基于运动分割的视频去模糊

针对目前视频去模糊方法难以处理大幅度相对运动模糊,并且很难得到在时间和空间都保持一致性的去模糊结果的问题,提出基于运动分割的视频去模糊方法.基于视频序列清晰程度不同的前提下,用视频中的清晰块恢复模糊帧.根据模糊帧与其相邻的清晰帧的光流信息,将2帧之间存在的相对运动分割为独立的处理对象;不同运动对象分别估计模糊函数,并利用该模糊函数将清晰帧模糊处理;对模糊帧中的每一块区域,在被模糊处理后的帧中查找最相似的区域,利用对应清晰区域替换模糊区域;不同区域之间采用纹理融合,重建出清晰帧,实现对视频中大幅度相对运动去模糊.该方法基于并行思想设计和实现,利用GPU并行能力完成加速.实验结果证明,采用该方法不仅速度快,而且有效地解决了视频中大幅度相对运动模糊,并可以保持运动对象纹理结构的完整性.

基于高通差异性特征的图像质量评估方法

现有的图像质量评估只能判断单一失真方式下失真图像的质量优劣。为了改进这一缺点,根据自然场景统计信息的图像特征,提出基于高通滤波下RGB差异性的图像质量评估方法,通过局部归一化亮度,提取RGB通道差异性、图像梯度、图像锐度、及图像对比度等特征,利用逻辑回归训练,最终得到无参考图像质量评估模型。实验结果表明,方法对各类型失真图像质量评估准确率较高,特别对多种失真类型混合的测试集时,具有明显优势。