基于低秩高阶张量逼近的图像视频恢复

图像视频恢复是计算机视觉中一项基本但关键的任务,近年来得到了广泛的研究。然而,现有的方法存在着不可避免的缺点:有些需要预定义秩,有些则无法处理高阶数据。为了克服这些缺点,本文利用图像视频数据通常具有的低秩性,采用低秩高阶张量逼近方法实现在混合噪音的环境下的彩色视频恢复。首先,本文建立了一个高阶张量代数框架。基于该框架,通过设计近端算子,提出了一种新的低秩高阶张量逼近(LRHA)方法,旨在从被高度污染的阶张量数据中恢复出潜在的低秩部分,从而完成图像视频恢复任务。设计了相应的算法,并且针对多项图像视频恢复任务的实验结果表明,LRHA方法在处理相应问题方面具有优越性。

运用压缩传感理论的交通视频图像处理

目前图像的编解码都是运用传统的香农定理进行的,此定理要求采样频率要大于等于原始信号最高频率的两倍。在进行视频图像处理时,就产生了需要相当大的存储空间来存储获得的数据的问题。鉴于此,提出了运用压缩传感理论进行编解码的方法,它可在相同的压缩率下产生更少的压缩数据,进而可以节约存储空间和传输时间。首先进行了传统的信号获取和处理与压缩传感理论的比较,再对压缩传感理论进行了阐述,最后把压缩传感理论应用于交通视频图像处理中,获得了较好的效果,这也是压缩传感理论的一次尝试性的应用。