CN101778300B - 模拟胶片颗粒噪声的方法和装置 - Google Patents

Abstract

本发明涉及一种模拟胶片颗粒噪声的方法和系统。模拟的胶片颗粒噪声被应用到视频信号。通过考虑胶片颗粒噪声的信号依赖性430和自相关性440，产生一个更理想的模型来模拟胶片颗粒噪声。而且，通过使用本发明的方法和系统，可以提高模拟胶片颗粒噪声的效率和灵活性。

Description

模拟胶片颗粒噪声的方法和装置

技术领域

本发明通常涉及信号处理，特别涉及视频信号的噪声模拟。更进一步，本发明涉及视频信号的胶片颗粒噪声(film grain noise)的模拟以及将模拟的胶片颗粒噪声应用到视频信号中。

发明背景

胶片是一种用来拍摄记录静止照片和电影的介质。例如，电影公司将电影制作在胶片上，而个人可以制作家庭电影，尽管由于家庭摄像机的日益普及而出现下降趋势。胶片的使用会导致在重放期间出现胶片颗粒噪声，所以胶片颗粒噪声已经成为使用胶片的电影图像的一个特征。在视觉上，观众不仅能够通过胶片颗粒噪声的存在而辨认出胶片，而且能够区分出真正的胶片电影和其它后期胶片编辑或人工效果，如胶片效果、电脑动画、动画制作和合成场面。

然而，胶片颗粒噪声经常就消失了，例如，它可以通过诸如压缩和编码/解码的视频处理方法被过滤掉。而且，数码相机已被广泛应用，人们可以将视频制作在存储器内而不是胶片上，所以在数字视频上根本不存在胶片颗粒噪声。观看没有胶片颗粒噪声的视频，人们会有这样的感觉：尽管显示的图像非常清晰，但是人造且不自然的。所以，为了保持视频的高逼真度，人们期望将胶片颗粒噪声添加回到视频。

为了恢复视频图像上的胶片颗粒噪声，期望能够模拟出胶片颗粒噪声。

发明概述

本发明的一个目是模拟胶片颗粒噪声。胶片颗粒噪声包括诸如信号依赖性、颗粒噪声功率和模式的特征。这些特征是用来模拟的几个方面。除胶片颗粒噪声之外，本发明还被用来模拟任何具有本发明说明书里披露的类似特征的噪声。一种产生数字视频胶片颗粒噪声的方法，包括：获取数字源视频；产生数字视频胶片颗粒噪声到数字源视频内；和产生加入有所述数字视频胶片颗粒噪声的数字输出视频；其中在获取数字源视频之后，选择一个或多个噪声函数；和估计一个或多个信号依赖噪声模型参数。其中：在一个视频里对不同的帧选择不同的噪声函数，从而逐帧获取不同的噪声特征，对每一帧都估计噪声函数参数以对应每个噪声函数；或对相同场景的帧使用相同的噪声函数和相同的相应噪声函数参数；或对帧的每个色彩空间都执行噪声函数选择和噪声函数参数估计。

根据胶片颗粒噪声的一个特征，信号依赖性，即在胶片上每帧(或被称为图像)的亮区(高亮度区)或暗区(低亮度区)通常具有不同于中亮度区的噪声功率特征。例如，对于YCbCr色彩空间而言，在Y分量上，胶片颗粒噪声在亮区或暗区比中亮度区具有更低的噪声功率。但是，在Cr和Cb分量上，亮区或暗区上比中亮度区有更高的噪声功率。对RGB色彩空间而言，在每个R、G、B分量，亮区或暗区上比中亮度区具有更低的噪声功率。所以，本发明的另一个目的是模拟信号依赖的胶片颗粒噪声。

本发明的另一个目的是通过提供一种模拟信号依赖噪声特征的方法来提高模拟胶片颗粒噪声的效率，不需要对每帧执行任何分割，以便能够捕捉在一个给定帧上不同区的噪声特征。

本发明的另一个目的是通过减少估计的模型参数数量来提高模拟胶片颗粒噪声的效率，例如，使用相同的模拟胶片颗粒噪声模型参数用于相同场面的帧，而不是对每个帧进行参数估计。

本发明的另一个目的是通过提供多个噪声函数来增强模拟胶片颗粒噪声的灵活性。使用的噪声函数和噪声函数参数是逐帧进行选择，以便能够适应每帧的噪声特性。

本发明的另一个目的是模拟具有不同相关性的胶片颗粒噪声，例如，空间相关性、色间相关性。

本发明的另一个目的是通过减少噪声模拟的自回归模型参数的数量来进一步提高效率，从而使得从编码器传输到解码器的自回归模型参数数目减少。

本发明的另一个目的是提高模拟胶片颗粒噪声的效率，因为仅有噪声函数标识符、噪声函数参数和自回归模型参数需要从编码器传输到解码器。结果，能够极大地减少有效负荷。

本发明的另一个目的是提供一种模拟胶片颗粒噪声并将胶片颗粒噪声添加到视频的方法。

本发明的另一个目的是提供一种模拟胶片颗粒噪声并将胶片颗粒噪声添加到视频的系统。一种视频处理装置，包括：一处理器，被配置以通过多个噪声函数模拟胶片颗粒噪声；和一编码器，被配置以编码来自所述处理器的具有多个输出的视频；其中：所述处理器在一个视频里对不同的帧选择不同的噪声函数，从而逐帧获取不同的噪声特征，对每一帧都估计噪声函数参数以对应每个噪声函数；或所述处理器对相同场景的帧使用相同的噪声函数和相同的相应噪声函数参数；或所述处理器对帧的每个色彩空间都执行噪声函数选择和噪声函数参数估计。一种用于对前述视频处理装置提供的编码信号进行解码的视频处理装置，包括：一解码器，被配置以解码信号以提供解码视频、多个噪声函数标识符和多个噪声参数；和一噪声产生器，被配置以根据所述多个噪声函数标识符和所述多个噪声参数产生胶片颗粒噪声。

本发明的其它方面也将在以下进行披露。

附图说明

参照附图，本发明的其它方面和实施例将在随后详细描述，其中：

图1显示一种模拟胶片颗粒噪声的方法流程图；

图2显示各种噪声函数的图形；

图3显示一种估计信号依赖噪声模型参数的方法流程图；

图4显示模拟胶片颗粒噪声方法的另一个实施例的流程图；

图5显示模拟胶片颗粒噪声方法的另一个实施例的流程图；

图6显示将胶片颗粒噪声应用到信号的方法流程图；

图7显示将胶片颗粒噪声应用到信号的系统的结构模块图；

图8显示将胶片颗粒噪声引入到数字视频信号方法的流程图；

图9A显示在应用胶片颗粒噪声之前没有胶片颗粒噪声的示范图像；

图9B显示在应用胶片颗粒噪声之后具有胶片颗粒噪声的示范图像。

发明详述

图1显示一种模拟胶片颗粒噪声方法的流程图。由于胶片颗粒噪声是信号依赖的(signal-dependent)，在一个实施例里，它可以由以下等式模拟：

y＝x+f(x)^γ·n                        (1)

其中x是无噪声的信号，n是一个静态、零均值的随机噪声，与x无关，而y是观察到的噪声信号。f(x)^γ·n表示信号依赖噪声(signal-dependent noise)，而γ是信号依赖指数值。举例来讲，γ设置为0≤γ≤1。γ值与胶片材料有关。在选择噪声函数步骤110，选择噪声函数f(x)，并在估计步骤120，估计噪声函数参数。在另外一个实施例里，对每一帧都执行选择噪声函数步骤110，在一个视频里对不同的帧选择不同的噪声函数，从而逐帧获取不同的噪声特征。同样，在估计步骤120上对每一帧都估计噪声函数参数以对应每个噪声函数。在重复步骤130，重复选择噪声函数步骤110和估计步骤120。在另一个实施例里，为了提高效率，对相同场景的帧使用相同的噪声函数和相同的相应噪声函数参数，通过重复步骤130对每个场景重复选择噪声函数步骤110和估计步骤120。在一个实施例里，对帧的每个色彩空间都执行选择噪声函数步骤110的噪声函数选择和估计步骤120的噪声函数参数估计，重复步骤130。每个噪声函数由一个噪声函数标识符表示，从而在输出步骤140，输出每个色彩空间、每个帧或每个场景的噪声函数标识符和相应的噪声函数参数。

图2显示噪声函数的多个实施例。以下使用的各种噪声函数和描述的那些噪声函数仅是用作描述和说明用途。在图2内噪声函数210、220、230、240、250的图形表现是由以下等式表示：

第一噪声函数210， $f\left(x\right)=\left\{\begin{array}{cc}0,& x<a\\ x-a,& a\&le;x\&le;(a+b)/2\\ b-x,& (a+b)/2\&le;x\&le;b\\ 0,& x>b\end{array}\right.$

第二噪声函数220， $f\left(x\right)=\left\{\begin{array}{cc}\frac{b-a}{2},& x<a\\ \frac{a+b}{2}-x,& a\&le;x\&le;(a+b)/2\\ x-\frac{a+b}{2},& (a+b)/2\&le;x\&le;b\\ \frac{b-a}{2},& x>b\end{array}\right.$

第三噪声函数230， $f\left(x\right)=\left\{\begin{array}{cc}0,& x<a\\ x-a,& a\&le;x\&le;b\\ 0,& x>b\end{array}\right.$

第四噪声函数240， $f\left(x\right)=\left\{\begin{array}{cc}0,& x<a\\ b-x,& a\&le;x\&le;b\\ 0,& x>b\end{array}\right.$

第五噪声函数250， $f\left(x\right)=\left\{\begin{array}{cc}0,& x<a\\ 1,& a\&le;x\&le;b\\ 0,& x>b\end{array}\right.$

因为，在不同区域，胶片颗粒噪声有不同的噪声特征，通过选择不同形式的噪声函数f(x)，在胶片颗粒噪声产生时，可以使用以上等式内的合适噪声模型来模拟信号依赖噪声。例如，如果f(x)选择第三噪声函数230，那么就选定了经典的信号依赖噪声模型y＝x+x^γ·ε，其中ε是高斯噪声。如果f(x)选择第五噪声函数250，则选定了加法噪声模型y＝x+ε。另外，当选择第三噪声模型230时，在噪声指数值γ＝1时获得乘法噪声模型y＝x+x·ε。第一噪声函数210和第二噪声函数220被用来获取在亮区和暗区的胶片颗粒噪声，其在亮区或暗区比在Y分量的中间亮度上具有更低的噪声功率，但在亮区或暗区比在Cr和Cb分量的中间亮度上具有更高的噪声功率。

作为一个实施例，使用的噪声函数是通过不同标识符进行标识，例如，第一噪声函数210用一个标识符来标识。在这个描述性的例子里，标识符为A。所以，如果在远程设备里执行模拟胶片颗粒噪声的方法，将提供一个标识符给远程设备，以便选择哪一个噪声函数来产生胶片颗粒噪声，只要远程设备存储有各种噪声函数。然后再确定噪声函数210、220、230、240、250的噪声函数参数，如参数a。在一个实施例里，选择的噪声函数参数a是16，而选择的噪声函数参数b是255-a，在此例子里，其等于239。噪声函数的参数被提供给一台模拟胶片颗粒噪声的设备。

图3显示一种估计信号依赖噪声模型参数的方法流程图。在抽样步骤310，检测并抽取同质区域的斑块。在一个实施例里，通过比较信号特征如一个图像上不同区域的亮度或一个视频序列上不同帧的不同区域的亮度，来检测同质区域的斑块。如果任何区域的相关性很高，例如高于一个预设阈值，则抽取这些区域。

如之前描述的，通过确定噪声函数标识符和噪声函数参数，在选择步骤320上一旦选择了噪声函数，就在估计步骤330上，估计信号依赖噪声模型参数，即确定信号依赖指数值γ和随机噪声n的方差

观察到的信号y的局部方差表示为：

${\mathrm{\&sigma;}}_y^2=E\left[{(y-{\mathrm{\&mu;}}_y)}^2\right]=E\left[{(x+f{\left(x\right)}^{\mathrm{\&gamma;}}\&CenterDot;n-{\mathrm{\&mu;}}_y)}^2\right]---\left(2\right)$

其中μ_y是y的局部均值，其等于在同质区域内的x均值：μ_y＝μ_x。等式(2)的计算如下：

${\mathrm{\&sigma;}}_y^2=E\left[{(x+f{\left(x\right)}^{\mathrm{\&gamma;}}\&CenterDot;n-{\mathrm{\&mu;}}_y)}^2\right]$ (3)

$={\mathrm{\&sigma;}}_x^2\{1+\mathrm{\&gamma;}(2\mathrm{\&gamma;}-1)E{\left[f\left(x\right)\right]}^{2\mathrm{\&gamma;}-2}{\mathrm{\&sigma;}}_n^2\}+E{\left[f\left(x\right)\right]}^{2\mathrm{\&gamma;}}{\mathrm{\&sigma;}}_n^2$

如果在噪声信号上一些斑块被识别为同质区域，则

而等式(3)被写作：

${\mathrm{\&sigma;}}_y^2=E{\left[f\left(x\right)\right]}^{2\mathrm{\&gamma;}}\&CenterDot;{\mathrm{\&sigma;}}_n^2---\left(4\right)$

其中这些同质区域的y方差被看作局部方差

且E[f(x)]表示f(x)的均值。

所以，为了估计未知的噪声模型参数γ和

必须在一个帧内甚至一个视频序列内的不同帧内找出同质区域的斑块。例如，在图9A内不同的同质区域可以识别出来，分别由内环912、内正方形914和外正方形916表示。

在一个实施例里，可以使用以下两种不同方法中的任何一种来估计信号依赖噪声，具体如下：

I.离线方法

此方法是离线的而不是实时使用的。在抽样步骤310上抽取同质区域的斑块之后，对每个同质区域的斑块计算等式(4)内的

和E[f(x)]。在获得有关

和E[f(x)]的统计数据信息之后，使用一种曲线拟合方法(curve fit method)来估计未知的噪声模型参数γ和

在一个实施例里，曲线拟合方法使用最小均方差估计。该离线方法能够避免局部最小问题，从而获得整个图像或视频序列的全局最优解决方案。

II.在线方法

此方法是在线使用，直接实时地通过使用M对斑块(第i斑块，第j斑块)来估计未知的噪声模型参数，具体如下：

$\widetilde{\mathrm{\&gamma;}}=\frac{1}{(M-1)!}\underset{i=1}{\overset{M-1}{\mathrm{\&Sigma;}}}\underset{j=i}{\overset{M}{\mathrm{\&Sigma;}}}\frac{\log {\mathrm{\&sigma;}}_i-\log {\mathrm{\&sigma;}}_j}{\log {\mathrm{\&mu;}}_i-{\log \mathrm{\&mu;}}_j}---\left(5\right)$

其中在一个实施例里M大于或等于3，σ_i和μ_i是第i斑块的σ_y和E[f(x)]，σ_j和μ_j是第j斑块的σ_y和E[f(x)]。不同对斑块产生的值是相互不同的，所以，真实伽马γ的一致估计是通过诸如平均所有可能对的估计值而获得。一旦依靠等式(5)估计出伽马γ，

是通过以下等式进行计算：

${\mathrm{\&sigma;}}_n^2=\frac{1}{M}\underset{i}{\mathrm{\&Sigma;}}\frac{{\mathrm{\&sigma;}}_{y,i}^2}{E{{\left[f\left(x\right)\right]}_i}^{2\mathrm{\&gamma;}}}---\left(6\right)$

图4显示模拟胶片颗粒噪声方法的另一个实施例的流程图。胶片颗粒噪声可能包括不同种类的相关性，例如，空间相关性、或色间相关性。结合以上的描述，在抽样步骤410上选择同质区域的斑块。在选择步骤420上选择胶片颗粒噪声的信号依赖噪声模型的噪声函数。在第一估计步骤430上估计信号依赖噪声模型参数。在第二估计步骤440上估计自回归模型参数，以下的典型自回归模型被考虑用来模拟胶片颗粒噪声：

$n(i,j,c)=\underset{i^{\&prime;}}{\mathrm{\&Sigma;}}\underset{j^{\&prime;}}{\mathrm{\&Sigma;}}\underset{c^{\&prime;}}{\mathrm{\&Sigma;}}{a}_{i^{\&prime;},j^{\&prime;},c^{\&prime;}}n(i-i^{\&prime;},j-j^{\&prime;},c-c^{\&prime;})---\left(7\right)$

其是一个3维自回归模型，包括2维空间相关性(i，j)和1维色间相关性(c)。在等式(7)的一个实施例里，假设胶片颗粒噪声在整个图像上有相同的特征，从而少量系数用于自回归模型。在另一个实施例里，依照经验结果，(i’，j’，c’)值被预设为(1，0，0)，(0，1，0)，(1，1，0)，(-1，1，0)，(2，0，0)，(0，2，0)，(2，2，0)，(-2，2，0)，(0，0，1)，其产生一个光栅扫描序列(raster scanningorder)的因果滤波(causal filter)，并提高噪声产生的效率。在3维自回归模型的另一个实施例里，在胶片颗粒噪声的方向对称性假设下，自回归模型参数是对称的，意味着a_1，0，0＝a_0，1，0，a_1，1，0＝a_-1，1，0，a_2，0，0＝a_0，2，0和a_2，2，0＝a_-2，2，0。从而，进一步减少自回归模型参数数目。

图5显示模拟胶片颗粒噪声方法的另一个实施例的流程图。结合以上的描述，在抽样步骤510上选择同质区域的斑块。然后在选择步骤520上选择胶片颗粒噪声的信号依赖噪声模型的噪声函数。在第一估计步骤530上估计信号依赖噪声模型的其他参数。在第二估计步骤540上估计自回归模型参数。在一个实施例里，在第一估计步骤530上，在视频序列的每个场景而不是每个帧上估计信号依赖噪声模型参数，从而节省成本如运算时间。通过比较这些帧之间的相关性，检测相同场景的帧，如果它们是高度相关的，则被看作属于相同的场景。然而，为了获取相同场景的每个帧之间的信号依赖噪声的细微差别，在一个实施例里，通过乘以一个帧级别噪声强度自适应因子k，按比例缩放(scaling)被应用到信号依赖噪声。在第三估计步骤550，帧级别噪声强度自适应因子k依照以下等式进行估计：

$k=\frac{{\mathrm{\&sigma;}}_{y,\mathrm{frame}}^{\mathrm{\&gamma;}}}{E{\left[f\left(x\right)\right]}^{2\mathrm{\&gamma;}}\&CenterDot;{\mathrm{\&sigma;}}_{n,\mathrm{scene}}^2}---\left(8\right)$

结果，胶片颗粒噪声的信号依赖特征和相关性特征在以下产生胶片颗粒噪声的等式里获得，n(i，j，c)也被当作信号依赖自回归噪声：

$n(i,j,c)=\underset{i^{\&prime;}}{\mathrm{\&Sigma;}}\underset{j^{\&prime;}}{\mathrm{\&Sigma;}}\underset{c^{\&prime;}}{\mathrm{\&Sigma;}}{a}_{i^{\&prime;},j^{\&prime;},c^{\&prime;}}n(i-i^{\&prime;},j-j^{\&prime;},c-c^{\&prime;})+k\&CenterDot;f{\left(x\right)}^{\mathrm{\&gamma;}}\&CenterDot;n---\left(9\right)$

图6显示一种应用胶片颗粒噪声到视频信号的方法的流程图。如上所述，胶片颗粒噪声是由一个信号依赖性部分和一个相关性部分组成，如等式(9)，相关性部分是通过自回归进行模拟的。在获得步骤610上获得噪声模型参数，例如，依照预设值或以上估计方法获得的结果。基于噪声函数选择和输入视频信号，在第一产生步骤620上产生信号依赖性部分k·f(x)^γ·n。基于输入视频信号，在第二产生步骤630上产生自相关性部分

然后在应用步骤640上，依照等式(9)，结合两个部分，将胶片颗粒噪声应用到输出视频信号。

图7显示将胶片颗粒噪声应用到一个信号的系统的结构模块示意图。系统包括在传输端的第一视频处理装置和在接收端的第二视频处理装置。

在传输端，第一视频处理装置包括一个编码器710和一个处理器720。输入视频711流入编码器710进行编码以产生一个编码视频717。编码器710能够解码编码视频717，以提供一个重建视频713。在一个实施例里，重建视频713与输入视频711一起被送到处理器720，以按照等式(9)建立胶片颗粒噪声模型。处理器720执行的是以上所述的模拟胶片颗粒噪声的方法。在等式(9)内的未知参数就是噪声参数715，在等式(9)内函数f(x)就是噪声函数716。选择合适的噪声函数716，并由噪声函数标识符716表示。噪声函数如何选择和怎样确定噪声函数参数715如上所述。处理器720依照如上所述的信号依赖噪声模型和自回归模型估计噪声参数715。处理器720输出噪声函数标识符716和噪声参数715到编码器710，而编码器710将具有噪声函数标识符716和噪声函数参数715的输入视频711编码到编码信号717内。

在接收端，第二视频处理装置包括一个解码器730和一个噪声产生器740。在接收到来自编码器710的编码信号之后，解码器730将编码信号717解码，输出一个没有胶片颗粒噪声、噪声参数715和噪声函数标识符716的解码视频735。同时，解码器730也提供解码视频735、噪声函数标识符和噪声函数参数715到噪声产生器740。噪声产生器740依照等式(9)产生胶片颗粒噪声，并将胶片颗粒噪声应用到解码视频735，输出一个具有噪声745的解码视频735。

在一个实施例里，之前描述的模拟胶片颗粒噪声的方法可以被应用作为一种产生胶片颗粒噪声到数字视频信号的方法。图8显示一种产生胶片颗粒噪声到数字视频信号的方法的流程图。在获取步骤810上，获取数字源视频。在产生步骤820上，胶片颗粒噪声被添加到数字源视频，而添加的胶片颗粒噪声是依照以上所述的模拟胶片颗粒噪声的方法产生。在输出步骤830上，输出有胶片颗粒噪声的数字输出视频。

图9A显示应用胶片颗粒噪声之前的没有胶片颗粒噪声的示范图像。这是一个图8内获取步骤810上数字源视频里一个帧的例子。在图像内存在三个同质区域，它们被标识为内环912、内正方形914和外正方形916。图9B显示应用胶片颗粒噪声之后的具有胶片颗粒噪声的示范图像。这是一个图8内输出步骤830上输出的数字输出视频里一个帧的例子。从图中可以发现，在低亮度区域如外正方形926与高亮度区域如内环922的胶片颗粒噪声不太明显，而在中亮度区域如内正方形924上的胶片颗粒噪声更明显。

本发明优选实施例的描述不是排他性的，对本领域技术人员而言，任何更新或修正是显而易见的，所以参照附加权利要求以便确定本发明的范围。

工业应用

披露的方法和设备可以适用于视频信号处理。而且，本发明可用于在视频编码器如AVS(音视频编解码标准)和任何未来多媒体标准内的胶片颗粒噪声产生。

Claims (16)

1.一种产生数字视频胶片颗粒噪声的方法，包括：

获取数字源视频；

产生数字视频胶片颗粒噪声到数字源视频内；和

产生加入有所述数字视频胶片颗粒噪声的数字输出视频；

其中在获取数字源视频之后，选择一个或多个噪声函数；和

估计一个或多个信号依赖噪声模型参数；

其中：

在一个视频里对不同的帧选择不同的噪声函数，从而逐帧获取不同的噪声特征，对每一帧都估计噪声函数参数以对应每个噪声函数；或

对相同场景的帧使用相同的噪声函数和相同的相应噪声函数参数；或

对帧的每个色彩空间都执行噪声函数选择和噪声函数参数估计。

2.根据权利要求1所述的产生数字视频胶片颗粒噪声的方法，其中：

所述一个或多个噪声函数是由噪声函数标识符表示。

3.根据权利要求1所述的产生数字视频胶片颗粒噪声的方法，还包括：

在选择一个或多个噪声函数之后，抽样选取同质区域的一个或多个斑块；和

通过一个离线方法计算所述一个或多个信号依赖噪声模型参数。

4.根据权利要求1所述的产生数字视频胶片颗粒噪声的方法，还包括：

在选择一个或多个噪声函数之后，抽样选取同质区域的一个或多个斑块；和

通过一个在线方法计算所述一个或多个信号依赖噪声模型参数。

5.根据权利要求1所述的产生数字视频胶片颗粒噪声的方法，还包括：

在估计所述一个或多个信号依赖噪声模型参数之后，对每个帧选择一个帧级别噪声强度自适应因子；并通过帧级别噪声强度自适应因子按比例缩放所述一个或多个噪声函数。

6.根据权利要求1所述的产生数字视频胶片颗粒噪声的方法，还包括：

获得一个或多个自回归模型参数。

7.根据权利要求6所述的产生数字视频胶片颗粒噪声的方法，其中：

所述一个或多个自回归模型参数是相互对称且相等的。

8.根据权利要求6所述的产生数字视频胶片颗粒噪声的方法，还包括：

根据所述一个或多个信号依赖噪声模型参数，产生信号依赖噪声；和

基于所述信号依赖噪声，根据所述一个或多个自回归模型参数，产生信号依赖自回归噪声。

9.根据权利要求8所述的产生数字视频胶片颗粒噪声的方法，还包括：

将所述信号依赖自回归噪声应用到数字视频信号。

10.一种视频处理装置，包括：

一处理器，被配置以通过多个噪声函数模拟胶片颗粒噪声；和

一编码器，被配置以编码来自所述处理器的具有多个输出的视频；

其中：

所述处理器在一个视频里对不同的帧选择不同的噪声函数，从而逐帧获取不同的噪声特征，对每一帧都估计噪声函数参数以对应每个噪声函数；或

所述处理器对相同场景的帧使用相同的噪声函数和相同的相应噪声函数参数；或

所述处理器对帧的每个色彩空间都执行噪声函数选择和噪声函数参数估计。

11.根据权利要求10所述的视频处理装置，其中：

所述处理器输出多个噪声函数标识符以表示所述多个噪声函数。

12.根据权利要求10所述的视频处理装置，其中：

所述处理器估计多个噪声参数，以模拟所述胶片颗粒噪声的一个信号依赖性部分。

13.根据权利要求10所述的视频处理装置，其中：

所述处理器估计多个噪声参数，以模拟所述胶片颗粒噪声的一个自相关性部分。

14.一种用于对权利要求10所述的视频处理装置提供的编码信号进行解码的视频处理装置，包括：

一解码器，被配置以解码信号以提供解码视频、多个噪声函数标识符和多个噪声参数；和

一噪声产生器，被配置以根据所述多个噪声函数标识符和所述多个噪声参数产生胶片颗粒噪声。

15.根据权利要求14所述的视频处理装置，其中：

所述噪声产生器根据所述多个噪声函数标识符选择多个噪声函数。

16.根据权利要求14所述的视频处理装置，其中：

所述噪声产生器将所述胶片颗粒噪声应用到所述解码视频。

Images