基于在线低秩表达的视频恢复算法研究
文献类型：学位论文
| 作者 | 高振远1,2 |
| 答辩日期 | 2020-05-26 |
| 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 | 韩志 |
| 关键词 | 在线鲁棒主成分分析 低秩稀疏分解 视频恢复 非局部先验 稀疏噪声 |
| 学位名称 | 硕士 |
| 学位专业 | 模式识别与智能系统 |
| 其他题名 | Video Restoration Based on Online Low-rank Representation Learning |
| 英文摘要 | 近年来，在线低秩表达方法由于其优异的低秩结构挖掘能力、高运行与存储效率，并且可以建模动态变化数据，现已成为当下研究的热点。本论文针对具有共享性或者重复性特质的视频数据，基于在线低秩表达模型与算法。从视频数据的表达形式以及恢复算法方面入手，提出了具有创新性的模型算法。论文的主要内容和创新点如下（1）现存在线鲁棒主成分分析模型仅仅只能建模视频的全局时间冗余性，因此不能很好表达具有动态移动物体的视频中的低秩结构，而且会导致前景和噪声同时被移除的问题。针对上述问题，提出了非局部在线鲁棒主成分分析模型，模型利用视频中基于图像块的非局部低秩特性，即数据中的时空冗余性，来准确表达视频中的低秩结构。为了求解非局部在线鲁棒主成分分析模型，首先提出了基于高斯聚类的非局部方法用于图像块分组，解决了现存非局部方法不能直接应用至在线鲁棒主成分分析的问题。同时，为了更加准确地估计子空间并利用样本的重要性信息，提出了基于样本重要性的加权鲁棒主成分分析模型和在线加权投影。经过充分的实验验证了所提算法在视频恢复应用中的有效性和优越性。（2）针对非局部在线鲁棒主成分分析模型对于具有复杂场景变化的视频表达及恢复能力不足的问题。提出了基于层级子空间更新的非局部在线鲁棒主成分分析模型，从而可以同时达到高效的视频在线低秩表达和恢复的目的。为了提升模型在应对复杂视频场景下的表达能力，通过显式建模子空间的变化，提出三层级子空间更新机制：加方向子空间更新、重新估计子空间和子空间初始化机制。为了达到实际场景对运行效率的要求，提出算法的加速版本并利用并行计算机制进一步对算法加速。数值实验结果表明，该模型能够有效完成复杂变化视频低秩表达与视频恢复的任务。实验结果显示了模型的有效性和鲁棒性，同时，所提算法具有更高的效率与纹理保持能力。（3）现有的视频恢复方法仅仅利用一种尺度的关联性质，从而限制了算法恢复性能，通过考虑这两种尺度的低秩性质，提出了基于整体关联性和非局部关联性的视频恢复算法。首先,利用视频帧的整体关联性把被噪声污染的视频分解为整体低秩成分和稀疏余项成分。然后，对于余项视频部分其相邻帧存在非局部关联性，利用基于k维树的非局部技术组成低秩图像块组，并通过低秩分解模型去除图像块噪声。最后，整合整体低秩部分与处理后的余项部分，从而得到准确的视频恢复结果。另外，采用在线模型来达到动态分层的目的。对比实验验证了所提算法在视频脉冲噪声去除问题上的优异性能，尤其在大噪声情况下具有更强的鲁棒性。 |
| 语种 | 中文 |
| 产权排序 | 1 |
| 页码 | 73页 |
| 源URL | [http://ir.sia.cn/handle/173321/27127]  |
| 专题 | 沈阳自动化研究所_机器人学研究室 |
| 作者单位 | 1.中国科学院沈阳自动化研究所; 2.中国科学院大学 |
| 推荐引用方式 GB/T 7714 | 高振远. 基于在线低秩表达的视频恢复算法研究[D]. 沈阳. 中国科学院沈阳自动化研究所. 2020. |
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。