27、视频去噪、卡尔曼滤波及采样方法解析

视频去噪、卡尔曼滤波及采样方法解析

1. 视频去噪方法概述

在视频处理中，去噪是一个重要的任务。由于视频中连续图像具有高度相关性，采用时间滤波器（如卡尔曼滤波器）似乎是合理的。然而，图像尺寸大且需要实时滤波，在空间域使用标准卡尔曼滤波器并不实际。

空间域的视频去噪方法可分为以下三类：
- 仅时间域（TEMPORAL - ONLY） ：仅利用时间相关性，忽略空间信息。
- 仅空间域（SPATIAL - ONLY） ：对每个视频帧应用二维空间去噪，利用丰富的图像去噪文献，但忽略时间相关性。
- 时空域（SPATIO - TEMPORAL） ：更复杂的方法，同时利用空间和时间相关性，如简单自适应加权局部平均、三维卡尔曼滤波和三维马尔可夫模型。

作为空间域处理的替代方案，基于小波的方法在二维去噪中取得了显著成果。但选择三维小波进行视频去噪存在一些缺点：
1. 空间和时间之间存在明显的不对称性，有效去噪需要分别处理空间和时间轴，而不是将其视为一个大的三维数据立方体。
2. 应用三维小波需要所有图像帧就位，因此在获取和去噪图像之间存在较长的延迟时间。
3. 三维小波不能对所有可能的物体运动敏感。

为解决这些缺点，可以对每个二维图像帧应用二维小波变换，然后在小波域进行时空视频滤波，本质上是在小波域开发一个大型卡尔曼滤波器。

2. 小波域卡尔曼滤波视频去噪

为使时间动态与运动对应，需要选择一个平移不变、过完备的小波变换。这种方法的好处明显：
1. 递归