资源描述：
《基于k-svd的低信噪比wmsn视频图像稀疏去噪》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、图形与图像；201211072#修改稿基于K-SVD的低信噪比WMSN视频图像稀疏去噪收稿日期：2012–10–15；修回日期：2012–12–22*基金项目：国家自然科学基金项目(面向山区铁路异物侵限监测的压缩感知视频图像处理方法61261040)通迅地址：330013江西省南昌市华东交通大学信息工程学院Address:SchoolofInformationEngineering,EastChinaJiaoTongUniversity,Nanchang,330013,P.R.China罗晖，褚红亮，王世昌(华东交通大学信息工程学院,江西南昌330013)摘要：无线多媒体传
2、感器网络(WirelessMultimediaSensorNetworks，WMSN)因感知视频等信息的优势而被广泛应用，但受天气、光照等外因干扰，所采集视频图像常含有较为严重的噪声。因此在低信噪比条件下进行视频图像去噪是保证WMSN视频监测有效性和可靠性的关键。在分析WMSN视频图像特征的基础上，首先对其进行周期性采集、分帧及帧差等预处理；然后对关键帧运用K-SVD训练DCT冗余字典以充分稀疏表示图像特征，并采用基于残差比的改进型Batch-OMP实现关键帧去噪及重构；而对残差帧则基于DCT冗余字典进行稀疏去噪处理；最后，叠加去噪后的关键帧和残差帧，从而整体上实现低信噪比
3、WMSN视频图像的去噪及重构。实验表明，本文算法能更加有效地、较为快速地滤除视频图像噪声，适用于低信噪比WMSN视频图像去噪。关键词：稀疏去噪；K奇异值分解；残差比；低信噪比；无线多媒体传感器网络；中图分类号：TP391.41文献标识码：ASparsedenoisingviaK-SVDforWMSNvideoimageinlowSNRLUOHui,CHUHong-liang,WANGShi-chang(SchoolofInformationEngineering,EastChinaJiaoTongUniversity,Nanchang330013,China)Abstrac
4、t:Asahighlyeffectivemethodofperceivingmultimediainformation,WirelessMultimediaSensorNetworks(WMSNs)hasshownitspotentialinmanyareas.However,theoutsideinterferenceinthemonitoringenvironmentleadsseverenoisetovideoimages.Obviously,videoimagedenoisingbecomesthekeytoensuringthevalidityandreliabi
5、lityofWMSNvideomonitoring.TodenoiseWMSNvideoimage,firstlyanalyzeitsfeaturesandmakesomepretreatment.Secondly,employtheK-SVDalgorithmtoadaptivelytrainDCTdictionaryforreflectingtheimagecharacteristicsandreconstructthekeyframethroughimprovedBatch-OMPalgorithmwithresidualratioastheiterationterm
6、ination,whileadoptDCTdictionarytosparselydenoisetheresidualframes.Finally,fortheentire,thevideoimageisreconstructedunderthesituationoflowSNR.Experimentalresultsshowthatthesuperioritiesofthealgorithmcomparingtoitscounterpartscanbeobservedinbothvisualandsomenumericalguidelines,showingthesuit
7、abilityfortheWMSNvideoimagedenoisinginlowSNR.Keywords:Sparsedenoising;Residualratio;K-SVD;LowSNR;WMSN;1引言无线多媒体传感器网络[1]是由一组具有计算、存储和通信能力的多媒体传感器节点组成的分布式感知监测网络，常用于智能交通、工业控制等领域。然而，WMSN监测视频不可避免地受到雨雪雾恶劣天气、光照等外界因素的影响，致使图像信噪比低，视觉效果较为模糊；此外，WMSN监测场景复杂，视频图像中存在大量的边缘、纹理等细节信
