發(fā)布時間：2018-06-13 02:28

  本文選題：視頻去噪 + 張量恢復(fù)　； 參考：《計算機(jī)應(yīng)用研究》2017年04期

【摘要】：由于采用矩陣的表示形式會破壞視頻數(shù)據(jù)的原始空間結(jié)構(gòu),針對這一問題,提出了一種基于塊和低秩張量恢復(fù)的視頻去噪方法。首先運(yùn)用自適應(yīng)中值濾波器對含噪視頻進(jìn)行預(yù)處理,通過相似塊匹配構(gòu)造一個三階張量,根據(jù)視頻張量的低秩性和噪聲像素的稀疏性,利用基于張量的增廣拉格朗日乘子法(ALM)重建出三階視頻張量的低秩部分和稀疏部分,實(shí)現(xiàn)噪聲的分離。該方法采用張量模型來處理視頻去噪的問題,更好地保護(hù)了視頻序列的高維結(jié)構(gòu)特性,可以準(zhǔn)確地去除復(fù)雜結(jié)構(gòu)視頻的噪聲干擾。實(shí)驗(yàn)結(jié)果表明,相對于常用方法,該方法能準(zhǔn)確完整地分離噪聲,具有更強(qiáng)的視頻去噪能力。
[Abstract]:Because the representation of matrix can destroy the original space structure of video data, a video denoising method based on block and low rank Zhang Liang restoration is proposed. First, the adaptive median filter is used to preprocess the noisy video, and a third-order Zhang Liang is constructed by similar block matching. According to the low rank of the video Zhang Liang and the sparsity of the noise pixels, a three-order Zhang Liang is constructed. The low rank and sparse parts of the third order video Zhang Liang are reconstructed by the augmented Lagrangian multiplier method based on Zhang Liang, and the noise separation is realized. The Zhang Liang model is used to deal with the problem of video denoising, which can better protect the high dimensional structure of video sequences and remove the noise interference of video with complex structure accurately. The experimental results show that this method can separate noise accurately and completely compared with common methods, and has a stronger ability of video denoising.
【作者單位】： 四川大學(xué)電氣信息學(xué)院;
【分類號】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 柳欣;鐘必能;張茂勝;崔振;;基于張量低秩恢復(fù)和塊稀疏表示的運(yùn)動顯著性目標(biāo)提取[J];計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報;2014年10期

2 史加榮;鄭秀云;魏宗田;楊威;;低秩矩陣恢復(fù)算法綜述[J];計算機(jī)應(yīng)用研究;2013年06期

3 彭義剛;索津莉;戴瓊海;徐文立;;從壓縮傳感到低秩矩陣恢復(fù):理論與應(yīng)用[J];自動化學(xué)報;2013年07期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 田繼偉;王布宏;尚福特;;基于魯棒主成分分析的智能電網(wǎng)虛假數(shù)據(jù)注入攻擊[J];計算機(jī)應(yīng)用;2017年07期

2 王毅;李鼎睿;康重慶;;低秩矩陣分解在母線壞數(shù)據(jù)辨識與修復(fù)中的應(yīng)用[J];電網(wǎng)技術(shù);2017年06期

3 許超;劉金陽;凌翔;;基于低秩紋理變換不變性的車牌傾斜校正方法[J];合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版);2017年05期

4 陳川;紀(jì)曉佳;陳柘;;基于低秩矩陣恢復(fù)交通視頻背景重建性能評價[J];計算機(jī)工程與設(shè)計;2017年05期

5 譚群超;;基于低秩矩陣分解和稀疏表達(dá)的人臉識別方法[J];山東理工大學(xué)學(xué)報(自然科學(xué)版);2017年04期

6 趙震震;楊曉飛;黃俊;劉書朋;;基于凸優(yōu)化的圖像隱藏信息重構(gòu)方法[J];傳感器與微系統(tǒng);2017年04期

7 徐聯(lián)微;楊曉梅;;基于HOSVD和TV的動態(tài)背景下的運(yùn)動目標(biāo)提取[J];計算機(jī)工程與設(shè)計;2017年04期

8 呂紅偉;王士同;;預(yù)測子空間聚類的聚類集成算法[J];小型微型計算機(jī)系統(tǒng);2017年04期

9 劉占林;王琰;楊大為;;壓縮感知的矩陣低秩稀疏分解目標(biāo)跟蹤算法[J];小型微型計算機(jī)系統(tǒng);2017年04期

10 呂紅偉;王士同;;基于RPCA對高維數(shù)據(jù)子空間聚類的預(yù)測方法[J];計算機(jī)工程與科學(xué);2017年03期

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 王斌;肖文華;張茂軍;熊志輝;劉煜;;采用時空條件信息的動態(tài)場景運(yùn)動目標(biāo)檢測[J];計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報;2012年12期

2 馬堅(jiān)偉;徐杰;鮑躍全;于四偉;;壓縮感知及其應(yīng)用:從稀疏約束到低秩約束優(yōu)化[J];信號處理;2012年05期

3 史加榮;楊威;姜淑艷;;非負(fù)張量分解的快速算法[J];計算機(jī)應(yīng)用研究;2011年12期

4 史加榮;焦李成;尚凡華;;張量補(bǔ)全算法及其在人臉識別中的應(yīng)用[J];模式識別與人工智能;2011年02期

5 戴瓊海;付長軍;季向陽;;壓縮感知研究[J];計算機(jī)學(xué)報;2011年03期

6 李樹濤;魏丹;;壓縮傳感綜述[J];自動化學(xué)報;2009年11期

7 ;Ways to sparse representation:An overview[J];Science in China(Series F:Information Sciences);2009年04期

8 肖梅;韓崇昭;張雷;;基于時空背景差的運(yùn)動目標(biāo)檢測算法[J];計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報;2006年07期

9 劉青山,盧漢清,馬頌德;綜述人臉識別中的子空間方法[J];自動化學(xué)報;2003年06期

，

本文編號：2012252