论文部分内容阅读
视频图像在形成、传输过程中会受到噪声干扰,使传输画面出现边缘轮廓失真。因此寻求有效的降噪算法对失真图像进行恢复,并采用科学的图像评价方法判断图像是否符合人眼视觉标准极为重要。针对视频降噪,将视频帧看成一个连续的图像序列,结合自适应阈值运动检测实现降噪。在检测运动区域前,利用主成分分析(Principal Component Analysis,PCA)预估图像噪声大小;然后将PCA噪声方差预估算法与改进的帧间差分算法相结合,根据预测噪声方差的大小,自适应调整运动检测的阈值,避免因传输中噪声变化而造成的区域“误判”现象,提高运动检测的准确度;对运动区域和静止区域分别采用空域自适应非局部均值(NL-means)滤波和改进的时域加权均值滤波两种不同的降噪算法,更高效地提高降噪性能。针对降噪效果评价,本文研究采用通用型无参考图像质量评价评判图像质量。传统算法中将彩色图像直接转换为灰度图像时,存在对图像色彩信息忽视,预测结果不准确的问题。将彩色图像的HSV模型运用到无参考图像质量评价算法中,利用图像固有的MSCN(Mean Subtracted Contrast Normalized)系数符合高斯分布的特性,分别提取彩色图像色彩饱和度空间和亮度空间的MSCN分布特征值,通过支持向量回归机建立相应模型,用标准图像质量数据库对训练的模型进行测试,得到和人眼视觉效应较吻合的质量评分。改进的算法不仅和人眼的视觉效应有很好的吻合度,而且运算时间短、实用性强。