樊曉平，熊哲源，陳志杰，劉少?gòu)?qiáng)，瞿志華,3

(1.中南大學(xué) 信息科學(xué)與工程學(xué)院，湖南 長(zhǎng)沙 410075；2.湖南財(cái)政經(jīng)濟(jì)學(xué)院 信息管理系，湖南 長(zhǎng)沙 410205；3.美國(guó)中佛羅里達(dá)大學(xué) 電氣與計(jì)算機(jī)工程系，奧蘭多 FL32816-2450, 美國(guó))

1 引言

無(wú)線(xiàn)傳感器網(wǎng)絡(luò)(WSN, wireless sensor networks)由具有感知、計(jì)算和通信能力的傳感器節(jié)點(diǎn)組成，可以對(duì)溫度、濕度、光照強(qiáng)度等數(shù)據(jù)進(jìn)行采集、傳輸和處理[1]。近年來(lái)，WSN在目標(biāo)跟蹤、過(guò)程控制和視頻監(jiān)控等方面的應(yīng)用，促使裝備有攝像頭和麥克風(fēng)，能產(chǎn)生大量多媒體數(shù)據(jù)的無(wú)線(xiàn)多媒體傳感器網(wǎng)絡(luò)(WMSN, wireless multimedia sensor networks)的出現(xiàn)和發(fā)展[2]。由于WMSN在能量、計(jì)算和存儲(chǔ)等方面受到的限制，在傳輸多媒體數(shù)據(jù)特別是視頻數(shù)據(jù)之前必須對(duì)其進(jìn)行壓縮編碼，減少數(shù)據(jù)傳輸量以節(jié)約能量。但有損壓縮會(huì)使圖像失真，且壓縮率越高，圖像質(zhì)量越差。同時(shí)，視頻編碼的計(jì)算復(fù)雜度高，也會(huì)消耗許多能量。如何同時(shí)保持較低的能量消耗和可靠的圖像質(zhì)量，需要在計(jì)算復(fù)雜度和通信數(shù)據(jù)量之間達(dá)到平衡，這是亟待解決的問(wèn)題。

視頻由圖像序列組成，視頻編碼也是以圖像編碼為基礎(chǔ)。第一代圖像編碼技術(shù)包括預(yù)測(cè)編碼、變換編碼、統(tǒng)計(jì)編碼、向量編碼和小波編碼等，第二代圖像編碼技術(shù)包括基于分割的編碼、基于模型的編碼和分形編碼等[3]。傳統(tǒng)視頻編碼主要使用2種結(jié)構(gòu)，一種是幀內(nèi)編碼聯(lián)合幀間像素預(yù)測(cè)，另一種是目前廣泛使用的幀內(nèi)編碼聯(lián)合運(yùn)動(dòng)補(bǔ)償。

目前主要有兩類(lèi)視頻編碼標(biāo)準(zhǔn)：國(guó)際標(biāo)準(zhǔn)化組織(ISO)的 MPEG-x系列和國(guó)際電信聯(lián)盟(ITU)的H.26x系列，它們的編碼器結(jié)構(gòu)主要包括運(yùn)動(dòng)補(bǔ)償預(yù)測(cè)、離散余弦變換、量子化、熵編碼等4個(gè)部分[4]。由于運(yùn)動(dòng)估計(jì)補(bǔ)償?shù)挠?jì)算量很大，視頻編碼中編碼器的計(jì)算復(fù)雜度一般是解碼器的 5～10倍。WMSN節(jié)點(diǎn)資源受限，難以執(zhí)行計(jì)算量巨大的視頻編碼任務(wù)，這將占用大量處理器資源和存儲(chǔ)空間，并使節(jié)點(diǎn)能量很快耗盡。因此，需要為節(jié)點(diǎn)設(shè)計(jì)簡(jiǎn)單的視頻編碼器以降低計(jì)算復(fù)雜度，并且保證較高的壓縮率和較好的視頻解碼質(zhì)量。

2 WMSN中視頻編碼面臨的問(wèn)題和挑戰(zhàn)

在傳統(tǒng)的有線(xiàn)和無(wú)線(xiàn)環(huán)境中傳輸?shù)囊曨l幀率高，數(shù)據(jù)量大，一般采用混合編碼方式來(lái)提高壓縮率，用幀內(nèi)編碼(如熵編碼、變換編碼)減小一幀圖像內(nèi)部的冗余，用幀間編碼(如預(yù)測(cè)編碼、運(yùn)動(dòng)估計(jì)補(bǔ)償)減小序列圖像幀之間的冗余。但是，幀間編碼增加了圖像失真率，且占用了大量資源，計(jì)算復(fù)雜度高、數(shù)據(jù)存儲(chǔ)量大，不適用于資源受限、無(wú)線(xiàn)多跳的WMSN。此外，WMSN主要應(yīng)用于區(qū)域監(jiān)控，如公共場(chǎng)所、交通場(chǎng)景、敏感區(qū)域和智能家居等，其捕獲的視頻幀率較低，數(shù)據(jù)量較小，但要求圖像失真率低，以便于進(jìn)行目標(biāo)跟蹤和分析，使用計(jì)算復(fù)雜度較低、存儲(chǔ)空間較小的幀內(nèi)編碼可以滿(mǎn)足其對(duì)壓縮率和圖像質(zhì)量的要求。影響 WMSN視頻編碼的主要因素如下[5]。

1) 資源受限：傳感器節(jié)點(diǎn)一般由電池供電，裝備嵌入式微處理器和存儲(chǔ)芯片，其能量、計(jì)算能力、存儲(chǔ)空間和發(fā)送功率等都十分有限。

視頻編碼可以減小數(shù)據(jù)發(fā)送量，降低通信的能耗[6]。但是，數(shù)據(jù)壓縮率和編碼計(jì)算復(fù)雜度成正比，提高數(shù)據(jù)壓縮率，減少了通信的能耗，卻增加了視頻編碼計(jì)算的能耗。數(shù)據(jù)壓縮率與視頻解碼質(zhì)量成反比，數(shù)據(jù)壓縮率越高，視頻解碼質(zhì)量越低，提高數(shù)據(jù)壓縮率可能使得圖像質(zhì)量無(wú)法滿(mǎn)足應(yīng)用的要求。因此，需要解決節(jié)點(diǎn)資源受限和視頻編碼計(jì)算復(fù)雜度高、要求高質(zhì)量視頻之間的矛盾。例如，Wu等提出在給定網(wǎng)絡(luò)條件和圖像質(zhì)量限制時(shí)，一個(gè)自適應(yīng)算法可使計(jì)算和通信能量消耗之和達(dá)到最小值[7]。圖1是節(jié)點(diǎn)發(fā)送和接收視頻數(shù)據(jù)的全過(guò)程。

圖1 節(jié)點(diǎn)上視頻數(shù)據(jù)的發(fā)送和接收過(guò)程

假設(shè)所有節(jié)點(diǎn)的通信距離都為d，中繼節(jié)點(diǎn)只負(fù)責(zé)轉(zhuǎn)發(fā)數(shù)據(jù)，每比特?cái)?shù)據(jù)傳送距離d所消耗能量為ETX(d)，接收1bit數(shù)據(jù)所消耗能量為ERX，壓縮1bit數(shù)據(jù)且壓縮率為β(l)時(shí)所消耗能量為Ec(L)，則將一幅圖像傳送到基站所需的能量消耗為

如圖2所示，存在一個(gè)最優(yōu)值Lopt使得通信距離d取不同值時(shí)能量消耗最小。

圖2 總體能耗與變換層級(jí)L和通信距離d的關(guān)系

2) 不可靠性：由于信號(hào)衰減和多徑/陰影干擾等因素，無(wú)線(xiàn)信道的誤碼率較高；而編碼后的視頻數(shù)據(jù)相關(guān)性較小，對(duì)數(shù)據(jù)錯(cuò)誤敏感，單個(gè)誤碼比特會(huì)導(dǎo)致后續(xù)眾多數(shù)據(jù)失效，嚴(yán)重影響視頻數(shù)據(jù)的質(zhì)量。而監(jiān)控視頻數(shù)據(jù)對(duì)實(shí)時(shí)性要求高，難以使用數(shù)據(jù)重傳技術(shù)。因此，需要解決無(wú)線(xiàn)信道誤碼率高、視頻編碼對(duì)數(shù)據(jù)錯(cuò)誤敏感和要求高質(zhì)量視頻之間的矛盾。

3) 帶寬波動(dòng)：無(wú)線(xiàn)信道帶寬波動(dòng)劇烈，且視頻編碼輸出的比特流也不均勻，而視頻流的傳輸需要比較穩(wěn)定的帶寬，帶寬波動(dòng)會(huì)嚴(yán)重影響視頻的重建質(zhì)量。當(dāng)網(wǎng)絡(luò)負(fù)載超過(guò)允許帶寬或節(jié)點(diǎn)移動(dòng)時(shí)，無(wú)線(xiàn)信道中會(huì)出現(xiàn)擁塞和分組丟失，數(shù)據(jù)分組大量丟失將導(dǎo)致視頻數(shù)據(jù)流阻塞，圖像中出現(xiàn)馬賽克，甚至不能正確解碼[8]。因此，需要解決無(wú)線(xiàn)信道帶寬波動(dòng)劇烈和要求高質(zhì)量視頻之間的矛盾。

4) 異構(gòu)性：在多播(multicast)場(chǎng)景中，由于接收端在網(wǎng)絡(luò)延遲、視頻數(shù)據(jù)質(zhì)量、處理能力、能量限制和帶寬限制等方面各不相同，給視頻的多播傳輸造成很大困難[9]。

節(jié)點(diǎn)捕獲的視頻數(shù)據(jù)需要通過(guò)有損的無(wú)線(xiàn)信道進(jìn)行可靠傳輸，并要求能量消耗和發(fā)送的數(shù)據(jù)量盡可能得小[10]。由此可知，WMSN 中視頻編碼的設(shè)計(jì)目標(biāo)如下。

1) 高壓縮率：未壓縮的視頻流數(shù)據(jù)率很高，會(huì)消耗許多能量和帶寬，必須提高數(shù)據(jù)壓縮率來(lái)降低帶寬占用率和能量消耗。

2) 低復(fù)雜度：視頻編碼器嵌入在節(jié)點(diǎn)設(shè)備中，必須具有低復(fù)雜度以減小處理器和內(nèi)存占用，必須低功耗以延長(zhǎng)節(jié)點(diǎn)壽命。

3) 容錯(cuò)：節(jié)點(diǎn)編解碼器必須提供健壯的、可容錯(cuò)的視頻編碼。

3 面向WMSN的視頻編碼

基于運(yùn)動(dòng)估計(jì)和補(bǔ)償?shù)念A(yù)測(cè)編碼運(yùn)算量很大，傳感器節(jié)點(diǎn)的嵌入式微處理器大多難以執(zhí)行視頻編碼任務(wù)。因此，視頻節(jié)點(diǎn)主要采用 JPEG、JPEG 2000等靜態(tài)圖像編碼標(biāo)準(zhǔn)進(jìn)行圖像壓縮。目前，可用于WMSN的圖像編碼方式包括個(gè)體信源編碼和分布式信源編碼2種[11]。

3.1 個(gè)體信源編碼

由于個(gè)體信源編碼十分簡(jiǎn)單，各信息源之間無(wú)需進(jìn)行通信，因而被廣泛使用。在傳感器節(jié)點(diǎn)平臺(tái)上試驗(yàn)過(guò)的圖像/視頻編碼和傳輸方案都是基于個(gè)體信源編碼方式。根據(jù)所采用的壓縮技術(shù)，WMSN中的個(gè)體信源編碼可分為單層編碼和多層編碼兩大類(lèi)。

3.1.1 單層編碼

單層編碼方案主要包括基于差異編碼的 JPEG和基于改進(jìn)離散余弦變換(DCT, discrete cosine transform)的JPEG 2種。在視頻監(jiān)控時(shí)，基站周期性地產(chǎn)生并發(fā)送一個(gè)參考幀到節(jié)點(diǎn)，節(jié)點(diǎn)只發(fā)送監(jiān)測(cè)圖像與參考幀的差異到基站。監(jiān)控場(chǎng)景一般變化少，發(fā)送的數(shù)據(jù)量小，因而能量消耗較低。為此，學(xué)者們研究了 DCT變換的能量壓縮特性，對(duì)其中的處理過(guò)程和變換參數(shù)進(jìn)行優(yōu)化，并將其應(yīng)用于關(guān)聯(lián)性較高圖像的壓縮編碼。

Chiasserini等用定點(diǎn)DCT運(yùn)算替換浮點(diǎn)DCT運(yùn)算以?xún)?yōu)化 JPEG[12]，對(duì)參考幀進(jìn)行壓縮以減少計(jì)算復(fù)雜度。隨后，又提出一種基于變化檢測(cè)和興趣區(qū)域編碼的改進(jìn)JPEG編碼方案。Pekhteryev等在ZigBee網(wǎng)絡(luò)中傳輸了 100張 JPEG標(biāo)準(zhǔn)的圖像和100張JPEG2000標(biāo)準(zhǔn)的圖像[14]，證明了在ZigBee網(wǎng)絡(luò)中傳輸JPEG和JPEG2000圖像的可行性。Feng等設(shè)計(jì)了一個(gè)視頻傳感器節(jié)點(diǎn)平臺(tái)[15]，使用JPEG、差異 JPEG和條件補(bǔ)給的壓縮方式。圖像像素為640×480時(shí)，可以達(dá)到每秒5幀的傳輸速度；像素為320×240時(shí)，可達(dá)到每秒20幀的傳輸速度。

Mammeri等研究JPEG中8×8 DCT系數(shù)矩陣的裁剪優(yōu)化[16～18]，進(jìn)行 DCT變換時(shí)，選擇處理 8×8矩陣中的一個(gè)方塊區(qū)域和一個(gè)三角形區(qū)域的系數(shù)，分析裁剪后編碼的能量消耗與圖像質(zhì)量，并提出了2種選擇系數(shù)區(qū)域尺寸的方法，在全局方法中計(jì)算出適用于圖像中所有 DCT系數(shù)塊的唯一尺寸；在局部方法中將圖像分為興趣區(qū)域和碎片區(qū)域，分別計(jì)算適合的系數(shù)區(qū)域尺寸。遺憾的是，他們沒(méi)有給出能自動(dòng)識(shí)別圖像區(qū)域興趣等級(jí)和自動(dòng)分配相應(yīng)系數(shù)塊尺寸的方法。

Lee等提出一種改進(jìn)的JPEG圖像編碼方案[19,20]，在確保編碼所需最小精度的情況下，通過(guò)分析法決定如何分配最優(yōu)整數(shù)和帶寬給壓縮過(guò)程的信號(hào)路徑，以降低計(jì)算復(fù)雜度，并保證較好的圖像質(zhì)量。在視頻節(jié)點(diǎn)平臺(tái)上的實(shí)驗(yàn)表明，編碼圖像相比于未編碼圖像，其傳輸時(shí)間和能量消耗都顯著降低。其改進(jìn)算法與JPEG標(biāo)準(zhǔn)相比，在確保信噪比不變的情況下，比原標(biāo)準(zhǔn)減少25%的運(yùn)算量；在允許少量信噪比損失的情況下，運(yùn)算量約為原標(biāo)準(zhǔn)的一半。分析實(shí)驗(yàn)中測(cè)得的工作電壓、運(yùn)算時(shí)間和能量消耗得出結(jié)論，計(jì)算過(guò)程的能量消耗由運(yùn)算時(shí)間和處理器功耗綜合決定，并非處理器功耗低計(jì)算的能耗就小，提高運(yùn)算速度是降低計(jì)算能耗的有效方法。此外，還在節(jié)點(diǎn)上測(cè)試了JPEG的一些高級(jí)應(yīng)用，如興趣區(qū)域編碼、連續(xù)式或漸進(jìn)式圖像傳輸?shù)取?/p>

綜合起來(lái)看，單層編碼方案的能耗較低，因?yàn)榻Y(jié)合變化檢測(cè)和差異編碼的JPEG算法使數(shù)據(jù)通信量顯著減少，對(duì) DCT變換的簡(jiǎn)化可以降低計(jì)算復(fù)雜度。然而，這種方法也存在一些缺陷和不足：1)差異編碼的圖像難以進(jìn)行圖像融合，因?yàn)閳D像融合需要將以前的數(shù)據(jù)信息存儲(chǔ)在匯聚節(jié)點(diǎn)，而差異編碼并未保存完整的圖像信息；2)對(duì)參考幀的質(zhì)量要求很高，任何一點(diǎn)錯(cuò)誤都會(huì)傳播給依據(jù)參考幀進(jìn)行編碼的其他幀，降低它們的質(zhì)量，同時(shí)，也會(huì)限制通過(guò)調(diào)整 DCT變換系數(shù)的量化規(guī)模進(jìn)行的碼率調(diào)節(jié)；3)不支持錯(cuò)誤恢復(fù)、差錯(cuò)控制和信源信道聯(lián)合編碼；4)減少能量消耗的同時(shí)也降低了基站接收到的圖像質(zhì)量。

3.1.2 多層編碼

多層編碼方案主要采用基于小波變換的JPEG 2000編碼方法，通過(guò)調(diào)整小波變換層級(jí)和量化層級(jí)來(lái)改變壓縮率。在多層編碼機(jī)制中，信號(hào)被分為一個(gè)基礎(chǔ)層和多個(gè)增強(qiáng)層進(jìn)行發(fā)送?；A(chǔ)層的傳輸有很高的優(yōu)先級(jí)并采用錯(cuò)誤保護(hù)，而增強(qiáng)層的傳輸則采用較少的差錯(cuò)控制位，在信道擁塞時(shí)會(huì)被丟棄。如果一個(gè)比特流中出現(xiàn)一個(gè)錯(cuò)誤，它所在層級(jí)的后續(xù)比特流將被丟棄，而其他層級(jí)的數(shù)據(jù)流不會(huì)受到影響。根據(jù)圖像內(nèi)容、信道條件和率失真限制，可以選擇最優(yōu)的層級(jí)數(shù)量和信道編碼數(shù)量，使總的能量消耗達(dá)到最小。

Wu等設(shè)計(jì)了一種基于小波域圖像分解的多比特流圖像編碼方案[21]，將小波變換系數(shù)依據(jù)父子關(guān)系分為不用的塊，每個(gè)塊獨(dú)立地采用分層樹(shù)集合劃分(SPIHT, set partitioning in hierarchical tree)算法進(jìn)行編碼。Yu等設(shè)計(jì)了一種基于JPEG 2000的圖像傳輸系統(tǒng)[22]，采用碼率兼容刪除卷積，聯(lián)合信源信道編碼和能量控制算法計(jì)算出最優(yōu)傳輸分層數(shù)量和每一層相應(yīng)的優(yōu)化策略。然而，這種方法僅考慮了點(diǎn)對(duì)點(diǎn)的傳輸，在許多應(yīng)用中信號(hào)的傳輸過(guò)程需要中繼節(jié)點(diǎn)進(jìn)行轉(zhuǎn)發(fā)。Wu等提出了一種啟發(fā)式圖像編碼算法[23]，在給定網(wǎng)絡(luò)環(huán)境和圖像質(zhì)量限制的條件下，選擇基于小波變換的圖像壓縮最優(yōu)參數(shù)使得總體能量消耗最小。Lu等研究了基于DSP視頻節(jié)點(diǎn)平臺(tái)的低功耗JPEG 2000壓縮[24]，用定點(diǎn)LS9/7替換浮點(diǎn)CDF9/7小波變換濾波器，通過(guò)基于移位—加定點(diǎn)實(shí)現(xiàn)提升系數(shù)α、β和δ，基于移位—乘定點(diǎn)實(shí)現(xiàn)提升系數(shù)γ，基于后拉伸和移位—乘定點(diǎn)實(shí)現(xiàn)縮放因子ζ，以減少計(jì)算復(fù)雜度。實(shí)驗(yàn)中對(duì)1 024×1 024像素的遙感圖像進(jìn)行4級(jí)小波變換，LS9 /7定點(diǎn)小波較之CDF9/7小波分?jǐn)?shù)法和算術(shù)移位法定點(diǎn)，其計(jì)算復(fù)雜度分別降低了34.0%和28.3%。

總之，多層編碼方案的誤碼率低，圖像質(zhì)量較好，可以使用信源信道聯(lián)合編碼來(lái)適應(yīng)信道條件的變化。然而，增加碼率調(diào)整的靈活性意味著會(huì)消耗更多的能量。此外，由于內(nèi)存和計(jì)算能力的限制，傳感器節(jié)點(diǎn)很難編碼一幅完整的圖像幀，也無(wú)法根據(jù)編碼變化和層級(jí)冗余進(jìn)行自適應(yīng)數(shù)據(jù)匯聚。因此，多層編碼的研究相比單層編碼要少許多。

目前，WMSN中的個(gè)體信源編碼主要研究單個(gè)靜態(tài)圖像的編碼，結(jié)合運(yùn)動(dòng)估計(jì)和補(bǔ)償以減少序列圖像時(shí)間冗余的編碼算法也是值得研究的。

3.2 分布式信源編碼

在個(gè)體信源編碼方式中，由編碼器利用信號(hào)源統(tǒng)計(jì)信息進(jìn)行編碼。而分布式編碼理論認(rèn)為可以部分或全部由解碼器端利用信號(hào)源統(tǒng)計(jì)信息來(lái)實(shí)現(xiàn)壓縮[25,26]。分布式信源編碼對(duì)多個(gè)相互關(guān)聯(lián)的傳感器節(jié)點(diǎn)的輸出數(shù)據(jù)進(jìn)行壓縮，相互之間無(wú)需進(jìn)行協(xié)同，或者僅需少量的協(xié)同，在中心解碼器進(jìn)行聯(lián)合解碼，如圖3所示。其最大優(yōu)勢(shì)就是將編碼器的計(jì)算負(fù)載轉(zhuǎn)移到解碼器上[27]。這種編碼方式非常適合WMSN中的視頻節(jié)點(diǎn)應(yīng)用。近年來(lái)，已經(jīng)有一些對(duì)基于Wyner-Ziv理論的分布式視頻編碼的研究，但迄今為止還沒(méi)有實(shí)際的解決方案。

圖3 分布式壓縮2個(gè)統(tǒng)計(jì)獨(dú)立隨機(jī)處理信源X和Y，并在解碼器端聯(lián)合解碼X和Y

3.2.1 像素域Wyner-Ziv編碼

Aaron等提出一種基于像素域 Wyner-Ziv(PDWZ, pixel-domain Wyner-Ziv)動(dòng)態(tài)視頻編碼方案[28～30]，采用幀內(nèi)編碼和幀間解碼的方式，如圖4所示。關(guān)鍵幀用基于8×8 DCT變換的幀內(nèi)編解碼方式，關(guān)鍵幀之間的Wyner-Ziv幀采用幀內(nèi)編碼和幀間解碼方式。每個(gè)Wyner- Ziv幀量化之后，符號(hào)塊被發(fā)送給執(zhí)行碼率兼容刪除 Turbo碼(RCPT,rate-compatible punctured Turbo code)的Slepian-Wolf編解碼器。RCPT編解碼器產(chǎn)生校驗(yàn)位并將其存儲(chǔ)在緩存中，如果原始符號(hào)無(wú)法被可靠地解碼，解碼器就發(fā)出一個(gè)請(qǐng)求校驗(yàn)位的比特流。對(duì)每一個(gè)Wyner-Ziv幀，解碼器結(jié)合邊信息和校驗(yàn)位來(lái)重建原始的符號(hào)序列，邊信息由解碼器對(duì)已解碼的關(guān)鍵幀和Wyner-Ziv幀使用插值法或歸納法產(chǎn)生。

圖4 像素域Wyner-Ziv編碼器結(jié)構(gòu)

PDWZ編碼過(guò)程十分簡(jiǎn)單，不需要進(jìn)行運(yùn)動(dòng)估計(jì)和補(bǔ)償、DCT變換和前向DCT變換。Slepian-Wolf編碼器只需2個(gè)反饋轉(zhuǎn)換寄存器和一個(gè)交織器。然而，邊信息和反饋仍然是影響PDWZ編碼的2個(gè)主要因素。

邊信息對(duì)PDWZ編解碼器的率失真影響很大，邊信息越精確則錯(cuò)誤越少，需要的校驗(yàn)位少，比特流也小。Ascenso等提出在編碼器端用新的運(yùn)動(dòng)補(bǔ)償幀歸納工具來(lái)產(chǎn)生更精確的邊信息[32]， 隨后又提出一個(gè)頑健的歸納運(yùn)算模塊[33]，在運(yùn)動(dòng)區(qū)域平滑的基礎(chǔ)上產(chǎn)生邊信息，從而提高延遲較低的PDWZ視頻編解碼器的性能。

PDWZ編碼的主要缺點(diǎn)是需要接收端的在線(xiàn)反饋，盡管使用信道反饋可以獲得一個(gè)更準(zhǔn)確的碼率分配方案，但這在單向和脫機(jī)應(yīng)用中是不可行的，會(huì)造成嚴(yán)重的延遲。Morbee等提出一種不需使用信道反饋而能適用于 PDWZ視頻編解碼器的碼率分配算法[34]，能計(jì)算出每個(gè)視頻幀編碼后的比特率，并且不會(huì)顯著增加編碼器的復(fù)雜度。

Aaron等的PDWZ編解碼器僅利用了視頻圖像序列之間的時(shí)間關(guān)系，Tagliasacchi等提出一種可以利用空間和時(shí)間關(guān)系的 PDWZ編解碼器[35]。與之相似，Avudainayagam等在解碼器端利用一幀圖像內(nèi)的空間關(guān)系[36]，將時(shí)間和空間邊信息看作是2個(gè)虛擬信道的輸出，結(jié)合時(shí)間和空間邊信息的多樣性來(lái)提高Wyner-Ziv解碼器的性能。Xue等提出采用切片結(jié)構(gòu)來(lái)優(yōu)化 PDWZ的碼率控制[37]，以減小率失真，并提高視頻質(zhì)量。

3.2.2 變換域Wyner-Ziv編碼

Aaron等提出一種基于變換域 Wyner-Ziv(TDWZ, transform-domain Wyner-Ziv)視頻編解碼器，如圖5所示。首先，對(duì)每幅Wyner-Ziv幀進(jìn)行分塊 DCT變換，變換系數(shù)獨(dú)立地進(jìn)行量化并組成系數(shù)帶。然后，由Slepian-Wolf Turbo編解碼器進(jìn)行壓縮。與像素域編碼方案相似的是，解碼器利用先前重建的幀來(lái)產(chǎn)生邊信息。分塊 DCT變換用于邊信息幀，產(chǎn)生邊信息系數(shù)帶。Turbo解碼器利用相關(guān)的邊信息來(lái)獨(dú)立地重建量化系數(shù)帶。給定的重建符號(hào)和邊信息，每個(gè)系數(shù)帶可依據(jù)最佳估計(jì)值獲得重建。

Ramchandran等提出了另一種變換域視頻編碼方案[39～41]，編碼器端的一些簡(jiǎn)單的時(shí)間依賴(lài)估計(jì)值被用于執(zhí)行碼率控制，而不需要接收端的反饋。分塊DCT變換后面進(jìn)行統(tǒng)一的標(biāo)量量化，盡管如此，每個(gè)塊還是獨(dú)立地進(jìn)行編碼。

TDWZ視頻編碼也會(huì)受到反饋和邊信息的影響。在許多視頻編碼應(yīng)用中，往往不允許信道反饋。一般來(lái)說(shuō)，信道反饋會(huì)帶來(lái)延遲，從而增加解碼器的復(fù)雜度。Brites等通過(guò)一些量化指標(biāo)，如信道反饋的使用頻率和關(guān)聯(lián)率來(lái)分析信道反饋對(duì) TDWZ視頻編碼的影響[42]。為了避免使用信道反饋，他們又提出一種用于 TDWZ視頻編碼的編碼器碼率控制方案[43]，包括2個(gè)主要部分：低復(fù)雜度邊信息估計(jì)模塊和校驗(yàn)位估計(jì)模塊。Sheng等提出在編碼器預(yù)測(cè)每幅Wyner-Ziv幀的比特?cái)?shù)[44]，作為編碼方式和量化系數(shù)的函數(shù)。

邊信息的質(zhì)量對(duì)壓縮效率影響很大。Martins等提出一種適用于 TDWZ視頻編解碼器的邊信息改進(jìn)算法[45]，在解碼過(guò)程中通過(guò)學(xué)習(xí)使邊信息逐漸改進(jìn)。Badem等采用邊信息迭代改進(jìn)技術(shù)提出了一個(gè)TDWZ編碼改進(jìn)方案[46]。

分布式信源編碼十分依賴(lài)信息源和邊信息之間的統(tǒng)計(jì)相關(guān)性，在 TDWZ中被稱(chēng)為相互關(guān)系噪聲。圖像序列中運(yùn)動(dòng)的數(shù)目對(duì)預(yù)測(cè)精度的影響很大，其相互關(guān)系不是時(shí)間和空間固定的。Esmaili等提出一種通過(guò)邊信息精度來(lái)定義每個(gè)頻率帶上相互關(guān)系噪聲的不同等級(jí)的算法[47]。Huang等提出一個(gè)用于TDWZ視頻編碼的改進(jìn)的虛擬信道噪聲模型[48]。Skorupa等則討論了一種將像素域估計(jì)值轉(zhuǎn)換到變換域的方法[49]。Brites等提出了一種更為可行的Wyner-Ziv視頻編碼方法[50]，在編碼器端在線(xiàn)估計(jì)相互關(guān)系噪聲模型的參數(shù)，這種方法同時(shí)適用于像素域和變換域Wyner-Ziv視頻編解碼器。

圖5 變換域Wyner-Ziv編碼器結(jié)構(gòu)

3.2.3 協(xié)同編碼

不同于 Wyner-Ziv編碼，協(xié)同編碼是適用于WMSN的另一種分布式圖像編碼方案。Wagner等使用圖像匹配的方法來(lái)找到相互關(guān)聯(lián)的圖像[51]，以定義其中的最大重疊區(qū)域，發(fā)送低分辨率的重疊區(qū)域圖像給基站，基站使用超像素還原技術(shù)重建重疊區(qū)域的高分辨率圖像。但是，他們僅考慮了圖像之間的時(shí)間冗余，而且這種算法僅適用視頻節(jié)點(diǎn)密集部署的情況。Wu等提出一種改進(jìn)算法[52]，對(duì)于給定的圖像序列，背景圖像只發(fā)送一次，之后僅發(fā)送感興趣區(qū)域的圖像及其空間位置給基站，基站融合背景圖像和目標(biāo)區(qū)域圖像，并結(jié)合其空間位置來(lái)重建完整的圖像。Lu等在分簇的網(wǎng)絡(luò)結(jié)構(gòu)中使用基于雙正交重疊變換(LBT, lapped biorthogonal transform)的分布式協(xié)同圖像壓縮方案[53]，使視頻節(jié)點(diǎn)與周邊的中繼節(jié)點(diǎn)協(xié)作完成圖像壓縮與傳輸任務(wù)，以降低單個(gè)節(jié)點(diǎn)的計(jì)算復(fù)雜度和能量消耗，如圖6所示。視頻節(jié)點(diǎn)負(fù)責(zé)圖像采集以及圖像數(shù)據(jù)的列時(shí)域預(yù)處理，并將數(shù)據(jù)傳輸至中繼節(jié)點(diǎn)；中繼節(jié)點(diǎn)負(fù)責(zé)進(jìn)行列DCT、行時(shí)域預(yù)處理、行DCT以及8×8 LBT系數(shù)塊的編碼；最后將壓縮得到的碼流匯聚到簇頭節(jié)點(diǎn)。如果 WMSN中節(jié)點(diǎn)密度足夠大，使得視頻節(jié)點(diǎn)在無(wú)線(xiàn)通信鏈路的連通區(qū)域內(nèi)其鄰居節(jié)點(diǎn)集不為空時(shí)，該算法可以有效地降低能量消耗。

圖6 基于LBT的多節(jié)點(diǎn)協(xié)同壓縮

分布式信源編碼存在一些缺陷[54]：1)它需要編碼器之間保持同步，因?yàn)榻獯a器是使用時(shí)間相關(guān)信息來(lái)解碼的；2)為了有效利用分布式壓縮技術(shù)，需要獲得多個(gè)信源數(shù)據(jù)之間的相互關(guān)系模型，這是十分困難的工作；3)結(jié)合邊信息的分布式信源編碼需要節(jié)點(diǎn)之間的一些協(xié)作；4)為有效利用數(shù)據(jù)的相互關(guān)系進(jìn)行分布式信源編碼，至少需要3個(gè)以上的信息源。這些問(wèn)題都難以解決，目前還沒(méi)有相關(guān)的理論研究進(jìn)展。

4 未來(lái)研究方向

理論上，分布式信源編碼能夠有效降低視頻編碼的計(jì)算復(fù)雜度，轉(zhuǎn)移計(jì)算負(fù)載，十分適合于資源受限的WMSN。但是，要使視頻節(jié)點(diǎn)相互協(xié)作，并保持編碼器之間的同步，節(jié)點(diǎn)之間要頻繁地進(jìn)行數(shù)據(jù)交換，這將大量占用無(wú)線(xiàn)信道的帶寬，使得通信的能量消耗顯著增加，相比于計(jì)算過(guò)程能耗的降低似乎得不償失。綜合 WMSN視頻編碼面臨的困難和個(gè)體信源編碼、分布式信源編碼的優(yōu)勢(shì)與缺陷，以及2種編碼方式的研究進(jìn)展，個(gè)體信源編碼發(fā)展較快，且更適合于 WMSN的應(yīng)用需求。下面針對(duì)個(gè)體信源編碼中單層編碼方案和多層編碼方案存在的一些缺陷， 考慮WMSN視頻編碼所面臨的問(wèn)題，并結(jié)合設(shè)計(jì)目標(biāo)，即高壓縮率、低復(fù)雜度和容錯(cuò)，提出相應(yīng)的改進(jìn)研究方向。

4.1 圖像融合

個(gè)體信源編碼中單層編碼方案不支持圖像融合。然而，WMSN中一般部署多個(gè)視頻節(jié)點(diǎn)以覆蓋監(jiān)視區(qū)域，事件發(fā)生后，目標(biāo)區(qū)域的節(jié)點(diǎn)會(huì)向基站發(fā)送相似的高質(zhì)量圖像，產(chǎn)生相同數(shù)據(jù)的多個(gè)副本。這些副本并不增加信息量，卻會(huì)造成嚴(yán)重的網(wǎng)絡(luò)擁塞和巨大的能量消耗。如果在匯聚節(jié)點(diǎn)將相互關(guān)聯(lián)的圖像進(jìn)行融合，能夠有效地減少數(shù)據(jù)通信量，提高資源利用率。此外，根據(jù)應(yīng)用環(huán)境的不同，WMSN中可能使用不同類(lèi)型的圖像傳感器，如靜態(tài)彩色攝像頭、夜視攝像頭、全景視覺(jué)攝像頭、可變焦云臺(tái)攝像頭等。不同圖像傳感器的成像模式不同，使用的編碼算法不同，所獲得的圖像之間存在冗余性和互補(bǔ)性。通過(guò)融合不同圖像傳感器獲得的信息，可以對(duì)監(jiān)控區(qū)域的動(dòng)態(tài)進(jìn)行簡(jiǎn)明和持續(xù)的描繪，從視頻數(shù)據(jù)中提取關(guān)鍵事件，并采取有效應(yīng)對(duì)措施[55]。目前已有學(xué)者在進(jìn)行相關(guān)研究，但還處于探索階段。因此，研究適用于 WMSN的圖像融合機(jī)制是十分必要的。

例如，可以使用特征級(jí)圖像融合算法實(shí)現(xiàn)同類(lèi)多傳感器對(duì)同一事件的副本圖像的融合，如圖7所示。各傳感器從其所獲得的圖像中提取特征信息，如邊緣、紋理、光譜和亮度區(qū)域等。匯聚節(jié)點(diǎn)按特征信息對(duì)多傳感器圖像數(shù)據(jù)進(jìn)行分類(lèi)、匯集和綜合。這樣實(shí)現(xiàn)了信息壓縮，計(jì)算量小，處理速度快，并且能最大限度地給出決策分析提供所需要的特征信息。

圖7 多傳感器圖像的特征級(jí)融合

4.2 可伸縮視頻編碼

個(gè)體信源編碼中單層編碼方案不支持錯(cuò)誤恢復(fù)、差錯(cuò)控制和信源信道聯(lián)合編碼，碼率控制受限，在帶寬有限、噪聲干擾多的無(wú)線(xiàn)信道中，當(dāng)視頻數(shù)據(jù)流的比特率變化范圍較大時(shí)，分組丟失和誤碼的增加會(huì)影響傳輸?shù)目煽啃浴？缮炜s視頻編碼(SVC,scalable video coding)可以增強(qiáng)碼流對(duì)網(wǎng)絡(luò)帶寬變化、誤碼和分組丟失的適應(yīng)性。SVC將視頻信息按照重要性分解，對(duì)各部分按照其統(tǒng)計(jì)特性編碼，信息源根據(jù)網(wǎng)絡(luò)條件的變化調(diào)整傳輸?shù)臄?shù)據(jù)量。當(dāng)傳輸或儲(chǔ)存環(huán)境好時(shí)，傳送高品質(zhì)的視頻碼流；當(dāng)傳輸帶寬或存儲(chǔ)空間不足時(shí)，就犧牲視頻尺寸、幀率和圖像質(zhì)量中的一個(gè)或多個(gè)。通過(guò)分組丟失或截?cái)啻a流即可獲得較低質(zhì)量、較低空域分辨率和/或時(shí)域分辨率的圖像，且所有子碼流的編碼效率與相應(yīng)非可伸縮視頻編解碼器相當(dāng)[56]。SVC可以為 WMSN視頻傳輸提供簡(jiǎn)單、靈活的解決方案，也簡(jiǎn)化了解碼器的設(shè)計(jì)。但SVC依賴(lài)于基本層，使其傳輸可靠性降低，而且編碼的復(fù)雜性大，增加能量消耗。目前，主要以H.264/AVC為基礎(chǔ)進(jìn)行SVC的研究，但這個(gè)編碼標(biāo)準(zhǔn)不適用于 WMSN。因此，深入研究SVC，探索適用于WMSN的改進(jìn)方案具有重要的研究?jī)r(jià)值。

例如，可以使用帶反饋的 SVC來(lái)增強(qiáng)傳輸?shù)目煽啃?，如圖8所示。由于視頻幀長(zhǎng)度過(guò)大，一個(gè)視頻幀通常被分成多個(gè)數(shù)據(jù)分組傳輸，部分?jǐn)?shù)據(jù)分組的丟失會(huì)使接收端得不到完整的數(shù)據(jù)幀。解碼端根據(jù)信道的分組丟失率，即收到的視頻幀的完整性，向編碼端發(fā)送反饋信息，使碼流截?cái)嗄K選擇適當(dāng)?shù)膫鬏敂?shù)據(jù)量。如果正確收到基本層的數(shù)據(jù)分組，則將此幀轉(zhuǎn)給解碼器，并向發(fā)送端返回確認(rèn)消息。若檢測(cè)到基本幀的數(shù)據(jù)分組丟失，則向發(fā)送端返回請(qǐng)求重發(fā)消息。幀級(jí)反饋比數(shù)據(jù)分組級(jí)反饋的信息量少了，節(jié)省了一定的無(wú)線(xiàn)帶寬資源。

圖8 帶反饋的SVC編碼傳輸

4.3 多重描述編碼

個(gè)體信源編碼中多層編碼方案十分依賴(lài)于基礎(chǔ)層數(shù)據(jù)，若基礎(chǔ)層發(fā)送失敗，則將使得增強(qiáng)層數(shù)據(jù)不能使用，而無(wú)線(xiàn)信道中發(fā)生誤碼、擁塞或延遲情況較多，會(huì)影響基礎(chǔ)層數(shù)據(jù)的發(fā)送，這將嚴(yán)重降低圖像的解碼恢復(fù)質(zhì)量，甚至無(wú)法對(duì)圖像進(jìn)行正確解碼。多重描述編碼(MDC, multiple description coding)是一種能有效提高圖像信息傳輸頑健性的信源信道聯(lián)合編碼方式，將同一視頻信息編碼為多個(gè)獨(dú)立的描述，任何一個(gè)描述碼流都能單獨(dú)解碼，并獲得一個(gè)可接受的恢復(fù)質(zhì)量。接收端接收到的碼流越多，恢復(fù)的視頻質(zhì)量越好[57]。WMSN 中發(fā)送端和接收端之間存在多條相互獨(dú)立的信道，雖然網(wǎng)絡(luò)傳輸可靠性較低，但同時(shí)發(fā)生錯(cuò)誤、數(shù)據(jù)分組丟失的概率很小，MDC的一個(gè)或多個(gè)碼流可以通過(guò)不同信道到達(dá)接收端，如圖 9所示，這將提高WMSN視頻傳輸?shù)念B健性和實(shí)時(shí)性，而且無(wú)須重傳、延時(shí)小[58]。當(dāng)傳輸數(shù)據(jù)率較低時(shí)，MDC的性能低于多層編碼方式，高于單層編碼方式，因?yàn)閱螌泳幋a不提供錯(cuò)誤恢復(fù)機(jī)制。MDC視頻編碼的研究處于起步階段，現(xiàn)有的MDC大多是基于塊的運(yùn)動(dòng)估計(jì)和運(yùn)動(dòng)補(bǔ)償?shù)木幋a方案，產(chǎn)生和發(fā)送多個(gè)描述碼流越會(huì)占用許多資源，會(huì)使傳感器節(jié)點(diǎn)的能量很快耗盡[59]。另外，在任何信道都可能隨機(jī)地發(fā)生分組丟失，MDC同樣要考慮信道對(duì)視頻重建質(zhì)量的影響。因此，需要在控制數(shù)據(jù)冗余，提高網(wǎng)絡(luò)帶寬利用率和數(shù)據(jù)傳輸頑健性之間找到一個(gè)平衡，對(duì)MDC進(jìn)行改進(jìn)以適用于WMSN。

圖9 MDC編碼傳輸

4.4 目標(biāo)識(shí)別

在 WMSN的大多數(shù)應(yīng)用中，目標(biāo)識(shí)別都是設(shè)計(jì)過(guò)程中必須考慮的問(wèn)題之一。在個(gè)體信源編碼中使用目標(biāo)識(shí)別技術(shù)，探測(cè)監(jiān)控場(chǎng)景中的感興趣區(qū)域，就無(wú)需傳輸全部的視頻流，而只要傳輸監(jiān)測(cè)圖像序列的部分圖像幀或一幀圖像中的興趣區(qū)域，這樣可以有效地節(jié)約資源。分割監(jiān)測(cè)場(chǎng)景中人物和車(chē)輛等目標(biāo)的特征，要求傳感器節(jié)點(diǎn)對(duì)監(jiān)測(cè)圖像序列進(jìn)行分析處理，探測(cè)到場(chǎng)景變化和事件發(fā)生，并考慮視頻傳感器的噪聲和光照條件的變化等對(duì)識(shí)別精確性的影響，待識(shí)別出目標(biāo)后再進(jìn)行傳輸[60]。目前，學(xué)者已研究出許多有線(xiàn)視頻監(jiān)控環(huán)境的目標(biāo)識(shí)別方法，但計(jì)算復(fù)雜度很高，不適用于資源受限的WMSN。因此，研究計(jì)算復(fù)雜度較低、能夠充分利用 WMSN有限資源的目標(biāo)識(shí)別算法也是值得研究的課題。

5 結(jié)束語(yǔ)

WMSN在目標(biāo)跟蹤、過(guò)程控制和視頻監(jiān)控等方面有著廣泛的應(yīng)用前景。視頻編碼對(duì) WMSN有著重要的研究?jī)r(jià)值，是減少數(shù)據(jù)傳輸量，降低能量消耗，延長(zhǎng)網(wǎng)絡(luò)生命周期的關(guān)鍵技術(shù)之一。本文分析了 WMSN中的視頻編碼所面臨的問(wèn)題和挑戰(zhàn)，從個(gè)體信源編碼和分布式信源編碼2個(gè)方面深入探討了近年國(guó)內(nèi)外具有代表性的解決方案和理論研究成果?；谝陨蠈?duì)各種視頻編碼算法的評(píng)價(jià)研究，WMSN視頻編碼需要一個(gè)高效的、能夠結(jié)合個(gè)體信源編碼和分布式信源編碼優(yōu)點(diǎn)的方案，以滿(mǎn)足其高壓縮率、低復(fù)雜度和較強(qiáng)容錯(cuò)性的要求。各種編碼方法之間的綜合量化比較，面向 WMSN的分布式信源編碼測(cè)試平臺(tái)和應(yīng)用實(shí)例都是未來(lái)重要的研究方向。

[1]AKYILDIZ I F, SU W, SANKARASUBRAMANIAM Y,et al.Wireless sensor networks: a survey[J].Computer Networks, 2002, 38 (4):393-422.

[2]GURSES E, AKAN O B.Multimedia communication in wireless sensor networks[J].Ann Telecommun, 2005, 60 (7-8): 799-827.

[3]TORRES L, KUNT M.Video Coding: the Second-Generation Approach[M].Boston: Kluwer Academic Publishers, 1996.

[4]CHIEN S Y, HUANG Y W, CHEN C Y,et al.Hardware architecture design of video compression for multimedia communication systems[J].IEEE Communications Magazine, 2005, 43(8): 123-131.

[5]AKYILDIZ I F, MELODIA T, CHOWDHURY K R.A survey on wireless multimedia sensor networks[J].Computer Networks, 2007,51(4): 921-960.

[6]KIMURA N, LATIFI S.A survey on data compression in wireless sensor networks[A].International Conference on Information Technology: Coding and Computing[C].Las Vegas, 2005.8-13.

[7]WU H, ABOUZEID A.Power aware image transmission in energy constrained wireless networks[A].Proceedings of the Ninth International Symposium on Computers and Communications[C].Alexandria,2004.202–207.

[8]GHARAVI H, BAN K.Dynamic packet control for video communications over ad-hoc networks[A].Proceedings of the 2004 IEEE International Conference on Communications[C].Paris, 2004.20-24.

[9]WAND Y, OSTERMANN J, ZHANG Y Q.Video Processing and Communications[M].New Jersey: Prentice Hall, 2002.

[10]AKYILDIZ I F, MELODIA T, CHOWDHURY K R.Wireless multimedia sensor network: a survey[J].IEEE Transaction on Wireless Communication, 2007, 14(6): 32-39.

[11]MISRA S, REISSLEIN M, XUE G.A survey of multimedia streaming in wireless sensor networks[J].IEEE Communications Surveys and Tutorials, 2008, 10(4): 18-39.

[12]CHIASSERINI C, MAGLI E.Energy consumption and image quality in wireless video-surveillance networks[A].Proceedings of 13th IEEE International Symposium on Personal, Indoor and Mobile Radio Communications[C].Lisbon, 2002.2357-2361.

[13]MAGLI E, MANCIN M, MERELLO L.Low complexity video compression for wireless sensor networks[A].Proceedings of 2003 International Conference on Multimedia and Expo[C].Baltimore, 2003.585-588.

[14]PEKHTERYEV G, SAHINOGLU Z, ORLIK P,et al.Image transmission over IEEE 802.15.4 and Zigbee networks[A].Proceedings of the 2005 IEEE International Symposium on Circuits and Systems[C].Kobe, 2005.23-26.

[15]FENG W, KAISER E, FENG W C,et al.Panoptes: scalable low-power video sensor networking technologies[J].ACM Transactions on Multimedia Computing, Communications, and Applications,2005, 1(2): 151-167.

[16]MAMMERI A, KHOUMSI A, ZIOU D,et al.Energy-aware JPEG for visual sensor networks[A].The 2008 Maghrebian Conference on Software Engineering and Artificial Intelligence[C].Oran, 2008.1-7.

[17]MAMMERI A, KHOUMSI A, ZIOU D,et al.Modeling and adapting JPEG to the energy requirements of visual sensor networks[A].2008 International IEEE Workshop on Sensor Networks[C].Virgin Islands,2008.1-6.

[18]MAMMERI A, KHOUMSI A, ZIOU D,et al.Energy efficient transmission scheme of JPEG images over VSN[A].Proceedings of 2008 International IEEE Workshop on Performance and Management of Wireless and Mobile Networks[C].Montreal, 2008.639-647.

[19]LEE D, KIM H, TU S,et al.Energy-optimized image communication on resource-constrained sensor platforms[A].Proceedings of 6th International Symposium on Information Processing in Sensor Networks[C].Cambridge, 2007.216-225.

[20]LEE D, KIM H, TU S,et al.Energy-efficient image compression on resource-constrained platforms[J].IEEE Transactions on Image Processing, 2009, 18(9): 2100-2113.

[21]WU M, CHEN C.Multiple bitstream image transmission over wireless sensor networks[A].Proceedings of IEEE Sensors[C].Toronto, 2003.727-731.

[22]YU W, SAHINOGLU Z, VETRO A.Energy efficient JPEG 2000 image transmission over wireless sensor networks[A].Proceedings of 2004 Global Telecommunications Conference[C].Dallas, 2004.2738-2743.

[23]WU H, ABOUZEID A.Power aware image transmission in energy constrained wireless networks[A].Proceedings of the Ninth International Symposium on Computers and Communications[C].Alexandria,2004.202-207.

[24]LU Q, DU L, HU B.Low-power JPEG2000 implementation on DSP-based camera node in wireless multimedia sensor networks[A].Proceedings of 2009 International Conference on Networks Security,Wireless Communications and Trusted Computing[C].Wuhan, 2009.300-303.

[25]SLEPIAN D, WOLF J.Noiseless coding of correlated information sources[J].IEEE Transactions on Information Theory, 1973, 19(4):471-480.

[26]WYNER A.Recent results in the Shannon theory[J].IEEE Transactions on Information Theory, 1974, 20(1): 2-10.

[27]XIONG Z, LIVERIS A D, CHENG S.Distributed source coding for sensor networks[J].IEEE Signal Process Mag, 2004, 21 (9): 80-94.

[28]AARON A, ZHANG R, GIROD B.Wyner-Ziv coding of motion video[A].Proceedings of the Asilomar Conference on Signals and Systems[C].Pacific Grove, 2002.240-244.

[29]AARON A, RANE S, ZHANG R,et al.Wyner-Ziv coding for video:applications to compression and error resilience[A].Proceedings of 2003 IEEE Data Compression Conference[C].Snowbird, 2003.93-102.

[30]AARON A, SETTON E, GIROD B.Toward practical Wyner-Ziv coding of video[A].Proceedings of the IEEE International Conference on Image Processing[C].Barcelona, 2003.869-872.

[31]GIROD B, AARON A, RANEAND S,et al.Distributed video coding[J].Proceedings of the IEEE, 2005, 93(1): 71-83.

[32]ASCENSO J, BRITES C, PEREIRA F.Improving frame interpolation with spatial motion smoothing for pixel domain distributed video coding[A].Proceedings of the 5th EURASIP Conference Speech and Image Processing, Multimedia Communications and Services[C].Smolenice, 2005.1-6.

[33]NATARIO L, BRITES C, ASCENSO J,et al.Extrapolating side information for low-delay pixel-domain distributed video coding[J].Lecture Notes in Computer Science, 2006, 3893(4): 16-21.

[34]MORBEE M, NEBOT J P, PIZURICA A,et al.Rate allocation algorithm for pixel-domain distributed video coding without feedback channel[A].Proceedings of 2007 IEEE International Conference on Acoustics, Speech and Signal Processing[C].Honolulu, 2007.521-524.

[35]TAGLIASACCHI M, TRAPANESE A, TUBARO S,et al.Exploiting spatial redundancy in pixel domain Wyner-Ziv video coding[A].Proceedings of 2006 IEEE International Conference on Image Processing[C].Atlanta, 2006.253-256.

[36]AVUDAINAYAGAM A, SHEA J M, WU D P.Hyper-trellis decoding of pixel-domain Wyner-Ziv video coding[J].IEEE Transactions on Circuits and Systems for Video Technology, 2008, 18(5): 557-568.

[37]XUE Z, LOO K K, COSMAS J, YIP P Y.Distributed video coding in wireless multimedia sensor network for multimedia broadcasting[J].WSEAS Transaction on Communications, 2008, 5(7): 418-427.

[38]AARON A, RANEAND S, SETTON E,et al.Transform-domain Wyner-Ziv codec for video[A].Proceedings of Society of Photo-Optical Instrumentation Engineers-Visual Communications and Image Processing[C].San Jose, 2004.520-528.

[39]PURI R, RAMCHANDRAN K.PRISM: a new robust video coding architecture based on distributed compression principles[A].Proceedings of 2002 Allerton Conference on Communication, Control, and Computing[C].Allerton, 2002.1-10.

[40]PURI R, RAMCHANDRAN K.PRISM: an uplink-friendly multimedia coding paradigm[A].Proceedings of 2003 International Conference on Acoustics, Speech, and Signal Processing[C].Hong Kong,2003.856-859.

[41]PURI R, MAJUMDAR A, RAMCHANDRAN K.PRISM: a video coding paradigm with motion estimation at the decoder[J].IEEE Transactions on Image Processing, 2007, 16(10): 2436-2448.

[42]BRITES C, ASCENSO J, PEDRO J Q,et al.Evaluating a feedback channel based transform domain Wyner-Ziv video codec[J].Signal Processing: Image Communication, 2008, 23(3): 269-297.

[43]BRITES C, PEREIRA F.Encoder rate control for transform domain Wyner-Ziv video coding[A].Proceedings of 2007 IEEE International Conference on Image Processing[C].San Antonio, 2007.5-7.

[44]SHENG T, HUA G, GUO H,et al.Rate allocation for transform domain Wyner-Ziv video coding without feedback[A].Proceedings of the 16th ACM International Conference on Multimedia[C].Vancouver,2008.701-704.

[45]MARTINS R, BRITES C, ASCENSO J,et al.Refining side information for improved transform domain Wyner-Ziv video coding[J].IEEE Transactions on Circuits and Systems for Video Technology, 2009,19(9): 1327-1341.

[46]BADEM M B, FERNANDO W A C, MARTINEZ J L,et al.An iterative side information refinement technique for transform domain distributed video coding[A].Proceedings of 2009 IEEE International Conference on Multimedia an Expo[C].New York, 2009.177-180.

[47]ESMAILI G R, COSMAN P C.Correlation noise classification based on matching success for transform domain Wyner-Ziv video coding[A].Proceedings of 2009 IEEE International Conference on Acoustics, Speech and Signal Processing[C].2009.801-804.

[48]HUANG X, FORCHHAMMER S.Improved virtual channel noise model for transform domain Wyner-Ziv video coding[A].Proceedings of 2009 IEEE International Conference on Acoustics, Speech and Signal Processing[C].2009.921-924.

[49]SKORUPA J, SLOWACK J, MYS S,et al.Accurate correlation modeling for transform-domain Wyner-Ziv video coding[A].Proceedings of the 9th Pacific Rim Conference on Multimedia: Advances in Multimedia Information Processing[C].2008.1-10.

[50]BRITES C, PEREIRA F.Correlation noise modeling for efficient pixel and transform domain Wyner-Ziv video coding[J].IEEE Transactions on Circuits and Systems for Video Technology, 2008, 18(9):1177-1190.

[51]WAGNER R, NOWAK R, BARANIUK R.Distributed image compression for sensor networks using correspondence analysis and super-resolution[A].Proceedings of 2003 IEEE International Conference on Image Processing[C].Barcelona, 2003.597-600.

[52]WU M, CHEN C.Collaborative image coding and transmission over wireless sensor networks[J].EURASIP Journal on Advances in Signal Processing, 2007, (1): 223-232.

[53]LU Q, LUO W, WANG J,et al.Low-complexity and energy efficient image compression scheme for wireless sensor networks[J].Computer Networks, 2008, 52: 2594-2603.

[54]FERNANDO P, LUIS T, CHRISTINE G,et al.Distributed video coding: selecting the most promising application scenarios[J].Signal Processing: Image Communication, 2008, 23: 339-352.

[55]RASHEED Z, CAO X, SHAFIQUE K,et al.Automated visual analysis in large scale sensor networks[A].Proceedings of Second ACM/IEEE International Conference on Distributed Smart Cameras[C].Stanford, 2008.1-10.

[56]JENS-RAINER O.Advances in scalable video coding[J].Proceedings of the IEEE, 2005, 93(1): 42-56.

[57]GOYAL V K.Multiple description coding: compression meets the network[J].IEEE Signal Processing Magazine, 2001, 18(9): 74-93.

[58]GOGATE N, CHUNG D M, PANWAR S,et al.Supporting image and video applications in a multi-hop radio environment using path diversity and multiple description coding[J].IEEE Transactions on Circuits and Systems for Video Technology, 2002, 12(9): 777-792.

[59]BACCAGLINI E, BARRENETXEA G, LOZANO B B.Performance of multiple description coding in sensor networks with finite buffers[A].Proceedings of 2005 IEEE International Conference on Multimedia and Expo[C].Amsterdam, 2005.1460-1463.

[60]ZILAN R, ORDINAS J M B, TAVLI B.Image recognition traffic patterns for wireless multimedia sensor networks[A].Proceedings of 4th International Workshop of the Euro FGI Wireless and Mobility[C].Barcelona, 2008.49-59.