連分式方法在脈沖去噪、時(shí)序數(shù)據(jù)壓縮及視頻鏡頭檢測(cè)中的應(yīng)用研究.pdf

1、近年來在許多應(yīng)用問題的研究中，非線性方法越來越受到重視。而在數(shù)值分析領(lǐng)域，運(yùn)用最多的非線性數(shù)值研究方法是連分式插值和逼近方法。相較于其它插值和逼近方法，基于連分式的非線性有理插值方法具有更小的逼近誤差，尤其對(duì)于大范圍波動(dòng)的非線性數(shù)據(jù)具有更好的逼近效果。由于連分式插值與逼近方法具有優(yōu)秀的非線性數(shù)據(jù)逼近性能，目前該方法已被廣泛應(yīng)用于多個(gè)工程技術(shù)領(lǐng)域。本文主要研究的是如何運(yùn)用連分式插值和逼近來解決圖像脈沖去噪問題、時(shí)序數(shù)據(jù)壓縮和重建問題以及視

2、頻鏡頭邊界檢測(cè)問題。具體的研究?jī)?nèi)容體現(xiàn)在以下幾個(gè)方面:
　　提出了一種基于一元Thiele連分式插值的圖像脈沖去噪方法。首先，通過分析指出現(xiàn)有脈沖去噪方法存在著先驗(yàn)知識(shí)問題、邊緣保持問題、自動(dòng)化檢測(cè)問題以及區(qū)分單極和雙極脈沖問題。然后通過對(duì)這些問題的研究，提出一種基于一元Thiele連分式插值的脈沖去噪方法，該方法利用四方向一元Thiele連分式插值的加權(quán)平均來恢復(fù)被污染的圖像，能夠解決先驗(yàn)知識(shí)問題和邊緣保持問題。
　　提出

3、了一種基于二元Newton-Thiele連分式插值的圖像脈沖自動(dòng)檢測(cè)和去噪方法。通過對(duì)現(xiàn)有脈沖圖像檢測(cè)方法的回顧，指出現(xiàn)有檢測(cè)方法無法實(shí)現(xiàn)脈沖圖像的自動(dòng)化判斷和檢測(cè)。為解決該問題，提出了一種脈沖圖像自動(dòng)識(shí)別方法LMVD，該方法利用歸一化直方圖、局部均值和方差來模擬人類識(shí)別脈沖噪聲的認(rèn)知過程，能夠自動(dòng)判斷出圖像是否被脈沖噪聲污染。在LMVD的基礎(chǔ)上又給出了一種利用二元Newton-Thiele連分式插值來恢復(fù)污染像素的算法NTF。該算法包

4、括兩個(gè)步驟:步驟一，利用污染像素相鄰的八個(gè)點(diǎn)來構(gòu)造一個(gè)二維網(wǎng)格。步驟二，在二維網(wǎng)格上進(jìn)行Newton-Thiele插值來恢復(fù)被污染的像素點(diǎn)。該算法既適用于雙極脈沖也適用于單極脈沖，同時(shí)不需要任何先驗(yàn)知識(shí)來預(yù)設(shè)各類參數(shù)，因此具有良好的魯棒性。
　　提出了一種基于Thiele向量值連分式插值的時(shí)序數(shù)據(jù)壓縮和重建算法。該算法首先利用基于分段直線逼近的道格拉斯-普克算法對(duì)待壓縮的時(shí)序數(shù)據(jù)進(jìn)行初步壓縮，然后在得到的壓縮數(shù)據(jù)點(diǎn)上劃分若干區(qū)段，

5、在區(qū)段上利用Thiele向量值連分式插值來刪除冗余的壓縮數(shù)據(jù)點(diǎn)。相較于基于分段直線的算法，該算法不僅適用于線性時(shí)序數(shù)據(jù)的壓縮和重建，同時(shí)也適用于非線性時(shí)序數(shù)據(jù)的壓縮和重建。在給定的壓縮誤差下，該算法擁有更高的壓縮比。
　　提出了一種基于快速魯棒特征和支持向量機(jī)的視頻鏡頭邊界檢測(cè)算法。該算法利用快速魯棒特征SURF進(jìn)行相似度度量，并在此基礎(chǔ)上設(shè)計(jì)了一種變步長(zhǎng)切變檢測(cè)算法。對(duì)于漸變的檢測(cè)，提出了學(xué)習(xí)攝像機(jī)運(yùn)動(dòng)特征和漸變過渡特征的思路，

6、利用支持向量機(jī)學(xué)習(xí)得到兩級(jí)分類器，然后再利用其進(jìn)行漸變檢測(cè)。
　　提出了一種基于Thiele連分式插值的視頻邊界統(tǒng)一檢測(cè)模型。通過對(duì)現(xiàn)有鏡頭邊界檢測(cè)算法的分析，本文還提出了一種獨(dú)立于具體相似度特征的統(tǒng)一視頻邊界檢測(cè)模型。該模型可以根據(jù)實(shí)際應(yīng)用情況來輸入不同的特征，然后進(jìn)行鏡頭邊界檢測(cè)。模型利用Thiele連分式插值來構(gòu)造一個(gè)決定函數(shù)DF，然后在幀序列上移動(dòng)DF，根據(jù)DF的輸出獲得一個(gè)標(biāo)志序列，最后通過判斷標(biāo)志序列給出切變和漸變邊界