基于PCA噪声预估的视频降噪及无参考质量评价研究

发布时间：2023-10-13 21:09

　　视频图像在形成、传输过程中会受到噪声干扰,使传输画面出现边缘轮廓失真。因此寻求有效的降噪算法对失真图像进行恢复,并采用科学的图像评价方法判断图像是否符合人眼视觉标准极为重要。针对视频降噪,将视频帧看成一个连续的图像序列,结合自适应阈值运动检测实现降噪。在检测运动区域前,利用主成分分析(Principal Component Analysis,PCA)预估图像噪声大小;然后将PCA噪声方差预估算法与改进的帧间差分算法相结合,根据预测噪声方差的大小,自适应调整运动检测的阈值,避免因传输中噪声变化而造成的区域“误判”现象,提高运动检测的准确度;对运动区域和静止区域分别采用空域自适应非局部均值(NL-means)滤波和改进的时域加权均值滤波两种不同的降噪算法,更高效地提高降噪性能。针对降噪效果评价,本文研究采用通用型无参考图像质量评价评判图像质量。传统算法中将彩色图像直接转换为灰度图像时,存在对图像色彩信息忽视,预测结果不准确的问题。将彩色图像的HSV模型运用到无参考图像质量评价算法中,利用图像固有的MSCN(Mean Subtracted Contrast Normalized)系数符合高斯...

【文章页数】：59 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 视频降噪的研究背景和意义
        1.1.1 视频噪声的产生与分类
    1.2 主成分分析技术
    1.3 运动检测技术
    1.4 无参考图像质量评价算法
    1.5 常用图像数据库
    1.6 本文研究内容
第二章 图像质量预估分析
    2.1 主成分分析进行高斯噪声预估
        2.1.1 图像分块模型
        2.1.2 主成分分析
        2.1.3 假设验证
        2.1.4 图像块子集提取
        2.1.5 算法实现过程
        2.1.6 算法优化过程
    2.2 实验结果分析
    2.3 通用型失真图像质量预估
        2.3.1 图像的MSCN特性
        2.3.2 支持向量机
        2.3.3 通用型无参考图像质量评价算法的性能衡量标准
    2.4 本章总结
第三章 改进的自适应阈值运动检测降噪算法
    3.1 基于自适应阈值的运动检测算法
        3.1.1 运动检测精度的重要性
        3.1.2 算法实现过程
    3.2 图像序列降噪算法
        3.2.1 改进的时域加权均值滤波
        3.2.2 空域自适应NL-means滤波
        3.2.3 本文降噪算法示意图
    3.3 算法仿真与实验结果
    3.4 本章总结
第四章 基于彩色三通道的无参考图像质量评价算法研究
    4.1 无参考图像质量评价方法的重要性
    4.2 BRISQUE算法
        4.2.1 特征值提取
        4.2.2 数据结果分析
    4.3 基于HSV的无参考图像质量评价方法
        4.3.1 图像色彩模型
        4.3.2 基于HSV的图像特征提取
        4.3.3 实验结果分析
    4.4 本章总结
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
附录1 攻读硕士学位期间撰写的论文
附录2 攻读硕士学位期间参加的科研项目
致谢



本文编号：3853778