基于高阶奇异值分解的视频融合性能评价方法

摘要

在实际应用中,视频融合性能评价能够帮助人们选择最优的融合方法处理数据,或者找出融合技术存在的不足,促进人们改善融合技术,获得视觉效果更好的视频,因此视频融合性能评价在促进和引导视频融合技术发展中起着至关重要的作用。
　　本文主要工作如下:
　　1、详细介绍了一些经典的静态图像和视频融合性能评价方法,并对其进行了深入分析和总结。研究表明,现有视频融合性能评价方法几乎都是针对干净视频设计的,但实际上视频在获取或者传输过程中很容易受到噪声干扰。现有评价方法几乎都把噪声误认为重要信息,在对进行了噪声抑制的视频融合算法进行评价时,会认为其丢失了重要信息,从而获得与主观评价结果不一致甚至相反的结果。而且,由于视频的数据量很大,在进行视频融合性能评价时,如果逐帧对其进行处理,运算复杂度高、处理速率低。
　　2、针对上述方法存在的问题,提出一种基于高阶奇异值分解(High Order Singular Value Decomposition,HOSVD)的视频融合性能评价方法。该方法首先将两个输入视频和一个融合视频构建成一个四阶张量;其次对该张量进行高阶奇异值分解,得到各个视频的空间几何特征图像以及时间特征图像;其中,空间几何特征图像包含背景特征,时间特征图像包含运动目标。然后通过阈值化方法将时间特征图像划分为两类区域,即运动目标区域和噪声区域。而后根据空间几何特征区域、运动目标区域和噪声区域各自的特点,设计相应的融合性能评价因子;最后利用上述区域评价因子,设计全局性能评价因子。大量实验结果表明,该方法对噪声环境下的静态背景视频融合性能能够进行准确且有效的评价。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景

1.2 本文的主要研究工作

第二章 图像融合评价方法

2.1 图像融合主观评价

2.2 图像融合客观评价

2.3 小结

第三章 视频融合评价方法

3.1 视频融合主观评价

3.2 视频融合客观评价

3.3 小结

第四章 基于高阶奇异值分解的视频融合性能评价方法

4.1 基于高阶奇异值分解的视频融合性能评价方法框架

4.2 张量高阶奇异值分解在视频分析中的应用

4.3 基于高阶奇异值分解的视频融合性能评价因子

4.4 实验分析与讨论

4.5 小结

第五章 总结与展望

5.1 论文总结

5.2 研究展望

致谢

参考文献

在读期间研究成果