基于遗传算法的自适应块匹配运动搜索算法

提出了一种应用于视频压缩编码中的基于遗传算法的块匹配运动搜索算法。为了加速搜索进化过程并更好地与具有不确定性的进化过程相匹配,该算法引入了一些新的自适应遗传机制,包括初代个体选择,父代个体选择以及进化结束判决等。这些自适应机制充分利用了视频图像自身的相关性。仿真结果表明,该算法可以实现较为精确的块匹配运动搜索,同时保持较低的运算复杂度。

基于预滤波的组稀疏残差约束图像去噪模型

大多数现有去噪方法只考虑了噪声输入图像的非局部自相似性先验方法(NSS),仅从已退化的输入图像中收集相似图像块,图像去噪的质量在很大程度上取决于输入图像本身。针对图像复原过程中的噪声去除问题,设计了一种基于卷积神经网络的组稀疏去噪模型。模型使用两种NSS先验(即噪声输入图像和预滤波图像的NSS先验),把图像去噪问题转化为组稀疏残差最小化问题。为了提高非局部相似块选择的准确性,使用了一种自适应块搜索的方法,并采用卷积神经网络进行预滤波,以获得对原始图像组稀疏系数的良好估计。实验结果表明:所提出的GSRC-CNN方法在客观和感知质量方面优于许多先进的去噪方法。