專利名稱：一種噪聲強度自適應的視頻去噪方法和系統(tǒng)的制作方法
技術領域：
本發(fā)明涉及視頻圖像處理領域，特別涉及一種能嵌入于視頻編碼器、噪聲強度自適應的視頻圖像噪聲抑制方法。
背景技術：
視頻監(jiān)控系統(tǒng)要求攝像機不間斷地采集視頻圖像。在視頻圖像的獲取過程中，由于成像設備的缺陷或成像過程中一些難以預測的因素，不可避免地會引入各種類型的噪聲。噪聲的存在，不僅會降低視覺意義上的圖像質(zhì)量，更重要的，對后續(xù)的處理過程產(chǎn)生影響。由(XD、CMOS攝像機等成像設備所獲取的視頻信號可以建模成理想視頻疊加了噪聲信號，即=ik(x,y) =&0^，7) + 111;0^7)，其中&0^7)是理想視頻信號，nk(x,y)是噪聲項，通常假設為獨立于信號、均值為零、方差為Q2的Gaussian白噪聲。噪聲方差是反映噪聲強度的一個重要參數(shù)，噪聲強度越大，則噪聲信號的方差越大。對H. 264, MPEG等視頻編碼應用而言，不僅希望能盡可能地去除噪聲信號，避免把碼流分配給不產(chǎn)生真實視覺信息的噪聲信號，而且要求降噪處理不會引入諸如邊緣模糊、 運動模糊等圖像質(zhì)量下降的副作用。進一步地，視頻監(jiān)控等大量的應用具有實時處理的要求，所采用的降噪技術應該具有較好的時間效率。按支撐域的不同，現(xiàn)有的濾波去噪技術可以分為兩大類1_D時間域濾波和3-D時空濾波。由于綜合利用了幀內(nèi)和幀間的相關信息，時空濾波器具有比I-D濾波器更好的性能。按是否采用運動補償技術，可以將時空濾波器分為無運動補償濾波和運動補償濾波。由于無需作費時且耗費存儲資源的運動估計，無運動補償?shù)臅r空濾波具有比運動補償濾波更好的時間效率和存儲效率。無運動補償?shù)臑V波器，通過運動檢測將整個圖像區(qū)分為運動區(qū)域和靜止區(qū)域，在不同的區(qū)域采用不同的濾波方案。現(xiàn)有的運動檢測技術可以分成兩大類基于像素的算法和基于區(qū)域的算法。前者在像素的層面上作靜止或運動的判斷，所需的計算量較少。缺陷是這類算法對噪聲、光強的變化、以及攝像機的抖動很敏感?；趨^(qū)域的算法在區(qū)域的層面上作灰度分布差異的判斷。這類算法具有較好的抗噪聲能力，但由于只考慮灰度，所以它們對光照的瞬時變化很敏感，也無法區(qū)分由于投射陰影引起的虛假移動對象。文獻“Image Change Detection Algorithms :A Systematic Survey" (Radke R. J.等，IEEE Trans. Image Processing, 2005)作了綜述。感知噪聲信號的強弱，以自適應的形式對不同強度的噪聲設置合適的濾波支撐域和濾波系數(shù)是一個好的降噪系統(tǒng)需要具備的能力。由于噪聲是一種隨機信號，所以只能通過包含噪聲的觀察視頻來估計噪聲信號的數(shù)字特征(如噪聲方差、標準差等)。現(xiàn)有的噪聲方差估計算法可以分成兩大類圖像內(nèi)方法和圖像間方法?？紤]到對于大部分圖像，或多或少存在一些灰度均勻的區(qū)域。文獻“Fast and Reliable Structure-Oriented Video Noise Estimation，，(Amer A. , Dubois E. IEEETrans. Circuits Syst. Video Technol. ,2005)提出了一種基于分塊、可靠的噪聲強度估計算法。他們的算法使用對應二階差分的模板檢測線型結構，選擇那些具有均勻灰度的圖像塊計算方差，以這些方差值的平均值作為圖像噪聲方差。顯然，這種估計方法無法利用編碼器產(chǎn)生的信息，需要以獨立模塊的形式存在，需要引入較多的額外計算代價。美國專利(^91842將圖像劃分成固定尺寸的子塊。由當前幀和參考幀計算每個塊的幀差圖像，且在塊的層面上計算幀差數(shù)據(jù)的方差值。在所有塊的方差數(shù)據(jù)中，選擇若干個較小的值作為樣本來估計噪聲方差。這種估計方法需要有先驗知識來指導怎樣的塊能被選擇參與估計運算，而且這種選擇將很大程度上決定最后的估計是否準確。以濾波器的形式對視頻圖像進行噪聲抑制，通常需要對圖像中的每個像素定義一個時空支撐域，利用支撐域內(nèi)的像素觀察值來估計該像素的理想信號值。對于濾波器而言， 有兩個關鍵因素支撐域的定義和對應各個像素的濾波系數(shù)設定。可采用多種不同的技術來自適應地確定濾波系數(shù)，如時空自適應線性最小均方差濾波器(LMMSE，Linear Minimum Mean Square Error)、自適應力口權平均濾波器(AWA, Adaptive Weighted Averaging)等。

發(fā)明內(nèi)容
本發(fā)明提供一種以視頻監(jiān)控為應用背景，嵌入在編碼器的視頻噪聲估計和抑制技術。所提供的技術以宏塊的DCT系數(shù)的分布為依據(jù)判斷是否為靜態(tài)區(qū)域，選用位于靜態(tài)區(qū)域的圖像子塊估計噪聲的強度。在此基礎上實現(xiàn)基于運動檢測、噪聲強度自適應的去噪濾波。本發(fā)明以機器學習的方式建立用來判斷圖像子塊是否位于靜態(tài)區(qū)域的分類器，在學習階段，計算幀差圖像，且劃分成8X8的圖像塊；對這些子塊作DCT變換，向量形式的變換系數(shù)和相應的對應靜止或運動的標號作訓練樣本；利用AdaBoost技術選取有效的特征， 作為弱分類器；將若干個弱分類器組合成強分類器，且以級聯(lián)結構的形式組織這些強分類器；在級聯(lián)結構前端的分類器，由較少的弱分類器構成，能排除較為明顯的動態(tài)塊，保留所有的靜態(tài)塊；后續(xù)的分類器，其復雜程度逐個增加，以逐步排除那些與靜態(tài)塊區(qū)別不那么明顯的動態(tài)塊；在降噪模塊中用學習所得的級聯(lián)形式的分類器判斷一個圖像子塊是否屬于靜態(tài)區(qū)域。本發(fā)明利用位于靜態(tài)區(qū)域的宏塊的各個DCT系數(shù)的分布參數(shù)估計噪聲強度，8X8 的圖像塊作DCT變換后有64個系數(shù)，這些系數(shù)被看作是隨機信號；對所有被選擇參與噪聲估計模型訓練的子塊作如下的統(tǒng)計以經(jīng)過量化、離散形式的區(qū)間值為橫坐標，某個指定位置的DCT系數(shù)落在該區(qū)間內(nèi)的頻度為縱坐標，從而得到直方圖形式表示的DCT系數(shù)的分布 (對于8X8的塊大小設定，這樣的直方圖共64個)；統(tǒng)計每個位置的系數(shù)分布參數(shù)，將噪聲信號的標準差值建模成以這些分布的特征為自變量的函數(shù)，以最小二乘法解得該函數(shù)模型的最優(yōu)解；這種噪聲強度估計算法嵌入在視頻編碼器內(nèi)，能避免估計視頻噪聲所引入的額外計算。針對視頻監(jiān)控等應用，本發(fā)明作“視頻圖像中存在較多的靜態(tài)像素”的假設，以鄰域內(nèi)正則化幀差值之和Ak(p)作為判斷的依據(jù)，若像素ρ滿足靜態(tài)假設，則Ak(p)服從度為Nw的X2分布，根據(jù)不同的去噪等級設定可接受的虛警率，以顯著性檢測的方式確定閾值，若Ak(p)小于該閾值，則像素ρ被判定為靜態(tài)像素，否則被判定為動態(tài)像素。
4
本發(fā)明所采用的噪聲抑制技術是基于運動檢測、噪聲強度自適應的時空線性濾波；對于靜態(tài)像素和動態(tài)像素，分別采用時間域濾波和時-空自適應線性最小均方差濾波， 濾波系數(shù)根據(jù)噪聲強度和圖像局部特征自適應地確定。本發(fā)明的有益技術效果是判定圖像子塊是否位于靜態(tài)區(qū)域、噪聲強度估計、像素點的分類等都嵌入在視頻編碼器內(nèi)，避免額外的計算代價，從而能有效地提高降噪系統(tǒng)的時間效率；考慮監(jiān)控視頻圖像存在大量靜態(tài)像素的特點，以魯棒的、基于像素局部鄰域特征的技術區(qū)分靜態(tài)像素和動態(tài)像素，采用不同的濾波器對它們作降噪濾波。能在有效抑制噪聲的同時，很好地保持圖像的邊緣清晰度，避免運動模糊。


圖1為以Z字形掃描組織DCT系數(shù)的示意圖；圖2為本發(fā)明以級聯(lián)形式組織的分類器的示意圖；圖3為本發(fā)明以學習方式獲得DCT系數(shù)分布參數(shù)和視頻噪聲標準差的函數(shù)模型的流程框圖；圖4為視頻噪聲抑制具體實施方式
的框圖。
具體實施例方式8X8的幀差數(shù)據(jù)經(jīng)過DCT變換，得到如下的8X8DCT系數(shù)。
權利要求
1.一種基于運動檢測，噪聲強度自適應的視頻數(shù)據(jù)去噪方法，其特征包括由DCT系數(shù)的分布估計噪聲強度，作為噪聲濾波的參數(shù)，且這種估計嵌入在視頻編碼器中進行；針對視頻監(jiān)控的實際應用，作“視頻圖像中存在較多的靜態(tài)像素”的假設，根據(jù)像素是否滿足靜態(tài)假設，選擇不同的濾波器作濾波處理，具體實現(xiàn)方法如下(1)以鄰域內(nèi)正則化幀差值之和Ak(P)作為判斷的依據(jù)，若像素P滿足靜態(tài)假設，則 Ak(P)服從度為Nw(等于窗口內(nèi)的像素數(shù)目)的X2分布，根據(jù)不同的去噪等級設定可接受的虛警率，以顯著性檢測的方式確定閾值，若Ak(p)小于該閾值，則像素ρ被判定為靜態(tài)像素，否則被判定為動態(tài)像素；(2)應用于靜態(tài)像素的濾波器是一種時間域濾波器，濾波信號按下式計算 眾) = 眾)+(i—r)友(P，眾一 ι)其中g(P，k)為第k幀圖像，可為亮度分量或色度分量，γ為鄰域內(nèi)正則化幀差值之和與用于判定像素是否滿足靜態(tài)假設的閾值之比；(3)應用于動態(tài)像素的濾波器是一種時-空自適應濾波器，濾波信號按下式計算其中σν2是視頻信號的噪聲方差，yg(p，k)為輸入信號的鄰域均值，σ〗(ρ,A:)為鄰域范圍內(nèi)的信號方差與視頻信號的噪聲方差之間的差值。
2.如權利要求1所述的嵌入在編碼器中的噪聲強度估計方法，其特征在于這種估計是基于DCT系數(shù)的分布的，在學習階段，選取那些處于靜態(tài)區(qū)域的圖像子塊計算DCT變換， 得到8X8的系數(shù)矩陣；對每個給定的位置，以經(jīng)過量化、離散形式的區(qū)間值為橫坐標，所有訓練樣本的DCT系數(shù)落在該區(qū)間內(nèi)的頻度為縱坐標，得到直方圖形式表示的DCT系數(shù)的分布，且以拉普拉斯分布來近似描述；對于8 X 8的塊大小設定，共有64個這樣的直方圖，通過學習，建立噪聲信號的標準差和這些分布參數(shù)之間對應關系的函數(shù)模型；在視頻去噪的應用中，以DCT系數(shù)的分布參數(shù)作為輸入，使用訓練所得的模型估計視頻噪聲強度。
3.如權利要求2所述的靜態(tài)區(qū)域圖像子塊的選取方法，其特征在于在學習階段，采集大量不同噪聲強度、不同場景的視頻，以人工的方式作是否是靜態(tài)塊的標記；幀差圖像被劃分成8X8子塊作DCT變換，變換系數(shù)按Z字形掃描的方式排列，以這個排列中的單個元素值、近鄰的若干個元素之和為特征，產(chǎn)生用于分類的特征向量；選擇合適數(shù)量的靜態(tài)塊和動態(tài)塊，組織成觀察向量，以AdaBoost算法選取特征且構造級聯(lián)形式的強分類器；在后續(xù)降噪的應用中，以相應的特征作為輸入，級聯(lián)形式的分類器輸出對應的類別標記。
全文摘要
本發(fā)明公開了一種嵌入于編碼器、基于運動檢測、噪聲強度自適應的視頻數(shù)據(jù)去噪方法，包括(1)以鄰域內(nèi)正則化幀差值之和為觀察值，將輸入像素分為靜態(tài)像素和動態(tài)像素，對于兩類不同的像素，采用不同支撐域的濾波器，濾波系數(shù)根據(jù)噪聲強度和圖像局部特征自適應地確定；(2)以單個DCT系數(shù)或多個DCT系數(shù)之和為特征，以AdaBoost為工具構造級聯(lián)形式的分類器，應用該分類器選取靜態(tài)塊；(3)建立視頻噪聲強度與靜態(tài)塊的DCT系數(shù)分布參數(shù)之間聯(lián)系的函數(shù)模型，利用該模型估計噪聲信號標準差。本發(fā)明所提供的嵌入在視頻編碼器中的噪聲強度估計和降噪技術，能以很少的計算代價獲得噪聲濾波所需的參數(shù)和信息，具有很好的時間效率；由于采用可靠的線索判斷像素是否符合靜態(tài)假設，本發(fā)明的濾波器能在有效地濾除噪聲的同時保持靜態(tài)圖像的邊緣清晰度，并避免在運動區(qū)域由于濾波引入的運動模糊。
文檔編號H04N7/26GK102368821SQ20111032083
公開日2012年3月7日 申請日期2011年10月20日 優(yōu)先權日2011年10月20日
發(fā)明者歐陽毅, 王勛, 陳衛(wèi)剛 申請人:浙江工商大學