图像和视频空/时域相关性建模及其应用

图像及图像序列的空/时域相关性是实现视频信号预测和噪声分离的重要条件，它决定了视频压缩及处理算法所能达到的性能。目前，多数算法在做视频处理时仅部分利用信号的空域或时域相关性，从未将空/时域相关性作为一个系统问题加以考虑。本项目拟以多通道信号处理理论为基础，研究图像/视频的空/时域相关模型，对视频信号做2D+T的3D相关性建模，再依据所建模型深化图像/视频去噪声、视频超分辨率重建、视频帧率上变换和可分级视频编码等算法的研究，从而设计出性能更优的图像/视频处理算法。实现上述目标需研究解决的问题包括：图像/视频的相关性模型选择；相关性模型的参数估计；图像噪声估计及去噪；图像增强中的正则化算子设计；基于对象的分割和映射等问题。本项研究融合图像处理、统计信号处理和盲信号估计等前沿技术理论，在研究基础理论的同时关注研究的实用性，预期研究成果在国防军事、医学诊断和安防监控等领域有着广泛的应用。

图像和视频的像素在时/空域之间存在着很强的相关性，利用这一相干性，我们可以对图像的内容进行预测，并可将图像信号与噪声信号分离。. 本课题我们采用两种方法对图像的相干性进行建模：自回归模型和图像比邻块间的能量相干性模型。在自回归模式中，我们假设图像相邻像素之间存在着相干性，通过约束方程设计，利用一个块中像素簇求取出相邻像素之间的相关系数。在更大的尺度上看，图像块与块之间也存在着一定关联，这种关联表现为在图像块的能量谱上符合拉普拉斯分布。这两种模型有助于提高图像处理算法的性能。. 在本项研究中，我们不仅研究图像在空域的相干性，并且将该相干性沿时域进行扩展，研究在一定的时间窗内，像素与时空域比邻的像素之间的关系，即对像素相关性进行3D建模。在建模的过程中，侧重于研究相干系数沿时间轴的变化规律。. 完成上述建模工作后，我们将该模型用于图像和视频处理。基于图像像素间的相关性，我们提出了基于学习的图像超分辨率算法和自适应去噪算法，并通过实验证明了上述算法的有效性。在日常生活中，图像和视频多经过压缩才能被有效地存储和传输，压缩噪声是图像降质的主要原因。本项科研结合人眼视觉模型，对量化噪声的分布规律及可视性进行深入研究，并且基于噪声的可视程度提出了多种压缩图像质量的评估方法。此外，我们还对量化噪声的客观度量方法进行研究，提出了一种基于相同图像的多幅不同压缩率拷贝估计压缩噪声的新方法。视频的时域相关性分析还被用于解决液晶显示中存在的拖影问题，基于图像时域的相干性，设计了帧率上变换算法，该算法具有运算量低且性能高的特点。. 在项目研究计划外，项目组对当前热门的3D图像质量评估进行研究。主要在不同视角的图像配准及视差图像信号的相关性对图像质量的影响加以研究，已取得阶段性研究成果。. 项目研究成果已发表论文10余篇，其中期刊论文8篇（国际2 篇，国内核心期刊6篇），国际会议论文4篇。2篇论文为SCI 检索，8篇EI 检索，4 篇ISTP 检索。培养硕士生4名。申请发明专利1 项。开发软件1项。此外还有1篇被SCI录用，2篇国际期刊审稿中。

内容获取失败，请点击重试