资源描述:
《基于k-svd的低信噪比wmsn视频图像稀疏去噪》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库。
1、图形与图像;201211072#修改稿基于K-SVD的低信噪比WMSN视频图像稀疏去噪收稿日期:2012–10–15;修回日期:2012–12–22*基金项目:国家自然科学基金项目(面向山区铁路异物侵限监测的压缩感知视频图像处理方法61261040)通迅地址:330013江西省南昌市华东交通大学信息工程学院Address:SchoolofInformationEngineering,EastChinaJiaoTongUniversity,Nanchang,330013,P.R.China罗晖,褚红亮,王世昌(华东交通大学信息工程学院,江西南昌330013)摘要:无线多媒体传
2、感器网络(WirelessMultimediaSensorNetworks,WMSN)因感知视频等信息的优势而被广泛应用,但受天气、光照等外因干扰,所采集视频图像常含有较为严重的噪声。因此在低信噪比条件下进行视频图像去噪是保证WMSN视频监测有效性和可靠性的关键。在分析WMSN视频图像特征的基础上,首先对其进行周期性采集、分帧及帧差等预处理;然后对关键帧运用K-SVD训练DCT冗余字典以充分稀疏表示图像特征,并采用基于残差比的改进型Batch-OMP实现关键帧去噪及重构;而对残差帧则基于DCT冗余字典进行稀疏去噪处理;最后,叠加去噪后的关键帧和残差帧,从而整体上实现低信噪比
3、WMSN视频图像的去噪及重构。实验表明,本文算法能更加有效地、较为快速地滤除视频图像噪声,适用于低信噪比WMSN视频图像去噪。关键词:稀疏去噪;K奇异值分解;残差比;低信噪比;无线多媒体传感器网络;中图分类号:TP391.41文献标识码:ASparsedenoisingviaK-SVDforWMSNvideoimageinlowSNRLUOHui,CHUHong-liang,WANGShi-chang(SchoolofInformationEngineering,EastChinaJiaoTongUniversity,Nanchang330013,China)Abstrac
4、t:Asahighlyeffectivemethodofperceivingmultimediainformation,WirelessMultimediaSensorNetworks(WMSNs)hasshownitspotentialinmanyareas.However,theoutsideinterferenceinthemonitoringenvironmentleadsseverenoisetovideoimages.Obviously,videoimagedenoisingbecomesthekeytoensuringthevalidityandreliabi
5、lityofWMSNvideomonitoring.TodenoiseWMSNvideoimage,firstlyanalyzeitsfeaturesandmakesomepretreatment.Secondly,employtheK-SVDalgorithmtoadaptivelytrainDCTdictionaryforreflectingtheimagecharacteristicsandreconstructthekeyframethroughimprovedBatch-OMPalgorithmwithresidualratioastheiterationterm
6、ination,whileadoptDCTdictionarytosparselydenoisetheresidualframes.Finally,fortheentire,thevideoimageisreconstructedunderthesituationoflowSNR.Experimentalresultsshowthatthesuperioritiesofthealgorithmcomparingtoitscounterpartscanbeobservedinbothvisualandsomenumericalguidelines,showingthesuit
7、abilityfortheWMSNvideoimagedenoisinginlowSNR.Keywords:Sparsedenoising;Residualratio;K-SVD;LowSNR;WMSN;1引言无线多媒体传感器网络[1]是由一组具有计算、存储和通信能力的多媒体传感器节点组成的分布式感知监测网络,常用于智能交通、工业控制等领域。然而,WMSN监测视频不可避免地受到雨雪雾恶劣天气、光照等外界因素的影响,致使图像信噪比低,视觉效果较为模糊;此外,WMSN监测场景复杂,视频图像中存在大量的边缘、纹理等细节信