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 厦门大学 通信工程系,福建 厦门 361005
2 汕头大学 电子工程系,广东 汕头 515063
考虑视频图像序列的各帧之间具有较强的相关性,提出了一种基于三维小波变换和分块Context模型的视频去噪新方法(3DWTBCM)。3DWTBCM法基于视频图像三维小波分解域内系数和噪声分布的特征,利用小波系数具有局部相关性对其进行分块,将系数分解成各个局部区域。然后,将Context模型用于局部块中,按照能量分布将块内的小波系数分成多个子块。对各部分进行能量估计和多阈值估计,获得去噪最佳阈值,并有效地消除噪声。实验结果表明,3DWTBCM的噪声抑制效果明显优于各种2D去噪方法和其他常用的3D去噪声方法,PSNR 平均提高0.5~1.2 dB。而且从视觉效果来看,本文算法在去除噪声的同时,较好地保留了运动图像细节,运动物体显得比较平滑,不存在传统算法中的拖影、闪烁等现象。
视频去噪 3D小波变换 分块 3D Context模型 video de-nosing 3D wavelet transform blocks 3D Context model 光学 精密工程
2009, 17(11): 2857