论文部分内容阅读
作为一种新型的多媒体功能集成的无线传感器设备,无线多媒体传感器网络(Wireless Multimedia Sensor Networks,WMSN)因其协作感知、检索、处理和传输等特点而备受社会各界的关注,并被广泛应用于环境监测、交通控制、智能家居、医疗卫生等领域。随着多媒体应用的快速发展,对WMSN视频质量的要求也随之提高。然而受外界恶劣天气条件等因素影响,WMSN的监测场景复杂多变,不可避免地使WMSN视频中引入各种类型的噪声。因此,为了保证视频监测的可靠性及有效性,研究适用于WMSN视频的去噪方法成为一项迫切需要进行的工作。针对视频去噪问题,本文借鉴低秩矩阵重建理论,通过深入分析WMSN检测视频图像特征,设计了一种基于快速块匹配的低秩矩阵补全混合噪声去除算法。针对WMSN视频中存在的混合噪声,本算法首先利用自适应中值滤波器对WMSN视频进行预处理,为后续的图像块匹配创造良好条件,然后利用改进的随机一致算法实现快速而准确的块匹配搜索,将获得的所有相似图像块向量化并转为矩阵的形式,构建低秩矩阵补全去噪模型,最后选择合适的优化算法对模型进行求解,最终合成去噪后的视频。实验仿真结果证明:该算法与经典的三维块匹配滤波(Video Block Matching and 3D Filtering Algorithm,VBM3D)算法相比在各方面均表现出优越性,去噪后的视觉效果不错。然而,利用低秩模型去噪后的视频易出现平坦区域过平滑的现象,视频中的某些重要细节信息易被丢失。充分借鉴视频图像的先验知识,本文提出了一种基于稀疏K-SVD字典学习与加权低秩模型的混合噪声去除方法。首先,分析WMSN视频噪声特点,将混合噪声分布加权拟合成高斯分布,构建加权低秩去噪模型,并用交替最小化方法求解模型,然后借鉴图像的稀疏先验和非局部自相似性先验,构建非局部稀疏表示去噪模型,并采用稀疏K-SVD字典学习算法,最终完成WMSN视频的去噪。仿真结果表明,该算法能够有效保留WMSN视频中的细节信息,并获得更优的视觉效果。