基于低秩矩陣恢復(fù)的視頻修復(fù)研究.pdf

1、視頻修復(fù)長久以來一直是圖像處理領(lǐng)域的研究熱點，屬于圖像復(fù)原領(lǐng)域的研究內(nèi)容。在數(shù)字攝影技術(shù)出現(xiàn)之前，所有的圖像和視頻都是采用膠卷呈像的，由于年代久遠和保存方式不當，舊的視頻文件中經(jīng)常出先現(xiàn)污點、劃痕和噪波等多種形式的退化，嚴重影響了觀看質(zhì)量。為了保存舊視頻資料，通常需要將其轉(zhuǎn)換成數(shù)字視頻，而在模數(shù)轉(zhuǎn)換和傳輸通信的過程中又難免會引人新的電子噪聲。因此，數(shù)字視頻的修復(fù)具有重要的研究和應(yīng)用價值。
　　低秩矩陣恢復(fù)理論是近年來信號處理、計算

2、機視覺和人工智能等領(lǐng)域新型的課題。低秩矩陣恢復(fù)雖衍生于目前非常熱門的壓縮感知理論，然而經(jīng)過國內(nèi)外學(xué)者的研究已經(jīng)逐漸形成了一套自己的理論體系，成為一種非常有效的信號處理工具，并在多個領(lǐng)域得到了成功的應(yīng)用，均取得了不俗的表現(xiàn)。本文在充分研究低秩矩陣恢復(fù)的理論、算法和應(yīng)用的基礎(chǔ)上，著重研究了其在視頻修復(fù)方向的應(yīng)用。提出了一種新的視頻修復(fù)方案，利用改進后的隨機塊匹配算法聚集視頻幀間的相似塊后，將視頻去噪和視頻中劃痕和污點的修復(fù)問題轉(zhuǎn)化成了低秩矩

3、陣恢復(fù)問題。通過對主成分追蹤模型進行重加權(quán)，提高了低秩矩陣恢復(fù)將稀疏誤差和圖像原始內(nèi)容進行分離的能力。實驗證明了，在不需要預(yù)先估計噪聲模型或選擇待修復(fù)區(qū)域的情況下，本文方法可以實現(xiàn)視頻多幀聯(lián)合去噪和小面積破損區(qū)域的修復(fù)。本文的貢獻主要在以下幾個方面:
　　(1)本文提出了一種新的視頻修復(fù)方案，該方案通過視頻幀間的相似塊匹配將視頻修復(fù)建立在低秩矩陣恢復(fù)模型上，實現(xiàn)了視頻多幀的聯(lián)合修復(fù)，而非視頻關(guān)鍵幀的修復(fù)。修復(fù)效果可與目前主流的幾種

4、方法相媲美。
　　(2)對于視頻修復(fù)中聚集時空域中相似圖像塊的問題，我們采用一種快速的隨機塊匹配算法，并將其從2D版本擴展為3D版本，該算法較傳統(tǒng)的諸如三步搜索和四步搜索等算法具有更快的收斂速度和匹配準確度，改進后的3D隨機塊匹配算法非常適合應(yīng)用于視頻處理領(lǐng)域。
　　(3)本文采用一種新的低秩矩陣恢復(fù)模型，并將其應(yīng)用于視頻恢復(fù)領(lǐng)域。通過對原有低秩矩陣模型進行重加權(quán)處理，該模型能夠更好的對原有問題進行表示，在問題求解過程中采用