监控视频的后处理技术-电子与通信工程专业论文.docxVIP

上海 上海交通大学硕士学位论文 万方数据 万方数据 监控视频的后处理技术 摘 要 监控技术的快速发展，成本的快速降低使得越来越多的监控系统 应用在人们生活中的各个方面。然而监控视频每日二十四小时连续拍 摄，其数据量巨大，给存储和传输都造成了很大的困难，因此如何解 决压缩问题成为监控视频应用的重中之重。 一方面，雨雪等动态天气条件会造成视频运动估计的不准确，导 致的结果是运动补偿时残差增大，从而降低了压缩率，而动态的雨雪 并非监控视频中有用的信息，却极大的制约了当前监控视频的存储系 统。因此如果能够在视频拍摄后有效地去除视频中的雨雪等动态粒子， 可以去除不良天气条件造成的干扰，从而提高压缩率。 另一方面，在编码时，监控视频往往被压缩成 JPEG, MPEG-x, H.26x 等标准格式。在这些标准中，图像块首先被变换到不同的域， 然后再对其参数进行量化，量化幅度越大，视频数据越少。这些有损 压缩造成了图像块显示的不连续性，导致了块效应。因此，如果能对 监控图像进行去块处理，就可以使得压缩更加有效，从而提高查找效 率和人眼的主观感受。 考虑到监控视频应用的广泛性，视频去雨去块后处理算法有着很 大的社会意义。 为了降低视频的运动补偿残差，针对雨雪等不良天气对图像造成 的污染，本文以各向异性扩散核为数学基础进行研究，并根据动态天 气的特点，将其运用到去雨当中。各向异性扩散的思想近年来在图像 降噪、图像分割方面获得了较为广泛的应用。该算法的基本思想是求 解 基 于 原 始 图 像 的 偏 微 分 方 程 。 基 于 这 种 思 想 设 计 的 扩 散 张 量 （diffusion tensor）滤波器通过各向异性扩散，可以对图像实现有效的 平滑，并且较好地保存边缘，从而有效去除噪声。利用扩散张量滤波 器的这种特性，本文对雨的光度特性进行分析，再基于这些特征设计 VI 自适应去雨算法，同时使其在时间域和空间域上进行各向异性滤波。 修改后的滤波器可以去除动态的雨雪，同时保持原图片背景的完整性。 结果表明，该滤波器可以较为有效的去除图像中的雨串。而且和传统 的去雨方法相比，各向异性滤波器不对雨点轨迹进行探测，而采用自 适应滤波器对雨进行滤除，使得算法有较好的鲁棒性和运算速度。 为了提高压缩效率，本文首先针对监控视频的块效应做了滤波的 后处理工作。滤波以非局部均值滤波(non-local means filter, NLF)作为 理论基础，创新点在于对其参数的选择做了自适应的研究，选取的主 要方法为机器学习。本文首先提出了衡量块效应的两个指标：最小均 方差和块内信息能量残差，并根据以评价标准 PSNR 为指标，计算出 最佳的非局部均值滤波参数。接下来以此为标准数据，对模型进行了 训练。得到模型以后，根据测试图像信息，自适应的计算非局部均值 滤波的参数，并进行滤波。实验数据表明，从本文提出的算法从 PSNR 和 SSIM 的角度均好于同类算法。 关键词：非局部均值滤波，图像去块，视频去雨，各向异性滤波核 VII Post-processing Technology of Surveillance Image/Video ABSTRACT Outdoor video systems are applied widely and variously in current society. However, as surveillance videos are taken all day long, there are huge amount of data, which are the biggest challenge we face. On one hand, dynamic weather conditions such as rain and snow can result in inaccuracy of motion estimation, thus enlarging motion compensation residual. However, dynamic rain and snow are not useful information for surveillance videos. If we can remove rain and snow when taking videos, we could reduce compression disturbing, as a result, improving data storage efficiency. On the other hand, in order to reduce data, image and video are usually compressed by d