基于加权帧间平移模型的视频信号处理

摘要

随着信息产业的快速发展，人们对视频质量的要求越来越高，这促使多媒体（尤其是视频）行业及其技术的蓬勃发展。在军事方面，视频技术应用于导弹制导，坦克和军舰的一些模拟训练。除此之外，还广泛的应用于交通监控、指纹识别、人脸鉴别等。
　　 视频信号在形成、传送等过程中，可能会受到模糊、降采样以及噪声的影响。为了满足高质量的视觉要求，有必要对视频信号进行一系列的处理。运动估计是传统视频信号处理中的主要技术，但是其计算量大，并且对准确度有较高的要求。针对这些弊端，用其它算法去代替运动估计算法是明智的选择。本文在帧间模型的基础上提出加权帧间平移模型，并用其代替运动估计算法，克服了运动估计的一些弊端。
　　 本文主要对基于加权帧间平移模型的视频信号处理做了以下工作:
　　 1.结合帧间模型和非局部平均算法提出加权帧间平移模型，用此代替视频信号处理中的运动估计，并且用此模型修改视频信号的帧间方程。
　　 2.运用加权帧间平移模型，在卡尔曼框架下，再结合线性最小方差融合理论和加噪的观测方程，得到全新的去噪算法，最后用非局部平均算法对其进行后处理。仿真结果表明，相比基于非局部平均的视频去噪算法，本文提出的算法恢复的视频信号的峰值信噪比即PSNR提高了0.6～1.6dB。
　　 3.观测方程为对原始视频降采样兼加噪，采用与视频去噪类似的处理方法，得到全新的插值算法，最后用非局部平均算法对其进行后处理。通过仿真实验，本文提出的算法恢复的视频信号的PSNR提高了0.7～1.7dB。对比实验先对降采样的视频信号进行最近邻插值，然后用非局部平均算法处理。
　　 4.观测方程为经过模糊、降采样、加噪，利用本文提出的加权帧间平移模型，得到全新的超分辨率重建算法，最后用非局部平均算法对其进行后处理。相比于先对低分辨率视频信号进行最近邻插值，然后用非局部平均算法对其处理，最后用Total-Variation正则化进行去模糊的处理方法，本文提出的算法恢复的视频信号的PSNR提高了0.1～1.1dB。

目录

声明

摘要

1 绪论

1．1 研究背景与意义

1．2 研究历史与现状

1．3 论文的主要工作和内容安排

2 视频信号处理原理概述

2．1 引言

2．2 视频信号去噪理论

2．3 视频信号插值理论

2．4 视频信号超分辨率重建理论

2．5 视频信号质量评价

2．6 本章小结

3 非局部平均算法及其应用

3．1 非局部平均算法

3．1．1 局部平均算法

3．1．2 单帧图像的非局部平均算法

3．1．3 多帧图像的非局部平均算法

3．2 单帧非局部平均算法的应用

3．2．1 单帧非局部平均算法应用之去噪

3．2．2 单帧非局部平均算法应用之插值

3．3 多帧非局部平均算法的应用

3．3．1 多帧非局部平均算法应用之去噪

3．3．2 多帧非局部平均算法应用之超分辨率重建

3．4 本章小结

4 加权帧间平移模型

4．1 卡尔曼滤波

4．1．1 自适应滤波

4．1．2 维纳滤波

4．1．3 卡尔曼滤波算法

4．2 加权帧间平移模型

4．2．1 视频信号的相关性

4．2．2 帧间运动估计

4．2．3 加权帧间平移模型

4．3 最小方差数据融合理论

4．4 本章小结

5 加权帧间模型在视频信号上的应用

5．1 视频信号去噪

5．1．1 视频信号处理去噪理论

5．1．2 视频信号处理去噪实验仿真

5．2 视频信号处理插值

5．2．1 插值算法

5．2．2 插值算法实验仿真

5．3 视频信号超分辨率重建

5．3．1 超分辨率重建公式推导

5．3．2 TV(Total-Variation)正则化

5．3．3 视频信号处理超分辨率重建实验仿真

5．4 本章小结

6 结束语

6．1 全文总结

6．2 进一步的工作展望

致谢

参考文献

附录