论文部分内容阅读
图像和视频作为信息传递的主要方式之一,在获取和传输的过程中可能会引入不同类型的失真,这些失真会影响图像和视频的质量。失真类型有多种,其中模糊是最常见的失真类型。针对图像和视频中存在的模糊失真,以及现有相关算法的缺点,本文首先提出了一种有效的模糊图像质量评价算法,然后,将模糊图像质量评价算法应用到视频去模糊中,提出了一种有效的视频去模糊算法。本文主要的研究工作如下:(1)针对目前模糊图像质量评价算法不能同时在合成模糊图像库和真实模糊图像库上有很好效果的问题,本文提出一种基于奇异值响应函数(Response Function of Singular Values,RFSV)的模糊图像质量评价算法。该算法在两类图像库上都表现出很好的性能。算法包括四个步骤:首先,分别计算失真图像的灰度图、梯度图和显著性图。显著性图通过尺度不变特征变换(Scale-Invariant Feature Transform,SIFT)得到,并将灰度图、梯度图和显著性图分成相等大小的图像块;其次,将梯度图的图像块转换到离散余弦变换(Discrete Cosine Tra-nsform,DCT)域,并在 DCT 域中设计了一个 RFSV,RFSV 的和用来估计图像的模糊程度;然后,用灰度图的方差和梯度图的DCT域熵来归一化RFSV,从而减小图像内容的影响;最后,用显著性图中SIFT特征点的个数,给每个图像块分配一个独立的权重,得到最终的加权模糊分数。该算法能对不同模糊类型的图像进行准确评价,具有很好的鲁棒性。(2)针对视频中存在的模糊,提出一种基于运动矢量(Motion Vector,MV)的视频去模糊算法。该算法利用运动矢量来快速进行图像块搜索,并结合改进的卷积神经网络来实现视频去模糊。算法包括四个步骤:首先,使用提出的基于奇异值响应函数的模糊图像质量评价算法,来定位视频帧中的模糊图像块;其次,使用运动矢量搜索模糊图像块对应的候选块,并用目标函数得到最优候选块;然后,将模糊图像块和最优候选块作为样本输入到卷积神经网络中,得到模糊图像块的修复结果;最后,用修复结果替换该模糊图像块,并消除边界伪影,得到整个视频帧的修复结果。实验表明该算法能得到清晰的修复结果,整体性能优于其它算法。