基于低秩分解和形態(tài)成分分析的WMSN視頻去噪算法研究.pdf

1、無線多媒體傳感器網(wǎng)絡(luò)（Wireless Multimedia Sensor Networks，WMSN）是人類遠程、實時獲取物理世界信息的關(guān)鍵手段，并在近年來得到迅速發(fā)展。與傳統(tǒng)無線傳感器網(wǎng)絡(luò)相比，WMSN優(yōu)勢明顯，其可同時提供標量數(shù)據(jù)及圖像、音視頻信息，且網(wǎng)絡(luò)的擴展性更強，憑借上述優(yōu)點WMSN成為了交通監(jiān)控、工業(yè)控制等領(lǐng)域的一大關(guān)鍵技術(shù)。然而，在監(jiān)控領(lǐng)域，由于監(jiān)測場景的復(fù)雜性，戶外監(jiān)測易受光照強度變化、雨雪霧等惡劣天氣的影響，導(dǎo)致WM

2、SN視頻中除了含有加性高斯白噪聲外，還含有稀疏噪聲如雨條紋、脈沖噪聲等，嚴重影響了WMSN視頻的視覺效果。因此，為了保證WMSN監(jiān)測的可靠性和有效性，研究混合噪聲情況下WMSN視頻的去噪方法具有重要意義。
　　近年來，基于低秩矩陣分解理論的視頻去噪方法，在視頻處理領(lǐng)域興起，并得到研究學(xué)者們的廣泛關(guān)注。該理論的關(guān)鍵思路是將數(shù)據(jù)矩陣分解為低秩矩陣與稀疏矩陣，并通過一定的求解算法求出低秩矩陣，以實現(xiàn)去噪。低秩矩陣分解理論在視頻稀疏噪聲的

3、去除上表現(xiàn)出了一定的優(yōu)越性。此外，形態(tài)成分分析（Morphological Component Analysis，MCA）理論對視頻中存在的稀疏誤差、條紋等都具有較好的去噪效果。形態(tài)成分分析理論是基于稀疏表示理論提出的，該理論利用信號不同組成成分的形態(tài)差異性，選取子字典采用稀疏編碼和重構(gòu)，分離不同的形態(tài)成分，最終去除噪聲。因此，結(jié)合WMSN視頻的特征，透徹分析低秩矩陣分解和形態(tài)成分分析理論的優(yōu)缺點，研究適用于復(fù)雜場景下的WMSN視頻混合

4、噪聲的去除算法十分有必要。
　　通過深入分析WMSN視頻特征及噪聲特點，發(fā)現(xiàn)高斯噪聲和雨條紋作為WMSN視頻中最具代表性的噪聲，極大程度上損壞了WMSN視頻的視覺質(zhì)量，導(dǎo)致運動目標特征模糊，影響監(jiān)測結(jié)果。為了保證 WMSN視頻監(jiān)測的可靠性，本文提出一種基于MCA-RPCA的 WMSN視頻混合高斯-雨噪聲去除算法。首先通過非精確魯棒主成分分析（Inexact Robust Principal Component Analysis,

5、Inexact RPCA）算法將WMSN視頻分解為三部分：低秩部分、高斯噪聲部分、稀疏部分；然后根據(jù)稀疏部分不同組成成分的形態(tài)差異性，基于MCA算法通過執(zhí)行字典學(xué)習(xí)和稀疏編碼將稀疏部分分解為雨條紋成分和無雨成分；最后將稀疏部分的無雨成分和低秩部分進行整合，從而整體上實現(xiàn)WMSN視頻混合高斯-雨噪聲的去除。實驗表明，本文算法能有效去除 WMSN視頻中存在的混合高斯-雨噪聲，并更好地保留視頻圖像的結(jié)構(gòu)信息。
　　為了在保證一定的去噪效

6、果的同時，進一步減少運算時間、降低網(wǎng)絡(luò)耗時，本文充分利用WMSN視頻幀間的相關(guān)性及冗余性，提出一種基于IMCA-RPCA的WMSN視頻混合高斯-雨噪聲去除算法。首先同樣采用Inexact RPCA算法將WMSN視頻分解為三部分：低秩部分、高斯噪聲部分、稀疏部分；然后對視頻稀疏部分高頻序列的第一幀采用字典學(xué)習(xí)及字典分類方法獲得不同形態(tài)成分對應(yīng)的子字典，并引入擴展字典對子字典進行豐富；最后，采用上述子字典，基于IMCA（Improved M