連分式方法在脈沖去噪、時序數(shù)據(jù)壓縮及視頻鏡頭檢測中的應用研究.pdf

1、近年來在許多應用問題的研究中，非線性方法越來越受到重視。而在數(shù)值分析領域，運用最多的非線性數(shù)值研究方法是連分式插值和逼近方法。相較于其它插值和逼近方法，基于連分式的非線性有理插值方法具有更小的逼近誤差，尤其對于大范圍波動的非線性數(shù)據(jù)具有更好的逼近效果。由于連分式插值與逼近方法具有優(yōu)秀的非線性數(shù)據(jù)逼近性能，目前該方法已被廣泛應用于多個工程技術領域。本文主要研究的是如何運用連分式插值和逼近來解決圖像脈沖去噪問題、時序數(shù)據(jù)壓縮和重建問題以及視

2、頻鏡頭邊界檢測問題。具體的研究內(nèi)容體現(xiàn)在以下幾個方面:
　　提出了一種基于一元Thiele連分式插值的圖像脈沖去噪方法。首先，通過分析指出現(xiàn)有脈沖去噪方法存在著先驗知識問題、邊緣保持問題、自動化檢測問題以及區(qū)分單極和雙極脈沖問題。然后通過對這些問題的研究，提出一種基于一元Thiele連分式插值的脈沖去噪方法，該方法利用四方向一元Thiele連分式插值的加權平均來恢復被污染的圖像，能夠解決先驗知識問題和邊緣保持問題。
　　提出

3、了一種基于二元Newton-Thiele連分式插值的圖像脈沖自動檢測和去噪方法。通過對現(xiàn)有脈沖圖像檢測方法的回顧，指出現(xiàn)有檢測方法無法實現(xiàn)脈沖圖像的自動化判斷和檢測。為解決該問題，提出了一種脈沖圖像自動識別方法LMVD，該方法利用歸一化直方圖、局部均值和方差來模擬人類識別脈沖噪聲的認知過程，能夠自動判斷出圖像是否被脈沖噪聲污染。在LMVD的基礎上又給出了一種利用二元Newton-Thiele連分式插值來恢復污染像素的算法NTF。該算法包

4、括兩個步驟:步驟一，利用污染像素相鄰的八個點來構(gòu)造一個二維網(wǎng)格。步驟二，在二維網(wǎng)格上進行Newton-Thiele插值來恢復被污染的像素點。該算法既適用于雙極脈沖也適用于單極脈沖，同時不需要任何先驗知識來預設各類參數(shù)，因此具有良好的魯棒性。
　　提出了一種基于Thiele向量值連分式插值的時序數(shù)據(jù)壓縮和重建算法。該算法首先利用基于分段直線逼近的道格拉斯-普克算法對待壓縮的時序數(shù)據(jù)進行初步壓縮，然后在得到的壓縮數(shù)據(jù)點上劃分若干區(qū)段，

5、在區(qū)段上利用Thiele向量值連分式插值來刪除冗余的壓縮數(shù)據(jù)點。相較于基于分段直線的算法，該算法不僅適用于線性時序數(shù)據(jù)的壓縮和重建，同時也適用于非線性時序數(shù)據(jù)的壓縮和重建。在給定的壓縮誤差下，該算法擁有更高的壓縮比。
　　提出了一種基于快速魯棒特征和支持向量機的視頻鏡頭邊界檢測算法。該算法利用快速魯棒特征SURF進行相似度度量，并在此基礎上設計了一種變步長切變檢測算法。對于漸變的檢測，提出了學習攝像機運動特征和漸變過渡特征的思路，

6、利用支持向量機學習得到兩級分類器，然后再利用其進行漸變檢測。
　　提出了一種基于Thiele連分式插值的視頻邊界統(tǒng)一檢測模型。通過對現(xiàn)有鏡頭邊界檢測算法的分析，本文還提出了一種獨立于具體相似度特征的統(tǒng)一視頻邊界檢測模型。該模型可以根據(jù)實際應用情況來輸入不同的特征，然后進行鏡頭邊界檢測。模型利用Thiele連分式插值來構(gòu)造一個決定函數(shù)DF，然后在幀序列上移動DF，根據(jù)DF的輸出獲得一個標志序列，最后通過判斷標志序列給出切變和漸變邊界