• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    大氣湍流下退化序列圖像的目標(biāo)檢測方法

    2018-06-29 00:54:38李俊山隋中山李建軍
    數(shù)據(jù)采集與處理 2018年3期
    關(guān)鍵詞:湍流前景高斯

    李俊山 張 姣 隋中山 李建軍

    (1. 廣東外語外貿(mào)大學(xué)南國商學(xué)院,廣州,510545;2. 西安衛(wèi)星測控中心,西安,710043;3. 火箭軍士官學(xué)校,青州,262500)

    引 言

    目標(biāo)檢測是計(jì)算機(jī)視覺的重要應(yīng)用之一,是后續(xù)目標(biāo)識別、跟蹤、目標(biāo)分類以及行為分析的前提。遠(yuǎn)距離成像時通常會受到復(fù)雜變化的大氣湍流影響,使得成像結(jié)果中存在不規(guī)則抖動、偏移和模糊等退化現(xiàn)象[1,2]。因此,如何從湍流退化視頻中提取出全部真實(shí)的運(yùn)動目標(biāo),同時盡可能降低湍流和噪聲干擾導(dǎo)致的誤檢情況,實(shí)現(xiàn)高精度、低誤檢率的目標(biāo)檢測技術(shù)研究具有重要的意義。

    傳統(tǒng)目標(biāo)檢測算法的基礎(chǔ)可分為前景檢測、幀間差分和背景減除3類。前景檢測是通過對場景中運(yùn)動矢量的分析得到運(yùn)動的前景物體,再輔以圖像分析來獲得運(yùn)動目標(biāo)。此類方法無需背景先驗(yàn)知識,常用的有光流法[3,4]、連續(xù)張量法[5]。其中,光流法計(jì)算復(fù)雜且對光照變化敏感,連續(xù)張量法提取快速運(yùn)動的目標(biāo)結(jié)果往往比實(shí)際大,難以滿足實(shí)際應(yīng)用的要求。幀間差分法[6]采用相鄰幀的對應(yīng)像素相減來揭示連續(xù)幀的變化,方法簡單快速,但由于幀差法不能有效記錄背景的歷史信息,使得檢測結(jié)果往往過于粗糙。背景減除法[7,8]通過一定規(guī)則建立背景模型,采用幀間相減和更新背景的方法獲得檢測結(jié)果,其最具有代表性的是混合高斯模型法(Gaussians mixture model, GMM)[9]。該模型利用多個高斯模型描述像素點(diǎn)狀態(tài),能夠較好地適應(yīng)場景變化。為改善場景變化(水面波動、樹葉搖擺等)對檢測效果的影響,不少學(xué)者深入研究了GMM方法并提出了相應(yīng)的改進(jìn)方法[10,11]。對于大氣湍流條件下的視頻,其整個場景從單幀來看存在成像模糊和像素偏移,從連續(xù)幀來看呈現(xiàn)出輕微抖動[12,13]。這些因素會干擾場景中目標(biāo)的運(yùn)動檢測,導(dǎo)致單純的前景檢測或背景減除方法無法清晰地定位運(yùn)動物體。傳統(tǒng)的背景建模方法不能完美地描述湍流背景,導(dǎo)致場景中物體識別十分困難。

    近年來,數(shù)據(jù)的低秩稀疏建模成為研究熱點(diǎn),目前已被成功應(yīng)用于語音增強(qiáng)[14]、立體重建[15]以及圖像/視頻恢復(fù)[16,17]等。Oreifej等[18]通過尋找湍流圖像中的低秩結(jié)構(gòu),提出了一種低秩稀疏三分解的小目標(biāo)檢測法:首先計(jì)算圖像中小區(qū)域內(nèi)像素(如16×16)的運(yùn)動軌跡,再根據(jù)湍流和目標(biāo)的運(yùn)動分布不同,設(shè)置目標(biāo)置信度量,引入低秩分解和稀疏建模思想,將數(shù)據(jù)分為背景、湍流和小目標(biāo)3部分。該方法對小目標(biāo)檢測精度非常高,但用于非小目標(biāo)檢測時,結(jié)果往往存在大量空洞,且基于光流的粒子軌跡計(jì)算復(fù)雜、耗時久。本文以湍流條件下的紅外視頻為研究對象,結(jié)合低秩分解和高斯建模思想及前景和背景檢測,提出了一種適應(yīng)物體運(yùn)動狀態(tài)變化的目標(biāo)檢測算法, 提高了湍流退化條件下物體檢測的精度,在光照變化和模糊條件下仍能獲得較好的檢測結(jié)果。

    1 基于低秩稀疏分解的湍流圖像分解

    低秩稀疏分解模型(Low-rank and sparse decomposition, LRSD)考慮的是如何從較大但分布稀疏的誤差中恢復(fù)出數(shù)據(jù)的低秩結(jié)構(gòu)的問題,其基本思想是將一個矩陣分解為一個低秩結(jié)構(gòu)的低秩矩陣部分和一個隨機(jī)分布的誤差稀疏矩陣部分[19]。低秩分解模型符合現(xiàn)實(shí)中很多物理模型和現(xiàn)象,相關(guān)理論也證明了模型求解的有效性。

    對于湍流序列圖像{I1,I2,…,In},圖像分辨率為w×h,將每幀圖像排列為一個(w×h)×1列向量,記為vec(Ii),i=1,…,N,則整個序列組成的矩陣可表示為D={vec(I1),…,vec(In)}∈R(w×h)×n。相關(guān)研究指出,大氣湍流波動具有單峰性、對稱性和局部重復(fù)性,且湍流引起的序列局部像素偏移符合零均值高斯分布的特點(diǎn)[13,18]。因此,湍流分量可以采用Frobenius范數(shù)表示。湍流序列的低秩分解表示為

    (1)

    (2)

    在拉格朗日乘子算法的框架下,式(2)可轉(zhuǎn)化為

    (3)

    式中:Y∈RM×T是拉格朗日乘子,tr(·)表示矩陣的跡。μ是懲罰因子,通常設(shè)與輸入數(shù)據(jù)維數(shù)逆相關(guān),設(shè)為μ=2 000/sqrt(size(D,1))。目前已有一些算法實(shí)現(xiàn)了對式(3)的求解,如加速近似梯度法(Ac-celerated proximal gradient, APG),Bregman迭代算法、精確增廣拉格朗日乘子法(Augmented Lagrange multiple, ALM)和非精確增廣拉格朗日乘子算法(Inexact augmented Lagrange multiple, IALM)等。

    2 前景提取和背景建模結(jié)合的目標(biāo)檢測

    經(jīng)過分解,獲得低秩穩(wěn)像部分和稀疏運(yùn)動部分如圖1所示,穩(wěn)像部分主要包括背景和部分運(yùn)動目標(biāo)像素,稀疏部分為受湍流影響的運(yùn)動像素和隨機(jī)噪聲。為了準(zhǔn)確定位運(yùn)動目標(biāo),則需采用不同方法分別對兩部分進(jìn)行檢測。

    2.1 基于自適應(yīng)閾值的稀疏目標(biāo)提取

    對于每幀的稀疏部分(記為pi)采用自適應(yīng)閾值分割圖像,以剔除細(xì)微偏移量和噪聲的干擾。閾值Ti與稀疏部分的灰度均值有關(guān),設(shè)為

    Ti=max(αmedian(pi),ε)

    (4)

    式中:median(·)為向量均值函數(shù),α和ε為常量。每幀稀疏部分的像素值大于閾值為前景。稀疏塊分割后的前景目標(biāo)區(qū)域會在一定程度上存在內(nèi)部空洞,即目標(biāo)區(qū)域的提取有漏檢現(xiàn)象。鑒于此,需進(jìn)一步對提取出標(biāo)定為前景運(yùn)動目標(biāo)的稀疏塊掩模區(qū)域進(jìn)行空洞檢測和填充。

    由于稀疏塊掩模為二值型數(shù)據(jù),對于目標(biāo)區(qū)域內(nèi)的空洞可以通過8連通區(qū)域檢測;然后填充空洞區(qū)域以恢復(fù)目標(biāo)區(qū)域的掩模,以完成提取完整運(yùn)動目標(biāo)的效果。整個提取過程如圖2所示,可以看出填充后丟失的目標(biāo)域得到了較好的修復(fù)。

    圖2 稀疏部分的目標(biāo)提取

    2.2 基于高斯模型的前景提取

    在背景減除法中,選擇合適的背景模型和更新策略對檢測的影響十分重要。其中,混合高斯模型能夠處理動態(tài)背景的情況,但是計(jì)算量大,實(shí)時性較差;單高斯模型計(jì)算量小,實(shí)時性好。考慮到低秩部分以靜態(tài)場景為主,局部區(qū)域可能存在動態(tài)量,因此采用混合高斯模型和單高斯模型結(jié)合的方法對低秩部分進(jìn)行目標(biāo)檢測。

    2.2.1 混合高斯背景模型

    K個高斯分布生成背景模型,將每幀新的像素值It(x,y)與K個分布依次進(jìn)行匹配。若滿足式(5)中條件,說明與第i個分布匹配,被認(rèn)定為背景點(diǎn),否則認(rèn)定為前景點(diǎn)。第t幀中像素點(diǎn)(x,y)為前景的布爾值記為fGMM(x,y,t),有

    (5)

    其中μi,t,σi,t分別是第i個高斯分布的均值和標(biāo)準(zhǔn)差。

    2.2.2 單高斯前景模型

    受亮度變化干擾,混合高斯檢測結(jié)果中可能存在偽前景,單高斯前景模型則用來區(qū)分靜態(tài)前景和偽前景。將該區(qū)域的像素點(diǎn)與單高斯模型匹配,若滿足閾值則判定該點(diǎn)為靜態(tài)前景點(diǎn),記為fstatic。若不滿足則亦判定為干擾部分。即

    (6)

    式中:μt,σt分別為當(dāng)前高斯分布的均值和標(biāo)準(zhǔn)差,Tf為前景閾值。

    2.2.3 模型初始化和更新策略

    利用初始一段時間內(nèi)視頻幀的低秩部分,建立高斯數(shù)為K的混合高斯背景模型。同時初始化前景模型為空。更新時,采用保守更新策略,即混合高斯分布的參數(shù)更新時僅涉及背景區(qū)域像素,有

    μt=(1-α)Mμt-1+αMIt

    (7)

    (8)

    ωi,t=(1-α)ωi,t-1+αM

    (9)

    式中:α為權(quán)值的學(xué)習(xí)速率;M為背景掩膜,在背景匹配的區(qū)域內(nèi)取1,其余取0。

    2.3 檢測區(qū)域的融合判定

    基于閾值分割的目標(biāo)提取計(jì)算簡單,但由于分割是在稀疏部分基礎(chǔ)上進(jìn)行,受到湍流運(yùn)動的稀疏性影響,容易存在誤檢測問題;基于背景減除的前景檢測法能夠獲得空間連續(xù)的結(jié)果,但對噪聲敏感。為獲得更準(zhǔn)確、更完整的目標(biāo)區(qū)域,對兩部分檢測區(qū)域進(jìn)行融合判定。將2.1節(jié)中結(jié)果記作fT(x,y,t),表示第t幀(x,y)處為前景的布爾值;將2.2節(jié)中混合高斯檢測結(jié)果記作fGMM(x,y,t),采用融合規(guī)則對檢測結(jié)果進(jìn)行判定。具體如下。

    (1) 同時被稀疏的閾值分割和低秩的GMM背景減除而提取的前景區(qū)域,判定為運(yùn)動目標(biāo),并記為fmoving,即

    (10)

    (2) 稀疏閾值分割檢測為前景,但低秩背景減除檢測為背景的區(qū)域,往往是稀疏的湍流和噪聲量,判定為干擾部分。

    (3) 對于混合高斯減除判定為前景,但稀疏閾值檢測為非前景,此類區(qū)域可能是運(yùn)動狀態(tài)發(fā)生改變(如暫時停止或由于運(yùn)動而露出的背景),屬于疑似前景,記為famb。對疑似區(qū)域進(jìn)行前景判定,式(6)改寫為

    (11)

    圖3 融合分裂高斯建模和稀疏閾值的前景檢測 Fig.3 Fusion of split Gaussian models and threshold segmentation

    式中Tf用于決定前景的閾值。為使最終獲得的目標(biāo)盡量無噪點(diǎn)干擾,在不影響查全率的前提下對處理后的結(jié)果作適當(dāng)?shù)膮^(qū)域?yàn)V波。圖3為一幀圖像融合判定的全過程。最終判定該輸入幀中有一行駛車輛(運(yùn)動目標(biāo))和湍流噪聲干擾,不存在靜態(tài)目標(biāo)。

    3 實(shí)驗(yàn)結(jié)果及分析

    3.1 實(shí)驗(yàn)設(shè)置和結(jié)果

    為驗(yàn)證本文方法的有效性,在軟硬件環(huán)境為雙Pentium(R) Dual-Core 2.1 GHz CPU,RAM 8 GB,Matlab 2010a的條件下編程實(shí)驗(yàn)。實(shí)驗(yàn)數(shù)據(jù)選取3組遠(yuǎn)距離拍攝(5~15 km)的紅外湍流退化圖像,每幀分辨率均為360×240,不同序列涵蓋了目標(biāo)提取的不同情況,具體如下:

    序列1:序列共2 200幀,記錄了道路上車輛和行人通行的情景。其中出現(xiàn)多輛大小不等的車輛,存在車輛遮擋、快速行駛等現(xiàn)象。

    序列2:序列共1 300幀,記錄了山林中車輛行駛的場景。其中存在一車輛減速行駛,在第300幀到380幀時呈靜止態(tài),后緩慢加速至駛離場景的情況。

    序列3:序列共1 200幀,記錄了單個船只在河流中直線行駛的場景。受較強(qiáng)大氣湍流影響,視頻序列全程場景呈現(xiàn)嚴(yán)重模糊和連續(xù)抖動。此外,背景中部分水域隨時間推移發(fā)生灰度緩慢變化。

    在相同實(shí)驗(yàn)環(huán)境下,選取改進(jìn)的混合高斯建模法[12]、低秩稀疏三分解法(Low-rank and sparse three-term decomposition, LRSD Three-term)[18]和近期最具競爭力的SuBSENSE法[21]與本文方法進(jìn)行對比。為獲得盡可能穩(wěn)定的場景和完整的目標(biāo),避免過度平滑,本文方法在分解時按經(jīng)驗(yàn)設(shè)置正則參數(shù)??紤]到湍流強(qiáng)度的不同,序列1和序列2中正則參數(shù)γ設(shè)為20,序列3中設(shè)為5.0。采用IALM法求解低秩模型,設(shè)迭代允許誤差ε=10-3,最大迭代次數(shù)為1 000?;旌细咚鼓P偷膶W(xué)習(xí)速率根據(jù)經(jīng)驗(yàn)值設(shè)為0.004。為以適應(yīng)快速變化的前景,單高斯模型的學(xué)習(xí)速率設(shè)置較高值,其他算法均默認(rèn)其參數(shù)設(shè)置。鑒于頁面所限,每組序列僅列出部分幀和對應(yīng)的ground-truth,各算法的檢測結(jié)果如圖4~6所示。

    圖4 序列1中目標(biāo)檢測的實(shí)驗(yàn)結(jié)果對比Fig.4 Object detection results on sample frames from Sequence 1

    在輕微湍流情況下(圖4和圖5),由于湍流的存在使整個場景呈現(xiàn)不規(guī)則抖動,GMM初始化背景模型時選擇的是初始一段時間內(nèi)的連續(xù)幀,使得背景建模不能適應(yīng)整體抖動,提取的前景中包含有許多受湍流偏移干擾的微小區(qū)域,如圖4(c)。對于初始就存在運(yùn)動目標(biāo)的情況,目標(biāo)駛離使得原位置中被暴露的背景被誤檢為目標(biāo),如圖5(c)。隨著背景模型的適應(yīng)更新,誤檢區(qū)域逐漸消失,改進(jìn)GMM方法能夠較好地實(shí)現(xiàn)目標(biāo)主要區(qū)域的檢測。LRSD Three-term法通過計(jì)算湍流運(yùn)動和直線運(yùn)動的不同分布,設(shè)置置信度閾值來提取目標(biāo)區(qū)域,在小目標(biāo)檢測時能獲得較好的結(jié)果,如圖5(d);當(dāng)目標(biāo)較大時極易出現(xiàn)空洞和漏檢,如圖4(d)。在背景變化比較平穩(wěn)時,SuBSENSE法能夠精準(zhǔn)地提取目標(biāo)區(qū)域,如圖4(e)和圖5(e)。本文方法通過低秩分解并融合背景減除和前景稀疏的特點(diǎn),能夠去除湍流抖動所產(chǎn)生的干擾,同時需要注意,由于采用稀疏的閾值分割和融合的“并”規(guī)則,不能足夠精確區(qū)分與背景灰度相似的前景區(qū)域,使得檢測結(jié)果中發(fā)生了部分漏檢的現(xiàn)象,如圖4(f)中道路和小車底部區(qū)域較為相似而出現(xiàn)漏檢。

    圖6所處的遠(yuǎn)距離場景受強(qiáng)湍流影響,且右方一塊水域亮度隨時間推移發(fā)生變化,導(dǎo)致GMM法在背景減除時結(jié)果出現(xiàn)較大誤差。低秩三分解法在強(qiáng)湍流下幾乎不能檢測出目標(biāo)。SuBSENSE法和本文方法對于模糊圖像有較強(qiáng)的適應(yīng)能力,雖存在少量誤檢,檢測結(jié)果仍接近ground-truth。

    圖5 序列2中目標(biāo)檢測的實(shí)驗(yàn)結(jié)果對比Fig.5 Object detection results on sample frames from Sequence 2

    圖6 序列3中目標(biāo)檢測的實(shí)驗(yàn)結(jié)果對比Fig.6 Object detection results on sample frames from Sequence 3

    3.2 量化分析

    為更清晰地對比4種算法的檢測性能,文中分別統(tǒng)計(jì)了每組序列中被正確標(biāo)記的前景像素點(diǎn)數(shù)(True positive, TP)、被正確標(biāo)記的背景像素點(diǎn)數(shù)(True negative, TN)、被錯誤標(biāo)記為前景的背景像素點(diǎn)數(shù)(False positive, FP)和被錯誤標(biāo)記為背景的前景像素點(diǎn)數(shù)(False negative, FN)。選取誤檢率(False positive rate, FPR)、漏檢率(False negative rate, FNR)和F-measure來衡量目標(biāo)區(qū)域提取效果的優(yōu)劣。

    式中:Recall和Precision分別為查全率和查準(zhǔn)率;F-measure是這兩者的調(diào)和平均,用于綜合反映整體性能。

    表1給出了不同算法檢測性能的對比結(jié)果。由表1可以看出,對于序列1和序列2,SuBSENSE法和本文方法得到的誤檢率明顯低于GMM方法和LRSD Three-Term方法。改進(jìn)GMM方法的漏檢率較低,但誤檢率也遠(yuǎn)遠(yuǎn)高于其他算法,目標(biāo)提取的精準(zhǔn)程度一般。對于序列3而言,本文方法取得了較低的誤檢率和較高的F-Measure值,目標(biāo)提取的性能優(yōu)于其他3種方法。本文方法不僅可以較好地去除湍流的偏移抖動對背景減除帶來的干擾,而且能很好地解決LRSD Three-Term方法提取較大目標(biāo)時漏檢率高的問題。實(shí)驗(yàn)證明了本文方法的有效性。

    表1 不同方法檢測結(jié)果的性能對比

    4 結(jié)束語

    本文針對湍流退化序列圖像中目標(biāo)檢測的問題,提出了一種基于低秩分解和檢測融合的目標(biāo)提取方法。首先,采用低秩矩陣描述法將圖像分解為低秩穩(wěn)像和稀疏運(yùn)動兩部分,初步實(shí)現(xiàn)場景和湍流運(yùn)動的粗分離;然后,對稀疏部分引入自適應(yīng)閾值法剔除干擾量,分割目標(biāo)并填補(bǔ)其中空洞;并對低秩部分采用高斯建模獲得低秩中的前景區(qū)域;最后,對兩部分檢測結(jié)果聯(lián)合判定以獲得準(zhǔn)確的目標(biāo)檢測結(jié)果。該方法有以下特點(diǎn):(1)采用低秩稀疏描述對湍流序列建模,可將穩(wěn)像場景和稀疏運(yùn)動區(qū)分開。(2)較之傳統(tǒng)的檢測方法,本文算法在分解時的時間消耗較短。此外,通過聯(lián)合決策提取準(zhǔn)確的目標(biāo)區(qū)域,最終檢測的準(zhǔn)確率較其他方法提高明顯。實(shí)驗(yàn)結(jié)果證明了本文方法的有效性和優(yōu)越性。如何從動態(tài)場景中準(zhǔn)確提取目標(biāo)物體,并對其進(jìn)行跟蹤和識別是下一步研究的重難點(diǎn)。

    參考文獻(xiàn):

    [1] 殷興良.氣動光學(xué)原理[M].北京: 中國宇航出版社,2003:169-173.

    Yin Xingliang. Principle of aero-optics[M]. Beijing: China Astronautics Press, 2003:169-173.

    [2] Roggemann M C, Welsh B M, Hunt B R. Imaging through turbulence[M]. Boca Raton: CRC Press, 1996.

    [3] Brox T, Malik J. Large displacement optical flow: Descriptor matching in variational motion estimation[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2011, 33(3): 500-513.

    [4] 儲林臻, 閆鈞華, 杭誼青, 等. 基于改進(jìn)光流法的旋轉(zhuǎn)運(yùn)動背景下對地運(yùn)動目標(biāo)實(shí)時檢測[J]. 數(shù)據(jù)采集與處理, 2015,30(6): 1325-1331.

    Chu Linzhen, Yan Junhua, Hang Yiqing, et al. Real-time ground moving object detection in rotational background based on improved optical flow method[J]. Journal of Data Acquisition and Processing, 2015,30(6): 1325-1331.

    [5] Bunyak F, Palaniappan K, Nath S K, et al. Flux tensor constrained geodesic active contours with sensor fusion for persistent object tracking[J]. Journal of Multimedia, 2007, 2(4): 20.

    [6] Lipton A, Kanade T, Fujiyoshi H, et al. A system for video surveillance and monitoring[M]. Pittsburg: Carnegie Mellon University, the Robotics Institute, 2000.

    [7] Brutzer S, H?ferlin B, Heidemann G. Evaluation of background subtraction techniques for video surveillance[C]// IEEE Conference on Computer Vision and Pattern Recognition. Florida: IEEE, 2011: 1937-1944.

    [8] Sobral A, Vacavant A. A comprehensive review of background subtraction algorithms evaluated with synthetic and real videos[J]. Computer Vision and Image Understanding, 2014, 122: 4-21.

    [9] Stauffer C, Grimson W E L. Adaptive background mixture models for real-time tracking[C]// IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Fort Collins: IEEE, 1999, 2:246-252.

    [10] Zivkovic Z, van der Heijden F. Efficient adaptive density estimation per image pixel for the task of background subtraction[J]. Pattern Recognition Letters, 2006, 27(7):773-780.

    [11] Chen Z, Ellis T. A self-adaptive Gaussian mixture model[J]. Computer Vision and Image Understanding, 2014,122: 35-46.

    [12] Gal R, Kiryati N, Sochen N. Progress in the restoration of image sequences degraded by atmospheric turbulence[J]. Pattern Recognition Letters, 2014, 48: 8-14.

    [13] 盧曉芬,張?zhí)煨颍闈h玉. 氣動光學(xué)效應(yīng)像素偏移圖像校正方法研究[J].紅外與激光工程, 2007,36(5):758-761.

    Lu Xiaofen, Zhang Tianxu, Hong Hanyu. Image correction method with pixel deviation caused by aero-optics effects[J]. Infrared and Laser Engineering, 2007,36(5):758-761.

    [14] 李軼南,賈沖,楊吉斌,等. 稀疏低秩模型下的單通道自學(xué)習(xí)語音增強(qiáng)算法[J]. 數(shù)據(jù)采集與處理, 2014,29(2):286-292.

    Li Yinan, Jia Chong, Yang Jibin, et al. Self-learning approach for monaural speech enhancement based on sparse and low-rank matrix decomposition[J]. Journal of Data Acquisition and Processing, 2014,29(2):286-292.

    [15] Ma R, Barzigar N, Roozgard A, et al. Decomposition approach for low-rank matrix completion and its applications[J]. IEEE Transactions on Signal Processing, 2014, 62(7): 1671-1683.

    [16] Ji H, Huang S, Shen Z, et al. Robust video restoration by joint sparse and low rank matrix approximation[J]. SIAM Journal on Imaging Sciences, 2011, 4(4): 1122-1142.

    [17] 何玉杰, 李敏, 張金利, 等. 基于低秩三分解的紅外圖像雜波抑制[J]. 光學(xué)精密工程, 2015,23(7): 2069-2078.

    He Yujie, Li Min, Zhang Jinli, et al. Clutter suppression of infrared image based on three-component low-rank matrix decomposition[J]. Optics and Precision Engineering, 2015,23(7): 2069-2078.

    [18] Oreifej O, Li X, Shah M. Simultaneous video stabilization and moving object detection in turbulence[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2013, 35(2):450-462.

    [19] Candès E J, Li X, Ma Y, et al. Robust principal component analysis[J]. Journal of the ACM, 2011, 58(3): 11.

    [20] 張姣, 李俊山, 李成, 等. 低秩稀疏分解下的湍流退化圖像序列盲去卷積算法[J]. 光電子·激光, 2015, 26(7):1373-1379.

    Zhang Jiao, Li Junshan, Li Cheng, et al. A multi-frame blind deconvolution algorithm based on low-rank decomposition for turbulence-degraded images[J]. Journal of Optoelectronics Laser, 2015, 26(7):1373-1379.

    [21] St-Charles P L, Bilodeau G A, Bergevin R. SuBSENSE: A universal change detection method with local adaptive sensitivity[J]. IEEE Transactions on Image Processing, 2015, 24(1): 359-373.

    猜你喜歡
    湍流前景高斯
    小高斯的大發(fā)現(xiàn)
    我國旅游房地產(chǎn)開發(fā)前景的探討
    四種作物 北方種植有前景
    離岸央票:需求與前景
    中國外匯(2019年11期)2019-08-27 02:06:32
    天才數(shù)學(xué)家——高斯
    重氣瞬時泄漏擴(kuò)散的湍流模型驗(yàn)證
    量子糾纏的來歷及應(yīng)用前景
    太空探索(2016年10期)2016-07-10 12:07:01
    有限域上高斯正規(guī)基的一個注記
    “青春期”湍流中的智慧引渡(三)
    “青春期”湍流中的智慧引渡(二)
    九九在线视频观看精品| 中国国产av一级| 国产精品综合久久久久久久免费| 午夜福利高清视频| 日韩三级伦理在线观看| 国产欧美另类精品又又久久亚洲欧美| 美女国产视频在线观看| 一个人看的www免费观看视频| 免费看光身美女| 国产日韩欧美在线精品| 建设人人有责人人尽责人人享有的 | 精品一区二区三区视频在线| 美女黄网站色视频| 九九爱精品视频在线观看| 插阴视频在线观看视频| 国产亚洲5aaaaa淫片| 欧美+日韩+精品| 免费av观看视频| 国产成人精品一,二区| 尤物成人国产欧美一区二区三区| 免费少妇av软件| 欧美潮喷喷水| 午夜免费男女啪啪视频观看| 搞女人的毛片| 久久久久久久久久人人人人人人| 麻豆成人av视频| 十八禁网站网址无遮挡 | videos熟女内射| 亚洲精品国产av成人精品| 免费观看性生交大片5| 国产成人91sexporn| 国产一区二区亚洲精品在线观看| 亚洲av免费在线观看| 亚洲欧美日韩无卡精品| 色综合亚洲欧美另类图片| 精品一区二区免费观看| 色哟哟·www| 综合色丁香网| 久久精品久久精品一区二区三区| 一二三四中文在线观看免费高清| 亚洲伊人久久精品综合| 日韩一本色道免费dvd| 少妇熟女欧美另类| 一边亲一边摸免费视频| 日韩不卡一区二区三区视频在线| av免费在线看不卡| 欧美bdsm另类| 日产精品乱码卡一卡2卡三| 日韩欧美 国产精品| 免费观看在线日韩| av专区在线播放| 色尼玛亚洲综合影院| av女优亚洲男人天堂| 欧美一区二区亚洲| av在线天堂中文字幕| 欧美精品一区二区大全| 高清在线视频一区二区三区| 水蜜桃什么品种好| 免费看日本二区| 99热这里只有精品一区| 国产成人a区在线观看| 欧美一级a爱片免费观看看| 80岁老熟妇乱子伦牲交| 久久久精品免费免费高清| av在线播放精品| 老女人水多毛片| 好男人在线观看高清免费视频| 少妇猛男粗大的猛烈进出视频 | 国产成人精品一,二区| 日本午夜av视频| 国产黄色免费在线视频| 国产黄色免费在线视频| 91午夜精品亚洲一区二区三区| 日韩成人av中文字幕在线观看| 99热网站在线观看| 只有这里有精品99| 成人毛片a级毛片在线播放| 国产女主播在线喷水免费视频网站 | 色尼玛亚洲综合影院| 亚洲人成网站高清观看| 最近最新中文字幕大全电影3| 国产成人91sexporn| 丰满乱子伦码专区| 日韩成人av中文字幕在线观看| 精品一区二区三区视频在线| 三级国产精品片| 欧美3d第一页| 最近的中文字幕免费完整| 超碰97精品在线观看| 极品少妇高潮喷水抽搐| 久久精品熟女亚洲av麻豆精品 | 日韩,欧美,国产一区二区三区| 不卡视频在线观看欧美| 国产av码专区亚洲av| 久久国产乱子免费精品| 日本色播在线视频| 午夜激情久久久久久久| 亚洲精品乱码久久久久久按摩| 亚洲av日韩在线播放| 婷婷色综合大香蕉| 日韩av免费高清视频| 免费电影在线观看免费观看| 日日啪夜夜爽| 亚洲精品中文字幕在线视频 | 色哟哟·www| 男女国产视频网站| 亚洲av男天堂| 亚洲av电影在线观看一区二区三区 | 色5月婷婷丁香| 久久久久久久久久成人| 真实男女啪啪啪动态图| 99久久精品一区二区三区| 亚洲va在线va天堂va国产| 街头女战士在线观看网站| 日韩制服骚丝袜av| 日韩不卡一区二区三区视频在线| 国产欧美另类精品又又久久亚洲欧美| 国产 亚洲一区二区三区 | 国产亚洲5aaaaa淫片| 蜜臀久久99精品久久宅男| 少妇被粗大猛烈的视频| 亚洲国产精品sss在线观看| 男人舔女人下体高潮全视频| 一级片'在线观看视频| 青春草亚洲视频在线观看| 两个人视频免费观看高清| 成年人午夜在线观看视频 | 亚洲美女搞黄在线观看| 亚洲在线自拍视频| 天堂网av新在线| 伦精品一区二区三区| 国产高清不卡午夜福利| 日本与韩国留学比较| 777米奇影视久久| 青春草亚洲视频在线观看| 欧美xxxx黑人xx丫x性爽| 天堂俺去俺来也www色官网 | 我的老师免费观看完整版| 搡女人真爽免费视频火全软件| 亚洲美女视频黄频| 久久久久久伊人网av| 美女大奶头视频| 22中文网久久字幕| 国产精品国产三级国产av玫瑰| 日本免费a在线| 久久久久性生活片| 美女被艹到高潮喷水动态| av福利片在线观看| 成人国产麻豆网| 国产黄色小视频在线观看| 国产精品嫩草影院av在线观看| 国产精品嫩草影院av在线观看| 成年免费大片在线观看| 国产激情偷乱视频一区二区| 伦理电影大哥的女人| 人妻一区二区av| 亚洲av二区三区四区| 日日啪夜夜撸| 91午夜精品亚洲一区二区三区| 亚洲av福利一区| 亚洲欧洲日产国产| 丝袜美腿在线中文| 麻豆乱淫一区二区| 女的被弄到高潮叫床怎么办| 精品一区二区三卡| 欧美高清成人免费视频www| 你懂的网址亚洲精品在线观看| 亚洲精品亚洲一区二区| 色综合亚洲欧美另类图片| 亚洲熟妇中文字幕五十中出| 亚洲精品乱久久久久久| 日本wwww免费看| 欧美日韩精品成人综合77777| 中文欧美无线码| 精品久久久久久电影网| 一级二级三级毛片免费看| 成人无遮挡网站| 国产综合懂色| 99热这里只有是精品在线观看| 亚洲av一区综合| 精品久久久久久久久亚洲| 亚洲最大成人中文| 亚洲美女搞黄在线观看| 午夜老司机福利剧场| 九九久久精品国产亚洲av麻豆| 成人高潮视频无遮挡免费网站| 嘟嘟电影网在线观看| 亚洲精品久久午夜乱码| 中文欧美无线码| 99久久九九国产精品国产免费| 91精品国产九色| 一二三四中文在线观看免费高清| 国产精品国产三级国产专区5o| 午夜精品国产一区二区电影 | 国产成人a区在线观看| 日韩国内少妇激情av| 亚洲第一区二区三区不卡| 中文欧美无线码| 两个人视频免费观看高清| 亚洲国产成人一精品久久久| 联通29元200g的流量卡| 亚洲成人av在线免费| 免费观看a级毛片全部| 日日干狠狠操夜夜爽| 国产精品一二三区在线看| 国产精品不卡视频一区二区| 身体一侧抽搐| 国产精品久久久久久精品电影| 嫩草影院精品99| 亚洲精品日本国产第一区| 成年av动漫网址| 国产午夜精品一二区理论片| 国产有黄有色有爽视频| 街头女战士在线观看网站| 亚洲最大成人av| 国产精品熟女久久久久浪| 国产成人a区在线观看| 美女脱内裤让男人舔精品视频| 精华霜和精华液先用哪个| 亚洲精品久久午夜乱码| 欧美丝袜亚洲另类| 精品久久久久久成人av| 精品酒店卫生间| av国产免费在线观看| 亚洲国产av新网站| 一级a做视频免费观看| 在线观看免费高清a一片| 亚洲精品中文字幕在线视频 | 久久久久网色| 18禁在线无遮挡免费观看视频| 亚洲欧美一区二区三区国产| 国产免费又黄又爽又色| 欧美区成人在线视频| 日韩三级伦理在线观看| 亚洲成人久久爱视频| 国产色爽女视频免费观看| 搞女人的毛片| .国产精品久久| 免费看a级黄色片| 国产精品人妻久久久影院| 国产在视频线精品| 日韩欧美国产在线观看| 国产成人午夜福利电影在线观看| 2022亚洲国产成人精品| 精品午夜福利在线看| 啦啦啦中文免费视频观看日本| 国产麻豆成人av免费视频| 日韩中字成人| 欧美bdsm另类| 国产综合精华液| 一级黄片播放器| 91精品一卡2卡3卡4卡| 精品酒店卫生间| 免费少妇av软件| 啦啦啦啦在线视频资源| 日韩av在线大香蕉| 精品久久久久久久久av| 亚洲综合精品二区| 亚洲av成人精品一区久久| 国产有黄有色有爽视频| 久久久久久伊人网av| 婷婷色麻豆天堂久久| 三级经典国产精品| 国产又色又爽无遮挡免| 丝瓜视频免费看黄片| 久久久久网色| 欧美zozozo另类| 精品久久国产蜜桃| 精品国产三级普通话版| 亚洲激情五月婷婷啪啪| 精品国产露脸久久av麻豆 | 欧美成人午夜免费资源| 少妇人妻精品综合一区二区| 欧美成人一区二区免费高清观看| 国产精品爽爽va在线观看网站| 国产成人91sexporn| 黄片无遮挡物在线观看| 久久久a久久爽久久v久久| 韩国av在线不卡| 性插视频无遮挡在线免费观看| 有码 亚洲区| 七月丁香在线播放| 亚洲熟女精品中文字幕| 国产免费福利视频在线观看| 免费无遮挡裸体视频| 免费看不卡的av| 老女人水多毛片| 成年av动漫网址| 韩国高清视频一区二区三区| 美女cb高潮喷水在线观看| 视频中文字幕在线观看| 一级a做视频免费观看| 99热网站在线观看| 日本午夜av视频| 日产精品乱码卡一卡2卡三| 精品一区二区三区人妻视频| 亚洲精品日韩在线中文字幕| 97在线视频观看| 最近手机中文字幕大全| 欧美激情在线99| 中国国产av一级| 麻豆国产97在线/欧美| 国产成人91sexporn| 亚洲精品成人久久久久久| 天天躁夜夜躁狠狠久久av| 欧美日韩一区二区视频在线观看视频在线 | 一个人看视频在线观看www免费| 成人欧美大片| 日本一本二区三区精品| 亚洲不卡免费看| 女人被狂操c到高潮| 精品人妻熟女av久视频| 亚洲综合精品二区| 大片免费播放器 马上看| 国产黄片视频在线免费观看| 亚洲欧洲日产国产| 国产亚洲91精品色在线| 熟女人妻精品中文字幕| 又黄又爽又刺激的免费视频.| 久久精品熟女亚洲av麻豆精品 | 不卡视频在线观看欧美| 国产精品不卡视频一区二区| 午夜免费观看性视频| 丝袜喷水一区| 久久久久久久国产电影| 成人鲁丝片一二三区免费| 少妇熟女欧美另类| 久久久久性生活片| 51国产日韩欧美| 中文乱码字字幕精品一区二区三区 | 亚洲婷婷狠狠爱综合网| 久久精品久久精品一区二区三区| 欧美性猛交╳xxx乱大交人| 亚洲欧洲日产国产| 亚洲欧洲日产国产| 久久精品综合一区二区三区| 国产成人91sexporn| 亚洲伊人久久精品综合| 男女下面进入的视频免费午夜| 精华霜和精华液先用哪个| 亚洲熟女精品中文字幕| 精品人妻视频免费看| 国产精品国产三级专区第一集| 22中文网久久字幕| 亚洲内射少妇av| 国产精品嫩草影院av在线观看| 日韩在线高清观看一区二区三区| 欧美日韩在线观看h| 乱人视频在线观看| 国产黄色视频一区二区在线观看| 免费黄网站久久成人精品| 国产探花极品一区二区| 22中文网久久字幕| 最近视频中文字幕2019在线8| 韩国av在线不卡| 18禁动态无遮挡网站| 又爽又黄a免费视频| 国产综合懂色| 精品国内亚洲2022精品成人| 成人一区二区视频在线观看| 亚洲av中文字字幕乱码综合| 免费av观看视频| 99re6热这里在线精品视频| 国产一区二区三区综合在线观看 | 婷婷色综合www| 国产久久久一区二区三区| 国产av码专区亚洲av| 一级a做视频免费观看| 少妇人妻精品综合一区二区| 午夜免费观看性视频| 寂寞人妻少妇视频99o| 国产精品一及| 国内精品宾馆在线| 亚洲精品乱码久久久v下载方式| 免费无遮挡裸体视频| 2018国产大陆天天弄谢| 久久久久九九精品影院| 国产片特级美女逼逼视频| 青春草国产在线视频| 日韩一区二区三区影片| 欧美日韩亚洲高清精品| 中文字幕人妻熟人妻熟丝袜美| 啦啦啦韩国在线观看视频| 国产又色又爽无遮挡免| 精品酒店卫生间| 亚洲av日韩在线播放| 国产亚洲5aaaaa淫片| 亚洲欧美成人综合另类久久久| 美女黄网站色视频| 91久久精品国产一区二区三区| 免费观看性生交大片5| 国产在视频线精品| 午夜激情欧美在线| 亚洲av不卡在线观看| 亚洲美女搞黄在线观看| 大又大粗又爽又黄少妇毛片口| 国产成人午夜福利电影在线观看| 国产毛片a区久久久久| 欧美xxⅹ黑人| 国产午夜精品久久久久久一区二区三区| 欧美日韩精品成人综合77777| 我的女老师完整版在线观看| a级毛片免费高清观看在线播放| 久久6这里有精品| 国产淫片久久久久久久久| 国产精品一二三区在线看| 亚洲av在线观看美女高潮| 美女被艹到高潮喷水动态| 免费看光身美女| 亚洲电影在线观看av| 国产亚洲5aaaaa淫片| 高清日韩中文字幕在线| or卡值多少钱| 六月丁香七月| 水蜜桃什么品种好| 欧美成人午夜免费资源| 亚洲人成网站在线观看播放| 人人妻人人澡人人爽人人夜夜 | 2021天堂中文幕一二区在线观| 亚洲国产av新网站| 国产精品一区www在线观看| 少妇高潮的动态图| 国产男人的电影天堂91| 天美传媒精品一区二区| 国产精品一二三区在线看| 亚洲电影在线观看av| 亚洲自偷自拍三级| xxx大片免费视频| a级毛色黄片| 夜夜看夜夜爽夜夜摸| 久久久精品欧美日韩精品| 高清毛片免费看| 欧美xxⅹ黑人| 视频中文字幕在线观看| 国产成人a区在线观看| 日韩在线高清观看一区二区三区| 日日摸夜夜添夜夜爱| 国产精品嫩草影院av在线观看| 极品教师在线视频| 80岁老熟妇乱子伦牲交| 插逼视频在线观看| 精华霜和精华液先用哪个| 亚洲国产欧美人成| 一区二区三区乱码不卡18| 91精品国产九色| 午夜免费男女啪啪视频观看| 国产熟女欧美一区二区| 日韩欧美精品v在线| 日韩强制内射视频| 乱系列少妇在线播放| 亚洲在线自拍视频| 在线a可以看的网站| 亚洲熟女精品中文字幕| 亚洲精品国产成人久久av| 国产亚洲av嫩草精品影院| 亚洲av电影不卡..在线观看| 亚洲精品一二三| 身体一侧抽搐| 亚洲av.av天堂| 午夜福利视频精品| 国产成人a∨麻豆精品| 亚洲aⅴ乱码一区二区在线播放| 久久精品国产亚洲网站| 日韩电影二区| 一级av片app| 日韩欧美 国产精品| 国产精品精品国产色婷婷| av专区在线播放| 亚洲国产欧美在线一区| 亚洲天堂国产精品一区在线| 黄片wwwwww| 在线免费观看不下载黄p国产| 精品国产露脸久久av麻豆 | 卡戴珊不雅视频在线播放| 国产亚洲精品av在线| 亚洲伊人久久精品综合| 欧美精品国产亚洲| 亚洲精品国产av蜜桃| 国产午夜精品久久久久久一区二区三区| 熟女人妻精品中文字幕| 三级国产精品欧美在线观看| 嫩草影院入口| 日韩国内少妇激情av| 欧美另类一区| 国产成人精品一,二区| 日韩大片免费观看网站| 午夜福利成人在线免费观看| 亚洲成人精品中文字幕电影| 亚洲成人久久爱视频| 亚洲av日韩在线播放| 插阴视频在线观看视频| 色网站视频免费| 91精品伊人久久大香线蕉| 国产探花极品一区二区| 欧美性猛交╳xxx乱大交人| 午夜视频国产福利| 日韩av免费高清视频| av黄色大香蕉| 又大又黄又爽视频免费| 色视频www国产| 中文字幕av成人在线电影| 水蜜桃什么品种好| 1000部很黄的大片| 一区二区三区乱码不卡18| 欧美区成人在线视频| 亚洲婷婷狠狠爱综合网| 亚洲最大成人中文| 国产高清有码在线观看视频| 80岁老熟妇乱子伦牲交| 国产伦一二天堂av在线观看| av免费在线看不卡| 一本久久精品| 成人美女网站在线观看视频| 我的老师免费观看完整版| 国产黄a三级三级三级人| 51国产日韩欧美| 国产亚洲精品av在线| 少妇人妻一区二区三区视频| 两个人视频免费观看高清| 高清毛片免费看| 99视频精品全部免费 在线| 日韩制服骚丝袜av| 午夜精品在线福利| 成人午夜精彩视频在线观看| 国产av在哪里看| 久久99热这里只频精品6学生| 内地一区二区视频在线| 插逼视频在线观看| 夫妻午夜视频| 干丝袜人妻中文字幕| av在线亚洲专区| 日韩精品有码人妻一区| 国产精品熟女久久久久浪| 少妇的逼水好多| 免费看a级黄色片| av在线播放精品| 国产综合懂色| ponron亚洲| 一区二区三区四区激情视频| 亚洲图色成人| 夜夜看夜夜爽夜夜摸| 成人特级av手机在线观看| 91精品国产九色| 欧美xxⅹ黑人| 人妻少妇偷人精品九色| 午夜福利网站1000一区二区三区| 国产老妇伦熟女老妇高清| 国产精品综合久久久久久久免费| 99久国产av精品国产电影| 最近中文字幕2019免费版| 欧美zozozo另类| 午夜免费男女啪啪视频观看| 免费不卡的大黄色大毛片视频在线观看 | 亚洲婷婷狠狠爱综合网| 国产高清不卡午夜福利| 校园人妻丝袜中文字幕| 日韩欧美国产在线观看| 在线观看av片永久免费下载| 国产高清有码在线观看视频| 一级爰片在线观看| 日本与韩国留学比较| 一区二区三区免费毛片| 国产在线男女| 3wmmmm亚洲av在线观看| 春色校园在线视频观看| 日日摸夜夜添夜夜添av毛片| 久久精品夜夜夜夜夜久久蜜豆| av女优亚洲男人天堂| 特级一级黄色大片| 亚洲一级一片aⅴ在线观看| 午夜激情福利司机影院| 国产精品一区二区在线观看99 | 免费看美女性在线毛片视频| 伊人久久国产一区二区| 亚洲精品自拍成人| 中文乱码字字幕精品一区二区三区 | 亚洲欧美成人综合另类久久久| 麻豆av噜噜一区二区三区| 在线观看av片永久免费下载| 国产精品嫩草影院av在线观看| 99视频精品全部免费 在线| 在线观看免费高清a一片| 搞女人的毛片| 国产高清国产精品国产三级 | 久久久成人免费电影| 成人性生交大片免费视频hd| 国产成人freesex在线| 国产成人福利小说| 亚洲图色成人| 少妇人妻一区二区三区视频| 亚洲国产精品成人久久小说| 白带黄色成豆腐渣| 亚洲国产欧美人成| 伊人久久国产一区二区| 2022亚洲国产成人精品| 99久久精品国产国产毛片| 国产探花极品一区二区| 夫妻午夜视频| 精品人妻一区二区三区麻豆| 欧美日韩在线观看h| 国产精品美女特级片免费视频播放器| 天天一区二区日本电影三级| 国产成人福利小说| 国产乱人偷精品视频| 国产免费一级a男人的天堂| 色播亚洲综合网| 国产精品不卡视频一区二区| 国产黄a三级三级三级人| 久久久久久久国产电影| 亚洲自拍偷在线| 精品人妻熟女av久视频| 秋霞伦理黄片| 日韩精品有码人妻一区| 能在线免费看毛片的网站| 国产伦一二天堂av在线观看|