基于双域滤波的三维块匹配视频去噪算法

将双域滤波和三维块匹配算法相结合,充分利用了视频序列的时空频域的相关性,进行视频去噪。将三维块匹配视频去噪算法中小波阈值去噪得到的图像替换原引导图像,抑制了双域滤波算法基本层不平滑的问题。参考残差矩阵的能量谱对短时傅里叶变换系数进行阈值收缩,减少细节层的噪声残留。实验结果表明,本算法有效地解决了双域滤波算法的基本层不平滑、细节层有噪声残留的问题,主观和客观对比也表明,本算法有着较为优秀的去噪效果。     

BM3D视频去噪算法实现与评估

一些传统的图像视频去噪算法,会在滤除噪声的同时引入人工噪声,存在很大的局限性。而基于块匹配和三维变换域滤波(BM3D)的图像视频去噪算法则采用了不同的去噪策略。对BM3D算法进行了深入的研究并实现了算法,对算法进行了深层次的评估。通过评估结果,证明了BM3D算法在视频去噪方面取得了非常好的效果。     

基于S1/2范数的非局部视频去噪

为了去除视频中的高斯噪声及脉冲噪声,提出了 一种基于S1/2矩阵范数的非局部视频去噪算法。 首先,在视频数据中利用非局部块匹配的钻石搜索算法搜寻与参考图像块最相似的图像块组 ;然后,将搜 寻到的相似图像块组列向量化后组合成的矩阵进行基于S1/2范数的低秩和稀疏分解,分解后 的低秩成分视 为原视频场景信息,稀疏成分视为视频中存在的随机值脉冲噪声及异常值数据;最后,由低 秩矩阵恢复的 各图像块数据经过加权平均后作为参考图像块的去噪估计值,进而求得视频各帧图像的去噪 估计值。实 验结果表明,本文方法能够有效去除视频中的高斯噪声和脉冲噪声,相比同类 算法,去噪后的视频无论 在视觉质量上还是客观评价指标上都有明显的优势。     

基于低秩表示的人脸识别方法

随着人工智能和计算机视觉技术的快速发展,人脸识别技术在各领域得到了广泛的应用。人脸识别可以应用于安全监控、身份认证、社交媒体、人机交互等多个领域,它能自动识别和检测人脸,并将其与预先存储的人脸进行比对和匹配。低秩表示是一种利用低秩矩阵对高维数据进行降维表示的方法。在人脸识别中应用低秩表示,可以提取出重要的人脸特征,减少冗余信息和噪声的影响。低秩表示还能增强模型的鲁棒性,使其对光照、表情、姿态等具有更好的适应性。文中对基于低秩表示的人脸识别方法进行了研究,以期为相关人员提供参考。     

基于时域的视频去噪算法研究

论述了两种基于时域的视频去噪算法。首先介绍基于菱形运动估计的时域滤波,先进行菱形运动估计计算寻找最佳匹配块,之后在两个块之间进行均值滤波,整合匹配块输出滤波过的图像;其次介绍了BM3D视频去噪技术,详细地描述了BM3D去噪技术的去噪主要过程,分别解释了去噪过程中块匹配、三维变换域滤波、权值计算、重构四个主要步骤的原理与过程。最后通过实验,证明了这两种方法在去噪方面均能取得良好的效果。     

基于场景有序运动的热红外视频去噪方法

在信号动态范围较小的场景下热红外图像的信噪比偏低,同时在诸多应用中其场景会在某一方向发生单调运动。基于这种考虑,提出了一种基于场景有序运动的热红外视频去噪方法。通过低秩矩阵近似的相关理论,引入场景有序运动这一先验知识并构建严格的观测矩阵,利用加权核范数最小化算法求解去噪的低秩矩阵形式并重构视频信号。经仿真分析,本方法在强噪声环境下具有较高的峰值信噪比与降噪鲁棒性,通过海洋遥感数据验证了方法的实际效果,从而在遥感与搜救等领域具有一定应用价值。     

时空自适应的分焦平面偏振视频PCA去噪

分焦平面式（DoFP）偏振成像探测器通过集成式微偏振阵列实现偏振信息的实时获取。然而由于成像过程中存在噪声,对后续的偏振图像去马赛克超分辨、场景偏振信息解算产生了严重影响。基于主成分分析（PCA）提出一种时空自适应DoFP视频数据去噪算法,对于每个待去噪的DoFP图像块,在其局部时空邻域内选取相似的图像块,然后利用主成分分析对其去噪。该算法充分利用DoFP视频数据的时空信息构建训练样本,且块匹配过程无需采用运动估计,可直接用于DoFP视频数据去噪。进一步提出基于双边滤波的残余噪声去除算法,从而得到更好的去噪效果。通过模拟与真实数据对所提算法进行实验验证,结果证明:所提算法可有效抑制噪声,在相同测试条件下,所提算法优于现有算法。     

一种基于低秩表示的子空间聚类改进算法

该文针对现有的基于低秩表示的子空间聚类算法使用核范数来代替秩函数,不能有效地估计矩阵的秩和对高斯噪声敏感的缺陷,提出一种改进的算法,旨在提高算法准确率的同时,保持其在高斯噪声下的稳定性。在构建目标函数时,使用系数矩阵的核范数和Forbenius范数作为正则项,对系数矩阵的奇异值进行强凸的正则化后,采用非精确的增广拉格朗日乘子方法求解,最后对求得的系数矩阵进行后处理得到亲和矩阵,并采用经典的谱聚类方法进行聚类。在人工数据集、Extended Yale B数据库和PIE数据库上同流行的子空间聚类算法的实验对比证明了所提改进算法的有效性和对高斯噪声的鲁棒性。     

基于低秩近似与常量统计的机载红外多光谱扫描仪去噪方法

为解决飞机平台强干扰环境下红外多光谱扫描仪的图像混合噪声问题,提出了一种基于低秩矩阵近似与常量统计的光谱图像去噪方法.从仪器的噪声产生机制出发将图像噪声区分为谱间差异噪声与谱间共有噪声,并根据噪声在光谱数据中的特点分别采用低秩矩阵近似与常量统计的方法进行去除.经仿真分析去噪后的光谱图像具有较高的峰值信噪比与去噪鲁棒性,并通过机载遥感试验数据证明在大量噪声的干扰下对于响应偏低的边缘谱段仍能有效地恢复出图像信息.该方法在其它类似光谱图像去噪方面具有一定的推广应用价值.     

基于低秩特征脸与协同表示的人脸识别算法

在人脸识别中,人脸图像往往受到表情、光照、遮挡、姿态变化的影响,对此本文提出一种基于低秩特征脸与协同表示的人脸识别算法。该算法先用低秩矩阵恢复算法分解出训练样本图像的误差图像,再分别对训练样本与误差图像提取特征构造特征字典,计算测试样本图像特征字典下的协同表示系数,最后通过重构误差进行分类。通过AR和ORL人脸库进行实验,结果表明,本文提出的人脸识别算法的识别率、识别速率得到有效提高。     

Shearlet-Based Total Variation Diffusion for Denoising

We propose a shearlet formulation of the total variation (TV) method for denoising images. Shearlets have been mathematically proven to represent distributed discontinuities such as edges better than traditional wavelets and are a suitable tool for edge characterization. Common approaches in combining wavelet-like representations such as curvelets with TV or diffusion methods aim at reducing Gibbs-type artifacts after obtaining a nearly optimal estimate. We show that it is possible to obtain much better estimates from a shearlet representation by constraining the residual coefficients using a projected adaptive total variation scheme in the shearlet domain. We also analyze the performance of a shearlet-based diffusion method. Numerical examples demonstrate that these schemes are highly effective at denoising complex images and outperform a related method based on the use of the curvelet transform. Furthermore, the shearlet-TV scheme requires far fewer iterations than similar competitors.     

基于变分方法的超分辨率

基于全变分先验和变分分布.提出一个新颖的超分辨率算法,使用分级的贝叶斯框架,能够同时计算出重建的高分辨率图像和模型参数.本算法利用变分推论给出变量的后验分布近似.因为能够同时估计出模型参数,是自动的过程,无需对参数人工调节.实验结果表明所提算法在重建质量上优于当前主流的算法.     

小波域阈值语音去噪的几点改进

根据含噪语音中噪声、清音和浊音的不同特点,提出了一种改进的多尺度小波域阈值去噪方法。采用常用的软阈值函数对清音和浊音进行不同的阈值处理,而对于噪声,将其对应的小波系数全部置零。该方法在很大程度上抑制了噪声,又减少了语音段清音的损失,提高了信噪比。仿真结果表明了该方法的可行性和有效性。     

基于全变差和小波硬阈值的图像去噪

本文提出了一种将小波硬阈值与带有自适应逼近项的全变差相结合的方法．该方法利用小波硬阈值和带有自适应逼近项的全变差的特性对图像进行处理,不仅很好地抑制了噪声,而且尽可能地保留了图像的特征结构,实验结果表明具有良好的视觉效果．     

Fast Gradient-Based Algorithms for Constrained Total Variation Image Denoising and Deblurring Problems

This paper studies gradient-based schemes for image denoising and deblurring problems based on the discretized total variation (TV) minimization model with constraints. We derive a fast algorithm for the constrained TV-based image deburring problem. To achieve this task, we combine an acceleration of the well known dual approach to the denoising problem with a novel monotone version of a fast iterative shrinkage/thresholding algorithm (FISTA) we have recently introduced. The resulting gradient-based algorithm shares a remarkable simplicity together with a proven global rate of convergence which is significantly better than currently known gradient projections-based methods. Our results are applicable to both the anisotropic and isotropic discretized TV functionals. Initial numerical results demonstrate the viability and efficiency of the proposed algorithms on image deblurring problems with box constraints.     

同步全变分与限制对比度均衡的彩色图像去噪增强方法

为了更好地实现彩色图像去噪与反差增强的处理,提出一种同步全变分与限制对比度均衡的彩色图像去噪增强方法。首先分析了彩色全变分（CTV）模型存在的问题,并针对这一问题,提出通过引入彩色空间下矢量扩散控制改进该模型,消除阶梯效应。其次,为了避免由于灰度转化带来的信息缺损,给出一种RGB空间下的梯度矢量计算方法。最后构造了限制对比度直方图均衡（CLAHE）的微分模型,将其与改进后的CTV模型融合实现了彩色图像的同步去噪与增强处理。实验结果表明:由于本文方法直接在彩色空间下进行计算,因此可以减少由色彩空间转化带来的信息损失,能够在提高图像的对比度的同时去除噪声,更好地完成彩色图像的去噪与反差增强处理。      

一种自适应小波去噪算法

Donoho和Johnstone的多分辨率小波去噪法在数字信号处理方面已成为非常有用的工具,但是通常情况下选取低分辨率截段参数jo是很困难的,需要源信号的某些正则性.对于一给定的未知信号和噪声指数σ,哪一个jo是最佳的呢?本文对于任意波形的信号构造了一个统计量,用于建立一个寻找最佳jo值的自适应方法,并对其统计特性进行了分析,大量的仿真计算结果表明,该算法确实非常准确有效,因此使得多分辨率去噪法有了更广泛的应用背景.     

利用全景图的视频稳像算法

针对具有场景变换、景深变换较小的抖动视频,本文提出了一种利用全景图的视频稳像方法。不同于传统稳像方法,本文所提算法利用原始视频序列生成广角视图,通过后期抽取视频帧,以合成方式输出稳定视频。通过区域块的运动估计,获取相机的运动轨迹;在此基础上,为消除视频抖动导致的原始运动轨迹的非平滑问题,提出了一种基于运动矢量统计的相机运动模式判决方法,并以此选择相应的平滑方式。最后,通过平滑后的运动轨迹对全景图进行抽帧,合成平滑、稳定视频。实验结果表明,本文提出的稳像方法能有效去除较大抖动,同时避免了对视频宽度的裁剪等后处理,具有较好的稳像能力。      

基于小波变换的一种去噪方法

介绍信号奇异性以及它的小波描述,基于B样条理论推出一种多尺度小波变换,采有软阀值判决方式,提出一种简单,实用的小波去噪方法。     

A Framework for Representation and Processing of Multi-view Video Using the Concept of Layered Depth Image

The multi-view video is a collection of multiple videos, capturing the same scene at different viewpoints. Since it contains more affluent information than a single video, it can be applied to various applications, such as 3DTV, free viewpoint TV, surveillance, sports matches, and so on. However, the data size of the multi-view video linearly increases as the number of cameras, therefore it is necessary to develop an effective framework to represent, process, and transmit those huge amounts of data. In recent, multi-view video coding is getting lots of attention as efficient video coding technologies are being developed. Although most of multi-view video coding algorithms are based on the state-of-the-art H.264/AVC video coding technology, they do not utilize rich 3-D information. In this paper, we propose a new framework using the concept of layered depth image (LDI), one of the efficient image-based rendering techniques, to efficiently represent and process multi-view video data. We describe how to represent natural multi-view video based on the LDI approach and the overall framework to process those converted data.