基于稀疏表示和超完備字典的WMSN視頻圖像去噪算法研究.pdf

1、作為物聯(lián)網(wǎng)主動(dòng)感知物理世界的重要技術(shù)，無線多媒體傳感器網(wǎng)絡(luò)(Wire le ss Multimedia Sensor Networks，WMSN)借助自組網(wǎng)、感知信息豐富、可擴(kuò)展性強(qiáng)等優(yōu)勢而廣泛應(yīng)用于智能交通、工業(yè)控制等領(lǐng)域。然而，WMSN監(jiān)測場景目標(biāo)多樣，外界干擾因素較多，不可避免地受到雨雪霧惡劣天氣、光照強(qiáng)度等條件的影響，導(dǎo)致WMSN視頻圖像含有較為嚴(yán)重且特征復(fù)雜的噪聲。因此，迫切需要研究適用于低信噪比WMSN視頻圖像的去噪方法，以

2、保證WMSN監(jiān)測的可靠性和有效性。
　　近年來，圖像稀疏表示理論日益受到關(guān)注，憑借充分刻畫圖像本質(zhì)特征、有效區(qū)分圖像有用信息和噪聲的優(yōu)勢，形成稀疏去噪理論并應(yīng)用于視頻、圖像等去噪領(lǐng)域。其中，基于超完備字典的稀疏去噪方法得到廣大學(xué)者的深入研究。借鑒超完備字典和稀疏去噪理論，本文深入研究了低信噪比條件下WMSN視頻圖像的去噪方法以有效利用圖像稀疏特征，從而在減少傳輸數(shù)據(jù)量的同時(shí)充分保留WMSN圖像有用信息。
　　分析WMSN視頻

3、圖像特征并結(jié)合稀疏分解理論，提出了一種基于K-SVD和殘差比的低信噪比WMSN視頻圖像稀疏去噪算法。首先對WMSN視頻圖像進(jìn)行周期性采集、分幀及幀差等預(yù)處理；然后對關(guān)鍵幀運(yùn)用K-SVD訓(xùn)練DCT冗余字典以充分稀疏表示圖像特征，并采用基于殘差比的改進(jìn)型Batch-OMP實(shí)現(xiàn)關(guān)鍵幀去噪及重構(gòu)；而對殘差幀則基于DCT冗余字典進(jìn)行稀疏去噪處理；最后，疊加去噪后的關(guān)鍵幀和殘差幀，從而整體上實(shí)現(xiàn)低信噪比WMSN視頻圖像的去噪及重構(gòu)。實(shí)驗(yàn)表明，本文算

4、法能更加有效地、較為快速地濾除圖像噪聲，適用于低信噪比WMSN視頻圖像去噪。
　　在前述研究基礎(chǔ)上，為了更為充分地利用圖像的自相似性與非局部結(jié)構(gòu)特征，借鑒ROI感興趣區(qū)域劃分的思想對傳統(tǒng)圖像聚類進(jìn)行改進(jìn)，提出了一種基于圖像聚類和非局部正則化的WMSN視頻圖像稀疏去噪算法。首先在貝葉斯概率估計(jì)理論框架下，依據(jù)圖像感興趣區(qū)域ROI的像素灰度值進(jìn)行圖像聚類處理；然后利用基于ROI的圖像聚類所提供的非局部正則化參數(shù)，建立基于圖像聚類與非局