【技术实现步骤摘要】
本专利技术涉及数字图像处理
，具体而言，涉及一种基于时空显著性的视频跨尺度自适应增强方法及装置。
技术介绍
已有的自适应细节增强方法在增强图像的微小细节的同时，有效避免强边缘信息的过度放大。变换域边缘感知图像和视频增强方法构建了快速的多尺度分解及增强框架。基于加权最小二乘机制的图像细节增强方法需要求解大型的稀疏线性方程系统。基于曲波域的SAR图像特征增强方法提取图像边缘细节特征，并通过增强特征对应的Curvelet变换系数实现特征增强。双变量统计方法实现了对尺度间相关性的计算，但是没有充分考虑变换域系数在尺度内的空间相关性，实际上变换域系数在空间上的局部区域内是存在相关性的。现有的视频增强方法往往假设变换域系数之间是相互独立的，而没有充分考虑其尺度内和尺度间的统计特性，这样就会产生一个问题，即分布在高频区域的噪声和边缘细节信号无法更有效地区分。已有的上述这些增强方法通常不具有较好的自适应性，不同的视频往往需要设置不同的参数才能获取较好的增强效果。这些方法在处理含噪视频时，由于无法有效地区分噪声和微小细节，因而无法有效地平衡抑制噪声和边缘细节增强这一对矛盾，增强的同时噪声也随之放大或者引入新的噪声干扰。此外，以上这些方法均是对视频帧进行全局处理，没有将人眼的视觉注意机制考虑进来，因而增强后视频帧的视觉感知特性不强。基于双边色调调整和显著性加权的对比度增强方法只针对具有较高显著度的区域实现局部对比度增强，在显著性计算中只利用了单帧视频的视觉特征。人眼所关注的往往是运动目标区域，而单纯基于单帧视觉显著性计算出的区域不一定是运动目标区域，因而需要针对视频的...
【技术保护点】
一种基于时空显著性的视频跨尺度自适应增强方法，其特征在于，所述方法包括：依据原始视频在空间域的视觉显著性和时间域的运动显著性，确定时空显著性运动目标区域；将原始视频帧进行多尺度多方向分解，分解为高频尺度和低频尺度，获取所述原始视频帧的变换域系数；依据所述变换域系数，得到观测系数y1(k)的方差，为σ^y12(k)=0.025×1NumΣy1(j)∈N(k)y12(j)+1M×NΣm=1MΣn=1N(ckl(m,n)-meanc)2]]>依据观测系数y1(k)的方差，求解双变量统计相关性的边缘方差，相关性的边缘方差为其中，得到自适应阈值Tadp=3σn^2σX^(k)=3σ^n2max(0.0251MΣy1(j)∈N(k)y12(j)+1M×NΣm=1MΣn=1N(ckl(m,n)-meanc)2-σ^n2,0)]]>其中，表示是位于尺度l和子带方向k上的变换系数，Num表示局部区域窗口中的...
【技术特征摘要】
1.一种基于时空显著性的视频跨尺度自适应增强方法，其特征在于，所述方法包括：依据原始视频在空间域的视觉显著性和时间域的运动显著性，确定时空显著性运动目标区域；将原始视频帧进行多尺度多方向分解，分解为高频尺度和低频尺度，获取所述原始视频帧的变换域系数；依据所述变换域系数，得到观测系数y1(k)的方差，为 σ ^ y 1 2 ( k ) = 0.025 × 1 N u m Σ y 1 ( j ) ∈ N ( k ) y 1 2 ( j ) + 1 M × N Σ m = 1 M Σ n = 1 N ( c k l ( m , n ) - mean c ) 2 ]]>依据观测系数y1(k)的方差，求解双变量统计相关性的边缘方差，相关性的边缘方差为其中，得到自适应阈值 T a d p = 3 σ n ^ 2 σ X ^ ( k ) = 3 σ ^ n 2 max ( 0.025 1 M Σ y 1 ( j ) ∈ N ( k ) y 1 2 ( j ) + 1 M × N Σ m = 1 M Σ n = 1 N ( c k l ( m , n ) - mean c ) 2 - σ ^ n 2 , 0 ) ]]>其中，表示是位于尺度l和子带方向k上的变换系数，Num表示局部区域窗口中的非下采样轮廓波变换系数的数量，meanc是子带k内的系数平均值，(M，N)表示视频帧子带k的大小，为噪声方差，为相关性的边缘方差，Tadp为自适应阈值，用于过滤噪声干扰；建立自适应增强函数，为 C ^ ( s , d , m , n ) = C ( s , d , m , n ) × M ( s , d ) | C ( s , d , m , n ) ...
【专利技术属性】
技术研发人员：杜军平，梁美玉，李玲慧，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。