视频细节放大清晰化重建研究

摘要

2012年美国麻省理工学院的科学家发布了一个新的视频处理技术，该技术能够捕获到人类很难观察到的极为细小的动作或颜色变化，通过分析处理不同变化的变动频率，并将这些变化进行任意放大处理，人们最终能够直接观察到这些微小的变化。例如，使用这种技术，我们可以直接观察血液循环，脉冲的变化或婴儿呼吸等。该技术除了对远程探视病人有很大的帮助之外，在其他方面的应用价值也是十分巨大的。但是该算法目前还存在一个问题，就是放大后的视频部分细节丢失严重以及整体的画面较原来模糊。这将严重影响该技术在各方面领域的应用，由于欧拉视频放大算法是近两年才提出来的，因此对该算法的进一步研究目前还处于初步阶段，但是鉴于其应用价值巨大，国内外的研究学者包括大量的企业都对其表现了巨大的兴趣，也都投入了资源对其进行了研究，研究结果表明造成放大后视频效果不理想的主要原因是由于欧拉视频放大算法中没有进行去噪处理。
　　本文提出了小波维纳滤波器的欧拉视频放大算法的去噪改进方法。仿真实验证明该方法能够很明显的改善视频的质量。采用小波域维纳滤波器对欧拉视频放大算法进行去噪改进是现阶段我尝试得到的最好方法，之前有探讨过基于运动估计的一些去噪算法，包括小波域运动估计和块匹配运动估计，但是并没有得到理想的效果。由于小波变换拥有比较好的时频分析特性，为了找到合适的阈值来对图像进行降噪通常是根据图像与噪声在不同尺度上的不同特征来决定的。在噪声方差和均值知识这些参数已知的情况下，维纳滤波表现较好，且这些参数经常能从一幅给定的退化图像中计算出来，其对于所处理的每一幅图像都能产生最优的结果。如果维纳滤波器有一定的经验，并且当小波变换尺度在不断增加时，小波系数的模极值将会表现出渐进最优性，二者相结合去噪效果明显，主要表现在此方法首先保护了视频的边缘，然后利用小波系数幅值渐近最优性选取的阈值估计理想的小波系数，再用理想的小波系数构造维纳滤波器对视频进行去噪，去噪后视频细节丢失比去噪前丢失更少，而且去噪后的视频的清晰度也有很大的提升。

目录

封面

声明

中文摘要

英文摘要

第一章 绪论

1.1 选题的背景和意义

1.2图像类型

1.3 数字图像序列

1.4图像质量评价方法

1.5 主要研究工作和结构安排

第二章 欧拉视频放大算法

2.1欧拉算法

2.2 欧拉视频放大算法的理论介绍

2.3 时空视频处理

2.4欧拉活动放大的数学实现过程

2.5 结果分析

2.6 欧拉方法存在的缺陷

2.7 本章小结

第三章 经典的视频去噪运动估计算法

3.1运动估计算法的概念

3.2基于小波域的运动估计

3.3 基于块匹配的运动估计

3.4 本章小结

第四章 基于小波维纳滤波的欧拉视频放大算法的去噪改进

4.1 噪声阈值的确定[62]

4.2 确定估计的小波系数的初步

4.3 优性小波系数幅值的渐近最 [64]

4.4 小波系数的确定[64]

4.5 量化分析实验结果的主观评价与

4.6 本章小结

第五章 总结

致谢

参考文献