图像视频低秩张量表达及恢复算法研究

CORC > 沈阳自动化研究所 > 中国科学院沈阳自动化研究所 > 机器人学研究室

题名	图像视频低秩张量表达及恢复算法研究
作者	陈希爱1,2
答辩日期	2018-09-19
授予单位	中国科学院沈阳自动化研究所
授予地点	沈阳
导师	唐延东 ; 韩志
关键词	低秩稀疏分解低秩张量分解三维全变分多高斯拟合马尔科夫随机场
学位名称	博士
其他题名	Image/Video Representation and Reconstruction via Low-rank Tensor
学位专业	模式识别与智能系统
英文摘要	本论文针对具有共享性或者重复性特质的图像视频数据，利用数据中所具有的共享性或重复性特质，开展了相关低秩理论研究。从数据的表达形式、误差建模方法以及恢复算法方面入手，提出了具有创新性的模型算法。论文的主要内容和创新点如下：（1）针对具有相关性的图像序列存在的非对准以及可能同时存在的局部遮挡、噪声污染等问题，在低秩矩阵框架下提出了一种带有二次惩罚函数的低秩稀疏分解方法，用于实现具有相关性的图像序列鲁棒对准。该方法通过低秩矩阵手段来挖掘相关性图像序列中蕴含的共享性或重复性结构信息，对图像中可能存在的局部遮挡以及噪声污染问题，利用稀疏和非稀疏形式的分布对其进行误差建模，从而解决单一分布形式误差建模带来的鲁棒性不足问题。利用非凸优化方式对问题模型进行求解，从而避免了凸优化方式下带来的有偏估计问题。采用局部线性化和增广拉格朗日的思想，设计了有效的求解算法。对比实验验证了所提方法在图像序列鲁棒对准问题上的有效性。（2）针对高光谱图像的空间域低分辨率问题，提出了一种耦合三维全变分的非局部块低秩张量超分辨恢复方法。该方法在数据张量表达以保持图像结构信息基础上，利用非局部块低秩张量来挖掘高光谱图像在谱段域和空间域上的全局相关性以及非局部自相似性，利用三维全变分来描述高光谱图像中蕴含的局部三维结构上的平滑性，同时抑制噪声。采用张量的加权各模矩阵的秩来进行张量秩的凸优化，进而利用局部线性逼近以及交替方向算子的思想设计了有效求解算法。数值实验中的定量和定性结果表明，该方法在高光谱图像空间域超分辨率恢复性能上具有一定的优越性。（3）针对受复杂噪声影响的具有共享性或者重复性结构的图像数据，提出了一种耦合多高斯误差建模的低秩张量图像恢复模型。该模型充分利用两种经典张量分解在不同应用中的性能优势，实现对张量数据的恢复。并利用多高斯所具有的对任意连续分布的拟合特性，提高模型对数据中复杂噪声的鲁棒性。与传统模型的对比实验表明，本文所提模型在单幅彩色图像恢复、多光谱图像恢复以及人脸建模等多种不同实际应用中均取得了较好的恢复效果，显示出该模型更具有一般性和适用性。同时，针对无噪声分布先验的实际高光谱图像恢复问题，该模型能够有效剔除实际未知噪声分布对图像恢复效果的影响，显示了模型所具有的鲁棒性能。（4）针对具有低秩特性的视频背景数据，提出了一种融合马尔科夫随机场和多高斯的低秩张量逼近模型，用于实现不同场景下监控视频背景的有效分离。该模型利用张量对视频数据进行表达以保持视频帧中信息的完整性，并利用低秩理论来挖掘视频背景中蕴含的共享性信息，通过多高斯误差建模来提高模型对不同场景下监控视频中可能存在的干扰因素的鲁棒性，同时采用马尔科夫随机场描述了视频数据在局部时空域上呈现的连续性。在变分期望最大化框架下推导给出了有效求解算法。数值实验结果表明，该模型能够有效地实现不同场景下监控视频的背景分离重建，同时能够去除噪声对视频背景分离的影响，显示了模型的有效性和鲁棒性。
语种	中文
产权排序	1
页码	119页
内容类型	学位论文
源URL	[http://ir.sia.cn/handle/173321/23649]
专题	沈阳自动化研究所_机器人学研究室
作者单位	1.中国科学院沈阳自动化研究所 2.中国科学院大学
推荐引用方式 GB/T 7714	陈希爱. 图像视频低秩张量表达及恢复算法研究[D]. 沈阳. 中国科学院沈阳自动化研究所. 2018.