光学 精密工程
2022, 30(15): 1868
1 江西理工大学电气工程与自动化学院, 江西 赣州 341000
2 江西省磁悬浮技术重点实验室, 江西 赣州 341000
无人机(UAV)的普及,给人们带来了极大的安全隐患。针对该问题,设计了一种基于主动子空间鲁棒主成分分析(ASRPCA)和五帧差分相融合的UAV视频检测算法。首先,采用交替迭代法结合增广拉格朗日乘子法对ASRPCA模型进行优化求解,获取视频序列当前帧的背景图像;其次,用背景图像替代五帧差分的中间帧;最后,中间帧分别与前两帧和后两帧进行差分二值化运算,使得UAV有较好的检测结果和去噪能力。实验结果表明,与全变分正则化RPCA(TVRPCA)算法相比,所提算法在不同背景下的召回率、准确率和综合性能的平均值分别提高了5个百分点、4.8个百分点和5个百分点,而且每帧运行时间约为0.51 s,基本上符合目标算法的线下实时性要求。
机器视觉 ASRPCA 五帧差分 视频去噪 无人机检测 激光与光电子学进展
2021, 58(20): 2015007
江西理工大学电气工程与自动化学院, 江西 赣州 341000
复杂环境中的目标检测受到很多因素的影响,传统的鲁棒主成分分析(RPCA)无法从受干扰的数据中获得最低秩表示,为此,提出了一种融合l1-全变分(TV)正则化约束RPCA模型的视频去噪和目标检测算法。以RPCA为基础,在低秩稀疏分解框架下,使用核范数的低秩性对背景进行建模,利用三维TV正则化结合l1正则化对前景目标的稀疏性和空间连续性进行约束,再结合l2范数正则化约束噪声部分,从而弥补现有RPCA模型的不足。采用交替迭代的思想,利用增广拉格朗日乘子法对目标函数进行优化求解,实现了复杂环境下的去噪和目标检测。实验结果表明,本文算法不仅能准确检测出噪声干扰下的运动目标,而且保持了较快的运行速度,为视频的实时检测提供了参考。与其他同类算法相比,不仅检测效果更佳,而且在定量评价的三项指标中均具有优越性。
机器视觉 低秩稀疏分解 鲁棒主成分分析 三维全变分正则化 视频去噪 目标检测 激光与光电子学进展
2020, 57(16): 161506
1 西北工业大学 深圳研究院，广东 深圳 518057
2 西北工业大学 自动化学院，陕西 西安 710072
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。
分焦平面偏振成像 视频去噪 主成分分析 图像处理 division of focal plane polarization imaging video denoising principal component analysis image processing 红外与激光工程
2019, 48(10): 1026001
1 北京理工大学光电学院， “光电成像技术与系统”教育部重点实验室，北京 100081
2 江苏北方湖光光电有限公司，江苏无锡 214035
论述了几种基于时域和空域混合的对低信噪比视频图像进行降噪处理的算法。考虑单独使用时域或空域降噪算法对视频图像进行处理的缺点和不足。在时域上，由于视频图像帧与帧之间有较强的相关性，采用递归加权算法；在空域上，分别采用第二代 Curvelet变换理论的 Wrap算法（Wrapping-Based Transform）、全变差（TV）算法、 Lee降噪算法、基于偏微分方程各向同性非线性扩散去噪算法（PM-AOS算法）以及中值滤波等降噪算法。实验结果表明时域和空域混合的降噪算法可提供较好的视觉效果，较好地保留视频图像的边缘、纹理等细节信息，超过单独使用时域或空域对视频图像降噪的算法，且部分算法处理时间相对较短，具有在硬件平台上移植的可行性。
低信噪比 视频图像降噪 时空域联合 low SNR video denoising spatio-temporal domain combination
