[发明专利]一种基于多元统计模型的分形小波自适应图像去噪方法

说明书

技术领域

本发明涉及视频处理技术领域，具体地，涉及一种基于多元统计模型的分形小波自适应图像去噪方法。

背景技术

足球比赛视频中的行为识别是人工智能的前沿研究方向，该方面的研究具有重大的经济意义和社会价值。

足球比赛视频中的多运动员行为识别的研究现状及存在的问题

足球比赛视频中的多运动员行为识别涉及特征提取、目标跟踪与检测、行为表示、分类器的构建及行为识别等具体研究内容。

目标跟踪与检测技术的研究

足球比赛视频中的多运动员行为识别过程中的目标跟踪与检测主要是对运动员及球的跟踪与检测，属于多目标跟踪与检测范畴。

1.2.1.1多运动员跟踪与检测技术的研究

过去20多年，多目标跟踪与检测问题得到了广泛研究，提出了许多目标检测与跟踪算法，但是对学习和识别框架中的整个球队的行为模式的跟踪与检测方面的研究很少。这些算法可以概括为四大类：①基于特征的；②基于模型的；③基于运动的；④基于数据关联的算法。表1.1总结了从2000年1月到2011年12月为止的一些重要期刊和会议上发表的有关行为跟踪和识别使用特征统计。

表1.1人体行为识别使用特征统计分析(％)

在基于特征的算法中，跟踪目标的某些特征被用来区分一帧视频中的跟踪目标和其它物体。有些算法利用了背景图像作参考，即所谓的背景帧。利用当前帧减去背景帧所得到的“差额帧”中的所有对象就是计算出的跟踪目标。为了从其它物体中鉴别跟踪目标，用跟踪目标的特征来特征化特征状态空间中的跟踪目标。跟踪目标表示中的参数化形状，颜色分布，形状和颜色可以作为特征。文献用特征与手动标记的跟踪目标来训练神经网络分类器，然后用训练好的神经网络分类器来区别跟踪目标与其它对象。文献用几何模块实现图像到模型的单应矩阵估计，通过提取描述跟踪目标的位置和局部外观的兴趣点来进行局部跟踪。椭圆形区域内的颜色直方图用于跟踪球场上的运动员。这些算法更多地利用了低层图像信息，获取特征方式简单，用一种粗糙的特征来描述整个行为，对于噪声、视角变化和行为的主体变化很敏感。

基于模型的算法，包括反模型算法，使用特征、高层语义表示和领域知识来区分跟踪目标与其它对象。Gammeter等用人类姿势统计模型来完善行人跟踪系统。Ali和Shah在密集人群中用基于力学模型的现场结构来跟踪个体目标。文献用激光范围搜索器和动态RFID传感器的组合来解决跟踪与识别问题，用概率模型进行实时跟踪。这些算法的缺陷是难于建立精确的行为表示模型，各种不同的比赛不能共享模型，且受限于姿势估计算法的发展。

基于特征与模型的算法主要有三要素：目标表示、特征提取和对象区分。建立目标表示的原则是从其它物体中区分目标并可以很容易地提取用于表示的特征。因此，目标表示可以包括外观特征、运动特征，而模型是用来解决不同问题的。初始化过程中建立的表示随着帧的变化而不断更新。算法利用了隐含的假设，即在同一帧内目标与其它物体之间有“某种不同”。算法的缺陷是特征的选取及特征对行为识别的影响难于估计，模型的适应性需要提高。

基于运动的算法依赖于提取随帧(或时间)变化的运动的一致性来分割运动对象。文献通过消除阴影为足球运动员检测取得良好的分割效果。虽然运动的一致性涉及一些帧，基于运动的算法通过水平目标还不是水平轨迹来区分目标和其它物体。这些方法的缺陷是很难找到遮挡目标的位置。

基于数据关联的算法的目的是解决数据关联问题，是一个寻找检测对象与已知路径之间的正确对应问题。数据关联问题有四种基本解决方法：①近邻法是一种在高度混乱的环境下能有效计算但跟踪不可靠的算法。②文献中的跟踪操作是解决数据关联问题的一种技术。当前跟踪操作包括由Smith和Buechler提出的轨迹分裂、轨迹合并和轨迹删除。③联合概率数据关联，即利用联合概率目标测量执行“排除”原则以防止两个或更多的跟踪器锁定相同目标。④多假设跟踪是一种基于多种扫描方法的跟踪技术。这些算法需要较高的内存和过多的计算，从而使问题的复杂度指数增长。

在实现本发明的过程中，发明人发现现有技术中至少存在操作过程复杂、花费时间长和可靠性低等缺陷。

发明内容

本发明的目的在于，针对上述问题，提出一种基于多元统计模型的分形小波自适应图像去噪方法，以实现操作过程简单、花费时间短和可靠性高的优点。

为实现上述目的，本发明采用的技术方案是：一种基于多元统计模型的分形小波自适应图像去噪方法，包括：