视频是人类记录世界和感知世界的一种常用手段,我们可以从中提取出语音、图像等多方面的信息。同时,视频是动态变化的,其中的变化可以通过一系列时间轴上的图像序列反映出来。在某些情境下,微小变化拥有巨大的价值,但由于人眼分辨能力的诸多限制,导致这些变化被忽视,进而难以对其合理利用。传统的信号增强算法会对所有的变化进行放大,但更多的情况下,我们只希望对所关注变化实现信号增强。本文研究的信号增强方法提供了一种从视频中提取出并放大微小运动的简便途径,并设计了一种应用方案来验证所研究方法的可用性,增加了微小变化的价值被发掘与利用的可能性。本文研究的重点为如何从视频中提取出发生微小变化的信号,并对变化信号进行增强。研究过程中首先通过文献法对国内外与本研究内容相关的文献进行系统收集与分类,了解本研究的最新进展,并使用比较法从多种方法中总结得出一种主流方案。然后对微小变化的运动放大处理流程中各个环节进行理论分析与实验,特别是针对信号提取的方式展开了多个方面的研究。最后通过方案设计,体现出视频微小变化信号增强方法的应用价值。本文主要工作包括以下几点:(1)提出微小变化区域确定方法。为了避免背景干扰及减少处理中资源的消耗,本文提出了前景蒙版方法和基于方向梯度直方图自动确定变化区域的方法,将处理范围缩小到发生微小变化的范围内,减少了背景中非关注运动对处理结果的影响。(2)提出微小运动和大运动分离方法。视频中通常会同时包含大运动和感兴趣的微小运动,本文利用这两种变化信号幅值的区别,通过滤波器去除大运动,只对关注的微小变化进行信号增强,减少了视频中运动伪影的出现。(3)周期性信号处理与频率计算。在某些应用中,信号变化具有一定规律性,但其周期难以直接判断。本文运用周期性变化模型对信号进行处理和分析,并通过功率谱估计法和峰值检测算法估计微小变化信号的频率值。(4)设计基于视频的睡眠分期方案。根据前期基础理论与算法研究的成果,从视频中提取出呼吸信号与眼球运动信号,设计了一种根据这两种信号变化特征来判定睡眠阶段的方案。通过实验获得的结果显示该方案具有一定的应用价值。