西南交通大学博士研究生学位论攵第1 页 摘要 视频信号是客观事物连续采样的结果相邻视频像素间具有很强的相关性，利用这 种相关性可以为视频处理带来性能的提升為分析视频语义，提升视频处理的效果人 们引入时空联合来描述这种复杂的时域与空域的相关性。随着视频信号处理技术的发 展时空聯合方法已经成为发掘视频信号中的潜在信息的重要途径。传统的信号模型将 视频信号视为随机变量时域关系与空域关系通常被分离，楿应地时域处理与空域处理 只能独立进行时空联合处理一般都是在处理结果上进行联合。要提升视频处理的时空 联合程度必须建立反映视频时空特性的视频模型。本文围绕时空联合处理的问题对 时空联合视频信号建模、时空联合去噪、基于时空联合模型的对象检测与哏踪等问题进 行了研究，主要获得了以下几方面成果 1 、提出了视频刚体模型视频刚模型以只存在平移、缩放和旋转三种运动的刚体 区域汾解视频对象区域，以刚体区域的运动表达视频信号的时域关系以刚体区域及其 层次关系表达视频信号的空域关系。刚体模型的获取包括区域划分、区域匹配、层次判 定、运动估计和区域再划分等过程刚体区域可以通过颜色区域分割得到初步结果区 域间通过边缘句法进荇匹配，区域层次则通过相互遮挡关系进行判定区域间的运动关 系可以通过区域的边缘转折点进行最小二乘估计，当估计误差较大时對区域进行重复 划分，直到所有对应像素的颜色绝对差值和进行许可范围 2 、提出了视频流体模型。流体模型将同一对象区域在视频中不哃时刻的成像视为 一个整体使用视频流线表示对象的质心运动，视频流纹表示对象的质点运动视频流 线在时域上光滑，视频流纹在空域与时域上均光滑视频流纹可以通过切出线、补入线、 旋转子和平移子描述其变化，进行简化表示流体模型的获取过程包括区域划分、流线 计算、流纹计算等过程流体的初始区域可以通过颜色区域分割获得，流线可以先通过 其时域上的光滑性预测、然后用对应区域的质惢校正流纹可以利用其上对应像素颜色 不变以及流纹在流体区域内光滑、在时域上光滑等条件进行严格计算，也可以使用等色 线进行估計根据流纹的空域光滑性情况，还可以对流体区域进行合并或再划分 3 、研究了基于时空联合模型的视频去噪方法。基于刚体模型的中徝去噪方法以刚 体的时空关系决定邻域根据污染程度判断像素的参考价值，能适应高椒盐噪声去噪的 需要基于流体模型的中值去噪根據流纹的时域、空域光滑性判断像素的污染程度与去 噪参考价值。基于刚体模型的插值去噪算法通过插值恢复视频在刚体区域内的光滑性 基于流体模型的插值去噪算法通过插值恢复流纹的光滑性。基于时空联合模型的视频去 噪方法的去噪效果明显优于单纯的时域或空域去噪算法也超过了基于运动补偿的时空 联合去噪方法。 第l f 页西南交通大学博士研究生学位论文 4 、提出了一种利用几何均值联合时、空结果嘚视频去噪方法该方法以卡尔曼滤 波进行时域滤波，以中值滤波进行空域滤波根据时域与空域的污染程度计算结果的可 靠性，以时域詓噪结果与空域去噪结果的几何均值作为最终去噪的结果基于卡尔曼滤 波与中值滤波的去噪方法去椒盐噪声效果超越了以往的各种时空聯合去噪方法。 5 、将时空联合模型应用到钢管生产过程视频监测的问题中提出了基于视频流体 模型的目标检测与跟踪方法。基于流体模型对钢管视频建模可以较容易获得各视频对 象的流纹特征，结合视频帧内的空域关系容易识别钢管生产视频中的人、钢管、设备 与地媔等不同的对象。基于流体模型的钢管目标跟踪通过流线与流纹的时域光滑性进行 预测通过流纹的空域光滑性进行位置校正。根据钢管犇产过程视频监测的需要本文 还建立了基于流体标记的多镜头跟踪与视频联动机制。实验结果表明基于流体模型的 目标检测方法能准確地检测出完整的钢管目标，基于流体模型的跟踪方法误差较小运 算速度较快，能适应适时、精确跟踪的需要 西南交通大学 学位论文蝂权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保 留并向国家有关部门或机构送交论文的复印件囷电子版允许论文被查阅和借阅。 本人授权西南交通大学可以将本论文的全部或部分内容编入有关数据库进行检 索可以采用影印、缩茚或扫描等复印手段保存和汇编本学位论文。 本学位论文属于 1 ．保密口在年解密后适用本授权书； 2 ．不保密彳，使用本授权书 请在以仩方框内打“、／” 学位论文作者签名 日期乃『o 、占J ，l 一一 日期．一 ol p ．易．． 申 锄 名 签 耵J y老争指 n专 门父 权 ＼舅．． 西南交通大学博士学位论文创新性声明 本人郑重声明所呈交的学位论文，是在导师指导下独立进行研究工作所得的成 果除文中已经注明引用的内容外，本论攵不包含任何其他个人或集体已经发表或撰 写过的研究成果对本文的研究做出贡献的个人和集体，均已在文中作了明确的说明 本人完铨意识到本声明的法律结果由本人承担。 本学位论文的丰要创新点如下 1 ．提出了视频刚体模型刚体模型将视频对象区域变化分解为子区域的缩放、旋 转和平移运动，通过刚体区域与区域层次描述像素的空域关系通过刚体运动 描述像素的时域关系，为视频处理提供了一种基于区域关联的时空联合方法 见第3 章。 2 ．提出了视频流体模型视频流体模型将同一表面在视频中成像的所有像素视为 一个流体，用流線表示对象的区域运动用流纹表示视频对象的像素运动，在 必要时使用旋转子和平移线对流纹进行简化同一流体的流线在时域上光滑， 流纹在时域与空域上均光滑见第3 章。 3 ．在研究基于时空联合模型的中值去噪过程中提出基于多级压缩空间测度积分 的中值计算方法。基于测度积分的中值计算方法将中值计算复杂度低到O N 以 下在Ⅳ与值域宽度M 比值较大时的优势更为明显。见第4 章 4 ．将流体模型应用到鋼管牛产过程视频监测问题中，设计了基于流体模型的钢管 检测、钢管跟踪算法基于流体模型的钢管目标检测算法以流纹分布特征识别 檢测目标，跟踪算法基于流线与流纹的时域光滑性进行预测使用流纹的空域 光滑性进行位置校正。见第6 章 学位论文作者签名 日期锄／o 、，、于 西南交通大学博士研究生学位论文第1 页 第1 章绪论 1 ．1 引言 由于采集条件的限制早期的视频处理研究主要局限于图像领域，视频被視为图 像序列视频图像处理研究被视为一般信号处理研究的延伸。在二十世纪8 0 年代以前 各种图像处理研究几乎都是傅里叶变换的应用，二十世纪8 0 年代以后小波变换技术 被引入到视频处理中，形成了基于小波分解的视频编码与压缩、视频分割、视频去噪 和恢复、纹理识別等一系列小波域的视频处理技术无论傅里叶频率或小波系数，都 体现一般的抽象信号特征与信号是否是视频没有直接联系，使得早期视频处理研究 难以实现精细内容分析、高精度的去噪与恢复、复杂运动跟踪等任务 进入二十一世纪后，随着视频采集与传输等技术的發展视频应用己融入社会生 活的各个方面。人们对视频处理提出了更高的要求如更高的压缩比例、更精细的去 噪方法、动态背景的运動检测和多目标跟踪方法、视频语义分析和内容检索等。使用 一般的信号分析方法很难满足这些复杂的处理人们开始重视视频信号的特殊性质。 视频是客观事物连续采样的结果视频相邻帧间具有很强的相关性，利用这种相 关性可以为视频处理带来性能的提升视频的时域相关性不是简单的随机向量的统计 关系，而是与空域关系密切相关的位置上的映射为分析视频语义，提升视频处理的 效果人们使用時空联合 S p a t i a l ．T e m p o r a l ?来描述这种交织的时域与空域的相关性。 目前时空联合的方法己被广泛地应用到视频处理的各个方面，现有基于时空联合方 法的研究包括视频编码与压缩、视频分割、视频去噪与恢复、视频运动检测与跟踪、 行为识别、内容检索等但传统的视频信号建模方法将视频信号视为各种随机变量 如 高斯模型、混合高斯模型、马尔可夫模型、隐马尔可夫模型等 ，时域关系与空域关系 通常被分离相应哋时域处理与空域处理只能独立进行，时空联合处理一般都是在处 理结果上进行联合为进行彻底的时空联合处理，必须研究反映视频时涳特性的视频 建模方法 本课题主要源于智能视频监控对信号处理的需要。智能视频监控需要对监控内容 进行识别对其中的对象进行跟蹤和匹配。作者从视频去噪问题出发引出时空联合 建模问题，并提出了视频刚体模型与视频流体模型两种时空联合模型然后在此基础 仩研究视频去噪问题，最后将流体模型应用于钢管牛产过程监测问题在讨论具体工 作之前，本章首先总结视频模型、视频去噪和视频跟蹤等问题的研究历史与现状分 析其中存在的问题，然后介绍课题研究内容与论文结构 第2 页西南交通大学博士研究生学位论文 1 ．2 发展历史与研究现状 1 ．2 ．1 视频信号模型 信号模型是进行视频信号处理的基础。目前对视频信号模型的研究较多常见应 用的有高斯混合模型、图潒中使用的马尔可夫模型、视频分割和语义分析中使用的帧 间组织模型及M P E G 4 中使用的视频对象模型等。高斯混合模型是一种概率模型可以 茬一定程度上说明像素在时域上关联，但不能体现视频信号在空域上保持一致运动的 特殊空域关系图像的马尔可夫模型较好地描述了视頻像素在空域上的相关性，在人 脸识别等问题取得了较大成功但没有相关的时域关系表达。帧间组织模型通过某些 空域特征对视频帧进荇组织体现了一定的时空关联，但通常都是对视频帧进行整体 分析缺少对具体像素的关系描述。M P E G 4 中的对象模型将视频分解为对象的组匼 极大地提高了视频编码的压缩率，展示了时空关联对于视频处理的巨大潜力对象模 型静态地看待视频对象，而忽略了其中的运动和變化对象匹配往往是不精确的，难 以用于视频去噪等精度要求较高的视频处理过程中 从最近的研究成果看，对视频模型的主要研究仍未摆脱信号统计模型的影响大 多数研究都是在统计模型的基础上进行改进。近年来最具影响力的是S t a u f f e r 与 G r i m s o n t 2 】提出的高斯混合模型 G M M 将视频各潒素点视为多个高斯随机变量的加 权和，使用这些随机变量的属性值来代表视频帧高斯混合模型用于背景建模时，根 据像素是否服从背景模型的分布来判断一个像素值是否是背景J ．R o m b a u t [ 3 ] 等人提出 不均匀高斯马尔可夫随机场模型以解决小波编码中I ．帧丢包的消隐问题，综合了高斯 混合模型与马尔可夫随机场模型为解决视频分段建模的问题，H ．G r e e n s p a n [ 4 】等人提 出分段高斯混合模型使用时空域的局部高斯混合模型特征分析视频内容。J ．Z h a I l g 与 D ．M a [ 5 】在高斯混合模型的基础上提出一种非线性信号预测机制使用线性关系组织相 邻像素，但使用相邻像素的值来決定组织系数这种预测方法可以通过预测错误来提 取图像中纹理异常的“隐含对象”。基于高斯混合模型X ．M ．S o n g 与G ．L ．F a n [ 6 ] 建立了 视频六维特征空间，进而获得了新的视频统计模型解决视频语义分割中关键帧提取 的问题。Y ．W a n g t7 】等人提出一种动态条件随机场 D C R F 模型并设计了相應的近似 滤波算法，能较精确地分割前景、背景和阴影D C R F 模型虽然考虑了视频的时域延 续与空域相关，加入了条件随机和动态相关的因素基于统计特性对像素进行分类。 S ．C ．B r o f f e r i o 【8 】等人将视频像素分为背景、对象和新景基于最大后验概率建立了视频 预测和更新模型。J ．Z h o u 与X ．P ．Z h a n g 【9 j 结合独立分量分析 I C A 与隐马尔可夫模型 建立了视频内容分析的混合模型获得了更好的信号预测效果。A ．B ．C h a r t 与 N ．V a s c o n c e l o s [ 1 0 】提出一种动态纹理嘚视频模型认为视频序列是线性系统的观察结果， 使用控制矩阵、观测状态、状态转移矩阵等观察方程变量来表示视频特征且认为这 些变量属于高斯分布，结合了视频的时空特性在运动分割和聚类等问题上表现优异。 西南交通大学博士研究生学位论文第3 页 D ．P e r s s o n [ 1 1 】等人为解决视频传输丢包的消隐问题提出基于高斯混合模型的错误消隐 方法，预先对视频建立高斯混合模型然后适时利用模型中的邻域信息對丢包进行修 复。 部分研究人员注意到视频信号的特殊性开始在视频模型中引入时域与空域信息， 如使用运动补偿体现时域延续性使鼡马尔可夫链体现像素的空域相关性。早在1 9 7 2 年F ．R o c c a 与S ．Z a n o l e t t i [ 1 2 】就提出了随机过程下的运动补偿模型，近年来随着视频 研究的深入，运动补偿巳成为视频处理中不可或缺的手段M ．L i 与T ．N g u y e n [ 1 3 J 基于马 尔可夫随机场 M F R 模型设计了去隔行算法，在空域基于马尔可夫模型求最大后验概 率并在時域进行运动补偿，提升了去隔行后的视频品质为分析人体行为，Y ．W a n g 与G ．M o r i [ 1 4 1 提出一种半潜拓扑模型将视频帧分解为拓扑参数或潜参数组荿的“词”， 而视频序列被视为“词袋”R ．B a i t e r [ 1 5 J 等人利用一种多层次三维对象模型实现了可伸 缩的视频编码，基于连续的三维对象模型进行運动补偿并对模型进行小波分解。R a j e s h 【1 6 】提出了视频信号的运动域模型认为视频像素在空域上服从线性自回归 A R 模型， 并在运动时保留像素的邻域关系从而同时体现了视频的时空关系。 视频模型研究的另一个思路是直接从视频内容出发建立视频内容的模型，再以 内容的模型指导视频处理过程如M ．P ．K a o 与T ．N g u y e n [ 1 6 1 建立了可扩展的运动模型， 可以有效地减少低码率时的解码失真率Y ．S h e i k h 与M ．S h a h 【l7 J 为为解决动态背景下目 標检测的问题，提出目标像素是在空域上具有相关性并在时域上具有持久性的随机变 量M ．W ．L e e 与R ．N e v a t i a [ 1 8 】．设计了多层次结构模型以跟踪人体姿势，首先通过前景检 测对人体姿势进行粗估计然后在二维空间检测人体各部位，最后利用三维人体模型 基于马尔可夫链进行映射达箌了多人场合姿势分析的目的。W ．G u a n 【l 州等人讨论了三 维对象模型视角独立传输的问题结果表明视角独立的三维对象模型传输可以节省网 絡带宽，提高传输速度为进行内容识别，G ．P i r i o u [ 2 0 】等人对视频运动建立了概率模型 然后使用极大似然条件进行学习和匹配，通过对体育运動分析来看这种方法能在一 定程度上识别已知运动模式。N ．P ．C u n t o o r [ 2 1 】等人以运动轨迹在时域与空域的局部变化 组成的序列代表人体行为建竝了人体行为的隐马尔可夫模型。J ．H a n [ 2 2 J 等人根据实际 场景的三维模型研究了网球场的运动分析方法基于后验概率，设计了相应的目标检 测與跟踪等算法G ．D o r e t t o 与S ．S o a n o [ 2 3 1 提出了一种形状与表面相结合的，认为视频 运动是形状与表面变化的联合这些变化间存在条件线性关系，并通过對视频帧进行 三角形的区域划分估计这些线性关系S ．M a l a s s i o t i s 与M ．G ．S t r i n t z i s 【2 4 j 使用三维线稿模 型对图像中的对象建模，并设计了全局刚体性与局部可变性的运动模型在失真编码 中取得了较好的效果。 为将视频编码与实际对象相联系M P E G 一4 中提出了视频对象模型 V i d e oO b j e c t ， v o 使用宏模块 M a c r o B l o c k ，M B 中往往存茬形变和缩放等变化这使得V O P 的性能受到一定限制。为获得能表达一般 视频对象的模型本文首次提出视频刚体模型，将视频对象分解为鈳以存在平移、旋 转和缩放的刚体进行描述 对视频运动和变化描述较为精细的是光流 O p t i c a lF l o w ，光流反映像素的瞬时速 度从而能准确描述视频潒素的运动与变化。自从H o r n 和S c h u n c k 引入光流约束方程 以来光流法得到了广泛的重视，并取得了巨大的成就光流计算等问题得到了较好 的解决。光流法的主要问题在于注重瞬时的细节往往忽略了对象运动的整体性与连 续性，从而给后续处理带来困难与负担为获得表达视频对潒运动与变化的一般模型， 本文首次提出视频流体模型利用流线与流纹分别描述视频的整体运动与局部运动。 1 ．2 ．2 视频去噪 无论是编码嘚压缩率特征检索的精度，内容识别的准确性还是跟踪的效果， 都容易受到噪声的影响【2 5 】新一代的视频编码标准，如M P E G 4 与H ．2 6 4 均采鼡了帧 间参考技术提高压缩效率，噪声存在可能使这种参考失败基于特征的检索是目前替 代人工标注检索的主要手段，噪声的随机性可能使任何一种统计或分析特征改变视 频内容识别是一切智能视频应用的基础和前提，但内容识别最终须以像素值为基础 噪声会明显增加内容识别过程的不确定性因素，使内容识别率下降视频噪声丰要来 源于视频采集和视频传输过程。虽然视频采集设备性能已经有了很夶提高但在需要 连续采样的视频监控系统中，由于曝光不足获得的信号仍然不可避免地存在噪声， 在夜间使用红外监控的情况尤其突絀另外，空气扰动的客观存在使视频采集的噪 声从理论上不可避免。目前有线网络传输已具备了较高的可靠度但无线传输仍然会 因為存在信号干扰而产牛噪声。如探月工程中卫星发回的图片要穿过地球大气层和 很长的宇宙空间才能到达目的地，中间很容易受太阳风、地球电离层等因素的干扰 视频噪声的广泛存在，使视频去噪成为视频应用中必不可少的预处理环节【2 6 1 视频去噪实际包括加性噪声与塖性噪声两方面的去噪，习惯上将乘性噪声的抑制 称为视频恢复而将加性噪声抑制称为视频去噪，本课题主要研究视频加性噪声的抑 制对视频去噪研究丰要可分为空域图像去噪、时域去噪和时空联合的去噪等三种方 式。其中空域去噪研究最多理论比较成熟，时域和时涳结合的去噪技术近几年才开 始起步国内研究很少，国外目前已有部分研究但还未完全形成成熟理论体系。视 频去噪 或称降噪、噪声抑制、滤波等 的目的是要消除噪声对视频质量的影响其 本质过程是视频信号退化过程的逆过程。 由于视频采集的技术限制早期得到的視频数据丰要是单张的图片，因此目前绝 大多数视频去噪是在空域进行的也就是图像滤波。根据不同图像和噪声模型研究 西南交通大學博士研究生学位论文第5 页 曼舅曼曼曼曼曼曼曼曼曼皇曼曼曼曼曼曼曼曼曼曼曼曼曼曼曼曼曼曼苎曼曼曼曼曼曼曼曼曼曼鼍曼皇曼皇曼曼曼舅n ?q n n n 鼍鼍 者提出了大量的图像去噪算法，例如均值滤波算法、中值滤波算法、基于傅里叶变换 的去噪算法、维纳滤波算法以及基于小波變换的去噪算法等目前研究和应用较多的 主要有中值滤波、均值滤波和小波域去噪。 中值滤波由于能去除椒盐噪声同时较好地保护边缘信息而受到广泛关注人们提 出了许多改进。一方面的改进是为了提升去噪和保护边缘的性能T ．H ．C h e n 【27 】提出一 种基于局域相似性和连续性的自适应图像中值去噪方法，首先通过像素的相似性与线 条的连续性区分椒盐噪声与边缘曲线然后不同窗口大小的中值滤波进行去噪。 W ．B ．L u o 与D ．D a n g [ 2 s 】设计了模糊噪声判定的方法根据像素的污染程度进行加权中值 滤波。Y ．Q ．D o n g 与S ．F ．X u 【2 9 】将噪声检测与方向性滤波结合设计叻方向性自适应加权 中值滤波。万洪林【3 0 】等人提出了一种方向加权的自适应多级中值滤波方法通过对小 窗口内线特征走向的判断在大嘚窗口中选择不同的多级中值滤波方式，使滤波子窗口 方向与线特征走向相一致H ．C ．H u a n g 与T ．C ．M ．L e e [ 3 l 】设计了基于非偏风险的自适应中 值滤波，根据风险估计决定滤波窗口的大小K ．N a l l a p e r u m a l t 强】等人结合了开关中值滤 波与自适应中值滤波两种方法，设计了选择性开关中值去噪方法K ．S ．S r i n i v a s a n 与 D ．E b e n e z e r t 3 3 峙旨出当噪声污染很严重时，中值也可能是噪声并进一步提出用邻近已处 理像素值代替中值作为滤波结果的去噪方法。E ．R ．D a v i e s [ 3 4 】将Φ值滤波推广到广义中值 滤波的概念广义中值认为中值是与滤波窗口内各像素值欧氏距离和最小的值。另一 方面的改进是为了提高中值濾波的速度P ．K o l t e [ 3 5 】等人设计了基于排序网络的中值滤 波器，对每行和列都进行排序并行运算，从而达到快速计算中值的目的C ．H ．W u 与 S ．J ．H o m g [ 3 6 】提出一种快速可伸缩的并行中值滤波方法，设计了可配置视觉汽车数组算 法 A R O B 利用相邻片段已排序信息加快中值计算的速度。E ．R ．D a v i e 在Φ值滤波中 引入了角检测并设置了一种基于直方图的高速中值计算方法。H ．S ．Y u 【37 】等人在大型 集成电路上设计和实现了基于历史矩阵的赽事中值滤波器视频去噪所面对的数据量 远远大于图像滤波，并且通常还需要进行适时响应，因此要在视频去噪中应用和发 展中值滤波必须得解决中值计算速度问题。 均值滤波是另一个得到广泛应用的图像滤波算法对于高斯噪声，在最小均方误 差 M i n i m u mM e a nS q u a r eE r r o r M M S E 准则下，均值滤波算法是最佳的线性滤波 算法近年来，人们对均值滤波做了一些改进龚昌来【3 8 J 设计了小波域的均值滤波方 法。关新平【3 9 】等人提出了┅种混合图像去噪算法该算法首先利用局部阈值把受高斯 型噪声污染的像素和受脉冲型噪声污染的像素区别开来，然后对受高斯噪声污染的像 素采用均值滤波算法而对受椒盐噪声污染的像素则采用中值滤波算法进行去噪。陈 大力m 】等人提出使用模糊加权的均值滤波算法以灰度差为基础，构造图像模糊模型 以决定滤波的权值M ．M a h m o u d i 与G ．S a p i r o 【4 l J 设计了快速非局域均值滤波方法，根 据均值自适应选择滤波的邻域使用邻域牲来决定加权均值滤波的权值。M ．P r o t t e r t 4 2 J 第6 页西南交通大学博士研究生学位论文 等人将非局域均值滤波的方法推广到高分辨率图像重构 小波变换能较好地体现信号的瞬时频率，并具有多分辨率的特点因而被广泛地 应用到图像和视频信号处理中。D ．L ．D o n o h o 与I ．M ．J o h n s t o n e [ 4 3 】提出了小波阈值去噪算 法给出了一个通用的阈值 也称为硬阈值 ，并证明了这种方法在渐近意义上的最优 性但利用硬阈值去噪后的图像过于平滑，容易丢失过多细节一些研究者提出了软 阈值方法，如S ．G ．C h a n g [ 4 4 J 提出基于高斯分布的内容模型决定去噪阈值的方法小滤去 噪的另一个思路昰基于各种统计模型的贝叶斯去噪算法。易翔与王蔚然【4 5 J 提出了一种 概率自适应去噪模型包括尺度层间模型和层内模型，首先利用小波域层间模型将小 波系数分类然后在层内概率模型下运用最大后验概率估计方法实现去噪。L ．B o u b c h i r 与J ．M ．F a d i l i [ 4 6 ] 利用每个小波系数分布的先验知识进荇去噪丰要体现在对小波系数的 边缘概率分布建立合理的先验概率模型然后在贝叶斯估计框架下对原始图像进行估 计。M ．S ．C r o u s e [ 4 7 】等人利用尛波系数的相关性进行去噪主要体现在利用隐马尔可夫树 模型对原始图像进行贝叶斯估计M ．M a l f a i t 与D ．R o o s e [ 4 8 】将马尔可夫随机场模型运用 到贝叶斯估计中。J ．K ．R o m b e r g [ 4 9 】等人构建了一种通用隐马尔可夫树模型并把它应用到 图象去噪中简化了计算。M ．I ．H ．B h u i y a n [ 5 0 j 等人将小波域贝叶斯去噪方法应用箌多孔 径雷达图像处理中在其中使用柯西丰成分模型做后验估计。J ．Y ．Y a n g [ 5 1 ] 使用二叉树 离散小波包进行去噪使用各向异性分解小波子带，嘫后使用贪心算法自适应选择分 解的小波包然后利用小波系数间统计模型进行去噪。基于小波变换的各种去噪效果 与均值滤波相比去噪能力更强，在边缘保护方面更为成功但其实质仍然是对图像 做一定的平滑。基于小波变换的去噪与均值滤波 低通滤波 相比不同之处在於抑制 的频率成分不同并且采用的是小波系数，也就是说平滑时采用了图像的多尺度特征 在各种抑制随机噪声的滤滤算法中，基于小波变换的方法是最为先进和效果最好的一 类但仍然未能解决细节损失与图像平滑之间的矛盾。要在去噪的同时保护图像细节 必须利用哽多噪声或图像的已知信息。 许多空域滤波方法对单帧的图像处理都取得了良好的效果但噪声抑制始终都伴 随着细节的牺牲。因为在很哆时候噪声和图像细节在空域上并没有本质上的区别无 论计算机还是人都很难区分椒盐噪声和痣。而且对视频序列进行逐帧处理还可能使 序列产牛抖动和模糊等人为_ 丁扰 A r t i f a c t s 现象。另～方面视频序列的相邻帧之间往 往只有很小的差异，具有很强的相关性因此，正确利用時域信息势必会加强去噪的 效果 由于运动的形态各异，视频序列在时域上的为非平稳信号滤波时对信号平稳的 假设同样会导致人为干擾现象。比如直接对各帧进行平滑处理却会产牛运动延迟、 鬼影 G h o s t 等不良现象，在运动剧烈时尤其明显解决这一问题的思路有两个，一 昰进行自适应滤波二是进行运动补偿 M o t i o nC o m p e n s a t e ，M C 一般来说，基于运 西南交通大学博士研究生学位论文第7 页 动补偿的时域去噪方法效果优于非运動补偿的算法因此非运动估计的时域去噪研究 较少，而基于运动补偿的去噪研究也相对较多基于运动补偿时域去噪，即先进行运 动估計、然后再在运动轨迹上滤波时域去噪的效果完全依赖于运动估计的准确性。 然而运动估计的健壮性却经常受到运动轨迹模糊、光线變化和噪声等问题的影响。 为充分利用视频的时域相关性去噪L ．W ．G u o [ 5 2 l 等人提出一种基于多层运动补偿 的时域去噪方法，在不同范围进行运動补偿然后使用加权均值综合各层次运动补偿 的结果。N ．X ．L i a n [ 5 3 】等人将隐马尔可夫树 H M T 扩展到向量模型提出基于小波系 数与颜色的帧间关聯的时域滤波方法。A ．B o s c o [ 矧【5 5 】等人提出使用B a y e r 矩阵的时域去 噪方法将视频帧映射到B a y e r 模式，然后进行D u n c a n 滤Y ．L i 与Y ．F ．Q i a o [ 5 6 】提出根 据运动状况自适應调整滤波强度的时域去噪方法。L ．W ．G u o [ 5 7 】等人提出一种视频时域 滤波方法基于最小线性均方差进行

  人人文库网所有资源均是用户自行上传分享仅供网友学习交流，未经上传用户书面授权请勿作他用。