基于块和低秩张量恢复的视频去噪方法

由于采用矩阵的表示形式会破坏视频数据的原始空间结构,针对这一问题,提出了一种基于块和低秩张量恢复的视频去噪方法。首先运用自适应中值滤波器对含噪视频进行预处理,通过相似块匹配构造一个三阶张量,根据视频张量的低秩性和噪声像素的稀疏性,利用基于张量的增广拉格朗日乘子法（ALM）重建出三阶视频张量的低秩部分和稀疏部分,实现噪声的分离。该方法采用张量模型来处理视频去噪的问题,更好地保护了视频序列的高维结构特性,可以准确地去除复杂结构视频的噪声干扰。实验结果表明,相对于常用方法,该方法能准确完整地分离噪声,具有更强的视频去噪能力。     

基于Kinect深度信息的室内分散障碍物检测

为解决盲人在室内环境下独自行动易受障碍物影响的问题,提出基于深度信息的室内障碍物检测算法.利用Kinect 2.0设备来记录室内环境的图像,根据采集的深度信息重建3维场景,获取相应的3D点云数据.结合随机采样一致性算法从点云中提取出地面.提取地面之后各障碍物分散于空间中各个位置,结合欧式聚类的方法对障碍物进行分割提取.实验结果表明:该算法能有效检测到室内多种障碍物,给予盲人精确有效的提示,有效地解决了传统方法易受光照影响,对于不同深度、倾斜和形状不规则的障碍物检测效果差,输出信息单一的问题.     

基于低秩张量恢复的视频块效应处理

针对块编码的视频解码后存在块效应的问题,提出了一种基于块和低秩张量恢复的块效应处理方法。首先在视频序列里寻找相似块构造三阶张量,根据背景张量的低秩性和块效应的稀疏性,利用扩展于张量上的增广拉格朗日乘子法求解一个低秩张量恢复问题。从张量模型的角度来进行视频块效应处理,更好地保护了高维数据的结构特性。实验结果显示,相对于传统去块效应方法,通过该方法得到的视频图像有更高的峰值信噪比(PSNR)和更好的视觉效果。