双密度基于DWT融合技术缓解动荡监控视频

M。纳瓦兹Shareef¹和S。Swarna拉莎²

M。科技的学生,电子与通讯工程部门,SVUCE Tirupati,美联社,印度
副教授,电子与通讯工程部门,SVUCE Tirupati,美联社,印度

文摘

介绍一种新型湍流缓解算法基于双密度基于离散小波变换的融合技术。在这个方案DD-DWT应用于ROI的一部分选择的视频帧序列图像分解成分解然后融合技术应用于每个ROI帧,以便获得输出视频失真是免费的。我们比较我们的方法与现有标准基于DTCWT融合技术;我们证明我们的技术会产生更好的效果。

关键字

双树复小波变换(DT-CWT),图像恢复,质量指标,区域层次上的融合。

介绍

大气湍流是一种自然发生的现象,会严重降低视频信号在采集的视觉质量。有各种类型的大气扭曲如雾、霾减少对比度和动荡由于温度变化或气溶胶。视频等公共区域是受大气扭曲导致模糊,动摇和扭曲的场景中物体的形象。在强湍流,模糊效果出现在视频图像中,闪烁小规模生产现场以及剪切强度波动效应是observedwhere图像可以获得距离20公里。发现很难解释背后的信息扭曲层由于湍流效应。这将导致更快和更大的微尺度的空气折射率的变化。的情况下当温度比地面上方的空气,空气被加热,形成水平层。由于温差的增加地面和空中观察所以厚度一层一层收缩和空气向上移动导致空气折射率的变化。因此,有重要的研究活动试图忠实地使用各种方法重建这个有用的信息。

我们建议一种新的合成方法为沉没大气湍流的特性描述。首先,应用合成之前,的一个子集选择图像或roi必须相关。这里我们引入一个新的设计方法扭曲的图像。因为意外扭曲的图像不提供匹配特性,我们不能用传统的方法找到相同的特性。相反,我们应用形态学图像处理技术,即侵蚀,ROI(或整幅图像)仅基于最暴露的帧。这些都是优先使用质量度量基于清晰度,强度相似和ROI的大小。

现有的方法

然后我们使用提出计划执行fusionat功能水平。这优势pixelbasedprocessing因为更多智能语义融合规则可以考虑根据实际图像中特征,而不是在单个或任意像素组。融合表现在双树复小波变换(DT-CWT),采用两种不同的实际离散wavelettransforms (DWT)提供真实和虚构的partsof类。两个生产完全摧毁树木,onefor奇怪甚至样品和一个用于样本generatedat第一级。这增加方向选择性在DWT和能够区分正面与负面方向在eachlevel给六个不同的分解。此外,thephase DT CWT系数是健壮的噪音和temporalintensity forremoving扭曲波纹变化从而提供一个有效的工具。最后,DT-CWT near-shiftinvariant-an重要属性对于这个应用程序。Afterfusion,烟雾的效果是减少使用locally-adaptivehistogram均衡。为了方便起见,我们将这种算法称为清楚(大气湍流的复小波融合)。每一步的细节在我们的算法如下所述。

在大气湍流的存在捕获视频,特别是当使用高放大倍数的镜头,maycause每一帧成为偏差的ROI。Thedisplacement successiveframes扭曲对象之间可能太大,传统的图像配准,使用非刚性的变形,以应对。同样,matchingusing特征检测是不适合,因为每一帧是随机梯度强劲扭曲的空间。因此,anapproach使用形态学图像处理算法。

提出了缓解计划

一位杰出的成员有overcomplete离散小波变换(DWT)是双密度(DD) DWT,基于filterbank。最重要的家庭小波是由Ingrid Daubechies发现和描述的完全Daubechies (1992)。这个家庭与不同程度的平滑紧支撑。正式的推导Daubechies的小波已经超出了本章的范围,但是它的一些家庭成员的滤波器系数可以发现以下注意事项。

例如,获得小波的滤波器水龙头N消失的时刻,或等价,2 N过滤水龙头,我们使用以下方程。尺度函数的归一化属性

输入信号在threechannels分裂,每个摧毁的两倍。signalon第一通道是由一个相同的过滤器处理银行等。

DD-DWT是膨胀因子2,comparedto极度DWT采样。双树(DT)[2、3]是由两个小波transformsprocessing相同的输入信号和满足出某种关系:小波是一种approximateHilbert变换之一。

DT-DWT有几个有吸引力的属性,比如几乎移不变性anddirectional选择性更高的维度。设计最初严格采样DWT,双树conceptcan扩展到其他类型的DWT。conditionsfor两DD-DWTs形成双树如下。让我们考虑两个滤波器结构,一个(原始的)定义的过滤器H0 (z), H1 (z)和H2 (z),其他(双)定义的过滤器G0 (z), G1 (z)和G2 (z)。

Ho Ho (z) (1 / z) + H1 (z) H1 (1 / z) + H2 (z) H2 (1 / z) = 0

双密度DWT和dual-tree DWT有着自己独特的特点和优势,而这样做的结果是,只有自然这两个合并成一个复杂DWT变换称为双密度。结合的属性双密度和dual-tree CWTs我们确保:一对四个小波设计是抵消的另一对小波,整数之间的一对小波下跌中途转换整数翻译的另一对一对小波被设计成近似希尔伯特变换其他的一双小波。通过这样做,我们就能够使用复杂双密度小波变换来实现复杂的和方向小波变换。实现双密度dual-tree类,我们必须先设计一个合适的滤波器组结构(一个双密度的特点相结合,dual-tree CWTs)。我们看到什么类型的滤波器组结构与双密度CWT在前面的部分中,我们将转向dual-tree CWT的属性。dual-tree CWT主要是基于连接两个极度CWTs采样。为此,我们构建一个过滤器银行并行执行多个迭代。因此,相对应的滤波器组结构双密度复杂DWT包含两个采样过量迭代滤波器并行操作相同的输入数据。迭代采样过量的滤波器组对,对应的同时实现双密度和dual-tree dwt。

正如你所看到的,有两个单独的滤波器用嗨(n)和胃肠道(n) = 0, 1, 2。过滤器银行嗨(n)和胃肠道(n)是独一无二的和特定的方式设计上的子带信号DWT的实数部分可以解释为一个复杂的小波变换,和子带信号的低DWT可以被解释为虚部。同样,特别设计的过滤器,可以近似小波与上层DWT希尔伯特变换的小波与DWT较低有关。当以这种方式设计,双密度面向复杂DWT可用于实现二维小波变换,在图像处理尤其有效。(回想一下,双密度DWT,四个八的小波没有主导方向。)正因为如此,双密度复杂DWT有望超越doubledensity DWT在各种应用程序中,如de喧哗和增强图像。但首先我们必须设计双密度复杂DWT的过滤器。冷杉完美重建滤波器设计的这个过程显示如下。我们实现它们通过使用一组滤波器的第一阶段和第二组过滤器为其余阶段,滤波器组剩下的阶段设计,分析过滤器的第一第二棵树树合成过滤器,反之亦然。函数提供了分析和合成滤波器双密度的DWT的第一阶段,而函数提供了分析和合成滤波器的剩余阶段转换。

结果与讨论

结论

在图像增强方面,更好地执行的双重tree-complex双密度小波变换抑制噪声对双密度小波变换。然而,进一步提高性能需要使用不同的阈值为每个子带因为这相关的小波变换不同的子频带有differentnorms。在这个方案DD-DWT应用于ROI的一部分选择的视频帧序列图像分解成分解然后融合技术应用于每个ROI帧,以便获得输出视频失真是免费的。

我们比较我们的方法与现有标准基于DTCWT融合技术;我们证明我们的技术会产生更好的效果。

引用

l·c·安德鲁斯r·l·菲利普斯c . y . Hopen和m . a . Al-Habash j .选择“光闪烁,理论”。Soc。阿米尔。16卷,。6日,页。1417 - 1429年,1999年6月。
h . s . Rana”向通用军事图像自适应光学,“Proc。学报,7119卷,711904页,2008年9月。
先进的光电系统。(2012)(在线)。可用:
b·戴维·r·莱恩,r·贝茨“盲de嘈杂的复数图像的卷积”选择,Commun。5 - 6号,卷。69年,第356 - 353页,1989年。
e . y . Lam和j·w·古德曼,”迭代统计方法盲图像卷积,”j .选择,Soc。阿米尔。17卷,。7日,第1184 - 1177页,2000年7月。
j . Delport闪烁缓解了远程监控录像,“在Proc。科学。真正相关的相依,2010年,页1 - 8。
朱x和p . Milanfar”,消除大气湍流通过spaceinvariant反褶积、“IEEE反式。模式肛门。马赫。智能。,vol. 35, no. 1, pp. 157–170, Jan. 2013.
n Joshi和m·科恩”看到雷尼尔山:幸运成像多映像进行消噪处理,锐化,和烟雾去除,“在Proc, IEEE Int。Conf。第一版。摄影,2010年3月,页1 - 8。
r·格雷戈里“技术减少大气扰动的影响照相望远镜,“自然,203卷,1964年5月,页274 - 295。
z温、d·弗雷泽和a·兰伯特”后用来预测幸运地区动荡影响监测,“在Proc, IEEE Int。相依Surveill为基础的视频信号。,2006年11月,第108页。
m . Aubailly m .沃龙佐夫、g . Carhart和m .谷”自动视频增强流atmospherically-distorted图片:lucky-region融合方法,“Proc。有7463卷,p。74630 c, 2009年8月。
s . b . p . j .肯特福克斯,j·g·伯内特,s . c·伍兹和a·j·特纳,“进展实时主动幸运成像系统”,在Proc。技术。Conf。电增效。B3.1-B3.8远程Sens。, 2010年,页。[13]i Selesnick、Baraniuk r . n .金斯伯里,“dual-tree复杂的小波变换,IEEE信号的过程。22卷,杂志。6日,第151 - 123页,2005年11月。
h·谢赫z . Wang, a . Bovik”不知觉JPEG压缩图像的质量评价,“在Proc, Int。相依形象的过程。,卷1。2002年,页477 - 480。
h·谢赫·a . Bovik,和l·科尔马克打进“不使用自然场景统计数据质量评估:如JPEG2000,“IEEE反式。图像的过程。,vol. 14, no. 11, pp. 1918–1927, Nov. 2005.
m . Aubailly m .沃龙佐夫、g . Carhart和m .谷”Automatedvideo atmospherically-distorted流图像增强:lucky-region融合方法,“Proc。有7463卷,p。74630 c, 8月。2009年。