CN102938824A - 一种基于改进的自适应双边滤波的视频去噪方法 - Google Patents

Abstract

本发明公开了一种基于改进的自适应双边滤波的视频去噪方法，实施步骤如下：1)取连续N帧的两端和中间共三帧，计算图像的结构张量的特征值；2)统计图像中边缘区域的比例以及边缘的梯度分布；3)根据像素点结构张量的方向计算像素点的灰度均值；4)划分边缘区域和非边缘区域；5)在边缘区域根据边缘的梯度大小设置灰度方差；6)在非边缘区域设置较大的灰度方差；7)根据自适应的灰度均值和灰度方差计算双边滤波。本发明使用视频前几帧作为边缘统计的参考，减少了计算量。同时借助相邻帧之间边缘区域重合的特点，增强了滤波的稳定性。

Description

一种基于改进的自适应双边滤波的视频去噪方法

技术领域

本发明涉及计算机视频图像处理技术领域，具体涉及一种基于改进的自适应双边滤波的视频图像去噪方法。 

背景技术

随着多媒体信息的使用和推广，图像、视频等信息在网络上的传输越来越流行，受到娱乐、社交、商业等领域的广泛重视，给各个行业带来了极大的便利。而且随着大规模数据可视化技术的发展以及在医疗、航天等领域的应用，目前对大规模图像、视频的保存和传输技术提出了更高的要求。由于存储空间和网络传输速度的限制，图像和视频需要进行压缩处理以减小文件的大小，压缩的过程会产生一些噪声。在传输的过程中也无法避免地引入噪声。所以图像、视频的噪声去除工作是多媒体信息应用的不可缺少的部分。 

目前，现存相当数量的各式各样的图像、视频去噪算法，例如中值滤波、高斯滤波、双边滤波、基于小波变换的算法等。然而现存的诸多算法在去噪效果和计算量上存在相当大的不足。中值滤波和基于小波变换的算法计算量很大，无法满足视频处理要求的实时速度，高斯滤波会对图像边缘信息造成严重模糊，双边滤波算法对椒盐型噪声无能为力。并且以上算法在视频去噪方面没有考虑视频中相邻帧之间的关系，会造成视频播放时闪烁的现象。目前基于帧间相关性的视频去噪算法也有不少研究，由于试用范围有限以及算法复杂度高等原因并没有得到普遍应用。 

发明内容

本发明要解决的技术问题是提供一种能够对视频里各种噪声有效去除，并 且运算效率高、效果稳定的基于相邻帧之间关系以及改的双边滤波的去噪算法。 

为解决上述技术问题，本发明采用的技术方案为：一种基于改进的自适应双边滤波的去噪方法，其实施步骤如下： 

1)取连续N帧的两端和中间共三帧，计算图像的结构张量的特征值； 

其中矩阵表达式为： $M=\left[\begin{array}{cc}A& C\\ C& B\end{array}\right]=\left[\begin{array}{cc}{I}_x^2& I_x{I}_y\\ I_x{I}_y& I_y^2\end{array}\right],$ 其中I_x、I_y分别表示像素点的X和Y方向上的梯度值。 

2)统计这几帧的结构张量特征值的分布，选出划分边缘的阈值，统计出边缘区域的梯度分布情况； 

其中特征值关系表达式为：T＝(λ₁-λ₂)²＝(A-B)²+4C²，其中λ¹和λ²是结构张量的特征值，λ₁表示特征值中比较大的一个。 

3)根据每帧图的结构张量计算出像素点所在边缘的方向，沿着该方向加权平均求像素点的灰度均值； 

4)通过结构张量特征值的大小划分出边缘区域和非边缘区域； 

5)在边缘区域根据边缘的梯度大小设置灰度方差； 

计算灰度方差的公式为： $G=k\sqrt{{\mathrm{\λ}}_1}=k\frac{(A+B)+\sqrt{{(A+B)}^2-4(\mathrm{AB}-C^2)}}{2}.$

6)在非边缘区域设置较大的灰度方差； 

7)根据自适应的灰度均值和灰度方差计算双边滤波； 

作为本发明上述技术方案的进一步改进：所述步骤4)中对图像划分了边缘区域和非边缘区域，边缘区域包含绝大部分信息量，所以针对非边缘区域的处理可以进一步简化，采用如高斯等平滑滤波即可处理。 

本发明具有下述优点： 

1、利用短暂时间段内相邻帧之间内容光照等相关性强的特征，统计出该段 内图像边缘的比重以及边缘处梯度分布的情况。可以把图像大致划分成边缘区域和非边缘区域，分别对不同区域滤波处理。通过结构张量矩阵的特征值识别边缘区域稳定性好，可以消除各种噪声的干扰。分块后针对性的去噪滤波能够提高去除各种噪声的能力。 

2、划分边缘区域时保证覆盖相邻帧的边缘，意味着相邻帧的对应区域采用相同的去噪策略。这种处理可以保证去噪后视频不会出现闪烁的现象，确保了算法的稳定性。 

3、利用图像中主要的信息集中在边缘区域的理论，针对非边缘区域，直接采用简单的平滑滤波处理，相对于标准的双边滤波，至少节省一半的计算量。 

附图说明

图1为本发明实施例的基本流程示意图。 

图2为本发明实施例的Sobel算子示意图。 

图3为本发明实施例的区间划分示意图； 

具体实施方式

如图1所示，本实施例基于改进的自适应双边滤波的视频去噪方法的实施步骤如下： 

1)取连续N帧的两端和中间共三帧，计算图像的结构张量的特征值； 

首先计算每个像素点在X和Y方向上的梯度值，可以分别使用X方向和Y方向的Sobel算子对图像滤波，得到梯度I_x和I_y，由这两个值组成该像素点的结构张量矩阵： $M=\left[\begin{array}{cc}{I}_x^2& I_x{I}_y\\ I_x{I}_y& I_y^2\end{array}\right]=\left[\begin{array}{cc}A& C\\ C& B\end{array}\right].$ 由于我们需要的是结构张量特征值的关系式T＝(λ₁-λ₂)²，只要通过二次方程求解公式即可得到： 

T＝(λ₁-λ₂)²＝(A-B)²+4C²。 

2)统计前几帧的结构张量特征值的分布，选出划分边缘的阈值，统计出边 缘区域的梯度分布情况； 

取十五帧为一个计算小组，计算前三帧的特征值关系，统计出一个阈值T_d，使特征值关系大于该阈值的像素数占总数的40％。通过实验得出取边缘区域占40％时计算效果最好。 

3)针对每一帧，根据每帧图的结构张量计算出像素点所在边缘的方向，沿着该方向加权平均求像素点的灰度均值； 

通过结构张量求得像素点垂直于梯度方向的向量，该向量即为像素所在的边缘在该点处的切向方向。向量计算公式为： 

沿着向量前后两个方向找到相邻的两个像素求平均，即为该像素点的均值。 

4)通过结构张量特征值的大小划分出边缘区域和非边缘区域； 

5)在边缘区域根据边缘的梯度大小设置灰度方差； 

计算灰度方差的公式为： $G=k\sqrt{{\mathrm{\λ}}_1}=k\frac{(A+B)+\sqrt{{(A+B)}^2-4(\mathrm{AB}-C^2)}}{2}.$

6)在非边缘区域设置较大的灰度方差； 

7)根据自适应的灰度均值和灰度方差计算双边滤波。 

Claims (4)

1.一种基于改进的自适应双边滤波的视频去噪方法，其特征在于其实施步骤如下：

1)取连续N帧的两端和中间共三帧，计算图像的结构张量的特征值；

2)统计这几帧的结构张量特征值的分布，选出划分边缘的阈值，统计出边缘区域的梯度分布情况；

3)根据每帧图的结构张量计算出像素点所在边缘的方向，沿着该方向加权平均求像素点的灰度均值；

4)通过结构张量特征值的大小划分出边缘区域和非边缘区域；

5)在边缘区域根据边缘的梯度大小设置灰度方差；

6)在非边缘区域设置较大的灰度方差；

7)根据自适应的灰度均值和灰度方差计算双边滤波。

2.根据权利要求1所述的基于改进的自适应双边滤波的视频去噪方法，其特征在于，所述步骤1)中计算像素的结构张量矩阵。其中矩阵表达式如下：

其中I_x、I_y分别表示像素点的X和Y方向上的梯度值。

3.根据权利要求2所述的基于结构张量改进的双边滤波的视频去噪方法，其特征在于，所述步骤4)中根据结构张量矩阵计算特征值关系，通过与2)中统计出的阈值T_d比较划分出边缘区域和非边缘区域。其中特征值关系表达式为：

T＝(λ₁-λ₂)²＝(A-B)²+4C²

其中，λ₁和λ₂是结构张量的特征值，λ₁表示特征值中比较大的一个。

所述步骤5)中根据结构张量矩阵计算特征值关系，通过与2)中统计出的梯度与灰度值的关系k，计算灰度方差： 

λ₁表示特征值中比较大的一个，该特征值与像素梯度大小相关。

4.根据权利要求1或2或3所述的基于改进的自适应双边滤波的视频去噪方法，其特征在于：所述步骤7)的详细步骤包括：对于每一个像素，取对应的灰度均值和灰度方差进行双边滤波计算。 

Images