CN101573958A - 用于内容自适应空-时运动自适应噪声降低的方法和装置 - Google Patents
用于内容自适应空-时运动自适应噪声降低的方法和装置 Download PDFInfo
- Publication number
- CN101573958A CN101573958A CNA2007800487044A CN200780048704A CN101573958A CN 101573958 A CN101573958 A CN 101573958A CN A2007800487044 A CNA2007800487044 A CN A2007800487044A CN 200780048704 A CN200780048704 A CN 200780048704A CN 101573958 A CN101573958 A CN 101573958A
- Authority
- CN
- China
- Prior art keywords
- pixel
- filtering
- motion
- assembly
- carried out
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000009467 reduction Effects 0.000 title claims abstract description 11
- 230000003044 adaptive effect Effects 0.000 title description 10
- 238000001914 filtration Methods 0.000 claims abstract description 28
- 230000002123 temporal effect Effects 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 16
- 230000003068 static effect Effects 0.000 claims description 14
- 238000005259 measurement Methods 0.000 claims description 8
- 238000007689 inspection Methods 0.000 claims 2
- 238000001514 detection method Methods 0.000 description 10
- 238000003860 storage Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000010612 desalination reaction Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/14—Picture signal circuitry for video frequency region
- H04N5/21—Circuitry for suppressing or minimising disturbance, e.g. moiré or halo
- H04N5/213—Circuitry for suppressing or minimising impulsive noise
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20004—Adaptive image processing
- G06T2207/20012—Locally adaptive
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/14—Picture signal circuitry for video frequency region
- H04N5/144—Movement detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Picture Signal Circuits (AREA)
- Image Processing (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
根据一个实施例,公开了一种方法。该方法包括接收视频数据;测量该数据的运动移动的时间特征;测量该数据的按像素的空间内容特征;执行局部内容分析以分类像素;以及对像素执行噪声降低滤波。
Description
发明领域
本发明涉及计算机系统,尤其涉及视频处理。
背景
降低噪声伪像(artifact)在视频处理领域是非常重要的因素。画面噪声是不期望的视觉现象,它由有缺陷的视频捕捉、传输、编码和存储过程引起。例如,在视频应用的接收端,通常应用噪声降低技术作为部分后处理滤波以提高画面质量。
当代媒体处理器通过使用诸如运动补偿、运动自适应、时间或空间滤波器之类的技术来降低噪声伪像。由于在运动搜索中花费的大量的计算和存储,用以算出最佳的时间相关从而降低噪声伪像,运动补偿方法一般实现最佳的滤波效果。
运动自适应和时间办法不需要像运动补偿那样大量的运动搜索。然而,时间处理中涉及的计算/存储的量却不是少量的。空间域办法是以画面质量为代价最节省计算的。
附图简述
本发明在附图中通过示例而非限制地示出,其中相同的附图标记指示相似的元件,附图中:
图1是计算机系统的一个实施例的框图;
图2是示出内容自适应空-时运动自适应噪声滤波的一个实施例的流程图;
图3示出噪声降低滤波器的一个实施例;以及
图4示出映射边缘检测度量相对于用于参考像素去除过程的阈值的示图的一个实施例。
详细描述
公开了一种用于降低存在于画面中的噪声的内容自适应空-时运动自适应机制。在一个实施例中,机制包括通过降低由视频捕捉、传输、编码和存储过程引起的噪声伪像来增强图像/视频视觉质量的组件;通过使用运动检测、边缘检测和奇异点检测选择噪声降低滤波器来提供内容分析的组件;提供噪声降低滤波以降低由奇异噪声像素引起的视觉降级的组件;通过空-时滤波器利用包括从空-时邻域选择的像素集合的参考像素降低噪声的组件;通过空间滤波器利用包括从空间邻域选择的像素集合的参考像素降低噪声的组件;以及利用边缘检测的信息使空-时/空间滤波器的滤波适应用于有噪声的画面的组件。
在本发明的以下详细描述中,阐述了很多特定细节以便提供对本发明的透彻理解。然而,对于本领域的技术人员显然易见的是没有这些特定细节也可实施本发明。在其它情况下,公知的结构和设备以框图形式而不详细地示出,以免淡化本发明。
在本说明书中对“一个实施例”或“一实施例”的引述表示结合该实施例描述的特定特征、结构、或特性包括在本发明的至少一个实施例中。在说明书的各位置出现的短语“在一个实施例中”不一定全指同一实施例。
以下的详细描述的某些部分是按照对计算机存储器内数据位的操作的算法和符号表示来介绍的。这些算法描述和表示是数据处理领域的技术人员用于向本领域的其它技术人员最有效地传达其工作实质的手段。在本文中且通常认为算法是导致期望结果的步骤的自相容序列。这些步骤需要对物理量的物理处理。通常,尽管并非必需,这些量采用能够被存储、传送、组合、比较和其它方式处理的电或磁信号形式。已经证明将这些信号称为位、值、元素、码元、字符、项、数字等有时是方便的,主要是出于通用的原因。
然而,应当铭记,所有这些和类似术语都与适当的物理量相关联且仅仅是应用于这些量的方便标志。除非具体说明否则,如从以下讨论所显而易见的,应意识到,贯穿说明书使用诸如“处理”、“计算”、“推算”、“确定”、“显示”等术语的讨论指的是计算机系统或类似的电子计算设备的动作和进程,它们将计算机系统寄存器和存储器内表示为物理(例如,电子)量的数据处理和/或变换成计算机系统存储器、寄存器或其他这种信息存储、传输或显示设备内类似地表示为物理量的其他数据。
本发明还涉及用于在本文中执行操作的装置。该装置可专门构造成用于所需目的,或者它可包括由存储在计算机中的计算机程序选择性地激活或重新配置的通用计算机。这种计算机程序可存储在计算机可读存储介质中,诸如但不限于包括软盘、光盘、CD-ROM和磁光盘的任意类型的盘、只读存储器(ROM)、随机存取存储器(RAM)、EPROM、EEPROM、磁或光卡、或适用于存储电子指令且各自耦合到计算机系统总线的任意类型的介质。
本文中出现的算法和显示器不固有地关联于任何特定计算机或其它装置。各种通用系统可根据本文的教义与程序一起使用,或者可证明构造更为专用的装置来执行所需的方法步骤是方便的。用于多种这些系统的所需结构将从以下的描述中出现。此外,本发明不是参考任何具体编程语言描述的。将意识到可将多种编程语言用于实现如本文所述的本发明的教义。
编程语言的指令可由一个或多个处理设备(例如,处理器、控制器、控制处理单元(CPU))执行。
图1是计算机系统100的一个实施例的框图。计算机系统100包括耦合至互连105的中央处理单元(CPU)102。在一个实施例中,CPU 102是可从加利福尼亚州圣克拉拉的英特尔公司购买到的IV处理器的处理器家族中的处理器。或者,可使用其它CPU。例如,可将CPU 102实现为多个处理器或多个处理器核。
在又一个实施例中,芯片组107也耦合到互连105。芯片组107可包括存储器控制组件(MC)110。MC 110可包括耦合到主系统存储器115的存储器控制器112。主系统存储器115存储由CPU 102或系统100中包括的任何其它设备执行的数据和指令序列。
MC 110可经由集线器接口耦合到输入/输出控制组件(IC)140。IC 140向计算机系统100内的输入/输出(I/O)设备提供接口。IC 140可支持诸如外围组件互连(PCI)、加速图形端口(AGP)、通用串行互连(USB)、低引脚数(LPC)互连或任意其它类型的I/O互连(未示出)等I/O互连上的标准I/O操作。在一个实施例中,IC 140耦合到无线收发机160。
根据一个实施例,IC 140包括用于对所接收的视频数据执行内容自适应空-时运动自适应进程的指令集。然而,在其它实施例中,IC 140可包括用于执行该进程的硬件模块。在又一些实施例中,CPU 102可被实现成执行该进程。
图2是示出用于执行内容自适应空-时运动自适应噪声滤波的一个实施例的流程图。在处理框210,接收视频输入。在处理框220,测量按像素的空间内容特征,诸如边缘和奇异点。在处理框230,测量运动移动的按块的时间特征。
在处理框240,执行局部内容分析以将像素分成奇异像素、运动像素和静止像素。在处理框250,根据分类信息和内容测量信息将各种滤波技术应用于每种不同类别的像素,以便降低噪声伪像。在处理框260,从IC 140发送经处理的视频数据。以下更详细地描述各个处理220-250。
空-时运动检测
空时运动检测考虑时间和空间信息两者,以便更好地检测画面内容的运动。在一个实施例中,将进程实现为将时间差与局部空间复杂度相组合。给定当前目标像素的集合{c(x,y)},围绕{c(x,y)}的毗邻像素的集合表示为{n(x,y)},而前一画面中对应的像素的集合是{(p(x,y)}。
根据一个实施例,空间垂直复杂度测量(SVCM)定义为SVCM=Norm{(n(x,y)-n(x,y+2))},空间水平复杂度测量(SHCM)定义为SHCM=Norm{(n(x,y)-n(x+1,y))}。此外,时间差测量(TDM)定义为TDM=Norm{(n(x,y)-p(x,y))。在一个实施例中,范数(norm)测量是绝对差之和(SAD)以及最大绝对差(MAD)。
因此,空-时运动测量(STMM)定义为STMM=C1*TDM/{(C2*SVCM+C3*SHCM)+C4,其中C1、C2、C3、C4是根据应用要求的预定义加权因数。在一个实施例中,STMM等于TDM的STMM简化版本是视频处理领域中运动检测的一般情况。STMM基于集合{c(x,y)},且共用于{c(x,y)}中的每个像素。
空间内容测量
为了进行空间内容测量,为每个像素测量两个空间特征:边缘和奇异点。对于奇异点检测,考虑当前目标像素c(x,y)和紧邻像素的集合{n(x,y)}。如果对于{n(x,y)}中的每个像素n(x,y),c(x,y)总是比n(x,y)大预定阈值数或总是比n(x,y)小于预定阈值数,则将c(x,y)定义为奇异像素。根据一个实施例,将紧接的8个毗邻像素用作{n(x,y)}的默认大小。
对于边缘检测,诸如索贝尔(Sobel)公式之类的公式用于估计边缘信息。索贝尔公式表示为
将一阶索贝尔边缘度量(EM)定义为:
EM(c(x,y))=/n9(x,y)*E_h/+/n9(x,y)*E_v/
其中n9(x,y)是当前目标像素c(x,y)的3x3空间毗邻像素。
局部内容分析
为了进行局部内容分析,收集来自奇异点检测的信息。如果目标像素被标识为奇异像素,则目标像素被转发到噪声降低滤波器的奇异滤波器组件,如下更详细描述地。在一个实施例中,非奇异像素被转发用于运动测试,用于分类成运动像素类别或静止像素类别。
在非奇异目标像素c(x,y)和相关联的毗邻像素{n(x,y)}的示例中,如果周围像素中其STMM值大于预定阈值STMM_阈的像素的数目大于预定值数目_大_STMM_像素_阈,则c(x,y)被分类为运动像素。否则,非奇异c(x,y)被渲染为静止像素。实现运动测试的过程如下:
数目_大_STMM_像素(c(x,y))=0
循环{n(x,y)}中的每个像素n(x,y){
If(STMM(n(x,y))>STMM_阈)数目_大_STMM_像素(c(x,y))++;
}
If(数目_大_STMM_像素(c(x,y))>数目_大_STMM_像素_阈)
像素c(x,y)是运动像素
Else c(x,y)是静止像素
在另一实施例中,STMM的总和用于{n(x,y)}的集合作为度量。实现运动测试的这个过程如下:
总和_STMM(c(x,y))=0
循环{n(x,y)}中的每个像素n(x,y){
总和_STMM(c(x,y))+=STMM(n(x,y))
}
If(总和_STMM(c(x,y))>总和_STMM_阈)像素c(x,y)是运动像素
Else c(x,y)是静止像素(总和_STMM_阈是预定义阈值)
在本实施例中描述的运动测试技术是在以目标像素为中心的毗邻像素上获取的度量。在其它实施例中,简化且有效版本可用于基于预定义块的像素,因此该块内部的像素共享此共用运动度量。运动像素和静止像素被分别发送到噪声降低滤波器的空间滤波器和空-时滤波器组件。
噪声降低滤波器
如上所述,噪声降低滤波器250进程包括子进程。如图3所示,这些子进程包括奇异点滤波器进程351、空间滤波器进程352和空-时滤波器进程353。
奇异点滤波器351包括处理所检测的奇异像素的中值滤波器。在一个实施例中,滤波器支持的大小是5,且参考像素的集合是目标像素左、右、上和下的紧邻像素。在另一个实施例中,滤波器支持扩展至9,增加了紧接的右上、左上、右下和左下。
内容自适应滤波器352包括应用到所标识的运动像素的内容自适应、边缘保持空间滤波器。在进行滤波之前,基于像素差测量去除外部参考像素。考虑目标像素c(x,y)和相关联的空间毗邻像素集合{nS(x,y)},进程被实现为如下:
在一个实施例中,新形成的{nS(x,y)}标示为{nS′(x,y)}。边缘_阈是基于目标像素的边缘检测测量的阈值,且映射在图4中描述。因此,空间滤波器(空间_滤波器)定义如下:
其中w(n(x,y))是加权因数。
内容自适应空-时滤波器352是通过将时间像素集合包括在参考像素考虑内实现的空间滤波器的扩展。在一个实施例中,前一/下一画面的毗邻像素中的像素集合标示为{nT(c(x,y))}。在这样的实施例中,以上参考目标像素c(x,y)描述的相同选择进程用于去除外部像素并形成新的参考像素的集合作为{nT′(c(x,y))。因此,空-时滤波器(空-时_滤波器)定义如下:
其中w(nS(x,y))是空间参考像素的加权因数以及
w(nT(x,y))是时间参考像素的加权因数。
上述通过组合局部空间信息与时间变化以估计视觉观看的效果来降低噪声伪像从而实现增强的视频质量。此外,实现空间和空-时滤波器技术用于通过使用空间边缘信息自适应地精化我们的空间和空-时滤波器,在噪声降低阶段保持锐度,从而实现更好的边缘保持噪声降低视觉质量机制。
尽管本发明的很多改变和修改在本领域的普通技术人员阅读上述描述之后无疑将变得显而易见,但应该理解经由说明示出和描述的任何具体实施例不应被认为是限制性的。因此,对各实施例的细节的参考不打算限制权利要求的范围,该权利要求仅列举认为是对本发明至为重要的那些特征。
Claims (24)
1.一种方法,包括:
接收视频数据;
测量所述数据的运动移动的时间特征;
测量所述数据的按像素的空间内容特征;
执行局部内容分析以分类像素;以及
对所述像素执行噪声降低滤波。
2.如权利要求1所述的方法,其特征在于,测量按像素的空间内容特征包括测量边缘内容特征和奇异点内容特征。
3.如权利要求2所述的方法,其特征在于,测量奇异点内容特征包括检查当前目标像素和紧邻像素。
4.如权利要求3所述的方法,其特征在于,检查紧接的8个毗邻像素。
5.如权利要求2所述的方法,其特征在于,测量边缘内容特征包括执行索贝尔公式。
6.如权利要求1所述的方法,其特征在于,测量运动移动包括检查时间和空间信息。
7.如权利要求6所述的方法,其特征在于,还包括组合时间差信息和局部空间复杂度信息。
8.如权利要求6所述的方法,其特征在于,执行局部内容分析包括测量所述运动移动的按块的时间特征以分类所述像素。
9.如权利要求8所述的方法,其特征在于,所述像素被分类成奇异像素、运动像素和静止像素。
10.如权利要求9所述的方法,其特征在于,对所述像素执行噪声降低滤波包括:
对所述奇异像素执行奇异点滤波;
对所述运动像素执行空间滤波;以及
对所述静止像素执行空时滤波。
11.一种视频处理器,包括:
接收视频数据的组件;
测量所述数据的运动移动的时间特征的组件;
测量所述数据的按像素的空间内容特征的组件;
执行局部内容分析以分类像素的组件;以及
对所述像素执行噪声降低滤波的组件。
12.如权利要求11所述的视频处理器,其特征在于,所述测量按像素的空间内容特征的组件测量边缘内容特征和奇异点内容特征。
13.如权利要求11所述的视频处理器,其特征在于,所述测量运动移动的组件检查时间和空间信息。
14.如权利要求13所述的视频处理器,其特征在于,所述执行局部内容分析的组件测量所述运动移动的按块的时间特征以分类所述像素。
15.如权利要求14所述的视频处理器,其特征在于,所述像素被分类成奇异像素、运动像素和静止像素。
16.如权利要求16所述的视频处理器,其特征在于,所述滤波组件对所述奇异像素执行奇异点滤波,对所述运动像素执行空间滤波以及对所述静止像素执行空时滤波。
17.一种包括一个或多个计算机可读介质的制品,所述计算机可读介质包含指令程序,其中所述指令程序在被处理单元执行时导致所述处理单元执行以下进程:
接收视频数据;
测量所述数据的按像素的空间内容特征;
测量所述数据的运动移动的时间特征;
执行局部内容分析以分类像素;以及
对所述像素执行噪声降低滤波。
18.如权利要求17所述的制品,其特征在于,测量按像素的空间内容特征包括测量边缘内容特征和奇异点内容特征。
19.如权利要求18所述的制品,其特征在于,执行局部内容分析包括测量所述运动移动的按块的时间特征以分类所述像素。
20.如权利要求19所述的制品,其特征在于,所述像素被分类成奇异像素、运动像素和静止像素。
21.如权利要求20所述的制品,其特征在于,对所述像素执行噪声降低滤波包括:
对所述奇异像素执行奇异点滤波;
对所述运动像素执行空间滤波;以及
对所述静止像素执行空时滤波。
22.一种系统,包括:
中央处理单元;
芯片组,具有:
接收视频数据的组件;
测量所述数据的运动移动的时间特征的组件;
测量所述数据的按像素的空间内容特征的组件;
执行局部内容分析以分类像素的组件;以及
对所述像素执行噪声降低滤波的组件;以及
耦合到所述芯片组的无线收发机。
23.如权利要求22所述的系统,其特征在于,所述执行局部内容分析的组件将像素分类成奇异像素、运动像素和静止像素。
24.如权利要求23所述的系统,其特征在于,所述滤波组件对所述奇异像素执行奇异点滤波,对所述运动像素执行空间滤波并对所述静止像素执行空时滤波。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US11/647,019 US7952646B2 (en) | 2006-12-27 | 2006-12-27 | Method and apparatus for content adaptive spatial-temporal motion adaptive noise reduction |
US11/647,019 | 2006-12-27 | ||
PCT/US2007/088996 WO2008083253A1 (en) | 2006-12-27 | 2007-12-27 | Method and apparatus for content adaptive spatial-temporal motion adaptive noise reduction |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110170720.9A Division CN102186003B (zh) | 2006-12-27 | 2007-12-27 | 用于内容自适应空-时运动自适应噪声降低的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101573958A true CN101573958A (zh) | 2009-11-04 |
CN101573958B CN101573958B (zh) | 2011-08-03 |
Family
ID=39583352
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110170720.9A Expired - Fee Related CN102186003B (zh) | 2006-12-27 | 2007-12-27 | 用于内容自适应空-时运动自适应噪声降低的方法和装置 |
CN2007800487044A Expired - Fee Related CN101573958B (zh) | 2006-12-27 | 2007-12-27 | 用于内容自适应空-时运动自适应噪声降低的方法和装置 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110170720.9A Expired - Fee Related CN102186003B (zh) | 2006-12-27 | 2007-12-27 | 用于内容自适应空-时运动自适应噪声降低的方法和装置 |
Country Status (6)
Country | Link |
---|---|
US (2) | US7952646B2 (zh) |
EP (1) | EP2103106A4 (zh) |
JP (1) | JP5307028B2 (zh) |
CN (2) | CN102186003B (zh) |
TW (1) | TWI368433B (zh) |
WO (1) | WO2008083253A1 (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090153739A1 (en) * | 2007-12-14 | 2009-06-18 | Texas Instruments Incorporated | Method and Apparatus for a Noise Filter for Reducing Noise in a Image or Video |
KR100952340B1 (ko) * | 2008-01-24 | 2010-04-09 | 에스케이 텔레콤주식회사 | 시공간적 복잡도를 이용한 부호화 모드 결정 방법 및 장치 |
TWI504248B (zh) | 2008-10-27 | 2015-10-11 | Realtek Semiconductor Corp | 影像處理裝置及影像處理方法 |
CN101795352B (zh) * | 2009-02-03 | 2013-09-18 | 矽统科技股份有限公司 | 动态噪声滤波装置及西格玛滤波方法 |
US8588474B2 (en) | 2010-07-12 | 2013-11-19 | Texas Instruments Incorporated | Motion detection in video with large areas of detail |
US9300846B2 (en) | 2012-09-10 | 2016-03-29 | Apple Inc. | Signal shaping for improved mobile video communication |
US9118932B2 (en) * | 2013-06-14 | 2015-08-25 | Nvidia Corporation | Adaptive filtering mechanism to remove encoding artifacts in video data |
US9685056B2 (en) * | 2014-03-21 | 2017-06-20 | Qognify Ltd. | Robust change-detection system and method |
EP3016383B1 (en) * | 2014-11-03 | 2017-06-21 | Axis AB | Method, device, and system for pre-processing a video stream for subsequent motion detection processing |
US10257449B2 (en) * | 2016-01-05 | 2019-04-09 | Nvidia Corporation | Pre-processing for video noise reduction |
CN107292854B (zh) * | 2017-08-02 | 2021-04-23 | 大连海事大学 | 基于局部奇异性量化分析的灰度图像增强方法 |
CN111178166B (zh) * | 2019-12-12 | 2023-05-26 | 中国科学院深圳先进技术研究院 | 一种基于图像内容自适应的相机源识别方法 |
Family Cites Families (58)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6061A (en) * | 1849-01-30 | Cooking-stove | ||
US319676A (en) * | 1885-06-09 | Moeitz cohn | ||
GB2033190B (en) * | 1978-09-21 | 1983-02-09 | Sony Corp | Video noise reduction system |
JPH06260889A (ja) * | 1993-03-05 | 1994-09-16 | Sony Corp | フィルタ回路 |
GB9321372D0 (en) * | 1993-10-15 | 1993-12-08 | Avt Communications Ltd | Video signal processing |
KR0134325B1 (ko) * | 1993-12-16 | 1998-04-23 | 배순훈 | 영상 데이타 전처리 필터 |
GB9413141D0 (en) * | 1994-06-30 | 1994-08-24 | Exploration And Production Nor | Downhole data transmission |
EP0721286A3 (en) | 1995-01-09 | 2000-07-26 | Matsushita Electric Industrial Co., Ltd. | Video signal decoding apparatus with artifact reduction |
JPH1013718A (ja) * | 1996-06-18 | 1998-01-16 | Oki Electric Ind Co Ltd | ノイズ除去回路 |
US5936676A (en) * | 1997-08-21 | 1999-08-10 | Miranda Technologies Inc. | Apparatus and method for line interpolating an interlaced video signal |
US6067125A (en) * | 1997-05-15 | 2000-05-23 | Minerva Systems | Structure and method for film grain noise reduction |
US6281942B1 (en) * | 1997-08-11 | 2001-08-28 | Microsoft Corporation | Spatial and temporal filtering mechanism for digital motion video signals |
US6061100A (en) | 1997-09-30 | 2000-05-09 | The University Of British Columbia | Noise reduction for video signals |
US6181382B1 (en) * | 1998-04-03 | 2001-01-30 | Miranda Technologies Inc. | HDTV up converter |
JP3558985B2 (ja) * | 1999-02-05 | 2004-08-25 | サムスン エレクトロニクス カンパニー リミテッド | カラー映像処理方法及びその装置 |
EP1230791A1 (en) * | 1999-11-11 | 2002-08-14 | STMicroelectronics Asia Pacific Pte Ltd. | Spatio-temporal video noise reduction system |
US6754371B1 (en) * | 1999-12-07 | 2004-06-22 | Sony Corporation | Method and apparatus for past and future motion classification |
EP1163795A1 (en) * | 2000-01-13 | 2001-12-19 | Koninklijke Philips Electronics N.V. | Noise reduction |
US7412002B2 (en) * | 2000-04-28 | 2008-08-12 | Texas Instruments Incorporated | Image preprocessing with selective lowpass filtering from motion compensation |
EP1223554A1 (fr) * | 2000-11-28 | 2002-07-17 | Koninklijke Philips Electronics N.V. | Méthode de réduction de bruit |
KR20020086937A (ko) * | 2001-01-26 | 2002-11-20 | 코닌클리케 필립스 일렉트로닉스 엔.브이. | 시공간 필터 유닛 및 이러한 시공간 필터 유닛을 포함하는영상 디스플레이 장치 |
US7003173B2 (en) * | 2001-06-12 | 2006-02-21 | Sharp Laboratories Of America, Inc. | Filter for combined de-ringing and edge sharpening |
US7110455B2 (en) | 2001-08-14 | 2006-09-19 | General Instrument Corporation | Noise reduction pre-processor for digital video using previously generated motion vectors and adaptive spatial filtering |
JP3671220B2 (ja) * | 2002-04-30 | 2005-07-13 | 独立行政法人 宇宙航空研究開発機構 | 移動体検出方法 |
JP3984936B2 (ja) * | 2003-08-08 | 2007-10-03 | キヤノン株式会社 | 撮像装置および撮像方法 |
US7317842B2 (en) * | 2003-10-30 | 2008-01-08 | Samsung Electronics Co., Ltd. | Global and local statistics controlled noise reduction system |
US7346224B2 (en) * | 2003-11-07 | 2008-03-18 | Mitsubishi Electric Research Laboratories, Inc. | System and method for classifying pixels in images |
US7317841B2 (en) * | 2003-12-22 | 2008-01-08 | Ge Medical Systems Global Technology Company, Llc | System and method for image noise reduction using a minimal error spatiotemporal recursive filter |
US7362376B2 (en) * | 2003-12-23 | 2008-04-22 | Lsi Logic Corporation | Method and apparatus for video deinterlacing and format conversion |
US7199838B2 (en) * | 2004-06-17 | 2007-04-03 | Samsung Electronics Co., Ltd. | Motion adaptive noise reduction apparatus and method for video signals |
US7508550B2 (en) * | 2004-06-17 | 2009-03-24 | Fujifilm Corporation | Image correcting apparatus and method, and image correcting program, and look-up table creating apparatus and method, and look-up table creating program |
US7724307B2 (en) * | 2004-07-28 | 2010-05-25 | Broadcom Corporation | Method and system for noise reduction in digital video |
KR101127220B1 (ko) * | 2004-07-28 | 2012-04-12 | 세종대학교산학협력단 | 움직임 보상 적응형 순차주사화 장치 및 그 방법 |
CA2616871A1 (en) * | 2004-07-30 | 2006-02-02 | Algolith Inc. | Apparatus and method for adaptive 3d noise reduction |
WO2006010276A1 (en) * | 2004-07-30 | 2006-02-02 | Algolith Inc | Apparatus and method for adaptive 3d artifact reducing for encoded image signal |
US7724979B2 (en) * | 2004-11-02 | 2010-05-25 | Broadcom Corporation | Video preprocessing temporal and spatial filter |
JP2006154498A (ja) * | 2004-11-30 | 2006-06-15 | Matsushita Electric Ind Co Ltd | フォーマット変換装置、フォーマット変換方法、並びにフォーマット変換装置を用いた画像表示装置及びその画像表示方法 |
US7769089B1 (en) * | 2004-12-02 | 2010-08-03 | Kolorific, Inc. | Method and system for reducing noise level in a video signal |
EP1681849B1 (en) * | 2005-01-18 | 2011-10-19 | LG Electronics, Inc. | Apparatus for removing noise from a video signal |
US7542095B2 (en) * | 2005-01-20 | 2009-06-02 | Samsung Electronics Co., Ltd. | Method and system of noise-adaptive motion detection in an interlaced video sequence |
KR100695067B1 (ko) * | 2005-06-15 | 2007-03-14 | 삼성전자주식회사 | 블록분류를 이용한 시공간 노이즈 제거 방법 및 이 방법이적용되는 디스플레이장치 |
US8218655B2 (en) * | 2005-09-19 | 2012-07-10 | Maxim Integrated Products, Inc. | Method, system and device for improving video quality through in-loop temporal pre-filtering |
US7570309B2 (en) * | 2005-09-27 | 2009-08-04 | Samsung Electronics Co., Ltd. | Methods for adaptive noise reduction based on global motion estimation |
JP4688165B2 (ja) * | 2005-09-30 | 2011-05-25 | 株式会社リコー | 画像処理装置及び画像処理方法 |
US20070206117A1 (en) * | 2005-10-17 | 2007-09-06 | Qualcomm Incorporated | Motion and apparatus for spatio-temporal deinterlacing aided by motion compensation for field-based video |
CN1953504B (zh) * | 2005-10-21 | 2010-09-29 | 意法半导体研发(上海)有限公司 | 用于cfa图像插值的自适应分类方法 |
US7944503B1 (en) * | 2006-01-27 | 2011-05-17 | Texas Instruments Incorporated | Interlaced-to-progressive video processing |
US8135234B2 (en) * | 2006-01-31 | 2012-03-13 | Thomson Licensing | Method and apparatus for edge-based spatio-temporal filtering |
TWI324013B (en) * | 2006-02-22 | 2010-04-21 | Huper Lab Co Ltd | Video noise reduction method using adaptive spatial and motion-compensation temporal filters |
US7821578B2 (en) * | 2006-04-07 | 2010-10-26 | Marvell World Trade Ltd. | Reconfigurable self-calibrating adaptive noise reducer |
US8582032B2 (en) * | 2006-09-07 | 2013-11-12 | Texas Instruments Incorporated | Motion detection for interlaced video |
GB2444529A (en) * | 2006-12-06 | 2008-06-11 | Sony Uk Ltd | Motion adaptive image processing |
US8447130B2 (en) * | 2007-12-31 | 2013-05-21 | Intel Corporation | History-based spatio-temporal noise reduction |
US8553783B2 (en) * | 2008-12-29 | 2013-10-08 | Stmicroelectronics Asia Pacific Pte Ltd. | Apparatus and method of motion detection for temporal mosquito noise reduction in video sequences |
US8237868B2 (en) * | 2009-03-30 | 2012-08-07 | Sharp Laboratories Of America, Inc. | Systems and methods for adaptive spatio-temporal filtering for image and video upscaling, denoising and sharpening |
US8306355B2 (en) * | 2009-07-13 | 2012-11-06 | Sharp Laboratories Of America, Inc. | Methods and systems for reducing compression artifacts |
US8279345B2 (en) * | 2009-07-21 | 2012-10-02 | Qualcomm Incorporated | System and method for random noise estimation in a sequence of images |
KR20120045919A (ko) * | 2010-11-01 | 2012-05-09 | 삼성엘이디 주식회사 | 반도체 발광소자 |
-
2006
- 2006-12-27 US US11/647,019 patent/US7952646B2/en not_active Expired - Fee Related
-
2007
- 2007-11-27 TW TW096144927A patent/TWI368433B/zh not_active IP Right Cessation
- 2007-12-27 JP JP2009544278A patent/JP5307028B2/ja not_active Expired - Fee Related
- 2007-12-27 CN CN201110170720.9A patent/CN102186003B/zh not_active Expired - Fee Related
- 2007-12-27 EP EP07870007A patent/EP2103106A4/en not_active Ceased
- 2007-12-27 CN CN2007800487044A patent/CN101573958B/zh not_active Expired - Fee Related
- 2007-12-27 WO PCT/US2007/088996 patent/WO2008083253A1/en active Application Filing
-
2011
- 2011-03-29 US US13/074,800 patent/US8872977B2/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN102186003B (zh) | 2014-04-16 |
US7952646B2 (en) | 2011-05-31 |
US20110176059A1 (en) | 2011-07-21 |
CN102186003A (zh) | 2011-09-14 |
JP2010515382A (ja) | 2010-05-06 |
EP2103106A1 (en) | 2009-09-23 |
TW200835310A (en) | 2008-08-16 |
JP5307028B2 (ja) | 2013-10-02 |
EP2103106A4 (en) | 2011-09-07 |
US8872977B2 (en) | 2014-10-28 |
CN101573958B (zh) | 2011-08-03 |
US20080158426A1 (en) | 2008-07-03 |
WO2008083253A1 (en) | 2008-07-10 |
TWI368433B (en) | 2012-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101573958B (zh) | 用于内容自适应空-时运动自适应噪声降低的方法和装置 | |
JP6547069B2 (ja) | 物体検出のためのサブカテゴリ認識機能付き畳み込みニューラルネットワーク | |
Xu et al. | A distributed canny edge detector: algorithm and FPGA implementation | |
CN108230357B (zh) | 关键点检测方法、装置、存储介质和电子设备 | |
US9558537B2 (en) | Image denoising method and image denoising apparatus | |
Li et al. | Content-partitioned structural similarity index for image quality assessment | |
US20090256848A1 (en) | Filtering Method and Apparatus for Anti-Aliasing | |
EP2075755A2 (en) | History-based spatio-temporal noise reduction | |
CN109284673B (zh) | 对象跟踪方法及装置、电子设备及存储介质 | |
US20120039508A1 (en) | Target detecting method and apparatus | |
US20090169115A1 (en) | Brand image detection | |
EP2774080A1 (en) | Object detection using extended surf features | |
US10402677B2 (en) | Hierarchical sharpness evaluation | |
Serir et al. | No-reference blur image quality measure based on multiplicative multiresolution decomposition | |
Chan et al. | A confidence map and pixel-based weighted correlation for PRNU-based camera identification | |
Jian et al. | Image fusion based on wavelet transform | |
CN111931732A (zh) | 压缩视频的显著性目标检测方法、系统、设备及存储介质 | |
Jiang | Real-time multi-resolution edge detection with pattern analysis on graphics processing unit | |
CN113129298B (zh) | 文本图像的清晰度识别方法 | |
Lad et al. | LDWS-net: a learnable deep wavelet scattering network for RGB salient object detection | |
Ezekiel et al. | No-reference blur metric using double-density and dual-tree two-dimensional wavelet transformation | |
CN101719276B (zh) | 一种检测图像中物体的方法和装置 | |
CN107231551B (zh) | 一种图像检测方法及装置 | |
CN110264411A (zh) | 用于图像的光照校正方法 | |
Cogranne et al. | A new edge detector based on parametric surface model: Regression surface descriptor |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110803 Termination date: 20211227 |
|
CF01 | Termination of patent right due to non-payment of annual fee |