【技术实现步骤摘要】
本专利技术属于图像处理领域,尤其涉及一种基于信号相关性的自适应高时间分辨率视频重建方法。
技术介绍
基于压缩感知的高时间分辨率视频重建技术,是通过对像素进行单像素曝光编码得到经过编码的观测图像,再利用重建算法对观测图像重建获得一系列视频序列图像,即由二维图像获取三维视频的时间分辨率拓展技术。由于压缩感知是对低于奈奎斯特采样率的采样信号进行恢复重建,因此重建信号的精确程度以及重建速度是人们关注的重点。重建算法一般可分为基于l1范数最小化法、迭代阈值法、匹配追踪法、凸规化法、基于贝叶斯理论的重建方法等,其中匹配追踪法以及部分迭代阈值法认为待恢复的信号在某字典或稀疏域下的表示系数是稀疏的,从而通过估计稀疏系数来重建信号,字典通常使用DCT基、小波基等,为了得到更好的重建效果,也可利用已知的视频信号对字典进行训练。实际的视频中往往有多个不同运动速度的物体,同一区域不同帧间的图像信号间有着相似性,如果该区域无运动,那么各帧信号相关性等于1,即完全相同,如果运动越大,信号相关稀疏就越小。在一些特定的编码方式下(如各像素曝光时间相同),观测图像中静止背景部分是清晰的,不需要重建或不需要使用训练的字典。与此同时,大多数情况人们更关心的是视频中的运动区域,因此如果对图像全部区域按照相同方式进行重建,不仅浪费时间,而且无法获得物体的运动信息。传统的自适应重建方法一般是针对基于贝叶斯理论的重建方法或是对特定编码的观测图像进行区域搜索。
技术实现思路
本专利技术的目的是在基于压缩感知的高时间分辨率视频重建过程中,自适应地估算视频中各物体的运动量大小,并根据运动信息针对性地重建图像, ...
【技术保护点】
一种基于信号相关性的自适应视频重建方法,其特征在于,该方法包括以下步骤:(1)样本分类,具体是:(1.1)利用光流法计算样本视频中相邻帧图像的运动矢量图;(1.2)对样本视频进行随机采样,样本块大小为8×8×T,T为视频帧数;(1.3)根据(1.1)中的运动矢量图计算各个样本块的平均运动量,并依据运动量将样本块分类,得到不同运动量的样本集其中l为样本集个数,N为样本个数。(2)字典训练,具体是:(2.1)利用K‑SVD算法对不同运动量的样本集分别进行训练,得到对应于不同运动量的完备字典Ψl;(2.2)将(2.1)中训练的字典合并为一个字典Ψ,Ψ=[Ψ1,Ψ2,…]。(3)初步分块重建,具体是;(3.1)将观测图像分为不叠加的图像块,图像块大小为8×8;(3.2)构建三维完备字典Ψ0,其中空间维为64×64的二维余弦基,时间维为T×T的一维小波基;(3.3)利用OMP算法以及字典Ψ0对各图像块重建,得到重建视频块。(4)运动区域分类,具体是:(4.1)计算初步重建的视频块中各帧图像块间的相关系数;(4.2)将相关系数取均值后作为对应图像块区域的相关系数,从而得到整幅图像的相关系数图;(4 ...
【技术特征摘要】
1.一种基于信号相关性的自适应视频重建方法,其特征在于,该方法包括以下步骤:(1)样本分类,具体是:(1.1)利用光流法计算样本视频中相邻帧图像的运动矢量图;(1.2)对样本视频进行随机采样,样本块大小为8×8×T,T为视频帧数;(1.3)根据(1.1)中的运动矢量图计算各个样本块的平均运动量,并依据运动量将样本块分类,得到不同运动量的样本集其中l为样本集个数,N为样本个数。(2)字典训练,具体是:(2.1)利用K-SVD算法对不同运动量的样本集分别进行训练,得到对应于不同运动量的完备字典Ψl;(2.2)将(2.1)中训练的字典合并为一个字典Ψ,Ψ=[Ψ1,Ψ2,…]。(3)初步分块重建,具体是;(3.1)将观测图像分为不叠加的图像块,图像块大小为8×8;(3.2)构建三维完备字典Ψ0,其中空间维为64×64的二维余弦基,时间维为T×T的一维小波基;(3.3)利用OMP算法以及字典Ψ0对各图像块重建,得到重建视频块。(4)运动区域分类,具体是:(4.1)计算初步重建的视频块中各帧图像块间的相关系数;(4.2)将相关系数取均值后作为对应图像块区域的相关系数,从而得到整幅图像的相...
【专利技术属性】
技术研发人员:陈跃庭,唐超影,徐之海,李奇,冯华君,
申请(专利权)人:浙江大学,
类型:发明
国别省市:浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。