視頻圖像在形成、傳輸過程中會受到噪聲干擾,使傳輸畫面出現(xiàn)邊緣輪廓失真。因此尋求有效的降噪算法對失真圖像進(jìn)行恢復(fù),并采用科學(xué)的圖像評價(jià)方法判斷圖像是否符合人眼視覺標(biāo)準(zhǔn)極為重要。針對視頻降噪,將視頻幀看成一個(gè)連續(xù)的圖像序列,結(jié)合自適應(yīng)閾值運(yùn)動檢測實(shí)現(xiàn)降噪。在檢測運(yùn)動區(qū)域前,利用主成分分析(Principal Component Analysis,PCA)預(yù)估圖像噪聲大小;然后將PCA噪聲方差預(yù)估算法與改進(jìn)的幀間差分算法相結(jié)合,根據(jù)預(yù)測噪聲方差的大小,自適應(yīng)調(diào)整運(yùn)動檢測的閾值,避免因傳輸中噪聲變化而造成的區(qū)域“誤判”現(xiàn)象,提高運(yùn)動檢測的準(zhǔn)確度;對運(yùn)動區(qū)域和靜止區(qū)域分別采用空域自適應(yīng)非局部均值(NL-means)濾波和改進(jìn)的時(shí)域加權(quán)均值濾波兩種不同的降噪算法,更高效地提高降噪性能。針對降噪效果評價(jià),本文研究采用通用型無參考圖像質(zhì)量評價(jià)評判圖像質(zhì)量。傳統(tǒng)算法中將彩色圖像直接轉(zhuǎn)換為灰度圖像時(shí),存在對圖像色彩信息忽視,預(yù)測結(jié)果不準(zhǔn)確的問題。將彩色圖像的HSV模型運(yùn)用到無參考圖像質(zhì)量評價(jià)算法中,利用圖像固有的MSCN(Mean Subtracted Contrast Normalized)系數(shù)符合高斯...

【文章頁數(shù)】：59 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 視頻降噪的研究背景和意義
        1.1.1 視頻噪聲的產(chǎn)生與分類
    1.2 主成分分析技術(shù)
    1.3 運(yùn)動檢測技術(shù)
    1.4 無參考圖像質(zhì)量評價(jià)算法
    1.5 常用圖像數(shù)據(jù)庫
    1.6 本文研究內(nèi)容
第二章 圖像質(zhì)量預(yù)估分析
    2.1 主成分分析進(jìn)行高斯噪聲預(yù)估
        2.1.1 圖像分塊模型
        2.1.2 主成分分析
        2.1.3 假設(shè)驗(yàn)證
        2.1.4 圖像塊子集提取
        2.1.5 算法實(shí)現(xiàn)過程
        2.1.6 算法優(yōu)化過程
    2.2 實(shí)驗(yàn)結(jié)果分析
    2.3 通用型失真圖像質(zhì)量預(yù)估
        2.3.1 圖像的MSCN特性
        2.3.2 支持向量機(jī)
        2.3.3 通用型無參考圖像質(zhì)量評價(jià)算法的性能衡量標(biāo)準(zhǔn)
    2.4 本章總結(jié)
第三章 改進(jìn)的自適應(yīng)閾值運(yùn)動檢測降噪算法
    3.1 基于自適應(yīng)閾值的運(yùn)動檢測算法
        3.1.1 運(yùn)動檢測精度的重要性
        3.1.2 算法實(shí)現(xiàn)過程
    3.2 圖像序列降噪算法
        3.2.1 改進(jìn)的時(shí)域加權(quán)均值濾波
        3.2.2 空域自適應(yīng)NL-means濾波
        3.2.3 本文降噪算法示意圖
    3.3 算法仿真與實(shí)驗(yàn)結(jié)果
    3.4 本章總結(jié)
第四章 基于彩色三通道的無參考圖像質(zhì)量評價(jià)算法研究
    4.1 無參考圖像質(zhì)量評價(jià)方法的重要性
    4.2 BRISQUE算法
        4.2.1 特征值提取
        4.2.2 數(shù)據(jù)結(jié)果分析
    4.3 基于HSV的無參考圖像質(zhì)量評價(jià)方法
        4.3.1 圖像色彩模型
        4.3.2 基于HSV的圖像特征提取
        4.3.3 實(shí)驗(yàn)結(jié)果分析
    4.4 本章總結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間撰寫的論文
附錄2 攻讀碩士學(xué)位期間參加的科研項(xiàng)目
致謝



本文編號：3853778