[发明专利]基于学习的压缩视频超分辨率的特征匹配方法无效

专利信息
申请号: 200910062070.9 申请日: 2009-05-15
公开(公告)号: CN101551902A 公开(公告)日: 2009-10-07
发明(设计)人: 胡瑞敏;兰诚栋;陈军;卢涛;韩镇;王中元;陈萍 申请(专利权)人: 武汉大学
主分类号: G06T5/00 分类号: G06T5/00;H04N7/26;H04N7/30
代理公司: 武汉华旭知识产权事务所 代理人: 刘 荣
地址: 43007*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 学习 压缩 视频 分辨率 特征 匹配 方法
【说明书】:

技术领域

发明属于图象超分辨率处理领域,特别是涉及在监控应用中,基于样本学习以增强视频和图象分辨率的方法。

背景技术

视频监控系统通过技术手段获取现实世界的图象进行传输和存储,以便用户可以使用网络实时获得异地监控情况,提高了对突发事件的应对能力和安全防范能力。同时,视频监控录象也可用于公安部门事后调查取证,从而提供了一种有效的刑侦手段。为了从监控视频中获取更多的关于目标的细节信息,比如人脸特征、车牌号码等等,以便辨识确定其身份,常常需要监控视频提供有关目标的高质量高清晰的图象,以便从中获取更多的有用信息。因此,对视频监控应用而言获得高质量高清晰的图象是其核心业务需求。

但在实际应用中,存在多种因素造成了监控视频图象质量的降低。有环境因素:如光线亮度,大雾,下雨等;有摄象机本身因素:如镜头光学模糊,CCD采样分辨率,器件噪声等;有摄象过程产生的因素:如镜头与物体相对运动,散焦等。其中,监控应用中最常见且非常严重的一类降质是由设备对视频进行下采样和压缩处理引起的。目前在监控视频分辨率上,CIF(352×288)是主流的分辨率,随着存储技术的发展,D1(720×576)将会成为设备厂商的首选,但图象分辨率远远满足不了视频监控的要求。受到网络传输带宽和存储设备容量的限制,需要在传输和存储之前进行降分辨率和压缩处理以减少数据量,这将导致大量高频细节信息的丢失,使感兴趣目标对象的细节无法辨识,这种现象普遍存在,如图1所示。

目前,针对不同因素造成的模糊有不同的技术方法来解决,如去运动模糊、去噪、夜间图象处理、去雾处理等,但是这些方法都无法恢复由于降分辨率与压缩造成的细节信息损失。超分辨率重建技术是近年来发展起来的用于提高图象分辨率的技术,其基本原理是对物理成象过程建立数学降质模型,然后结合目标图象重建误差和先验知识约束等方法建立代价函数,最后通过迭代法求取代价函数的最小值。它提供了一种能够融合多帧有效信息并且结合先验知识来恢复和增强细节信息的途径。同时由于超分辨率的降质模型中包含了镜头光学模糊点扩散函数和高斯白噪声,因此,它也具有去光学模糊和噪声的作用。综上所述,超分辨率重建技术是监控业务中具有潜在应用价值的的关键技术。

由于目前视频图象大部分都是压缩格式的,压缩中的量化过程使得获得的低分辨率图象丢失了一部分数据,即观测图象中增加了量化噪声的影响。对于基于样本学习的超分辨率方法,训练库中的低分辨率图象并没有受到量化影响,这将导致原有的特征向量不能准确地做为匹配的依据。而传统方法都没有考虑量化噪声影响基于学习的超分辨率方法精确性的问题。

发明内容

为了解决上述压缩量化噪声影响匹配精确性的问题而提供一种基于学习的压缩视频超分辨率的特征匹配方法,该方法通过利用图象频域中受量化噪声小的低频部分做为匹配特征,同时依据量化步长补偿平均量化噪声,提高基于学习的压缩视频超分辨率的匹配准确度。

实现本发明目的采用以下的技术方案:

一种基于学习的压缩视频超分辨率的特征匹配方法,是在基于样本学习方法进行压缩视频超分辨率过程中,利用匹配特征的准确提取和量化噪声的补偿提高匹配精确性。在输入图像分块与样本分块进行匹配时,利用低频系数做为匹配特征,依据量化步长在匹配准则中进行量化噪声补偿,进而使输入图像存在量化噪声的情况下,获得更准确的匹配。

上述基于样本学习方法进行压缩视频超分辨率包括以下步骤:利用高分辨率的图像样本库,通过将输入的低分辨率压缩图像或分块与样本库图像或分块进行搜索匹配,从而学习推测出低分辨率图像相应的高分辨率图像信息。

上述匹配特征的低频系数包括:将空域图像数据进行DCT变换之后,抽取1个DC系数和按扇形紧跟其后的14个AC系数。

上述量化噪声补偿的匹配准则方法包括:假设量化前系数符合某种分布(如平均分布或拉普拉斯分布),先计算出均方量化噪声,在匹配时,对相应匹配块的低频部分系数做差值,得到的值进行2范数,再减去均方量化噪声,将结果值最小的块做为匹配得到的块。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于武汉大学,未经武汉大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/200910062070.9/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top