專利名稱：數據處理方法和裝置的制作方法
技術領域：
一般地說，本發(fā)明涉及數據處理方法和裝置，更具體地說，本發(fā)明涉及使包含在數據中的噪聲更容易地和更有效地得以消除的數據處理方法和數據處理裝置。
背景技術：
通常，象圖像數據或聲音數據那樣的被提供或被讀取數據包含著隨時間變化的噪聲。傳統(tǒng)上，為了消除包含在數據之中的噪聲，可以對整個輸入數據進行平均(此后，有時將此稱之為“整體平均值”)，可以對局部輸入數據進行平均，此平均值稱之為“移動平均值”，或者可以用附近數據的中值來代替數據的給定項。例如，為了降低圖像中的噪聲，如下的技術是眾所周知的。將一幀用作參考幀，并且確定另一幀的運動矢量，從而通過使用運動矢量對第二幀進行運動補償。由此確定出經運動補償的幀和參考幀之間的加權平均值。
然而，上述消除噪聲的傳統(tǒng)技術存在著如下的問題。
如果包含在數據中的噪聲的比例，即信噪比(S/N)，保持不變，那么計算整體平均值的技術是有效的。然而，當S/N比發(fā)生變化時，具有較差S/N比的數據就會對具有較好S/N比的數據產生負面影響，從而使有效地消除噪聲變得困難。
根據計算移動平均值的技術，可以獲得瞬時接近輸入數據的數據平均值，因而處理結果易受S/N比的變化的影響。就是說，對于具有高S/N比的輸入數據，處理結果也具有高的S/N比；對于具有低S/N比的輸入數據，處理結果也具有低的S/N比。
根據上面所述的平均值計算技術，平均后的數據變得平滑了。因此，如果這種技術被用于消除圖像中的噪聲，那么，其中數據急劇變化的部分，即陡峭的邊緣，就會丟失掉。
在中值替代技術中，數據的時間次序受到干擾，這可以嚴重地損害原始波形的特性。在使用運動矢量過程中，如果運動矢量被錯誤地檢測到，那么經處理的圖像的質量就會受到極大的損壞。

發(fā)明內容
因此，本發(fā)明的目的是解決上面所述的問題。
為了達到上面的目的，根據本發(fā)明的一個方面，提供了一種用于處理輸入數據并輸出處理后的數據作為輸出數據的數據處理裝置，包括提取部件，用于從輸入數據中提取具有與給定輸入數據的數值相接近的數值的相似輸入數據，所述相似輸入數據在時間和空間上接近所述給定輸入數據并包括所述給定輸入數據；和處理部件，用于處理所述提取部件所提取的相似輸入數據并輸出與所述給定輸入數據相關的輸出數據。
根據本發(fā)明的另一方面，提供了一種用于處理輸入數據并輸出處理后的數據作為輸出數據的數據處理方法，包括下列步驟提取步驟，從輸入數據中提取具有與給定輸入數據的數值相接近的數值的相似輸入數據，所述相似輸入數據在時間和空間上接近所述給定輸入數據并包括所述給定輸入數據；和處理步驟，處理提取的相似輸入數據并輸出與所述給定輸入數據相關的輸出數據。


圖1是顯示根據本發(fā)明的第一實施例的降噪(NR)處理電路的結構的方塊圖；圖2是顯示圖1所示的圖像處理電路的結構的方塊圖；圖3是顯示圖2所示的圖像處理電路的操作的流程圖；圖4A顯示了權重函數隨亮度變化的曲線圖；圖4B顯示了權重函數隨到給定像素的距離而變化的曲線圖；圖5A顯示了待處理的像素值；圖5B顯示了將權重施加到具有與給定像素的亮度值相似的亮度值的像素上的原理；
圖5C顯示了將進一步的權重施加到位于給定像素附近的像素上的原理；圖6是顯示圖2所示的權重函數設定部分的結構的方塊圖；圖7顯示在模擬過程中使用的圖像照片；圖8顯示從圖7所示的圖像中獲得的模擬結果；圖9顯示在模擬過程中使用的圖像照片；圖10顯示從圖8所示的圖像中獲得的模擬結果；圖11顯示了通過計算給定像素和與給定像素相似的像素之間的加權平均值來消除噪聲的原理；圖12顯示了在測量值和真值之間的誤差的分布；圖13顯示了在測量值和真值之間的誤差的分布；圖14是顯示根據本發(fā)明的第二實施例的NR處理電路的結構的方塊圖；圖15顯示了輸入數據的擬合(modeling)；圖16顯示了由圖14所示的NR處理電路所獲得的處理結果；圖17顯示了由圖14所示的NR處理電路所獲得的處理結果；圖18顯示了由圖14所示的預處理單元的處理；圖19顯示了由圖14所示的NR處理電路所獲得的處理結果；圖20是顯示根據本發(fā)明的第三實施例的NR處理電路的結構的方塊圖；圖21是顯示圖20所示的NR處理電路的操作的流程圖；和圖22是顯示根據本發(fā)明的第四實施例的NR處理電路的結構的方塊圖。
具體實施例方式
圖1是顯示根據本發(fā)明的第一實施例的降噪(NR)處理電路的結構的方塊圖，其中NR處理是在圖像上進行的。待NR處理的圖像以幀為單位首先提供到幀存儲器1中。幀存儲器具有存儲多個幀(例如，10至20幀)的存儲容量并臨時存儲提供的圖像。圖像處理單元2讀取存儲在幀存儲器中的圖像并對圖像進行NR處理以降低噪聲。經圖像處理單元2處理的圖像提供到幀存儲器3中。幀存儲器3臨時存儲從圖像處理單元2中提供的圖像。
圖2顯示了圖1所示的圖像處理單元2的結構。存儲在幀存儲器1(圖1)中的圖像被適當地讀取并提供給權重函數設定部分11或像素值域加權部分12。
權重函數設定部分11自適應地設定像素值域權重函數WVal、垂直權重函數WVer、水平權重函數WHor和時間域權重函數WFr，所有這些權重函數都將在下面加以討論，并且將權重函數WVal提供給像素值域加權部分12、將權重函數WVer和WHor提供給空間域加權部分13、和將權重函數WFr提供給時間域加權部分14。
像素值域加權部分12根據權重函數WVal對接收到的像素加權并將加權的像素提供給空間域加權部分13?？臻g域加權部分13根據權重函數WVer和WHor對來自像素值域加權部分12的像素加權并將加權的像素提供給時間域加權部分14。時間域加權部分14根據權重函數WFr對來自空間域加權部分13的像素加權并將加權的像素提供給加法器15。然后，加法器15按順序相加從時間域加權部分14提供的像素(像素值)并輸出相加后的數值。
下面結合圖3的流程圖討論圖2所示的圖像處理單元2的操作。
在步驟S1中，設定權重函數。更具體地說，權重函數設定部分11適當地讀取存儲在幀存儲器1中的圖像并估算當前幀的噪聲電平。然后，權重函數設定部分11根據估算的噪聲電平設定權重函數WVal、WVer、WHor和WFr。
在圖像處理單元2中，給定像素的數值用多個加權像素值的和來代替，從而降低了噪聲。權重函數WVal被用于根據每個替代像素和給定像素之間的差值來對代替給定像素的像素加權。在這個實施例中，權重函數WVal是由，例如，如下的高斯分布的等式f(x)來表示的f(x)＝1/((2π)1/2σ)exp(-(x-μ)2/(2σ2))……(1)其中μ和σ分別表示平均值和標準偏差。
權重函數WVer、WHor和WFr被用于根據給定像素和每個待處理的像素之間的空間和時間距離來對待處理的像素加權。在這個實施例中，權重函數WVer、WHor和WFr也是由高斯分布的等式(1)來表示的，盡管它們可以由其它類型的式子給出。
因此，權重函數WVal是表示給定像素和待處理像素之間的差值sub的函數，和更嚴格地說，它由WVal(sub)來表示。權重函數WVer、WHor和WFr是分別表示給定像素和待處理像素之間的垂直距離j、它們之間的水平距離i和它們之間的時間距離k的函數，和更嚴格地說，它們分別由WVer(j)、WHor(i)和WFr(k)來表示。
由高斯分布表示的權重函數WVal顯示在圖4A中，其中水平軸表示亮度。也由高斯分布表示的權重函數WVer、WHor和WFr顯示在圖4B中，其中水平軸表示每個域的距離。在圖4B中，權重函數WVer、WHor和WFr共同由WLoc來表示。
在權重函數設定部分11中，在定義權重函數WVal、WVer、WHor和WFr的等式(1)中標準偏差σ是根據估算的噪聲電平設定的。所得的權重函數WVal、WVer、WHor和WFr被提供給像素值域加權部分12、空間域加權部分13和時間域加權部分14。更具體地說，權重函數WVal被提供給像素值域加權部分12，權重函數WVer和WHor被提供給空間域加權部分13和權重函數WFr被提供給時間域加權部分14。
回過頭來參考圖3，在步驟S2中，在像素值域加權部分12、空間域加權部分13和時間域加權部分14中將權重施加到所提供的像素上，并且在加法器15中將加權的像素值相加。將所得的數值輸出作為給定像素的最新像素值。
更具體地說，現在假定在存儲在幀存儲器1中的幀中第t幀的從頂端算起第y+1行和從左邊算起第x+1列的給定像素的數值是用L[t][y][x]來表示的。在上述加權部分12、13和14以及加法器15中所獲得的給定像素的最新值則由如下式子所表達的L′[t][y][x]來表示L′[t][y][x]=Σk=-K+KWFr(k)(Σj=-J+JWVer(j)(Σi=-I+IWHor(i)×WVal(L[t+k]]]>[y+j][x+i]-L[t][y][x])×L[t+k][y+j][x+i]))···(2)]]>之后，處理過程進入步驟S3，在步驟S3中控制器(圖中未示出)確定在一幀中的所有像素是否都作為給定像素進行過處理。如果步驟S3的輸出結果是“否”，那么處理過程返回到步驟S2，其中在待處理的像素上執(zhí)行相應的處理。如果在步驟S3中發(fā)現一幀中的所有像素都經過了處理，那么處理過程返回到步驟S1，其中對下一幀作為給定幀進行處理。此后，重復相似的處理過程。
更具體地說，在圖2所示的圖像處理單元2中，通過將權重加到像素上并將加權的像素相加，就確定了具有降低的噪聲的給定像素的新值。在像素值域加權部分12中，根據給定像素值L[t][y][x]和待處理的像素的數值L[t+k][y+j][x+i]之間的差值L[t+k][y+j][x+i]-L[t][y][x]來加上權重。
結果是，較大的權重被加到與給定像素更相似的待處理像素上，而較小的權重則被加到與給定像素較不相似的待處理像素上。也就是說，在極端的情況下，沒有權重被加到與給定像素不相似的像素上。在這種方式中，只有與給定像素相對相似的像素才被提取出來，并且對這些像素加權和相加，從而確定噪聲降低了的最初給定像素的新值。
在空間域加權部分13中，根據給定像素和待處理像素之間的垂直距離j和它們之間的水平距離i來施加權重。就是說，較大的權重被加到在空間上與給定像素較接近的像素上，而較小的權重則被加到在空間上離給定像素較遠的像素上。
在時間域加權部分14中，根據給定像素和待處理像素之間的時間距離k(時間間隔k)來施加權重。就是說，較大的權重被加到在時間上與給定像素較接近的像素上，而較小的權重則被加到在時間上離給定像素更遠的像素上。
正如上面所討論的，較大的權重被應用到在空間和時間上接近給定像素的像素上，并且沒有權重被加到在空間和時間上遠離給定像素的像素上。
因此，參考圖5A、5B和5C，如圖5B所示，具有與給定像素相似的數值(亮度)的像素被首先提取出來，并且在提取的像素中，在空間和時間上接近給定像素的像素被提取出來，正如圖5C所示的。被提取的像素被加權并且被相加在一起，所得的數值被確定出來作為給定像素的新值。因此，包含在給定像素中的噪聲能夠容易地和有效地得到降低。在圖5A、5B和5C中，一個矩形區(qū)域等效于一個像素，和矩形區(qū)域的大小代表權重。
圖6顯示了圖2所示的權重函數設定部分11的結構?，F在假定給定的幀是第n幀。第n幀和隨后的第n+1幀被提供到差分電路21中。差分電路21計算第n幀和第n+1幀之間的差值并將含有被計算的差值的幀(差分幀)提供到分塊電路22中。
分塊電路22將來自差分電路21的差分幀劃分成許多塊，每一塊含有預定數量的像素(例如，8×16個像素的塊)，并且將這些塊提供到均方根(RMS)計算電路23中。RMS計算電路23計算從分塊電路22提供而來的每一塊的像素差值的RMS。然后，每塊的RMS從RMS計算電路23提供到頻率曲線(histogram)生成電路24。在頻率曲線生成電路24中，生成一個RMS頻率曲線并將它提供到噪聲電平估算電路25中。
噪聲電平估算電路25估算來自從頻率曲線生成電路24提供的RMS頻率曲線的第n幀中的噪聲電平，第n幀是一個給定幀。
更具體地說，噪聲電平估算電路25檢測RMS頻率曲線中除零之外的最小RMS，并輸出這個最小RMS作為給定幀中的噪聲電平(noise level)?，F在假定在圖像的信號成分和噪聲成分之間沒有相關性(即使這個假定是針對行數和列數均為八個或更多個像素的塊作出的也沒有問題)。從統(tǒng)計上看，在差分幀中，含有信號成分的塊的RMS大于不含信號成分的塊的RMS。因此，沒有信號成分的塊的RMS，即只含噪聲的塊的RMS，在RMS頻率曲線中表現為最小值。
應該注意到，在RMS頻率曲線中除零之外的最小RMS可以依賴于幀的不同發(fā)生顯著的變化。如果除零之外的最小RMS被簡單地用作噪聲電平，那么噪聲的電平可以隨幀發(fā)生極大的改變。因此，一個權重，例如，y＝e-x，可以被加到RMS頻率曲線中(較大的權重可以用較小的RMS去乘，而較小的權重則可以用較大的RMS去乘)。然后，加權RMS的加權平均值可以被計算出來和被用作噪聲的電平。在這種情況中，噪聲的電平并不隨幀發(fā)生顯著的變化，而是基本上保持不變。
在噪聲電平估算電路25中估算的噪聲電平被提供給權重函數設定電路26。在權重函數設定電路26中，在權重函數WVal、WVer、WHor和WFr中的高斯分布的標準偏差根據從噪聲電平估算電路25中提供的給定幀的噪聲電平被設定。
更具體地說，對于較大的噪聲電平，權重函數設定電路26增大權重函數WVal中的標準偏差。以這種方式，權重函數WVol中的標準偏差σ隨噪聲的電平發(fā)生變化，從而有可能根據包含在原始圖像中的噪聲電平進行最佳NR處理。
另一種可供選擇的方法是，權重函數WVal、WVer、WHor和WFr中的標準偏差σ可以通過檢測原始圖像中運動的量或運動的存在與否來設定。也就是說，對于存在運動的圖像(運動圖像)增大權重函數WVer和WHor中的標準偏差σ。反之，對于幾乎不運動的圖像(靜止圖像)增大權重函數WFr中的標準偏差σ。在這種情況中，可以進行考慮到原始圖像的運動的NR處理。
下面結合圖7至10用圖1所示的圖像處理單元在一幅圖像上進行NR處理所得的模擬結果給出說明。
圖7和9顯示了待NR處理的圖像。圖7所示的圖像是靜止圖像，而圖9所示的圖像是來自運動圖像。圖8和10分別顯示了由圖7和9所示的圖像所獲得的模擬結果。
在圖8中，曲線A1表示圖7所示的圖像的S/N比，開頭和結尾部分的S/N比為大約33dB，和中間部分的S/N比為大約40dB。
曲線A2表示通過圖像處理單元2對圖7所示的圖像進行NR處理所得的圖像的S/N比，曲線A3和A4表示根據運動相關平均技術(首先確定運動的存在與否，然后，計算含有運動的部分和不含運動的部分的平均值)對圖7所示的圖像進行NR處理所得的圖像的S/N比。A3和A4所表示的不同S/N比是通過改變用于確定運動的參數值獲得的。
在圖10中，曲線B1表示圖9所示的圖像的S/N比。正如在圖7所示的圖像的情況那樣，曲線B1的開頭部分和結尾部分的S/N比為大約33dB，和中間部分的S/N比為大約40dB。
曲線B2表示通過使用圖像處理單元2對圖9所示的圖像進行NR處理所得的圖像的S/N比。曲線B3表示根據運動相關平均技術對圖9所示的圖像進行NR處理所得的圖像的S/N比。
圖8和10揭示，不管什么類型的圖像，即不管是靜止圖像還是運動圖像，通過使用根據圖像處理單元2進行的NR處理，可以使噪聲有效地得到降低，并具有改善了的S/N比，而不受原始圖像的S/N比的影響。
在上面所述的情況下，在接近給定像素的像素中，空間上和時間上接近給定像素的像素被提取出來。然而，考慮到空間因素，只有沿著水平方向或沿著垂直方向接近給定像素的像素可以被提取出來。
通過提取接近給定像素的像素和然后對被提取的像素加權并相加在一起來降低噪聲(提高S/N比)的原理如下。為了簡化表述，最簡單的方法，即算術平均值法，被用作加權和相加的方法。
假定像素的測量值和真值之間的誤差，即噪聲，是用正態(tài)分布來表示的(即使作出這樣的假設，也不存在根本性的問題)，像素的測量值也是由正態(tài)分布來表示的，如圖11所示。
現在假定給定像素的測量值是用C來表示的。在圖11中由D表示的接近測量值C的像素分布在測量值C的周圍。當接近測量值C的像素的算術平均值由C′來表示時，算術平均值C′等價于將用陰影線部分表示的區(qū)域劃分成兩塊相等的部分的那個數值。因此，能夠作出如下的假設，如果測量的像素值用正態(tài)分布來表示，那么接近于測量值C的算術平均值C′近似于真值。因此，通過確定接近于測量值C的各像素的算術平均值，就能降低噪聲。
圖12顯示了構成圖像的每個像素的測量值和真值之間的誤差的分布。通過計算接近給定像素的各像素的算術平均值，圖12所示的分布由圖13所示的圖形來表示。
更具體地說，通過計算算術平均值，具有誤差E的像素的誤差分布由圖13中的F來表示。在這種情況中，盡管存在著一些其誤差大于誤差E的像素，但大多數像素都具有小于誤差E的誤差。結果，在圖13中實線表示的誤差分布變得比原始分布(圖12)要陡峭得多。換句話來說，具有較小誤差的像素的數量增加了。
根據上面所述的消除(降低)噪聲的原理，進一步的噪聲降低可以通過對含有降低了噪聲的像素實施另一次加權操作來達到。權重函數WVal的標準偏差σ的設定等效于在圖11中對待加權的數據的區(qū)域D的設定。
圖14顯示了根據本發(fā)明的第二實施例的NR處理電路的結構。
在這個NR處理電路中，具有接近于給定輸入數據的數值的輸入數據被提取出來，通過使用被提取的輸入數據，包含在給定輸入數據之中的噪聲得以消除(降低)。
更具體地說，將輸入數據提供到鎖存電路311和預處理單元32中。鎖存電路311與，例如，輸入數據被提供的那一時刻的定時相同步地鎖存(存儲)所提供的輸入數據，并且進一步將它提供到隨后的鎖存電路312和預處理單元32中。類似地，鎖存電路312或鎖存電路313分別鎖存從鎖存電路311和312提供的輸入數據，并且分別將其提供到隨后的鎖存電路313和鎖存電路314中，和將它提供到預處理單元32中。鎖存電路314鎖存從前級鎖存電路313中輸出的輸入數據并將它提供到預處理單元32中。
如果輸入數據x(t+2)被提供到鎖存電路311和預處理單元32中，那么分別在鎖存器311、312、313和314中鎖存的輸入數據x(t+1)、x(t)、x(t-1)和x(t-2)也被提供到預處理單元32中。也就是說，五個依次的取樣數據x(t+2)至x(t-2)被同時提供到預處理單元32中。通過使用從輸入取樣數據x(t+2)至x(t-2)中選擇的中心數據x(t)作為給定輸入數據進行下面將要討論的預處理，接近給定輸入數據x(t)的數據從五個取樣數據x(t+2)至x(t-2)中被提取出來并且被提供到擬合(modeling)單元33中。
擬合單元33根據預定的模型通過使用于自預處理單元32的輸入數據進行近似處理，從而確定相應于給定輸入數據x(t)的輸出數據y(t)。
更具體地說，擬合單元33是由線性遞歸(regression)單元41和輸出計算器42構成的。線性遞歸單元41根據線性表達式(直線)所表示的模型利用于自預處理單元32的輸入數據進行近似處理，從而局部地擬合輸入數據。換句話說，線性遞歸單元41將來自預處理單元32的輸入數據構造成由線性表達式表示的模型。
根據線性遞歸，確定出使線性表達式y(tǒng)＝at+b所表示的直線與來自預處理單元32的每個輸入數據(在圖15中用“·”表示)之間的差值的平方和為極小的常數a和b，如圖15所示。
然后，線性遞歸電路41將所確定的常數a和b提供到輸出計算器42中。輸出計算器42利用常數a和b計算表達式y(tǒng)(t)＝at+b，并輸出所得的數值y(t)作為相應于給定輸入數據x(t)的輸出數據。
前述的處理是在每個時間點t上的輸入數據x(t)上進行的，從而獲得噪聲被有效地降低(消除)了的(具有提高了的S/N比)近似于真值的輸出數據y(t)，正如圖16所示。
當真值具有連續(xù)性時由線性表達式所表示的模型是有效的。否則，舉例來說，如果真值含有不連續(xù)點，那么，從線性表達式所表示的模型獲得的輸出數據y(t)偏離真值，如圖17所示。
因此，預處理單元32從五個取樣輸入數據中只提取與線性表達式所表示的模型相匹配的數據，并將被提取的數據提供給線性遞歸單元41。
更具體地說，預處理單元32計算給定輸入數據x(t)和每個輸入數據x(在這種情況中，x(t+2)到x(t-2))之差值的絕對值(|x(t)-x|)。然后，只有其絕對值等于或小于某一預定閾值th的輸入數據才被提取出來并提供給線性遞歸單元41。因此，在線性遞歸單元41中，只有在相對于給定輸入數據在閾值±th之內的輸入數據上進行線性遞歸，如圖18所示，否則，在真值的不連續(xù)點上將會引起輸出數據y(t)的波形偏離真值。也就是說，即使真值包含有不連續(xù)點，也能獲得近似于真值的輸出數據y(t)，正如圖19所示的。
圖20顯示了根據本發(fā)明的第三實施例的NR處理電路的結構。與圖14所示的單元相同的單元用相同的參考標號來表示，并且將省略有關的說明。也就是說，圖20所示的NR處理電路以與圖14所示的相應物相類似方式構造出來，除了噪聲電平估算單元51的構造之外。
在圖14所示的NR處理電路中，在預處理單元32中使用了固定的閾值th。然而，在圖20所示的NR處理電路中，在預處理單元32中使用的閾值th是根據包含在輸入數據之中的噪聲的電平來自適應地設定的。
更具體地說，與被提供到預處理單元32中的五個取樣輸入數據x(t+2)到x(t-2)相同的五個取樣輸入數據x(t+2)到x(t-2)被提供到噪聲電平估算單元51中。噪聲電平估算單元51估算包含在輸入數據中的噪聲的電平并將估算的噪聲電平提供給預處理單元32。然后，預處理單元32根據估算的噪聲的電平設定閾值th。
下面結合圖21的流程圖描述圖20所示的NR處理電路的操作。
在步驟S11中，五個取樣輸入數據x(t+2)到x(t-2)被輸入到預處理單元32和噪聲電平估算單元51中。然后，在步驟S12中，噪聲電平估算單元51估算包含在五個取樣輸入數據x(t+2)到x(t-2)之中的噪聲的電平。也就是說，噪聲電平估算單元51計算五個取樣輸入數據x(t+2)到x(t-2)的偏差(variance)，并根據計算的偏差估算噪聲的電平。然后，估算的噪聲電平從噪聲電平估算單元51提供到預處理單元32中。
在步驟S13中，預處理單元32根據噪聲電平估算單元51所估算的噪聲的電平設定閾值。更具體地說，對于較大的噪聲電平設定較大的閾值th，而對于較小的噪聲電平設定較小的閾值th。然后，預處理單元32計算給定輸入數據x(t)和五個取樣輸入數據x(t+2)到x(t-2)的每一個之間的差值的絕對值，并且只提取其絕對值等于或少于閾值th的數據。提取的輸入數據被提供到擬合單元33中。
在步驟S14中，擬合單元33局部擬合來自預處理單元32的輸入數據，從而確定用于定義最佳地近似于輸入數據的線性表達式y(tǒng)＝at+b的常數a和b。在步驟S15中，擬合單元33利用在步驟S14中所確定的常數a和b來計算表達式y(tǒng)(t)＝at+b并輸出所得的y(t)作為相應于給定輸入數據x(t)的輸出數據。
然后，在步驟S16中由控制器(圖中未示出)確定所有的輸入數據是否都已被處理過。如果步驟S16的輸出是否定的，那么處理等待要提供的新數據。然后處理返回到步驟S11，并且重復相應的處理過程。如果在步驟S16中發(fā)現所有的輸入數據都已經被處理過，那么就完成處理。
圖22顯示了根據本發(fā)明的第四實施例的NR處理電路的結構。與圖14或20所示的單元相同的單元用相同的參考標號來表示，并且將省略掉相關的說明。也就是說，圖22所示的NR處理電路以與圖14所示的相應物相類似的方式構造出來的，除了誤差計算器61的構造之外。
在圖14所示的NR處理電路中，在預處理單元32中使用了固定的閾值th。然而，在圖22所示的NR處理電路中，以及在圖20所示的相應物中，在預處理單元32中使用的閾值th是根據包含在輸入數據之中的噪聲的電平自適應地設定的。圖22所示的NR處理電路根據在擬合輸入數據過程中發(fā)生的擬合誤差來估算噪聲的電平，盡管圖20所示的NR處理電路根據輸入數據的偏差來估算噪聲的電平。
更具體地說，五個取樣輸入數據x(t+2)到x(t-2)和用于定義最佳地近似于五個取樣輸入數據的線性表達式y(tǒng)＝at+b的常數a和b都被提供到誤差計算器61中。
誤差計算器61計算出，例如，由如下等式所表示的擬合誤差e，并且根據計算的擬合誤差e估算包含在輸入數據之中的噪聲的電平。
e＝|a×(t+2)+b-x(t+2)|+|a×(t+1)+b-x(t+1)|+|a×t+b-x(t)|+|a×(t-1)+b-x(t-1)|+|a×(t-2)+b-x(t-2)| …(3)在誤差計算器61中計算出的噪聲電平被提供到預處理單元32。然后，預處理單元32根據噪聲的電平設定閾值，并且進行與圖20所示的NR處理電路所進行的處理相似的處理。
正如上面所討論的，具有與給定輸入數據相似的數值的數據被提取出來，并且被提取的輸入數據得到局部擬合。因此，沒有得到擬合的輸入數據成分，即噪聲，能夠得到降低。
盡管在前面的實施例中線性數據被用作輸入數據，但本發(fā)明可以應用到象圖像那樣的多維數據的輸入。如果輸入數據是N維的，那么由在線性遞歸中使用的線性表達式所表示的模型由下列等式來表示y=Σi=0Naiti+c···(4)]]>在前面的實施例中，線性表達式被用作近似于輸入數據的模型。然而，可以使用另一種類型的模型，例如N階多項式或貝塞爾(Bezier)曲線，這些模型使得有可能近似處理各種各樣的結構。
近似處理輸入數據的技術并不限于線性遞歸。
盡管在前面所述的實施例中本發(fā)明是從達到噪聲降低的角度進行描述的，但本發(fā)明還可以進行輸入數據的波形成形(shaping)。
正如從前述的描述中所看到的，本發(fā)明的數據處理方法和裝置提供了如下的優(yōu)點。類似于給定輸入數據的輸入數據被提取出來，并且利用被提取的輸入數據進行處理，從而獲得了包含在輸入數據中的噪聲被有效降低的輸出數據。
權利要求
1.一種用于處理輸入數據并輸出處理后的數據作為輸出數據的數據處理裝置，包括提取部件，用于從輸入數據中提取具有與給定輸入數據的數值相接近的數值的相似輸入數據，所述相似輸入數據在時間和空間上接近所述給定輸入數據并包括所述給定輸入數據；和處理部件，用于處理所述提取部件所提取的相似輸入數據并輸出與所述給定輸入數據相關的輸出數據。
2.根據權利要求1的數據處理裝置，其中，所述提取部件通過根據輸入數據和給定輸入數據之間的差值將權重施加到輸入數據上來提取相似輸入數據。
3.根據權利要求2的數據處理裝置，其中，所述提取部件通過讓輸入數據與預定的權重函數相乘來將權重施加到輸入數據上。
4.根據權利要求3的數據處理裝置，進一步包括用于自適應地設定所述權重函數的設定部件。
5.根據權利要求4的數據處理裝置，進一步包括估算部件，用于估算包含在輸入數據中的噪聲的電平，其中，所述設定部件根據估算的噪聲電平來設定所述權重函數。
6.根據權利要求1的數據處理裝置，其中，所述處理部件通過將根據相似輸入數據和給定輸入數據之間的時間或空間相近性而加權的相似輸入數據相加來計算輸出數據。
7.根據權利要求6的數據處理裝置，其中，所述處理部件通過讓相似輸入數據與預定的權重函數相乘來使權重施加到相似輸入數據上。
8.根據權利要求7的數據處理裝置，進一步包括用于自適應地設定所述權重函數的設定部件。
9.根據權利要求8的數據處理裝置，進一步包括估算部件，用于估算包含在輸入數據中的噪聲的電平，其中，所述設定部件根據所估算的噪聲電平來設定所述權重函數。
10.根據權利要求1的數據處理裝置，其中，所述提取部件根據輸入數據和給定輸入數據之間的差值從輸入數據中提取相似輸入數據。
11.根據權利要求1的數據處理裝置，其中，所述提取部件提取與給定輸入數據的差值在預定數值內的輸入數據作為相似輸入數據。
12.根據權利要求11的數據處理裝置，進一步包括用于自適應地設定所述預定數值的設定部件。
13.根據權利要求12的數據處理裝置，進一步包括估算部件，用于估算包含在輸入數據中的噪聲的電平，其中，所述設定部件根據所估算的噪聲電平來設定所述預定數值。
14.根據權利要求13的數據處理裝置，其中，所述估算部件根據輸入數據和相應的輸出數據之間的差值或根據輸入數據的偏差來估算噪聲的電平。
15.根據權利要求1的數據處理裝置，其中，所述處理部件通過利用相似輸入數據進行近似處理來計算輸出數據。
16.根據權利要求15的數據處理裝置，其中，所述處理部件根據預定的模型來進行所述近似處理。
17.根據權利要求16的數據處理裝置，其中，所述處理部件根據線性表達式所表示的模型進行所述近似處理。
18.一種用于處理輸入數據并輸出處理后的數據作為輸出數據的數據處理方法，包括下列步驟提取步驟，從輸入數據中提取具有與給定輸入數據的數值相接近的數值的相似輸入數據，所述相似輸入數據在時間和空間上接近所述給定輸入數據并包括所述給定輸入數據；和處理步驟，處理提取的相似輸入數據并輸出與所述給定輸入數據相關的輸出數據。
全文摘要
一種用于處理輸入數據并輸出處理后的數據作為輸出數據的數據處理裝置和方法，有效地降低了噪聲。該數據處理裝置的提取單元從輸入數據中提取具有與給定輸入數據的數值相接近的數值的相似輸入數據，所述相似輸入數據在時間和空間上接近所述給定輸入數據并包括所述給定輸入數據。該數據處理裝置的處理單元處理所述提取單元所提取的相似輸入數據并輸出與所述給定輸入數據相關的輸出數據。
文檔編號H04N5/21GK1561092SQ20041005560
公開日2005年1月5日 申請日期2000年2月2日 優(yōu)先權日1999年2月9日
發(fā)明者近藤哲二郎, 田中健司, 太田浩二, 二, 司 申請人:索尼公司