基于surfacelet变换统计模型视频去噪的研究

《基于surfacelet变换统计模型视频去噪的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要随着信息时代的发展和图像处理的普及，人们对视频质量的要求越来越高。视频在采集，获取，传输过程中往往会带来不同程度的噪声，使视频图像质量下降，对视频的进一步处理造成困难，因此去除噪声是视频处理的一个不可缺少的过程。本文在对Surfacelet变换进行充分研究的基础上，提出了以下三种视频去噪方法。(1)提出基于Surfacelet变换的系数收缩视频去噪算法。该算法利用系数空间相关性，通过加权模型构造其空间估计能量，由该能量值的大小对Surfacelet系数进行分组，根据分组系数能量相似性确定系数阈值；然后由Surfacelet系数邻域信息确定系数收缩因子，对系数进行收

2、缩修正；而后对收缩后系数进行Surfacelet反变换重构视频序列。最后对加噪视频序列进行去噪实验，并与其它相关去噪算法进行比较。(2)提出了基于Surfacelet变换域混合高斯模型的视频收缩去噪算法。该算法利用贝叶斯阈值先对变换域系数分类，然后用混合高斯模型对大于阈值的系数分布进行拟合，用指数分布对小于阈值的系数分布进行拟合，最终确定自适应收缩因子对变换域系数进行收缩处理。最后对加噪视频序列进行去噪实验，并与其它相关去噪算法进行比较。(3)提出了基于双变量模型非下采样Surfacelet变换视频去噪方法。该算法利用非下采样Surfacelet变换与贝叶斯最大后验概

3、率理论支持下的双变量模型，充分挖掘非下采样Surfacelet变换域系数尺度间父子系数相关性以及尺度内系数邻域相关性，估计自适应收缩因子，对变换域系数进行收缩处理。最后对加噪视频序列进行去噪实验，并与其它相关去噪算法进行比较。本论文工作得到了国家自然科学基金(No．60972148)、中央高校基本科研业务费专项资金(No．JYl0000902043)的资助。关键字：视频去噪Surfacelet变换自适应阈值空间信息模型Abstract111Alongwiththedevelopmentoftheinformationageandthepopularityofvideo

4、processing，videoqualityhasbeenincreasinglyandhighlydemanded．Videoisoftencorruptedbynoiseinitscollection，acquisitionortransmission．Thenoiseisthemainfactorthatinfluencedvideoqualityandseriouslyaffectedtoextracttheinformationfromtheimage．So，itisrequiredtoremovethenoisefromvideobeforeanalyz

5、ingandusingthevideo．Themajorworkscallbesummarizedasfollows：(1)Inthispaper，avideodenoisingmethodusingcoefficientshrinkageandthresholdadjustmentbasedonsurfacelettransform(CSTA—ST)isproposed．whichprocessesmultipleframevideoasanensemble．Thespatiallyestimatedenergy(SEE)basedonweightedmodelis

6、constructedusingthespatialcorrelation．EachSTcoefficienthasacorrespondingSEEvalue，andtheSTcoefficientsaregroupedaccordingtoSEEvalue．AccordingtothesimilarityofSTcoefficientsinthesamegroup，thethresholdofeachSTcoefficientisdetermined．Inaddition，accordingtotheneighborhoodinformationofSTcoeff

7、icients，thecoefficientshrinkageparameter(CSP)andthresholdadjustmentfactor(TAF)aredeterminedandtheSTcoe衢cientsaremodified．Finally,thedenoisedvideoisobtainedbytheinversesurfacelettransformusingtheshrunkcoefficients．Inexperiments，videosequenceswithnoisearetested，andthedenoisedresu