版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著傳感器技術(shù)的快速發(fā)展,視頻傳感器被廣泛應(yīng)用于視頻監(jiān)控系統(tǒng)和機(jī)器視覺(jué)領(lǐng)域中。在實(shí)際應(yīng)用中,通常會(huì)同時(shí)利用多個(gè)不同種類的視頻傳感器來(lái)拍攝同一場(chǎng)景的內(nèi)容以獲得該場(chǎng)景的完整信息。為了充分利用不同視頻傳感器捕捉到的信息,可以通過(guò)視頻融合的方法將不同傳感器拍攝的視頻融合到一個(gè)視頻中,融合視頻綜合了不同視頻傳感器獲得的重要信息,能夠更加準(zhǔn)確地反映該場(chǎng)景的內(nèi)容。
本文的主要研究工作及貢獻(xiàn)如下:
首先,較為詳細(xì)地討論了幾種常用的視
2、頻融合算法,即:基于時(shí)空能量匹配、基于時(shí)空結(jié)構(gòu)張量、基于脈沖耦合神經(jīng)網(wǎng)絡(luò)和基于高階奇異值分解的視頻融合算法?;跁r(shí)空能量匹配的視頻融合算法把視頻當(dāng)做一個(gè)整體進(jìn)行融合,在時(shí)間一致性方面相比于基于單幀的視頻融合算法有一定的提升,但是該算法采用相同的融合規(guī)則對(duì)輸入視頻中的空間信息和時(shí)間信息進(jìn)行融合,在一定程度上降低了融合視頻的時(shí)空一致性。為了提高融合視頻的時(shí)空一致性,基于時(shí)空結(jié)構(gòu)張量的視頻融合算法采用不同的融合規(guī)則對(duì)輸入視頻中的空間信息和時(shí)間
3、信息分別進(jìn)行融合,但是卻增加了運(yùn)算復(fù)雜度。上述兩種算法在輸入視頻包含噪聲的情況下,無(wú)法獲得令人滿意的融合效果?;诿}沖耦合神經(jīng)網(wǎng)絡(luò)的視頻融合算法能夠在噪聲強(qiáng)度較小情況下獲得不錯(cuò)的融合效果,但是當(dāng)噪聲強(qiáng)度很大時(shí),該算法獲得的融合視頻中仍然包含較多噪聲,并且該算法的計(jì)算復(fù)雜度較高?;诟唠A奇異值分解的視頻融合算法很好地解決了噪聲環(huán)境下的視頻融合問(wèn)題,同時(shí)其具有較高的運(yùn)算效率,但是該算法利用高階奇異值的分解結(jié)果表示空間背景信息,對(duì)所有幀采用相
4、同的空間特征圖,這在一定程度上降低了融合視頻的時(shí)空一致性。
其次,針對(duì)上述算法存在的問(wèn)題,提出了一種基于三維 Surfacelet變換(three-dimensional surfacelet transform,3D-ST)和矩陣低秩與稀疏分解(也稱魯棒主成分分析,robust principal component analysis,RPCA)的視頻融合算法。該算法的步驟如下:(1)對(duì)輸入視頻進(jìn)行三維Surfacelet變
5、換,獲得相應(yīng)的低頻子帶和帶通方向子帶;(2)利用RPCA對(duì)獲得的帶通方向子帶進(jìn)行進(jìn)一步分解,分別得到具有低秩特性的背景信息部分和具有稀疏特性的運(yùn)動(dòng)目標(biāo)信息部分;(3)分別對(duì)上述步驟中獲得的低頻子帶系數(shù)、背景信息部分和運(yùn)動(dòng)目標(biāo)信息部分進(jìn)行組合,得到融合視頻的Surfacelet變換系數(shù);(4)對(duì)獲得的Surfacelet變換系數(shù)進(jìn)行三維Surfacelet逆變換得到融合視頻。
最后,大量的實(shí)驗(yàn)表明,本文提出的視頻融合算法在時(shí)空信
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于矩陣低秩稀疏分解的圖像融合算法研究.pdf
- 基于投影替代與矩陣低秩稀疏分解的多光譜圖像融合.pdf
- 基于低秩矩陣與稀疏矩陣分解的語(yǔ)音增強(qiáng)方法.pdf
- 低秩稀疏矩陣分解在視頻監(jiān)控中的應(yīng)用.pdf
- 基于矩陣低秩稀疏分解的運(yùn)動(dòng)目標(biāo)檢測(cè).pdf
- 非負(fù)低秩組稀疏矩陣分解及其圖像檢索應(yīng)用.pdf
- 基于稀疏表示和低秩矩陣分解的人臉識(shí)別與圖像對(duì)齊方法研究.pdf
- 基于矩陣低秩稀疏分解的船舶交通流量預(yù)測(cè)研究.pdf
- 基于低秩與稀疏矩陣分解的子空間語(yǔ)音增強(qiáng)方法的研究.pdf
- 基于低秩矩陣分解的非局部稀疏模型圖像去噪方法研究.pdf
- 基于低秩稀疏分解和組間關(guān)系的圖像分類.pdf
- 基于稀疏低秩矩陣的有噪圖像修復(fù)方法研究.pdf
- 基于低秩稀疏矩陣分解的織物疵點(diǎn)檢測(cè)算法研究.pdf
- 基于低秩稀疏分解的心肌灌注動(dòng)態(tài)PET圖像恢復(fù).pdf
- 基于素描稀疏表示和低秩分解的SAR圖像目標(biāo)檢測(cè).pdf
- 基于低秩稀疏的視頻目標(biāo)跟蹤研究.pdf
- 基于低秩稀疏表征的圖像分類算法研究.pdf
- 基于低秩矩陣恢復(fù)的視頻修復(fù)研究.pdf
- 基于低秩稀疏理論的視頻增強(qiáng)研究.pdf
- 基于低秩稀疏分解和字典學(xué)習(xí)的圖像超分辨率重建研究.pdf
評(píng)論
0/150
提交評(píng)論