CN114554029A - 视频处理方法及装置 - Google Patents
视频处理方法及装置 Download PDFInfo
- Publication number
- CN114554029A CN114554029A CN202210133781.6A CN202210133781A CN114554029A CN 114554029 A CN114554029 A CN 114554029A CN 202210133781 A CN202210133781 A CN 202210133781A CN 114554029 A CN114554029 A CN 114554029A
- Authority
- CN
- China
- Prior art keywords
- video
- original video
- time sequence
- original
- chaotic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 35
- 230000000739 chaotic effect Effects 0.000 claims abstract description 52
- 238000012545 processing Methods 0.000 claims abstract description 44
- 238000000034 method Methods 0.000 claims description 21
- 230000001052 transient effect Effects 0.000 claims description 12
- 230000008878 coupling Effects 0.000 claims description 9
- 238000010168 coupling process Methods 0.000 claims description 9
- 238000005859 coupling reaction Methods 0.000 claims description 9
- 238000013016 damping Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 210000005056 cell body Anatomy 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000009466 transformation Effects 0.000 description 4
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 3
- 229910052791 calcium Inorganic materials 0.000 description 3
- 239000011575 calcium Substances 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000036039 immunity Effects 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000000799 fluorescence microscopy Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012421 spiking Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/14—Picture signal circuitry for video frequency region
- H04N5/21—Circuitry for suppressing or minimising disturbance, e.g. moiré or halo
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/001—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using chaotic signals
Abstract
本申请提供了一种视频处理方法及装置，包括：获取待处理的原始视频；利用混沌双振子模型对原始视频进行失同步处理，得到失同步时间序列，并根据失同步时间序列得到原始视频的第一非线性去噪视频，并获取原始视频的基线；根据原始视频的第一非线性去噪视频与基线，得到原始视频的增强去噪视频。本申请的视频处理方法及装置，通过对视频进行基于混沌双振子模型的失同步处理，结合视频的基线，能够有效增强具有慢特征的视频，增强前后视频的信噪比改善明显。
Description
技术领域
本申请涉及视频处理领域，并且更为具体地，涉及一种视频处理方法、装置、计算机可读存储介质及电子设备。
背景技术
一般来说，在视频处理过程中，往往需要对视频中的图像进行增强处理，以获得更符合需要的视频。图像增强可分为基于空域和频域的方法。基于空域的方法直接对图像进行处理；基于频域的方法是在图像的某种变换域内对图像的变换系数进行修正，然后再反变换到原来的空域，得到增强的图像。图像增强的一种目的是为了改善图像的视觉效果，提高图像的清晰度。图像增强的另一种目的是针对给定图像的应用场合，突出某些感兴趣的特征，抑制不感兴趣的特征，以扩大图像中不同物体特征之间的差别，满足某些特殊分析的需要。
然而，上述增强方法一般是针对具有快特征的视频，现有的视频处理方法对具有慢特征的视频的增强效果不明显。
发明内容
有鉴于此，本申请实施例提供了一种视频处理方法及装置，能够有效对具有慢特征的视频进行增强。
第一方面，本申请的实施例提供了一种视频处理方法，包括：获取待处理的原始视频；利用混沌双振子模型对原始视频进行失同步处理，得到失同步时间序列，并根据失同步时间序列得到原始视频的第一非线性去噪视频，并获取原始视频的基线；根据原始视频的第一非线性去噪视频与基线，得到原始视频的增强去噪视频。
在本申请某些实施例中，利用混沌双振子模型对原始视频进行失同步处理，得到失同步时间序列，并根据失同步时间序列得到原始视频的第一非线性去噪视频，包括：将原始视频中每个像素位置的时间序列作为外加扰动项，施加到混沌双振子模型中的一个振子上，得到原始视频的第一失同步时间序列；在动态范围内调整第一失同步时间序列，得到第一非线性去噪视频。
在本申请某些实施例中，获取原始视频的基线，包括：将原始视频按时间随机打乱，得到原始视频的乱序视频；利用混沌双振子模型对乱序视频进行失同步处理，得到第二失同步时间序列，并根据第二失同步时间序列得到乱序视频的第二非线性去噪视频；计算第二非线性去噪视频的包络线，得到原始视频的基线。
在本申请某些实施例中，利用混沌双振子模型对乱序视频进行失同步处理，得到乱序视频的第二非线性去噪视频，包括：将乱序视频中每个像素位置的时间序列作为外加扰动项，施加到混沌双振子模型中的一个振子上，得到乱序视频的第二失同步时间序列；在动态范围内调整乱序视频的第二失同步时间序列，得到第二非线性去噪视频。
在本申请某些实施例中，计算第二非线性去噪视频的包络线，得到原始视频的基线，包括：在原始视频的当前帧存在闪烁事件时，计算当前帧的下包络线信息，并将下包络线信息作为当前帧对应的基线信息；在原始视频的当前帧不存在闪烁事件时，计算当前帧的上下包络线信息，并将上下包络线信息作为当前帧对应的基线信息。
在本申请某些实施例中，混沌双振子模型为杜芬混沌双振子模型，杜芬混沌双振子模型配置有预设的驱动力周期项，并配置有阻尼项和强耦合项。
在本申请某些实施例中，原始视频为荧光视频，荧光视频具有明显的信号快瞬变、慢衰减现象。
第二方面，本申请的实施例提供了一种视频处理方法，包括：获取待处理的原始视频；将原始视频中每个像素位置的时间序列作为外加扰动项，施加到混沌双振子模型中的一个振子上，得到原始视频的失同步时间序列；在动态范围内调整失同步时间序列，得到原始视频的非线性去噪视频。
在本申请某些实施例中，混沌双振子模型为杜芬混沌双振子模型，杜芬混沌双振子模型配置有预设的驱动力周期项，并配置有阻尼项和强耦合项。
第三方面，本申请的实施例提供了一种视频处理装置，包括：获取模块，用于获取待处理的原始视频；去噪模块，用于根据混沌双振子模型，得到原始视频的第一非线性去噪视频，并获取原始视频的基线；增强模块，用于根据原始视频的第一非线性去噪视频与基线，得到原始视频的增强去噪视频。
第四方面，本申请的实施例提供了一种视频处理装置，包括：获取模块，用于获取待处理的原始视频；失同步模块，用于将原始视频中每个像素位置的时间序列作为外加扰动项，施加到混沌双振子模型中的一个振子上，得到原始视频的失同步时间序列；调整模块，用于在动态范围内调整失同步时间序列，得到原始视频的非线性去噪视频。
第五方面，本申请的实施例提供了一种计算机可读存储介质，存储介质存储有计算机程序，计算机程序用于执行第一方面和第二方面中任一项的视频处理方法。
第六方面，本申请的实施例提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器，其中，处理器用于执行第一方面和第二方面中任一项的视频处理方法。
本申请的视频处理方法，通过对视频进行基于混沌双振子模型的失同步处理，结合视频的基线，能够有效增强具有慢特征的视频，增强前后视频的信噪比改善明显。
附图说明
图1为本申请一实施例提供的视频处理方法的流程示意图。
图2为本申请一实施例提供的失同步处理的方法的流程示意图。
图3为本申请一实施例提供的获取基线的方法的流程示意图。
图4为本申请另一实施例提供的失同步处理的方法的流程示意图。
图5为本申请一实施例提供的计算基线的方法的流程示意图。
图6为本申请一实施例提供的视频处理装置的结构示意图。
图7为本申请另一实施例提供的视频处理装置的结构示意图。
图8为本申请一示例性实施例提供的用于执行视频处理方法的电子设备的框图。
具体实施方式
下面将参照附图更详细地描述本申请的实施例。虽然附图中显示了本申请的某些实施例，然而应当理解的是，本申请可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本申请。应当理解的是，本申请的附图及实施例仅用于示例性作用，并非用于限制本申请的保护范围。
本申请使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“根据”是“至少部分地根据”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”。其它术语的相关定义将在下文描述中给出。
荧光成像是当前神经科学领域研究神经元群体动力学行为的主要手段之一。在使用荧光显微镜采集到神经元的荧光视频后，可以通过辨识神经元的胞体，提取胞体的信号曲线，进而对神经元的个体及群体动力学行为进行分析。然而，目前经典的神经元胞体自动识别系统仍容易受到荧光视频的信噪比、显微镜成像时的深度分辨率的影响，导致自动识别结果出现较多的胞体漏识别、错识别情况，需要研究者们对胞体自动识别结果进行较大量的手工校正，从而导致高额的人力成本和时间成本。因此，需要更加有效的荧光视频的处理方法提高荧光视频的信噪比。
在荧光视频的处理过程中，神经元胞体的活动信号相比于背景的泊松噪声、高斯噪声有明显区别。神经元胞体的信号变化更为缓慢，变化的幅值更大，是荧光视频的慢特征，即信号特征为“快瞬变、慢衰减”。因此，一般的视频增强去噪方式不适于荧光视频。
为了解决上述问题，本申请提供了一种视频处理方法。
图1示意性示出了本发明一实施例提供的视频处理方法的流程示意图。图1所述的方法由计算设备(例如，服务器)来执行，但本申请实施例不以此为限。服务器可以是一台服务器，或者由若干台服务器组成，或者是一个虚拟化平台，或者是一个云计算服务中心，本申请实施例对此不作限定。如图1所示，该方法包括如下内容。
S110：获取待处理的原始视频。
具体地，本申请实施例针对的原始视频可以是这样一种视频，该视频中显示的图像信号的变化频率小于或等于第一预设阈值和/或信号的变化幅值大于或等于第二预设阈值，这种图像信号也称为视频中的慢特征。原始视频也可以是具有明显的信号快瞬变、慢衰减现象的视频，例如荧光视频。
S120：利用混沌双振子模型对原始视频进行失同步处理，得到失同步时间序列，并根据失同步时间序列得到原始视频的第一非线性去噪视频，并获取原始视频的基线。
具体地，可以将原始视频中每个像素位置的时间序列作为外加扰动项，施加到双振子模型中的一个振子中，得到原始视频的失同步时间序列。混沌双振子模型可以为杜芬混沌双振子模型。每个像素位置的时间序列是指各个视频帧上该像素的像素值按时间先后顺序排列而成的序列，例如，可以是采用向量的形式表示的多个像素值。
应理解的是，上述“利用混沌双振子模型对原始视频进行失同步处理，得到失同步时间序列，并根据失同步时间序列得到原始视频的第一非线性去噪视频”，与“获取原始视频的基线”的执行顺序不作限定，可以是这两部分并行执行，也可以分先后执行。
S130：根据原始视频的第一非线性去噪视频与基线，得到原始视频的增强去噪视频。
具体地，可以通过对信号进行模型拟合进而估计出基线，例如通过包络线计算基线，或采用MLspike算法计算基线。MLspike是一种从嘈杂的钙记录中重建神经元尖峰活动的算法，可以在matlab中使用进而估计出基线。也可以先将原始视频按时间随机打乱，得到原始视频的乱序视频，再利用混沌双振子模型对乱序视频进行失同步处理，得到乱序视频的第二非线性去噪视频，根据第二非线性去噪视频的包络线得到原始视频的基线。可以通过计算原始视频的第一非线性去噪视频与基线的差值得到原始视频的增强去噪视频。
本申请的视频处理方法，通过对视频进行基于杜芬混沌模型的失同步处理，结合视频的基线，能够有效增强具有慢特征的视频，无需对视频中的信号进行基于先验基的变换就能对视频中的信号进行自适应增强，且对快瞬变慢衰减的信号异常敏感，增强前后视频的信噪比改善明显。另外，本申请的视频处理方法不受时间尺度的限制，只需遍历驱动力周期即可检测不同时间尺度的信号，且对零均值的噪声有极强的免疫能力。
在一实施例中，如图2所示，利用混沌双振子模型对原始视频进行失同步处理，得到失同步时间序列，并根据失同步时间序列得到原始视频的第一非线性去噪视频，包括：
S121：将原始视频中每个像素位置的时间序列作为外加扰动项，施加到混沌双振子模型中的一个振子上，得到原始视频的第一失同步时间序列。
具体地，混沌双振子模型可以为杜芬混沌双振子模型，表示为如下公式。
ω是周期策动力频率，ξ是阻尼系数，k是耦合系数，F是周期策动力幅值，s(t)是输入的扰动力。周期策动力也称为周期驱动力，扰动力也称为外加扰动项。将原始视频中每个像素位置的时间序列作为外加扰动力项，施加到双振子杜芬混沌模型中的一个振子上，另一个振子不施加外加扰动项，进而得到失同步时间序列，该失同步时间序列能够对视频中快瞬变、慢衰减的信号进行检测，例如闪烁事件(在钙成像荧光视频中也称为“钙瞬变事件”)。失同步是指双振子在倍周期状态下处于同一势阱时的同步受到破坏，广义的失同步是指两个振子在倍周期、混沌、大尺度周期等各种状态下的同步受到破坏。驱动力周期项是在杜芬混沌模型时间尺度变换时引入的，便于检测各种不同频率的周期信号。
S122：在动态范围内调整第一失同步时间序列，得到第一非线性去噪视频。
具体地，“动态范围调整”的方式可以为“将失同步时间序列的幅值范围线性放大到对应像素位置的时间序列的幅值范围”。调整后的第一失同步时间序列即为第一非线性去噪视频。
本实施例的视频处理方法创造性地将双振子混沌模型应用于视频降噪处理中，能够对视频中快瞬变、慢衰减的信号进行检测，有效提高视频的信噪比。
在一实施例中，如图3所示，获取原始视频的基线，包括：
S123：将原始视频按时间随机打乱，得到原始视频的乱序视频；
S124：利用混沌双振子模型对乱序视频进行失同步处理，得到第二失同步时间序列，并根据第二失同步时间序列得到乱序视频的第二非线性去噪视频；
S125：计算第二非线性去噪视频的包络线，得到原始视频的基线。
具体地，为了获得原始视频信号的基线，可以对原始视频按时间随机打乱，得到原始视频的乱序视频。可以将原始视频按照均匀伪随机数生成器生成不重复的帧数编号的方式进行重新排列，实现按时间随机打乱。可以将乱序视频中每个像素位置的时间序列作为外加扰动项，施加到双振子模型中的一个振子中，得到乱序视频的第二失同步时间序列。混沌双振子模型可以为杜芬混沌双振子模型。每个像素位置的时间序列是指各个视频帧上该像素的像素值按时间先后顺序排列而成的序列，例如，可以是采用向量的形式表示的多个像素值。第二失同步时间序列经过动态范围调整后，其下包络线的均值即为原始视频信号在有闪烁事件时的基线。无闪烁事件时，可以将第二失同步时间序列经过动态范围调整后的上包络线和下包络线的均值作为原始视频信号在无闪烁事件时的基线。“动态范围调整”的方式可以为“将第二失同步时间序列的幅值范围线性放大到对应像素位置的时间序列的幅值范围”。
本实施例通过对原始视频进行乱序处理，破坏了原始视频信号曲线本身的闪烁事件，使输入的原始视频的曲线具有各个频率分量，从而无法明显破坏双振子的同步现象，最终输出无闪烁事件的信号曲线对应的第二失同步时间序列，并根据第二失同步时间序列计算出基线。
在一实施例中，如图4所示，利用混沌双振子模型对乱序视频进行失同步处理，得到乱序视频的第二非线性去噪视频，包括如下内容。
S126：将乱序视频中每个像素位置的时间序列作为外加扰动项，施加到混沌双振子模型中的一个振子上，得到乱序视频的第二失同步时间序列。
S127：在动态范围内调整乱序视频的第二失同步时间序列，得到第二非线性去噪视频。
关于乱序视频的失同步处理的具体内容，可以参考上述实施例中关于原始视频的失同步处理的描述，为避免重复，此处不再赘述。
在一实施例中，如图5所示，计算第二非线性去噪视频的包络线，得到原始视频的基线，包括：
S128：在原始视频的当前帧存在闪烁事件时，计算当前帧的下包络线信息，并将下包络线信息作为当前帧对应的基线信息；
S129：在原始视频的当前帧不存在闪烁事件时，计算当前帧的上下包络线信息，并将上下包络线信息作为当前帧对应的基线信息。
关于S128至S129的具体内容，可参见上述实施例中的描述，此处不再赘述。
图6所示为本申请一实施例提供的视频处理装置的结构示意图，包括：
获取模块610，用于获取待处理的原始视频；
去噪模块620，用于根据混沌双振子模型，得到原始视频的第一非线性去噪视频，并获取原始视频的基线；
增强模块630，用于根据原始视频的第一非线性去噪视频与基线，得到原始视频的增强去噪视频。
本申请的视频处理装置，通过对视频进行基于杜芬混沌模型的失同步处理，结合视频的基线，能够有效增强具有慢特征的视频，无需对视频中的信号进行基于先验基的变换就能对视频中的信号进行自适应增强，且对快瞬变慢衰减的信号异常敏感，增强前后视频的信噪比改善明显。另外，本申请的视频处理方法不受时间尺度的限制，只需遍历驱动力周期即可检测不同时间尺度的信号，且对零均值的噪声有极强的免疫能力。
根据本申请的实施例，去噪模块620将原始视频中每个像素位置的时间序列作为外加扰动项，施加到混沌双振子模型中的一个振子上，得到原始视频的第一失同步时间序列；在动态范围内调整第一失同步时间序列，得到第一非线性去噪视频。
根据本申请的实施例，去噪模块620将原始视频按时间随机打乱，得到原始视频的乱序视频；利用混沌双振子模型对乱序视频进行失同步处理，得到第二失同步时间序列，并根据第二失同步时间序列得到乱序视频的第二非线性去噪视频；计算第二非线性去噪视频的包络线，得到原始视频的基线。
根据本申请的实施例，去噪模块620将乱序视频中每个像素位置的时间序列作为外加扰动项，施加到混沌双振子模型中的一个振子上，得到乱序视频的第二失同步时间序列；在动态范围内调整乱序视频的第二失同步时间序列，得到第二非线性去噪视频。
根据本申请的实施例，去噪模块620在原始视频的当前帧存在闪烁事件时，计算当前帧的下包络线信息，并将下包络线信息作为当前帧对应的基线信息；在原始视频的当前帧不存在闪烁事件时，计算当前帧的上下包络线信息，并将上下包络线信息作为当前帧对应的基线信息。
根据本申请的实施例，混沌双振子模型为杜芬混沌双振子模型，杜芬混沌双振子模型配置有预设的驱动力周期项，并配置有阻尼项和强耦合项。
根据本申请的实施例，原始视频为荧光视频，荧光视频具有明显的信号快瞬变、慢衰减现象。
图7所示为本申请一实施例提供的视频基线计算装置的结构示意图，包括：
获取模块710，用于获取待处理的原始视频；
失同步模块720，用于将原始视频中每个像素位置的时间序列作为外加扰动项，施加到混沌双振子模型中的一个振子上，得到原始视频的失同步时间序列；
调整模块730，用于在动态范围内调整失同步时间序列，得到原始视频的非线性去噪视频。
本实施例的视频处理装置创造性地将双振子混沌模型应用于视频降噪处理中，能够对视频中快瞬变、慢衰减的信号进行检测，有效提高视频的信噪比。
关于视频处理装置的具体限定可以参见上述实施例的描述，在此不再赘述。
图8所示为本申请一示例性实施例提供的用于执行视频处理方法的电子设备800的框图，包括处理器810和存储器820。
存储器820用于存储所述处理器可执行指令。处理器810用于运行可执行指令以执行上述实施例中任一项所述的视频处理方法。
本申请还提供一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述实施例中任一项所述的视频处理方法。
本申请的视频处理方法及装置，通过对视频进行基于杜芬混沌模型的失同步处理，结合视频的基线，能够有效增强具有慢特征的视频，无需对视频中的信号进行基于先验基的变换就能对视频中的信号进行自适应增强，且对快瞬变慢衰减的信号异常敏感，增强前后视频的信噪比改善明显。另外，本申请的视频处理方法不受时间尺度的限制，只需遍历驱动力周期即可检测不同时间尺度的信号，且对零均值的噪声有极强的免疫能力。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其他任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器端或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscri ber line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器端或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器端、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如数字视频光盘(digital video disc，DVD))、或者半导体介质(例如固态硬盘(solid statedisk，SSD))等。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
Claims (13)
1.一种视频处理方法，其特征在于，包括：
获取待处理的原始视频；
利用混沌双振子模型对所述原始视频进行失同步处理，得到失同步时间序列，并根据所述失同步时间序列得到所述原始视频的第一非线性去噪视频，并获取所述原始视频的基线；
根据所述原始视频的第一非线性去噪视频与所述基线，得到所述原始视频的增强去噪视频。
2.根据权利要求1所述的视频处理方法，其特征在于，所述利用混沌双振子模型对所述原始视频进行失同步处理，得到失同步时间序列，并根据所述失同步时间序列得到所述原始视频的第一非线性去噪视频，包括：
将所述原始视频中每个像素位置的时间序列作为外加扰动项，施加到混沌双振子模型中的一个振子上，得到所述原始视频的第一失同步时间序列；
在动态范围内调整所述第一失同步时间序列，得到所述第一非线性去噪视频。
3.根据权利要求1所述的视频处理方法，其特征在于，所述获取所述原始视频的基线，包括：
将所述原始视频按时间随机打乱，得到所述原始视频的乱序视频；
利用所述混沌双振子模型对所述乱序视频进行失同步处理，得到第二失同步时间序列，并根据所述第二失同步时间序列得到所述乱序视频的第二非线性去噪视频；
计算所述第二非线性去噪视频的包络线，得到所述原始视频的基线。
4.根据权利要求3所述的视频处理方法，其特征在于，所述利用所述混沌双振子模型对所述乱序视频进行失同步处理，得到所述乱序视频的第二非线性去噪视频，包括：
将所述乱序视频中每个像素位置的时间序列作为外加扰动项，施加到所述混沌双振子模型中的一个振子上，得到所述乱序视频的第二失同步时间序列；
在动态范围内调整所述乱序视频的第二失同步时间序列，得到所述第二非线性去噪视频。
5.根据权利要求3所述的视频处理方法，其特征在于，所述计算所述第二非线性去噪视频的包络线，得到所述原始视频的基线，包括：
在所述原始视频存在闪烁事件时，计算所述当前帧的下包络线信息，并将所述下包络线信息作为所述当前帧对应的基线信息；
在所述原始视频不存在闪烁事件时，计算所述当前帧的上下包络线信息，并将所述上下包络线信息作为所述当前帧对应的基线信息。
6.根据权利要求1至5中任一项所述的视频处理方法，其特征在于，所述混沌双振子模型为杜芬混沌双振子模型，所述杜芬混沌双振子模型配置有预设的驱动力周期项，并配置有阻尼项和强耦合项。
7.根据权利要求6所述的视频处理方法，其特征在于，所述原始视频为荧光视频，所述荧光视频具有明显的信号快瞬变、慢衰减现象。
8.一种视频处理方法，其特征在于，包括：
获取待处理的原始视频；
将所述原始视频中每个像素位置的时间序列作为外加扰动项，施加到混沌双振子模型中的一个振子上，得到所述原始视频的失同步时间序列；
在动态范围内调整所述失同步时间序列，得到所述原始视频的非线性去噪视频。
9.根据权利要求8所述的视频处理方法，其特征在于，所述混沌双振子模型为杜芬混沌双振子模型，所述杜芬混沌双振子模型配置有预设的驱动力周期项，并配置有阻尼项和强耦合项。
10.一种视频处理装置，其特征在于，包括：
获取模块，用于获取待处理的原始视频；
去噪模块，用于根据混沌双振子模型，得到所述原始视频的第一非线性去噪视频，并获取所述原始视频的基线；
增强模块，用于根据所述原始视频的第一非线性去噪视频与所述基线，得到所述原始视频的增强去噪视频。
11.一种视频处理装置，其特征在于，包括：
获取模块，用于获取待处理的原始视频；
失同步模块，用于将所述原始视频中每个像素位置的时间序列作为外加扰动项，施加到混沌双振子模型中的一个振子上，得到所述原始视频的失同步时间序列；
调整模块，用于在动态范围内调整所述失同步时间序列，得到所述原始视频的非线性去噪视频。
12.一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1至9中的任一项所述的视频处理方法。
13.一种电子设备，包括：
处理器；
用于存储所述处理器可执行指令的存储器，
其中，所述处理器用于执行上述权利要求1至9中的任一项所述的视频处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210133781.6A CN114554029B (zh) | 2022-02-14 | 2022-02-14 | 视频处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210133781.6A CN114554029B (zh) | 2022-02-14 | 2022-02-14 | 视频处理方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114554029A true CN114554029A (zh) | 2022-05-27 |
| CN114554029B CN114554029B (zh) | 2024-03-22 |
Family
ID=81673704
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210133781.6A Active CN114554029B (zh) | 2022-02-14 | 2022-02-14 | 视频处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114554029B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11196085A (ja) * | 1997-12-25 | 1999-07-21 | Micro Technology Kk | 暗号化復元用ｉｃカード |
| JP2008110072A (ja) * | 2006-10-30 | 2008-05-15 | Toshiba Corp | 超音波診断装置及び画像処理プログラム |
| US20080316364A1 (en) * | 2007-06-25 | 2008-12-25 | The Hong Kong University Of Science And Technology | Rate distortion optimization for video denoising |
| US20090066963A1 (en) * | 2007-08-31 | 2009-03-12 | University Of Pittsburgh - Of The Commonwealth System Of Higher Education | Ultrafast microscopy of surface electromagnetic fields |
| WO2016036295A2 (en) * | 2014-09-05 | 2016-03-10 | Telefonaktiebolaget L M Ericsson (Publ) | Method, device, computer program and computer program product for encoding of high frame rate video |
| CN108665411A (zh) * | 2018-03-09 | 2018-10-16 | 北京超维景生物科技有限公司 | 一种图像重建的方法和系统 |
| CN110058231A (zh) * | 2019-04-08 | 2019-07-26 | 南京信息职业技术学院 | 一种应用混沌振子的逆合成孔径雷达距离像增强方法 |
| US20190304069A1 (en) * | 2018-03-29 | 2019-10-03 | Pixar | Denoising monte carlo renderings using neural networks with asymmetric loss |
| US11037057B1 (en) * | 2017-05-03 | 2021-06-15 | Hrl Laboratories, Llc | Cognitive signal processor |
| WO2021227349A1 (zh) * | 2020-05-11 | 2021-11-18 | 华南理工大学 | 一种生物特征隐私保护的前端人像加密与识别方法 |
-
2022
- 2022-02-14 CN CN202210133781.6A patent/CN114554029B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11196085A (ja) * | 1997-12-25 | 1999-07-21 | Micro Technology Kk | 暗号化復元用ｉｃカード |
| JP2008110072A (ja) * | 2006-10-30 | 2008-05-15 | Toshiba Corp | 超音波診断装置及び画像処理プログラム |
| US20080316364A1 (en) * | 2007-06-25 | 2008-12-25 | The Hong Kong University Of Science And Technology | Rate distortion optimization for video denoising |
| US20090066963A1 (en) * | 2007-08-31 | 2009-03-12 | University Of Pittsburgh - Of The Commonwealth System Of Higher Education | Ultrafast microscopy of surface electromagnetic fields |
| WO2016036295A2 (en) * | 2014-09-05 | 2016-03-10 | Telefonaktiebolaget L M Ericsson (Publ) | Method, device, computer program and computer program product for encoding of high frame rate video |
| US11037057B1 (en) * | 2017-05-03 | 2021-06-15 | Hrl Laboratories, Llc | Cognitive signal processor |
| CN108665411A (zh) * | 2018-03-09 | 2018-10-16 | 北京超维景生物科技有限公司 | 一种图像重建的方法和系统 |
| US20190304069A1 (en) * | 2018-03-29 | 2019-10-03 | Pixar | Denoising monte carlo renderings using neural networks with asymmetric loss |
| CN110058231A (zh) * | 2019-04-08 | 2019-07-26 | 南京信息职业技术学院 | 一种应用混沌振子的逆合成孔径雷达距离像增强方法 |
| WO2021227349A1 (zh) * | 2020-05-11 | 2021-11-18 | 华南理工大学 | 一种生物特征隐私保护的前端人像加密与识别方法 |
Non-Patent Citations (2)
| Title |
|---|
| YE LI: "The Application Of The Duffing Oscillator To Detect Electromagnetic Leakage Emitted By HDMI Cables", 2021 IEEE INTERNATIONAL JOINT EMC/SI/PI AND EMC EUROPE SYMPOSIUM * |
| 钟俊: "基于Duffing振子的机场异物自动判决算法", 电子与信息学报 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114554029B (zh) | 2024-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101331237B1 (ko) | 잡음 억압 방법, 잡음 억압 방법의 프로그램, 잡음 억압방법의 프로그램을 기록한 기록 매체 및 잡음 억압 장치 | |
| CN100471230C (zh) | 降噪方法和设备 | |
| JP6387646B2 (ja) | グレースケール画像の処理方法及び装置 | |
| Jain et al. | Spatial and frequency domain filters for restoration of noisy images | |
| WO2017185772A1 (zh) | 一种视频图像增强的方法、装置和计算机存储介质 | |
| CN110782406B (zh) | 一种基于信息蒸馏网络的图像去噪方法及装置 | |
| CN114092355A (zh) | 自适应红外图像对比度增强方法及装置 | |
| Sharma et al. | Image denoising using spatial domain filters: A quantitative study | |
| Shukla et al. | Median filter based wavelet transform for multilevel noise | |
| JP5250465B2 (ja) | スレッショルド関数制御型ウェーブレットシュリンケージ雑音除去装置及びプログラム | |
| CN114554029A (zh) | 视频处理方法及装置 | |
| JP6000659B2 (ja) | 情報処理装置、情報処理方法およびプログラム | |
| Mery et al. | A fast non-iterative algorithm for the removal of blur caused by uniform linear motion in X-ray images | |
| Nagarajan et al. | Removal of noise in MRI images using a block difference‐based filtering approach | |
| Li et al. | Research on image denoising based on median filter | |
| Chauhan et al. | Performance analysis of denoising algorithms for human brain image | |
| Cao et al. | Blind image restoration based on wavelet analysis | |
| Ma et al. | SVMD coupled with dual-threshold criteria of correlation coefficient: A self-adaptive denoising method for ship-radiated noise signal | |
| De Giusti et al. | Image recovery using a new nonlinear adaptive filter based on neural networks | |
| CN114510164A (zh) | 一种电磁干扰噪声抑制方法、装置、设备及存储介质 | |
| Tendero et al. | An optimal blind temporal motion blur deconvolution filter | |
| Alsayem et al. | Image restoration techniques in super-resolution reconstruction of MRI images | |
| Verma et al. | Analysis of Hybrid Wavelet Transformed Images to Improve Image Pixel Quality | |
| EP4181054B1 (en) | Data processing method for rapidly suppressing high-frequency background noise in a digitized image | |
| CN115209135B (zh) | 一种电磁泄漏视频检测及还原系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |