导读:本文包含了视频去噪论文开题报告文献综述及选题提纲参考文献，主要关键词:分焦平面偏振成像,视频去噪,主成分分析,图像处理
视频去噪论文文献综述
李宁,赵永强,潘泉[1]（2019）在《时空自适应的分焦平面偏振视频PCA去噪》一文中研究指出分焦平面式(DoFP)偏振成像探测器通过集成式微偏振阵列实现偏振信息的实时获取。然而由于成像过程中存在噪声,对后续的偏振图像去马赛克超分辨、场景偏振信息解算产生了严重影响。基于主成分分析(PCA)提出一种时空自适应DoFP视频数据去噪算法,对于每个待去噪的DoFP图像块,在其局部时空邻域内选取相似的图像块,然后利用主成分分析对其去噪。该算法充分利用DoFP视频数据的时空信息构建训练样本,且块匹配过程无需采用运动估计,可直接用于DoFP视频数据去噪。进一步提出基于双边滤波的残余噪声去除算法,从而得到更好的去噪效果。通过模拟与真实数据对所提算法进行实验验证,结果证明:所提算法可有效抑制噪声,在相同测试条件下,所提算法优于现有算法。(本文来源于《红外与激光工程》期刊2019年10期）
包文瑞[2]（2019）在《基于低秩矩阵补全的视频去噪研究》一文中研究指出针对视频数据中严重的混合噪声问题,提出了一种基于块的视频去噪算法。通过对空间域和时间域的相似块进行分组,将混合噪声的去噪问题转化为一个低秩矩阵补全问题,从而得到一个对噪声统计特征没有强假设的去噪方法。由此产生的核范数最小化问题通过拉格朗日函数和不动点迭代算法得到有效的解决。实验验证了所提出的视频去噪方法在去除混合噪声方面的鲁棒性和有效性。(本文来源于《计算技术与自动化》期刊2019年02期）
何志伟[3]（2019）在《基于网格流运动模型的视频去噪算法》一文中研究指出本论文主要针对视频去噪算法进行研究。数字图像和视频作为一种可记录的信息媒介,自其出现以来,在人类现代社会文明中发挥了非常重要的作用。随着电子与多媒体技术日新月异的高速发展,如今更是衍生出一系列基于视频传播的新型职业与视频形式。然而,数字图像和视频通常在诸如采集,传输和存储的一系列过程中引入噪声,噪声会干扰原始视频序列信息,给接收者带来不好的视觉体验。如何去除噪声,使视频序列其能最大程度的呈现原始信息显得尤为重要。一些传统的图像视频去噪算法会在滤除噪声颗粒时引入人工噪声或大大模糊图像,因此存在很大的局限性;一些算法具有更好的去噪效果,但是一些图像边缘信息却在去噪时丢失,或者由于计算量太复杂,导致算法效率低下。基于此,本论文提出了一种高效的视频去噪方法,即利用最近提出的基于相机运动补偿的网格流运动模型来生成去除噪声后的更为清晰的视频。网格流是空间平滑的稀疏运动场,其中运动矢量位于网格顶点处。由于其内部特征(例如轻量级,非参数表示和空间变量运动补偿),该模型不仅高效而且对于多帧的去噪也是有效的。网格流采用像素轮廓来取代真实的运动轨迹进行有效的运动积累,像素轮廓是沿着像素的空间位置的时序运动矢量的集合。在网格流中,像素轮廓被称为顶点轮廓,因为在网格流动模型中,仅收集在网格顶点位置而不是每个像素位置处的稀疏运动矢量。网格流通过以空间和时间方式融合若干对齐帧以及拒绝异常值的像素一致性验证来生成去噪帧。当输入含噪声的视频序列后,首先估计相邻帧间的网格流,然后根据网格流将局部时间窗口内的所有相邻帧变形到中心帧,通过融合经过一致性像素识别的变形帧来生成去噪帧,视频序列随着时间窗口的移动逐帧去噪,输出去噪后的视频。此外,本文在研究过程中对算法框架进行了优化。本文表明可以将帧与常见的“关键”帧对齐以节省计算而不会牺牲去噪质量。结合几种有效的解决方案,本文提出的去噪方法可以以40FPS的速度对视频(720P)进行去噪。而且,本文提出的去噪方法不仅可以处理离线视频,也可以适用于在线处理。大量的实验和分析验证了基于网格流动模型进行视频去噪的有效性和鲁棒性。(本文来源于《电子科技大学》期刊2019-04-01）
龚家举[4]（2019）在《基于压缩感知的多媒体视频图像去噪方法研究》一文中研究指出目前,多媒体视频图像是信息传递的重要手段之一。但是,部分视频图像中的噪声严重影响了信息传递,而常规去噪方法的效果不理想。因此,提出了基于压缩感知的多媒体视频图像去噪方法。结合压缩感知理论,通过全变分图像去噪、离散小波正交变换和Shannon/Nyquist采样,完成图像去噪处理。经过实验分析,与常规去噪方法相比,此方法更能发挥稀疏集合的优势,大大降低了采样率和降噪处理的成本,并获得了比较好的去噪效果。(本文来源于《信息与电脑(理论版)》期刊2019年04期）
杨暄,王义坤,韩贵丞,蔡能斌,亓洪兴[5]（2018）在《基于场景有序运动的热红外视频去噪方法》一文中研究指出在信号动态范围较小的场景下热红外图像的信噪比偏低,同时在诸多应用中其场景会在某一方向发生单调运动。基于这种考虑,提出了一种基于场景有序运动的热红外视频去噪方法。通过低秩矩阵近似的相关理论,引入场景有序运动这一先验知识并构建严格的观测矩阵,利用加权核范数最小化算法求解去噪的低秩矩阵形式并重构视频信号。经仿真分析,本方法在强噪声环境下具有较高的峰值信噪比与降噪鲁棒性,通过海洋遥感数据验证了方法的实际效果,从而在遥感与搜救等领域具有一定应用价值。(本文来源于《激光与红外》期刊2018年10期）
姜明新,潘志庚,王兰芳,胡铸鑫[6]（2018）在《基于深度去噪自编码器的RGB-D视频目标跟踪》一文中研究指出提出了一种基于跨模式特征深度学习的RGB-D视频目标跟踪算法。构建跨模式稀疏去噪自编码器深度学习网络,提取RGB-D视频数据中样本的跨模式特征。将样本的跨模式特征输入到逻辑回归分类器中,获得置信分数,利用逻辑回归分类器的输出来构建观测似然模型。通过粒子滤波算法来实现RGB-D视频数据中的目标跟踪。实验结果表明,提出的视频目标跟踪算法对遮挡、旋转、光照变化等具有较强的鲁棒性,能够稳定的跟踪目标,具有较高的成功率。(本文来源于《系统仿真学报》期刊2018年11期）
鲍金[7]（2018）在《模糊视频图像的小波阈值去噪算法研究》一文中研究指出由于传统的模糊视频图像的小波阈值去噪算法,无法大幅度提高分辨率图像.提出模糊视频图像小波阈值去噪算法优化.对模糊视频图像进行融合处理,该融合过程首先利用重心化的空间相似变换模型组建多光谱影像粗配准模型,检测高分辨率影像的边缘点和非边缘点.组建模糊视频图像去噪模型,提取影像重要边缘信息和纹理信息,得到影像的独立分量特征,完成模糊视频图像的小波阈值去噪算法的优化.实验结果表明,所提算法对模糊视频图像去噪效果较好,可以完成任意角度视频影像与点云的高精度去噪.(本文来源于《微电子学与计算机》期刊2018年08期）
马玉娇[8]（2018）在《基于视觉显着性的图像与视频图像去噪算法研究》一文中研究指出图像与视频在采集、传输、处理及存储过程中都可能受到外界干扰,致使视觉信息衰弱。然而人眼对图像具有不同区域敏感程度不同这一特性,可以将图像划分成人眼显着区域与非显着区域。论文研究的主要内容是根据人眼的视觉显着特性,利用视觉显着性对噪声图像进行预处理,得到噪声图像中人眼敏感的区域,然后选用对图像纹理细节保护较好的去噪方法对该区域进行去噪处理,对非敏感的区域选用运算简单迅速的滤波算法实现去噪处理。本文涉及到的去噪算法包括叁维块匹配算法(block-matching and 3-D filtering,BM3D),叁维块匹配视频滤波算法(video block-matching and 3-D filtering,VBM3D)以及均值滤波等。本文主要的探究内容和创新点如下:1.基于视觉显着性的图像去噪算法针对现在有去噪算法具有局限性的问题,即对图像纹理细节保护较好的去噪算法往往用时过长,而除噪处理速度较快的滤波算法去噪结果不理想的问题。本文将人眼的视觉显着特性应用于图像去噪领域,通过显着性计算对噪声图像预先进行分类,使块匹配搜索在显着图像块组中而非全部图像块中进行,缩小块匹配搜索范围,减少了BM3D的工作量。同时对非显着图像块进行快速均值滤波处理,最终合成去噪结果。结果表明,本文方法不仅相比于单独使用BM3D算法进行去噪,处理速度明显提高,而且能够获取较高的主观评价结果。2.阈值的改进硬阈值分类的阈值固定,阈值过大时往往使分类后的显着图像块不足,导致后续去噪算法中的块匹配部分能够搜索的区域过小,最终造成去噪效果不理想;阈值过小时又无法有效提升算法效率。受OTSU阈值算法启发,本文将原有硬阈值分类改进为自适应阈值分类算法。实验结果表明,改进后的阈值分类算法有效保护了更多的图像细节,保证了图像块显着性分类的准确性。3.基于视觉显着性的视频去噪算法视频序列各帧之间存在丰富的冗余信息,所以在去噪算法方面与图像处理方法存在一定的区别。在去噪中加入了时域信息,使得VBM3D不再是在单幅图像中进行搜索块匹配,而在帧间进行搜索,搜索的范围更大,算法耗时更多。针对这一问题,本文基于上述图像去噪改进的思想,将人眼视觉显着特性应用于视频图像去噪领域,令块匹配在显着图像块组内进行,缩小了搜索范围,并利用快速滤波对非显着图像块组进行滤波去噪,进一步进行加速。实验证明本文算法在运算时间及主观评价中与先前的算法相比均具有竞争优势。(本文来源于《河北大学》期刊2018-06-01）
杨小奇,万建军,刘文江[9]（2018）在《一种基于先进时空域去噪算法的视频图像处理芯片设计》一文中研究指出研究开发基于先进时空域的视频消噪算法,并根据该算法设计出一颗图像处理芯片。该芯片具有高该性能和可编程的灵活性,能够适应不同的噪声场景应用环境,尤其是应用于低照度下的强噪声环境,在去除噪声的同时可以很好地保留图像的细节,有效地提高视频图像的清晰度。(本文来源于《集成电路应用》期刊2018年05期）
梁歆玥[10]（2018）在《基于无线多媒体传感器网络视频图像的稀疏去噪算法》一文中研究指出无线多媒体传感器网络(Wireless Multimedia Sensor Network,WMSN)是一种新兴获取和处理多媒体信息的手段,由于具有低功耗、可扩展性强、感知信息多样、可进行实时监控等优势,被广泛应用于交通监控、目标跟踪和图像去噪等广泛的领域。无线多媒体传感器网络监测场景复杂多变,在受众多随机干扰影响下会使得图像的质量下降甚至模糊不清。本文提出基于无线多媒体传感器网络视频图像的稀疏去噪算法。首先对无线多媒体传感器网络视频图像进行图像预处理;其次,对图像的关键通过DCT冗余字典进行稀疏表示,对图像的残差帧通过DCT冗余字典稀疏去噪;最后,依据Dice准则的正交匹配追踪算法对关键帧进行重构,迭加去噪处理后的关键帧和残差帧,以此来实现低信噪比无线多媒体传感器网络视频图像去噪。实验结果表明,该算法可以有效去噪并且可以获得更好的视觉效果。但上述方法并没有充分利用各图像块之间存在的结构相似性,这样就在一定程度上影响了图像去噪效果。由此,本文又提出了一种基于图像聚类和非局部正则化的无线多媒体传感器网络视频图像去噪算法,该方法充分利用图像的稀疏性以及非局部自相似去构造稀疏正则化模型,并且通过F范数对无线多媒体传感器网络视频图像进行去噪重构。实验结果证实这种方法能够大量的去除噪声,也能够更好地保留图像的结构等细节信息,具有更好的视觉效果,并且在复杂的环境下更加实用。(本文来源于《东北石油大学》期刊2018-04-01）
视频去噪论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对视频数据中严重的混合噪声问题,提出了一种基于块的视频去噪算法。通过对空间域和时间域的相似块进行分组,将混合噪声的去噪问题转化为一个低秩矩阵补全问题,从而得到一个对噪声统计特征没有强假设的去噪方法。由此产生的核范数最小化问题通过拉格朗日函数和不动点迭代算法得到有效的解决。实验验证了所提出的视频去噪方法在去除混合噪声方面的鲁棒性和有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
视频去噪论文参考文献
[1].李宁,赵永强,潘泉.时空自适应的分焦平面偏振视频PCA去噪[J].红外与激光工程.2019
[2].包文瑞.基于低秩矩阵补全的视频去噪研究[J].计算技术与自动化.2019
[3].何志伟.基于网格流运动模型的视频去噪算法[D].电子科技大学.2019
[4].龚家举.基于压缩感知的多媒体视频图像去噪方法研究[J].信息与电脑(理论版).2019
[5].杨暄,王义坤,韩贵丞,蔡能斌,亓洪兴.基于场景有序运动的热红外视频去噪方法[J].激光与红外.2018
[6].姜明新,潘志庚,王兰芳,胡铸鑫.基于深度去噪自编码器的RGB-D视频目标跟踪[J].系统仿真学报.2018
[7].鲍金.模糊视频图像的小波阈值去噪算法研究[J].微电子学与计算机.2018
[8].马玉娇.基于视觉显着性的图像与视频图像去噪算法研究[D].河北大学.2018
[9].杨小奇,万建军,刘文江.一种基于先进时空域去噪算法的视频图像处理芯片设计[J].集成电路应用.2018
[10].梁歆玥.基于无线多媒体传感器网络视频图像的稀疏去噪算法[D].东北石油大学.2018