低秩表達(dá)方法在視頻信號(hào)處理中的應(yīng)用.pdf

1、近年來矩陣的低秩表達(dá)方法在圖像與視頻處理領(lǐng)域得到了較為廣泛的應(yīng)用，如基于低秩矩陣恢復(fù)的視頻去噪、視頻背景提取和前景檢測(cè)方法等。但是，已有的算法多為低秩矩陣恢復(fù)理論的直接運(yùn)用，模型設(shè)計(jì)較為簡(jiǎn)單，算法效果仍有進(jìn)一步提升的空間。本文針對(duì)兩類典型的視頻信號(hào)處理問題，分別研究了適合的低秩表達(dá)模型，取得了以下幾個(gè)方面的研究成果:
　　(1)為了有效地去除視頻當(dāng)中的混合噪聲，本文提出應(yīng)用殘差總變分及低秩表示的視頻去噪算法。該算法通過相似圖像塊組

2、內(nèi)的殘差值總變分及低秩表示來同時(shí)探索圖像塊內(nèi)的局部相似性以及圖像塊之間的相似性。首先，采用塊匹配的方式在含噪視頻中尋找最相似圖像塊并組合成圖像塊組;其次將每個(gè)相似圖像組表達(dá)為一個(gè)低秩矩陣及一個(gè)稀疏矩陣之和，并同時(shí)強(qiáng)調(diào)低秩矩陣內(nèi)的殘差總變分范數(shù)最小化;最后，通過求解最優(yōu)化問題獲得最終的低秩矩陣，即恢復(fù)出的圖像塊組數(shù)據(jù)。實(shí)驗(yàn)結(jié)果表明，本文算法能夠有效去除視頻當(dāng)中含有的高斯噪聲和脈沖噪聲;與同類算法相比，能夠獲得顯著的峰值信噪比提升。

3、　　(2)為了準(zhǔn)確地分離監(jiān)控視頻中的運(yùn)動(dòng)前景及背景，提出了一種采用低秩與加權(quán)稀疏分解的視頻前景檢測(cè)算法，并設(shè)計(jì)了優(yōu)化求解算法。在所提出的模型中，采用前景的運(yùn)動(dòng)特征構(gòu)造加權(quán)矩陣，從而增強(qiáng)加權(quán)后前景的稀疏性。在建立加權(quán)矩陣的過程中，需要采用光流法獲取每幀的運(yùn)動(dòng)矢量，以區(qū)分真實(shí)運(yùn)動(dòng)區(qū)域。為了求解最優(yōu)化問題，將目標(biāo)問題劃分為若干子問題，并借助Split-Bregrnan方法迭代求解各子問題。實(shí)驗(yàn)結(jié)果表明，在無噪和有噪的情況下，所提出的算法均能有