CN100367771C - 一种自适应抑制图像噪声的方法 - Google Patents

Abstract

本发明涉及一种采用自适应方法抑制图像噪声的方法。现有空间降噪方法会产生边界模糊，及噪声量级测量等问题。本发明包括以下步骤：利用场间递归的方法，通过对候选像素点亮度相关性的计算，找到图像的边沿，并给出边沿的大小和方向；利用图像消隐期信息对本场图像的噪声量级进行估计；根据边沿的大小和方向，选择滤波像素，根据噪声量级，选取相应的滤波系数；利用产生的滤波像素和相应的滤波系数进行滤波，得到降噪结果。本发明可以对不同污染程度的图像采用不同强度的滤波系数，以获得更加自然的图像效果。

Description

一种自适应抑制图像噪声的方法

技术领域

本发明应用于数字视频处理技术领域，特别涉及一种采用自适应方法抑制图像噪声的方法。

背景技术

在电视信号源产生、信道传输和接收过程的各环节中都可能引入噪声，最普遍的电视信号噪声类型是加性高斯白噪声，主要在复合电视信号从传送端到用户接收端的信道传输过程中产生。降低图像噪声的方法有很多种，但应用最广泛，实现最简单，效果最明显的方法就是对图像进行低通滤波。低通滤波主要利用图像在空间上的相关性，对那些相关性较差的随机噪声和高斯噪声进行抑制。

一般来说，图像降噪可分为帧内和帧间降噪两种方法。帧内降噪主要是利用图像在空间上的相关性进行处理，而帧间降噪是利用图像在时间上的相关性进行处理。对于两种方法而言都有他们不可回避的弱点。

对于空间降噪，即帧内降噪，它在处理物体边界方面的效果并不十分令人满意。物体的边界无论亮度和色度都会有较大的变化，当降噪点刚好处在物体边界时，低通滤波器会把物体边界变得模糊，这是大多数通过低通滤波器实现降噪都会遇到的问题。

申请号为200410069837.8的发明公开了一种噪声量级测量的方法。该方法中采用了当前场图像与前场图像对应像素的亮度差的绝对累加和作为该场图像的噪声量级，并通过该量级选择一组预定的滤波器系数进行滤波。此种方法对于静止图像会有较好的效果，但是对于运动图像，特别是快速运动的图像而言，会由于图像本身的运动而错误的引入较大的噪声量级。采用此噪声量级确定的噪声抑制系数将会带来较大的图像清晰度损失。

发明内容

本发明针对空间降噪会产生边界模糊，及噪声量级测量等问题，给出了一种利用图像边沿信息及图像消隐期进行自适应抑制视频图像噪声的方法。

本发明包括以下步骤：(a)利用场间递归的方法，通过对候选像素点亮度相关性的计算，找到图像的边沿，并给出边沿的大小和方向；(b)利用图像消隐期信息对本场图像的噪声量级进行估计，噪声量级越大本场图像受到的噪声污染越强；(c)根据边沿的大小和方向，选择滤波像素，根据噪声量级，选取相应的滤波系数；(d)利用产生的滤波像素和相应的滤波系数进行滤波，得到降噪结果。

步骤(a)中所述的场间递归方法是指利用前场计算的边沿结果作为本场边沿判断的的一个依据，如果前场像素存在边沿，则本场对应位置需要进行候选像素点亮度相关性计算并增加该像素存在边沿的权重。

步骤(a)中所述步的候选像素点亮度相关性计算是将对应候选像素亮度差求和；比较各方向相关性计算的结果，相关性较大的方向是边沿存在的方向，并将此边沿保存作为下一场边沿计算的依据。

步骤(b)中所述的噪声量级估计就是计算图像消隐期电平的平均值，该平均值作为噪声量级。

步骤(c)中滤波像素的选择方法是：对于边沿存在的像素，根据边沿的方向，按照边沿方向选择滤波像素，滤波像素距离目标点的距离由边沿的大小决定，边沿越大候选滤波像素距目标点越远；对于边沿不存在的像素，选择与目标像素相邻的点作为滤波像素。

步骤(c)中滤波系数的选取方法是：对于边沿存在的像素，滤波系数就是完成对滤波像素的平均；对于不存在边沿的像素，根据噪声量级的大小选取滤波系数。

本发明提供降噪方法的自适应性主要体现在两个方面：(1)通过边沿判断，自适应选择滤波器的候选像素。判决为图像边沿的像素，与边沿方向的像素的相关性大，利用边沿上的像素进行滤波可以获得更好的滤波效果，并且减少对边沿细节的损失。判决为非边沿的像素，利用预先确定好的候选像素进行滤波；(2)通过噪声量级判断，自适应选择降噪系数。噪声量级表示着图像被噪声污染的程度，对不同污染程度的图像采用不同强度的滤波系数，可以获得更加自然的图像效果。

附图说明

图1按本发明实施的噪声抑制电路的框图；

图2本发明采用的噪声量级判断的框图；

图3为图2中202平均量级计算的实现框图；

图4为图1中103采用的边沿检测的框图；

图5为图4中404所示SAD计算方向的示意图；

图6为图1中104所示像素选取的结构框图。

具体实施方式

图1提供了本实施例所采用的降噪方法的结构框图，主要包含了5个部分：噪声量级估计101用来确定噪声量级。由于视频信号传输的信道和媒介的不同，接收机的性能也不尽相同，另外周围环境的不同，这些因素都会使噪声的量级有所不同。因此采用本实施例所提供的噪声量级估计器可以准确地确定噪声的量级，根据这一噪声量级，可以合理的确定滤波系数，得到最优的滤波效果。102根据噪声量级和边沿判断的结果给出一组经过实验确定的最优化的系数。103所示的边沿计算器用来计算图像的边沿，其计算过程由图4具体阐述。103计算的得到的边沿信息提供给104像素选取模块，104通过自身的算法结构判断103计算边沿的准确性。对于判断为边沿和非边沿的像素采用不同的像素选取方案，把选定的像素送到最后一级105滤波装置。同时104还要把边沿判断的结果送给102，102据此判断的结果来相应的给出边沿降噪或非边沿降噪的滤波系数。102得到的候选滤波器系数和104得到的候选像素将作为105的输入。105将候选像素与对应系数相乘并对乘积求和，得到滤波器输出，该输出即为降噪输出。

图2所示是图1中101的细化结构图。图中201是一个窗口选择装置。该装置的作用是产生一个噪声量级计算的有效窗口。本实施例给出的是一种基于消隐期电平波动而进行噪声量级估计的一种方法。在图像被噪声污染的同时，消隐期同样会受到噪声的污染，而且在量级上是相同的。在理想情况消隐期的电平是应该保持不变的，而消隐期电平的变化明显体现了噪声的影响，因此对消隐期进行噪声量级的计算可以去除由图像运动引起的估计不准确。201正是提供了在消隐期计算噪声量级的有效窗口，在该窗口的限制下，从输入的视频数据中提取出有效数据与202得到的平均消隐期电平经过203相减，204取绝对值，205累加三个过程得到绝对差累计和，这个数值就是当前场的噪声量级。

图3是对图2中202的详细说明。图2中202是一个平均消隐电平计算模块，它的作用是计算出消隐期的基准电平，该基准电平是计算噪声量级的一个基准，它是经过对多帧消隐期电平进行累计平均得到的计算值。基准电平是基本保持稳定的数值，他不会随输入帧经常变化，也正因为如此才可以用它作为基准电平。本实施例的基准电平的获得是通过对多帧信号进行平均得到的，它不会每一帧都更新，只有在累计一定数量的帧后，才会更新。经过多帧的累积计算得到的基准电平才是准确的。301是一个检测同步信号的同步判决器，它通过同步信号的极性和宽度特征判断给出新帧/场标志。此标志指示302对输入帧/场进行计数，当输入的帧/场积累到某一预置的值TH时，303更新判决器产生一个更新信号，对基准电平进行更新。304和305是本实施例中计算基准电平的电路，它对经过301选通的消隐电平的值进行平均得到一个平均得基准电平。

图4是本实施例采用的边沿计算模块的框图。本实施例采用了一种递归的边沿计算方法。401是一个边沿存储器，它保存了上一场/帧的边沿信息。404是边沿计算的主要部分，它通过对各方向的像素的SAD的计算，得到一组最有可能反映图像边沿方向的信息。404得到的各方向的SAD与402得到的各方向的加权值，在405种进行加权比较，得到最大可能性的边沿方向。

图5给出了边沿计算方向和SAD计算的示意图。图中坐标为(i，j)的像素点为目标像素，亮度值记为f(i，j)，j-1代表上面相邻行的像素，设定m为候选方向，如果取m＝[-6，+6]，方向m的SAD值可由下面的表达式给出：

${\mathrm{SAD}}_m=\underset{k=-1}{\overset{1}{\mathrm{\Σ}}}|f(i+m+k,j-1)-f(i-m+k,j)|---\left(1\right)$

当m＝0时代表垂直方向的SAD，m取其他值时分别代表左右范围为6的方向。由此可以得到13个候选方向的SAD。SAD_m值得大小代表了在方向m上存在边沿的可能性的大小，SAD_m值越小，表示在m的方向上存在边沿的可能性越大。

图1中104首先对103计算得到的边沿进行判断。被判定为确实为边沿的目标点将按照边沿方向选择候选像素进行边沿方向的滤波，而非出于边沿的像素点则进行普通的空间滤波。图6介绍了这一过程的一种实现框图。

Claims (6)

1.一种自适应抑制图像噪声的方法，其特征在于该方法包括以下步骤：(a)利用场间递归的方法，通过对候选像素点亮度相关性的计算，找到图像的边沿，并给出边沿的大小和方向；(b)利用图像消隐期信息对本场图像的噪声量级进行估计，噪声量级越大本场图像受到的噪声污染越强；(c)根据边沿的大小和方向，选择滤波像素，根据噪声量级，选取相应的滤波系数；(d)利用产生的滤波像素和相应的滤波系数进行滤波，得到降噪结果。

2.如权利要求1所述的一种自适应抑制图像噪声的方法，其特征在于步骤(a)中所述的场间递归方法是指利用前场计算的边沿结果作为本场边沿判断的的一个依据，如果前场像素存在边沿，则本场对应位置需要进行候选像素点亮度相关性计算并增加该像素存在边沿的权重。

3.如权利要求1所述的一种自适应抑制图像噪声的方法，其特征在于步骤(a)中所述的候选像素点亮度相关性计算是将对应候选像素亮度差求和；比较各方向相关性计算的结果，相关性较大的方向是边沿存在的方向，并将此边沿保存作为下一场边沿计算的依据。

4.如权利要求1所述的一种自适应抑制图像噪声的方法，其特征在于步骤(b)中所述的噪声量级估计就是计算图像消隐期电平的平均值，该平均值作为噪声量级。

5.如权利要求1所述的一种自适应抑制图像噪声的方法，其特征在于步骤(c)中滤波像素的选择方法是：对于边沿存在的像素，根据边沿的方向，按照边沿方向选择滤波像素，滤波像素距离目标点的距离由边沿的大小决定，边沿越大候选滤波像素距目标点越远；对于边沿不存在的像素，选择与目标像素相邻的点作为滤波像素。

6.如权利要求1所述的一种自适应抑制图像噪声的方法，其特征在于步骤(c)中滤波系数的选取方法是：对于边沿存在的像素，滤波系数就是完成对滤波像素的平均；对于不存在边沿的像素，根据噪声量级的大小选取滤波系数。

Images