，然后將二維稀疏變換系數(shù)保存到存儲器ddr2；

采用二維離散小波進(jìn)行二維稀疏變換，具體處理過程為：

設(shè)灰度圖像ig(i,j)，小波低通濾波器和高通濾波器系數(shù)分別為h0(i)和h1(i)；

1)在第一層，用h0(-i)和h1(-i)分別與灰度圖像ig(i,j)的每行作卷積并丟棄奇數(shù)列；然后將此系數(shù)陣列的每列再與h0(-i)和h1(-i)相卷積，丟棄奇數(shù)行，即得第一層分解結(jié)果；

2)對第一層分解的低頻系數(shù)，用h0(-i)和h1(-i)分別與低頻系數(shù)的每行作卷積并丟棄奇數(shù)列；然后將此系數(shù)陣列的每列再與h0(-i)和h1(-i)相卷積，丟棄奇數(shù)行，即得第二層分解結(jié)果；

3)對第二層分解的低頻系數(shù)，可按上述方法進(jìn)行第三層分解，并得到最終的二維稀疏變換系數(shù)w(i,j)。

步驟4：利用圖像變換系數(shù)能量統(tǒng)計(jì)算法，統(tǒng)計(jì)步驟3中得到二維稀疏變換系數(shù)的總能量e。

采用計(jì)算二維稀疏變換系數(shù)的總能量，式中，w²(i,j)為變換系數(shù)w(i,j)的平方。

步驟5：基于變換系數(shù)能量歸一化法，將二維稀疏變換系數(shù)除以總能量的平方根，并保存到變換系數(shù)原來的存儲器單元。

采用計(jì)算能量歸一化的二維稀疏變換系數(shù)，式中，為能量e的平方根。

步驟6：基于系數(shù)原址降序排列方法，將步驟5處理后歸一化的二維稀疏變換系數(shù)w1(i,j)按絕對值大小進(jìn)行原址降序排列，得到降序排列系數(shù)x(k)，存放到變換系數(shù)原來的存儲器單元。

步驟7：基于能量閾值篩選方法，對步驟6得到的降序排列系數(shù)x(k)，篩選能量和大于閾值a的大系數(shù)數(shù)目n。

篩選能量和大于等于閾值a的大系數(shù)個數(shù)，具體處理過程為：

初始化：設(shè)歸一化降序排列系數(shù)為x(k)；并令e0＝0，k＝1，n＝0；

1)計(jì)算能量和e0＝e0+x(k)；

2)大系數(shù)個數(shù)統(tǒng)計(jì)n＝n+1；

3)判斷條件e0>a是否成立；若成立則轉(zhuǎn)步驟5)；不成立則順序執(zhí)行；

4)迭代次數(shù)更新k＝k+1，則轉(zhuǎn)步驟1)；

5)迭代結(jié)束，輸出大系數(shù)個數(shù)n。

步驟8：利用步驟7得到的大系數(shù)個數(shù)計(jì)算視頻幀的稀疏系數(shù)s；

用下式得到視頻幀的稀疏系數(shù)

s＝n/n

式中n為能量歸一化的稀疏變換系數(shù)總個數(shù)。

步驟9：顯示和輸出視頻幀的稀疏度系數(shù)。

該系統(tǒng)通過攝像頭模塊完成視頻，利用彩色圖像灰度變換算法、二維稀疏變換算法、變換系數(shù)能量統(tǒng)計(jì)算法、變換系數(shù)能量歸一化算法、系數(shù)原址降序排序算法以及能量閾值篩選等數(shù)據(jù)處理完成稀疏度的定量和實(shí)時檢測，最終通過dsp硬件實(shí)現(xiàn)稀疏度的定量快速檢測。該系統(tǒng)能夠?qū)崟r定量檢測視頻場景的稀疏特性，能夠?yàn)閴嚎s成像提供一個有效的、實(shí)時的稀疏度數(shù)值，在確保視頻幀有較高重構(gòu)質(zhì)量的前提下實(shí)現(xiàn)盡可能少的壓縮觀測個數(shù)。

本發(fā)明能夠有效地、實(shí)時地檢測圖像和視頻幀的稀疏度，能夠?yàn)樽赃m應(yīng)壓縮成像提供有效的稀疏信息，以確保正確地選擇壓縮采樣率，保證視頻幀具備好的重構(gòu)質(zhì)量，同時也確保視頻有較少的壓縮觀測值，減少存儲空間需求。