基于统计分析的视频去噪与表达建模
文献类型：学位论文
| 作者 | 沈贵萍1,2
|
| 答辩日期 | 2018-11-27 |
| 授予单位 | 中国科学院沈阳自动化研究所 |
| 授予地点 | 沈阳 |
| 导师 | 唐延东 ; 韩志 |
| 关键词 | 噪声建模 前景建模 低秩分解 稀疏表达 主动轨迹 |
| 学位名称 | 博士 |
| 学位专业 | 模式识别与智能系统 |
| 其他题名 | Video denoising and representation based on statistical analysis |
| 英文摘要 | 本文以视频为研究对象，应用分析统计理论，对视频去噪与表达建模的理论方法开展研究。视频的噪声成分，有些是由应用环境和硬件技术决定的，是不可避免的。噪声会给计算机视觉的应用（如目标检测、跟踪、行为识别）带来很多不利的影响，同时降低了其在工业、医用及军事等各应用领域的性能和效率。此外视频的巨大数据内存量给数据的运输和传送带来不便，而且视频帧在记录有用的信息时，经常会遇到运动模糊、遮挡等原因造成目标结构信息的缺失。这对于后期的分析和处理带来困扰。这些问题的解决，将会促进计算机视觉应用的发展，同时为计算机视觉相关算法的研究提供一新的指导方向。本论文主要研究内容包括视频去噪和表达建模。针对视频的复杂混合噪声分布提出一个鲁棒性好的噪声模型。并借鉴视频去噪模型思想，提出一个新的视频背景重建模型，对前景建模，利用张量分解技术恢复视频背景部分。最后我们从视觉中层应用目标跟踪出发，对视频数据利用Gabor小波稀疏表达，提出了基于主动轨迹特征的视频表达建模方法。可以为前景目标生成一个可描画性和可跟踪性的草图描述。实验验证了主动轨迹特征模型对于视觉的各层应用都有很好的贡献。论文中主要创新点和贡献如下：1. 实际视频噪声是由多种复杂统计分布未知的数据组成。我们发现，目前的主流噪声模型基于弱假设等先验知识，对噪声具有选择性，对混合复杂的噪声鲁棒性差。基于此，我们将噪声分布统分为稠密型和稀疏型，统一建模，使其具有有效的泛化能力。2. 针对背景重建受光线变化、背景噪声、前背景纹理相似等影响的问题，以本文提出的噪声模型为基础，利用前景清晰的光滑结构特征为先验知识，引入马尔科夫随机场的上下文语义约束，结合张量技术表达潜在空间结构的特征，提出了一新的背景重建模型，该前景模型具有实际的物理意义解释。3. 从视频数据的稀疏表达出发，利用Gabor小波元素学习出一组线性表示的基元字典，结合主动曲线的多层语义结构，将其拓展到时间维度，得到基于主动轨迹特征模型的视频结构特征表达。并开发一个新的基于低秩特性的外观评分系统，使得该模型表达更精确和简洁。且该模型能够很好的描述视频部件的结构信息，并对视频中存在遮挡等信息缺失的情况，亦能恢复出其结构信息。4. 利用主动轨迹特征可进一步生成视频的草图表达，并可分别用在视频的低、中和高层的相关应用。草图模型可用在中层的目标跟踪、检测等方法；还可以合成为视频部件的共享草图，应用在视频高层行为识别上。 |
| 语种 | 中文 |
| 产权排序 | 1 |
| 页码 | 93页 |
| 源URL | [http://ir.sia.cn/handle/173321/23651]  |
| 专题 | 沈阳自动化研究所_机器人学研究室 |
| 作者单位 | 1.中国科学院大学 2.中国科学院沈阳自动化研究所 |
| 推荐引用方式 GB/T 7714 | 沈贵萍. 基于统计分析的视频去噪与表达建模[D]. 沈阳. 中国科学院沈阳自动化研究所. 2018. |
入库方式： OAI收割
来源：沈阳自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。