一种基于频域的运动模糊视频复原方法

视频广泛使用于日常生活、公共安全和空间探索等领域。摄像机抖动和物体运动都会引起采集到的视频发生运动模糊现象。模糊的视频不仅会影响视觉感受,而且会影响对视频中信息的提取和辨识工作,因此需要对模糊视频复原。采集到的运动模糊视频中的模糊具有随机性,对于同一个物体,可能在某些视频帧中是模糊的,但是在另一些视频帧中可能是清晰的。根据这一特征,提出一种基于频域的运动模糊视频复原方法。该方法通过在频域中利用曲波变换融合多个相邻视频帧,获得清晰视频。该方法不需要估计模糊核和迭代求解模型,具有较快的运算速度。曲波变换具有很强的方向敏感性和各向异性特征,有助于模糊视频中边缘信息的复原。实验结果证明,提出的复原方法与现有的复原方法相比具有较好的复原效果。

非凸性优化与动态自适应滤波的湍流退化视频复原

针对目标探测器在大气中高速飞行时受湍流干扰,导致光学系统接收到的视频/图像产生像素偏移、模糊、信噪比降低等问题,本文对湍流退化视频/图像复原的复杂性及复原方法进行了研究,提出了一种基于非凸势函数优化与动态自适应滤波的湍流退化视频复原方法。首先,研究了湍流退化视频的求和与去模糊框架,并通过利用非刚性配准方法对刚性全局配准方法进行改进,进一步缩小了模糊核的尺度;然后,在计算机视觉的非凸优化框架下,构建了图像解卷积的非凸性算法,有效地解决了图像解卷积难题;最后,结合湍流退化视频自身特点,对超分辨率视频复原的动态自适应滤波框架进行了扩展与改进,使其适用于湍流退化视频的复原。仿真实验结果表明,本文方法的复原效果不仅有较大提升,而且实现了对湍流退化视频序列的动态自适应复原。

保留边缘与细节的压缩采样视频复原算法

已有的压缩感知视频复原算法因过平滑效应难以保留视频帧的边缘与细节信息,对此提出一种基于混合稀疏性测量的压缩采样视频复原算法。编码端将视频序列分为关键帧与非关键帧,并使用相同的感知矩阵对帧的每块进行采样。解码端则设计了考虑局部稀疏性与全局稀疏性的混合稀疏性测量方案,并将其作为压缩感知视频复原问题的正则项;然后通过分裂Bregman迭代算法对关键帧进行解码,并考虑视频帧间的时间相关性对非关键帧进行细化处理。基于多组仿真实验的结果表明,本算法获得了较好的视频复原精度,并具有理想的计算时间性能。

基于空-时加权全变差正则项的视频复原算法

该文改进空-时全变正则项,提出了基于空-时加权全变差的视频图像重建算法。通过空-时加权全变差正则项的引入,获得新的视频重建模型,并提出了基于分裂Bregman迭代算法的模型快速求解方法。仿真和数值实验表明,该文算法能够有效地实现高斯白噪声背景下视频序列去模糊问题,而且能够较好地保持复原图像序列的边缘和细节信息,避免传统TV算法产生的过平滑而失去细节信息的缺点,获得更加自然和细节的复原图像。

基于FPGA的雾霾视频图像实时复原系统研究

针对雾、霾等恶劣气象条件下,视频监控等户外视频设备对视频图像实时复原的需要,提出一种快速图像复原算法的FPGA实现方法,通过适当降低算法复杂度达到了降低时间开销和硬件实现复杂度的目的。通过将一帧视频分解成3×3小窗口进行运算,以窗口中心像素的流水计算替代一帧视频像素计算,使每个像素在3个时钟周期内完成全部运算,确保了系统能够实时复原,降低了复原模块对硬件的开销。实验证明:FPGA处理结果和MATLAB处理的结果相符,可以在保证除雾效果的前提下,实时处理分辨率为640×480视频并以29帧/s速度流畅显示。

增广Lagrangian的快速视频复原方法

针对单幅模糊图像复原的局限性和视频应用的广泛性,提出了一种基于时空体和增广Lagrangian的快速视频复原方法。首先对视频复原与图像复原的特征进行比较和分析,研究视频复原的三维解卷积操作,并对目前存在的视频复原方法的实现过程与性能进行分析和总结;然后在时空体的思想下,通过时空联合的各向同性全变分来控制时间误差和空间误差,并引入一种增广的Lagrangian方法完成全变分规整化的难题;最后通过求解Lagrangian形式的f子问题和u子问题实现全变分最小化难题,并对规整化过程中的参数进行研究与讨论,最终实现了视频的快速鲁棒复原。基于仿真图像和实际视频的实验结果表明,本文方法的性能在运行时间和视觉质量评价方面都要优于当前的其它方法,能够有效地实现图像和视频的快速复原。

图-谱结合的压缩感知高光谱视频图像复原

针对液晶可调滤波片高光谱成像系统记录动态场景的成像特点,提出一种图-谱结合的压缩感知高光谱视频图像复原方法。首先,通过前景目标检测获得运动前景目标的高光谱图像,实现运动前景目标与背景区域分离,并根据前景目标检测结果将背景区域划分为运动区域(被前景目标遮挡区域)与静止区域(未被前景目标遮挡区域)。然后,基于高光谱图像空间维、光谱维相关性,对静止区域进行字典学习获得稀疏先验信息,结合压缩感知理论用于运动区域恢复,得到完整的背景区域高光谱图像。最后,将运动前景目标高光谱图像与背景区域高光谱图像相结合,得到高光谱视频图像。实验结果表明:本文提出的高光谱视频图像复原方法在峰值信噪比和视觉效果上都要优于现有算法,峰值信噪比平均提高5 d B以上。

MPEG-4中的视频误码复原方法

介绍了MPEG-4标准采用的几种视频编码纠错方法,并通过测试数据说明了它们的优点。用这些方法使得压缩的视频数据能够在无线信道中有效地传输。

视频流传输中的差错复原视频编码技术

视频压缩技术在采用预测技术、变换编码技术和可变长熵编码技术以减少冗余信息的同时 ,也降低了视频流的容错能力。传输信道中的差错 ,不仅严重损害了视频服务质量 ,甚至会使通信系统崩溃 ,因此 ,在有错信道上进行视频传输 ,差错复原视频编码技术就显得尤为重要。对差错复原视频编码技术进行了概括和总结 ,首先指出在视频传输过程中存在的由于传输错误而引发的比特流同步丢失及错误蔓延问题 ,然后研究了解决这些问题的差错复原视频编码方法 ,最后指出 :可伸缩视频编码和多描述视频编码是差错复原视频编码的发展方向 ;多描述编码同多路径技术相结合 。

结合各向异性扩散和高阶扩散的视频盲去模糊复原方法

为了能够有效的去除模糊,得到高质量的视频图像,提出了一种结合各向异性扩散和高阶扩散的视频盲去模糊方法.利用基于全变差的各向异性扩散和shock滤波器来准确提取模糊视频中每幅模糊图像帧的大尺度边缘,并利用提取的大尺度边缘,结合稀疏性约束来对模糊退化函数进行准确的估计;在模糊视频图像的复原阶段,为了保证连续的视频图像帧之间的时间一致性,在视频的时间轴上,提出了一种基于高阶扩散的连续性正则化约束项,以在时间上对连续的视频图像帧进行较好的一致性约束.提出的方法能够在较好复原模糊视频的同时有效地抑制复原视频中的振铃瑕疵,同时进一步增强复原视频中的时间一致性.

退化图像复原方法研究进展

飞行器和空间成像制导装备在大气中高速飞行时会受到湍流干扰,导致光学系统接收到的图像发生模糊降质、像素偏移、信噪比降低等问题,开展退化图像复原技术及方法研究就成为空间光学成像系统获得较高性能图像的重要途径。通过对退化图像复原技术研究进展的系统梳理和分析研究,本文首先介绍了图像退化模型,接着给出了退化图像复原方法的分类,然后比较系统地介绍了确定正则化图像复原方法、随机正则化图像复原方法、基于局部相似性的图像复原方法、基于示例学习的图像复原方法等几种新型的单幅退化图像复原方法,其后分析了视频复原的特征、介绍了新近的几种典型的视频图像复原方法,最后分析总结出了图像复原的难点所在。对于促进我国退化图像复原技术的研究和发展具有一定的参考价值。

基于深度学习特征匹配的视频超分辨率方法

视频复原的目标是从给定的退化视频序列中把潜在的高质量视频复原出来。现有的视频复原方法主要集中在如何有效地找到相邻帧之间的运动信息,然后利用运动信息建立相邻帧之间的匹配。与这些方法不同,文中提出了基于深度学习特征匹配的方法来解决视频超分辨率问题。首先,通过深度卷积神经网络计算出相邻帧之间的运动信息;然后,采用一个浅层深度卷积神经网络从输入的视频帧中提取特征,基于估计到的运动信息,将浅层深度卷积神经网络提取到的特征匹配到中间视频帧对应的特征中,并将得到的特征进行有效融合;最后,采用一个深度卷积神经网络重建视频帧。大量的实验结果验证了基于深度学习特征匹配的方法能有效地解决视频超分辨率问题。与现有的基于视频帧匹配的方法相比,所提方法在现有的公开视频超分辨率数据集上取得了较好的效果。