1、電影膠片數(shù)字修復(fù)技術(shù)是以圖像視頻處理技術(shù)為基礎(chǔ),對數(shù)字膠片電影損傷進(jìn)行有效檢測和修復(fù)的一種技術(shù),是計算機(jī)技術(shù)在電影修復(fù)領(lǐng)域的成功應(yīng)用。該技術(shù)的目標(biāo)是把嚴(yán)重降質(zhì)的老電影膠片恢復(fù)為可滿足觀眾視覺需求的無損傷的高清數(shù)字視頻,這不僅會提高老電影的商業(yè)價值,同時可為諸多電視廣播機(jī)構(gòu)提供大量的現(xiàn)成節(jié)目,具有重要的實際應(yīng)用意義。同時,該技術(shù)的研究也會對人工智能、計算機(jī)視覺、圖像理解等研究領(lǐng)域的發(fā)展起到推動作用。本文首先對電影膠片數(shù)字修復(fù)技術(shù)的背景知識

2、及系統(tǒng)流程進(jìn)行了介紹,對以過完備小波技術(shù)為主的本文多種算法的理論基礎(chǔ)進(jìn)行了闡述,然后分別對劃痕、斑塊和谷粒噪聲三種損傷的檢測和修復(fù)進(jìn)行了詳細(xì)的探討。其中具體介紹了各種損傷的數(shù)學(xué)模型,分析了多種傳統(tǒng)的損傷檢測修復(fù)算法及其優(yōu)缺點,并提出了多種改進(jìn)的損傷處理技術(shù),在對實際電影膠片圖像序列的處理中,相對于傳統(tǒng)的處理技術(shù),實現(xiàn)了對損傷的更加準(zhǔn)確的檢測和更加有效的修復(fù)。本文所研究的具體內(nèi)容如下:
　　 首先,本章介紹了膠片電影的產(chǎn)生發(fā)展歷史

3、、膠片保存現(xiàn)狀以及當(dāng)前基于人工的膠片修復(fù)技術(shù)的不足,然后闡述了電影數(shù)字修復(fù)技術(shù)的重要意義及其研究應(yīng)用現(xiàn)狀。最后詳細(xì)的介紹了以數(shù)字修復(fù)為主的膠片電影的整體修復(fù)流程,并分別對數(shù)字修復(fù)系統(tǒng)結(jié)構(gòu)和各數(shù)字修復(fù)模塊關(guān)系進(jìn)行了詳細(xì)的探討。
　　 第二,對本文算法的理論基礎(chǔ)進(jìn)行了詳細(xì)闡述。介紹了小波理論的發(fā)展歷史及其優(yōu)點,然后對本文多種算法的基礎(chǔ)--過完備小波進(jìn)行了介紹,分析了其特性,并對其處理過程進(jìn)行了詳細(xì)說明。隨后,本章又介紹了在本文中也多

4、次用到的馬爾可夫隨機(jī)場理論的原理及其具體實現(xiàn)技術(shù)模擬退火算法的處理流程。最后,介紹了在谷粒噪聲去除和斑塊檢測空域校驗中用到的最大期望估計技術(shù)。
　　 第三,描述了劃痕的視覺特征,介紹了幾種常見的劃痕檢測及修復(fù)算法,詳細(xì)分析了劃痕的數(shù)學(xué)模型,根據(jù)劃痕在空間的多種形狀和分布特性將劃痕更加精確的分為主要劃痕、次要劃痕和毛道劃痕。首先提出了用于檢測和修復(fù)主、次要劃痕的OSA算法。該算法利用了過完備小波水平子帶相對于空間域?qū)澓圻吘壐用?/p>

5、感的特點,首先在過完備小波域利用多步約束和形態(tài)學(xué)優(yōu)化分別完成主、次要劃痕的有效檢測,并利用劃痕判定技術(shù)實現(xiàn)了主、次要劃痕的有效區(qū)分,相對于傳統(tǒng)算法僅可對劃痕進(jìn)行一維水平坐標(biāo)定位的局限,實現(xiàn)了對劃痕更加精確的二維空間定位。隨后分別在圖像的低頻子帶采用基于單個系數(shù)的線性插值,在圖像的高頻子帶采用以一維系數(shù)集為單元基于LMMSE準(zhǔn)則的插值,將圖像的自然紋理引入到劃痕區(qū)域,相比于傳統(tǒng)修復(fù)算法成功的避免了過平滑現(xiàn)象,也避免了與圖像紋理不符的人工紋

6、理的引入。本文還對傳統(tǒng)算法沒有涉及的毛道劃痕提出了相應(yīng)的檢測和修復(fù)算法OMEA。毛道劃痕的全幀隨機(jī)分布的特點及其灰度、長度各異的特點使其難以采用基于垂直投影的方法進(jìn)行檢測,因而本算法首先在過完備小波域的水平子帶內(nèi)通過劃痕樣塊匹配增強(qiáng)了毛道劃痕特性,隨后結(jié)合MRF技術(shù)從多個角度對毛道劃痕與其周圍區(qū)域的約束關(guān)系進(jìn)行了有效分析,實現(xiàn)了對其準(zhǔn)確的檢測,最后利用改進(jìn)的基于樣塊匹配的圖像修補(bǔ)技術(shù)實現(xiàn)了毛道劃痕的修復(fù)。相對于傳統(tǒng)劃痕修復(fù)算法,該修復(fù)技

7、術(shù)實現(xiàn)了將圖像的二維紋理及結(jié)構(gòu)信息填入受損區(qū)域,同時改善了傳統(tǒng)樣塊匹配修補(bǔ)算法的信任因子過度衰落和最優(yōu)塊過匹配兩個不足。實驗表明,提出的OSA算法和OMEA算法相對于傳統(tǒng)算法更加準(zhǔn)確有效的檢測和修復(fù)了劃痕。
　　 第四,對傳統(tǒng)的斑塊檢測和修復(fù)算法進(jìn)行了介紹,提出了多步斑塊檢測及校驗算法MDV。該算法的初步檢測階段將SDIp和SROD結(jié)合以更好的提取出潛在的斑塊位置,在第二步細(xì)化檢測階段采用改進(jìn)的MRF算法對斑塊位置進(jìn)行優(yōu)化,改進(jìn)

8、算法通過增加原始幀信息和增加去噪因子使得檢測過程更不易被噪聲干擾。其中尤其通過初步檢測來約束MRF定義域的方法,使得在保持檢測效果的情況下,相對于傳統(tǒng)MRF技術(shù)大大減少了計算量。隨后利用空域EM技術(shù)和時域匹配技術(shù)對檢測得到的斑塊進(jìn)行空時校驗,實現(xiàn)對斑塊去偽存真。在斑塊修復(fù)算法3D IEI中,將改進(jìn)的基于樣塊的圖像修補(bǔ)技術(shù)擴(kuò)展到三維空間對斑塊進(jìn)行修復(fù)。相對于傳統(tǒng)斑塊修復(fù)算法,該算法更有效的引入了圖像紋理信息,避免了斑塊修復(fù)區(qū)域過平滑現(xiàn)象；

9、而相對于傳統(tǒng)的圖像修補(bǔ)技術(shù),通過對前后幀匹配區(qū)域的范圍進(jìn)行約束,實現(xiàn)了在幀序列中采用更少的計算量完成斑塊的有效修復(fù)。通過對包含不同類型斑塊的多個圖像序列的實驗表明,相對于傳統(tǒng)算法,本文提出的MDV算法和3D IEI算法更快速更有效的實現(xiàn)了斑塊的檢測和修復(fù)。
　　 最后,對谷粒噪聲的特性進(jìn)行了介紹,詳細(xì)分析了谷粒噪聲的成因、結(jié)構(gòu)及其多種數(shù)學(xué)模型。闡述了前人提出的多種谷粒噪聲去除算法。提出了HSS谷粒噪聲消除算法,該算法利用過完備小

10、波分解有效的提取出圖像的噪聲分量,并利用兩步最大期望估計算法完成對圖像的噪聲方差的估計,相比于傳統(tǒng)谷粒噪聲方差估計技術(shù)更準(zhǔn)確的估計了各區(qū)域噪聲方差,更有效的降低了噪聲估計中由圖像邊緣信息帶來的干擾以及圖像不同區(qū)域之間的互相干擾。然后利用人眼對不同區(qū)域噪聲感知度不同的視覺感知特性,將噪聲方差進(jìn)行分割,獲得明顯噪聲方差和混合噪聲方差,并分別采用基于LMMSE的濾波器和基于NLM的濾波器對其進(jìn)行處理。在改進(jìn)的NLM濾波器中,將前面獲得的全局區(qū)