CN103096117A - 视频噪声检测方法及装置 - Google Patents

Abstract

本发明公开了一种视频噪声检测方法及装置，其中方法包括：检测摄像头是否处于静止状态；当检测出摄像头处于静止状态时，分离摄像头捕获的视频中的噪声和场景运动，确定所述视频的噪声水平；当检测出摄像头处于运动状态时，查找所述视频中当前帧图像的平坦块，根据查找到的平坦块，确定所述视频的噪声水平。本发明可用于静止的摄像头，也可用于运动的摄像头。当用于静止的摄像头时，能够获得极为准确的估计值，而当摄像头发生运动时，也能获得较为准确的估计值。本发明实施例可用于绝大部分视频，能够获得比已有方法更好的视频噪声水平估计效果。

Description

视频噪声检测方法及装置

技术领域

本发明涉及图像质量评价技术领域，尤其涉及视频噪声检测方法及装置。

背景技术

图像质量是判断图像采集设备性能好坏、工作状态是否正常的一个重要指标，也较多地被用在图像处理算法性能优劣比较和优化系统参数。因此，在图像采集、编码压缩、网络传输等领域建立有效的图像质量评价机制具有重要的意义。

图像质量评价从方法上可以分为主观评价方法和客观评价方法两大类。

主观评价方法采用人自身的主观感受来评价图像对象的质量。主观评价法在受控的环境下，将待评价的图像显示给评价者观看，同时记录下评价者的打分，并对所有评价者的打分进行统计，得出一个统计分数(可以是平均值、中值等)作为评价结果。一般的主观评价方法包括DSCQS(Double Stimulus Continuous Quality Scale，双刺激连续质量标度方法)、SSCQE(Single Stimulus Continuous Quality Evaluation，单刺激连续质量评价法)。一般来说，主观质量评价是一种可靠的方式，不仅适合于传统的模拟系统，也适合于数字系统，同时对于运动图像也能得到较可靠的结果。其缺点在于，测试环境要求严格、步骤复杂、测试时间长、缺乏实时性。

一般的客观评价方法都是通过模拟人类视觉系统的一些生理特征来建立视觉感知模型，使用该模型来评价图像，将模型的输出值作为图像质量的评价。客观评价方法采用了定量的方法测量图像的质量，评价过程可以自动完成，无需人工参与。客观评价的研究焦点着重于如何提高主观评价结果和客观评价结果之间的相关性。按照评价是否需要原始视频，可以将客观评价方法分为全参考方法、部分参考方法、无参考方法。

全参考方法需要获取降质图像的未降质参考视频，通过比较降质图像和未降质图像来评价降质图像的质量。部分参考方法无法获取未降质图像，但能够得到未降质图像的一些特征，利用该特征来估计降质图像的质量。无参考方法一般是在无法获得未降质参考图像时使用，该方法先建立有关图像降质的模型，根据该模型来评估图像的质量。

图像/视频噪声水平是用来度量图像/视频质量的指标之一。目前已有一些用来估计图像和视频的噪声水平的方法，但有关算法普遍存在适用范围较窄，场景适应性较差，用于视频时估计准确度较差的问题，只能对部分特定的图像和视频有一定效果。

发明内容

本发明实施例提供一种视频噪声检测方法，用以适用较大范围的视频噪声检测场景，提高视频噪声水平估计的准确度，该方法包括：

检测摄像头是否处于静止状态；

当检测出摄像头处于静止状态时，分离摄像头捕获的视频中的噪声和场景运动，确定所述视频的噪声水平；

当检测出摄像头处于运动状态时，查找所述视频中当前帧图像的平坦块，根据查找到的平坦块，确定所述视频的噪声水平。

本发明实施例还提供一种视频噪声检测装置，用以适用较大范围的视频噪声检测场景，提高视频噪声水平估计的准确度，该装置包括：

摄像头检测模块，用于检测摄像头是否处于静止状态；

第一视频噪声确定模块，用于当检测出摄像头处于静止状态时，分离摄像头捕获的视频中的噪声和场景运动，确定所述视频的噪声水平；

第二视频噪声确定模块，用于当检测出摄像头处于运动状态时，查找所述视频中当前帧图像的平坦块，根据查找到的平坦块，确定所述视频的噪声水平。

本发明实施例中，检测摄像头是否处于静止状态；当检测出摄像头处于静止状态时，分离摄像头捕获的视频中的噪声和场景运动，确定所述视频的噪声水平，可得到高准确度的估计值；当检测出摄像头处于运动状态时，查找所述视频中当前帧图像的平坦块，根据查找到的平坦块，确定所述视频的噪声水平，可排除图像纹理对噪声检测的影响。本发明实施例可用于静止的摄像头，也可用于运动的摄像头。当用于静止的摄像头时，能够获得极为准确的估计值，而当摄像头发生运动时，也能获得较为准确的估计值。本发明实施例可用于绝大部分视频，能够获得比已有方法更好的视频噪声水平估计效果。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1为本发明实施例中视频噪声检测方法的处理流程图；

图2为本发明实施例中计算当前帧图像分块平坦度时使用的预设模板示意图；

图3为本发明实施例中视频噪声检测方法的一具体实例的处理流程图；

图4为本发明实施例中视频噪声检测装置的结构示意图；

图5为本发明实施例中视频噪声检测装置的一具体实例的结构示意图；

图6为本发明实施例中饱和子块确定模块的一具体实例的结构示意图；

图7为本发明实施例中摄像头检测模块的一具体实例的结构示意图；

图8为本发明实施例中第一视频噪声确定模块的一具体实例的结构示意图；

图9为本发明实施例中第二视频噪声确定模块的一具体实例的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。

为了适用较大范围的视频噪声检测场景，提高视频噪声水平估计的准确度，本发明实施例针对静止摄像头捕获的视频，利用绝大部分视频噪声分布相同的特性，分离视频中的噪声和场景运动，确定视频的噪声水平，从而得到高准确度的估计值；为了使摄像头在运动时也能检测视频噪声，针对运动摄像头捕获的视频，使用单幅图像进行噪声估计，估计时同样假定图像中噪声分布相同，通过查找平坦块的方法来排除图像纹理对噪声检测的影响。

如图1所示，本发明实施例中视频噪声检测方法的处理流程可以包括：

步骤101、检测摄像头是否处于静止状态；

步骤102、当检测出摄像头处于静止状态时，分离摄像头捕获的视频中的噪声和场景运动，确定视频的噪声水平；

步骤103、当检测出摄像头处于运动状态时，查找视频中当前帧图像的平坦块，根据查找到的平坦块，确定视频的噪声水平。

具体实施时，在检测摄像头是否处于静止状态之前，还可以先从摄像头捕获的视频中提取连续两帧图像，获得连续两帧图像的灰度图像；根据连续两帧图像的灰度图像获得连续两帧图像的梯度图像；根据连续两帧图像的灰度图像获得帧差图像；将帧差图像分块，确定帧差图像中的饱和子块。

其中，根据连续两帧图像的灰度图像获得连续两帧图像的梯度图像时，可采用sobel算子计算图像在水平方向、垂直方向的梯度，从而得到梯度图像。根据连续两帧图像的灰度图像获得帧差图像时，可将连续两帧图像的对应位置像素灰度值相减，即可得到帧差图像。

将帧差图像分块，确定帧差图像中的饱和子块，可以包括：

1)遍历帧差图像中的所有像素，确定帧差图像中的饱和像素，饱和像素的灰度值与其邻域8个像素的灰度值相同，且饱和像素的灰度值大于第一阈值；例如，对当前像素，可检查其邻域8个像素的灰度值是否与当前像素的灰度值相同，同时检查当前像素的灰度值是否大于第一阈值，如一固定阈值T_s；

2)将帧差图像分块，统计每个分块内的饱和像素个数，将饱和像素个数大于第二阈值的分块确定为帧差图像中的饱和子块；例如，在分块时每个分块的大小可选择为8×8，统计每个分块内的饱和像素个数n_s，如果n_s大于第二阈值，如T_ns，则将该分块标记为饱和子块。

为了能够简单、快速地进行摄像头的状态检测，具体实施时，检测摄像头是否处于静止状态，可以包括：

1)将当前帧图像的灰度图像分块，将当前帧图像的灰度图像中方差大于第三阈值的分块确定为纹理块；例如，可使用块内像素灰度值计算块方差，将方差大于第三定阈值，如T_t的分块标记为纹理块；

2)对帧差图像中对应于纹理块的分块计算方差，将帧差图像中方差大于第四阈值的分块确定为运动块；例如，将方差大于第四阈值，如Td的分块标记为运动块；

3)统计运动块个数和纹理块个数；

4)若运动块个数与纹理块个数的比值大于第五阈值，则确定摄像头处于运动状态，否则确定摄像头处于静止状态；例如，运动块个数为n_m，纹理块个数为n_t，b＝n_m/n_t，当b大于第五阈值，如T_m，则认为摄像头处于运动状态，否则处于静止状态。

具体实施时，当检测出摄像头处于静止状态时，分离摄像头捕获的视频中的噪声和场景运动，确定视频的噪声水平，可以包括：

1)计算帧差图像中每个非饱和子块帧差值的标准差；

2)采用帧差图像中所有非饱和子块帧差值的标准差统计标准差直方图；

3)查找标准差直方图中最高柱对应的灰度值，根据查找到的灰度值确定运动像素与非运动像素的分界值；例如，标准差直方图中最高柱对应的灰度值为a，将运动像素与非运动像素的分界值确定为a+T_a，其中T_a为一经验参数，例如可选择为2；

4)对帧差图像中帧差值小于分界值的所有帧差值计算方差，输出计算出的方差值作为视频的噪声水平；例如，按如下公式输出视频的噪声水平：

D＝D(x)

其中x表示帧差图像中帧差值小于分界值a+T_a的所有帧差值，D(x)表示对x求方差。

具体实施时，当检测出摄像头处于运动状态时，查找视频中当前帧图像的平坦块，根据查找到的平坦块，确定视频的噪声水平，可以包括：

1)将当前帧图像分块，计算每个分块的平坦度；例如可以使用预设模板与当前分块进行卷积，将卷积后的值作为当前分块的平坦度；举个例子，可以将当前帧图像分成5×5的分块，使用如图2所示的8个模板计算每个分块的平坦度。图2所示的8个模板中，可假设斜纹块的值为4，黑色块的值为-1，白色块的值为0，使用这8个模板与当前分块进行卷积，卷积后的值作为当前分块的平坦度：

$\mathrm{\ξ}=\mathrm{\Σ}|f\⊗M_i|$

其中，ξ表示分块的平坦度，f表示分块，M_i表示模板；

2)选择预定数量的当前帧图像中最平坦的分块，对选择的每个分块计算方差；例如，选择当前帧图像中最平坦的m个分块，m为经验参数，例如可设为10；

3)计算选择的所有分块的方差均值，输出计算出的方差均值作为视频的噪声水平；例如计算m个分块的方差均值。

图3为本发明实施例中视频噪声检测方法的一具体实例的处理流程图。如图3所示，本例中视频噪声检测方法可以包括：

步骤301、摄像头捕获视频；

步骤302、从摄像头捕获的视频中提取连续两帧图像，获得连续两帧图像的灰度图像f₁和f₂；

步骤303、根据连续两帧图像的灰度图像获得连续两帧图像的梯度图像，具体的，采用sobel算子计算图像在水平方向、垂直方向的梯度，得到梯度图像；

步骤304、根据连续两帧图像的灰度图像获得帧差图像，具体的，将连续两帧图像的对应位置像素灰度值相减，得到帧差图像：

f_d＝f₁-f₂；

步骤305、将帧差图像分块，确定帧差图像中的饱和子块；

步骤306、检测摄像头是否处于静止状态；若是，执行步骤307-310，分离摄像头捕获的视频中的噪声和场景运动，确定视频的噪声水平；否则执行步骤311-313，查找视频中当前帧图像的平坦块，根据查找到的平坦块，确定视频的噪声水平；

步骤307、排除帧差图像中所有的饱和子块，计算帧差图像中每个非饱和子块帧差值的标准差；

步骤308、采用帧差图像中所有非饱和子块帧差值的标准差统计标准差直方图；

步骤309、查找标准差直方图中最高柱对应的灰度值，根据查找到的灰度值确定运动像素与非运动像素的分界值；

步骤310、对帧差图像中帧差值小于分界值的所有帧差值计算方差，输出计算出的方差值作为视频的噪声水平；

步骤311、将当前帧图像分块，计算每个分块的平坦度；

步骤312、选择预定数量的当前帧图像中最平坦的分块，对选择的每个分块计算方差；

步骤313、计算选择的所有分块的方差均值，输出计算出的方差均值作为视频的噪声水平。

基于同一发明构思，本发明实施例中还提供了一种视频噪声检测装置，如下面的实施例所述。由于该装置解决问题的原理与视频噪声检测方法相似，因此该装置的实施可以参见视频噪声检测方法的实施，重复之处不再赘述。

如图4所示，本发明实施例中视频噪声检测装置可以包括：

摄像头检测模块401，用于检测摄像头是否处于静止状态；

第一视频噪声确定模块402，用于当检测出摄像头处于静止状态时，分离摄像头捕获的视频中的噪声和场景运动，确定视频的噪声水平；

第二视频噪声确定模块403，用于当检测出摄像头处于运动状态时，查找视频中当前帧图像的平坦块，根据查找到的平坦块，确定视频的噪声水平。

如图5所示，一个实施例中，图4所示的视频噪声检测装置还可以包括：

灰度图像获得模块501，用于从摄像头捕获的视频中提取连续两帧图像，获得连续两帧图像的灰度图像；

梯度图像获得模块502，用于根据连续两帧图像的灰度图像获得连续两帧图像的梯度图像；

帧差图像获得模块503，用于根据连续两帧图像的灰度图像获得帧差图像；

饱和子块确定模块504，用于将帧差图像分块，确定帧差图像中的饱和子块。

如图6所示，一个实施例中，饱和子块确定模块504可以包括：

饱和像素确定单元601，用于遍历帧差图像中的所有像素，确定帧差图像中的饱和像素，饱和像素的灰度值与其邻域8个像素的灰度值相同，且饱和像素的灰度值大于第一阈值；

饱和子块确定单元602，用于将帧差图像分块，统计每个分块内的饱和像素个数，将饱和像素个数大于第二阈值的分块确定为帧差图像中的饱和子块。

如图7所示，一个实施例中，摄像头检测模块401可以包括：

纹理块确定单元701，用于将当前帧图像的灰度图像分块，将当前帧图像的灰度图像中方差大于第三阈值的分块确定为纹理块；

运动块确定单元702，用于对帧差图像中对应于纹理块的分块计算方差，将帧差图像中方差大于第四阈值的分块确定为运动块；

块个数统计单元703，用于统计运动块个数和纹理块个数；

摄像头状态确定单元704，用于若运动块个数与纹理块个数的比值大于第五阈值，则确定摄像头处于运动状态，否则确定摄像头处于静止状态。

如图8所示，一个实施例中，第一视频噪声确定模块402可以包括：

标准差计算单元801，用于计算帧差图像中每个非饱和子块帧差值的标准差；

标准差直方图统计单元802，用于采用帧差图像中所有非饱和子块帧差值的标准差统计标准差直方图；

分界值确定单元803，用于查找标准差直方图中最高柱对应的灰度值，根据查找到的灰度值确定运动像素与非运动像素的分界值；

第一噪声水平输出单元804，用于对帧差图像中帧差值小于分界值的所有帧差值计算方差，输出计算出的方差值作为视频的噪声水平。

如图9所示，一个实施例中，第二视频噪声确定模块403可以包括：

分块平坦度计算单元901，用于将当前帧图像分块，计算每个分块的平坦度；

平坦块方差计算单元902，用于选择预定数量的当前帧图像中最平坦的分块，对选择的每个分块计算方差；

第二噪声水平输出单元903，用于计算选择的所有分块的方差均值，输出计算出的方差均值作为视频的噪声水平。

一个实施例中，分块平坦度计算单元901具体可以用于：

使用预设模板与当前分块进行卷积，将卷积后的值作为当前分块的平坦度。

综上所述，本发明实施例中，检测摄像头是否处于静止状态；当检测出摄像头处于静止状态时，分离摄像头捕获的视频中的噪声和场景运动，确定所述视频的噪声水平，可得到高准确度的估计值；当检测出摄像头处于运动状态时，查找所述视频中当前帧图像的平坦块，根据查找到的平坦块，确定所述视频的噪声水平，可排除图像纹理对噪声检测的影响。本发明实施例可用于静止的摄像头，也可用于运动的摄像头。当用于静止的摄像头时，能够获得极为准确的估计值，而当摄像头发生运动时，也能获得较为准确的估计值。本发明实施例可用于绝大部分视频，能够获得比已有方法更好的视频噪声水平估计效果。

本发明实施例可用于图像质量、视频质量检测、监视，成像系统参数控制，图像处理算法参数优化，网络图像传输质量评估等，例如可用于摄像头估计视频的噪声水平，一方面可用于检查目前摄像头的工作状态是否正常，另外也可以用于评估摄像头的成像质量，此外还可用于其它图像处理算法进行参数优化。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (14)

1.一种视频噪声检测方法，其特征在于，该方法包括：

检测摄像头是否处于静止状态；

当检测出摄像头处于静止状态时，分离摄像头捕获的视频中的噪声和场景运动，确定所述视频的噪声水平；

当检测出摄像头处于运动状态时，查找所述视频中当前帧图像的平坦块，根据查找到的平坦块，确定所述视频的噪声水平。

2.如权利要求1所述的方法，其特征在于，所述检测摄像头是否处于静止状态之前，还包括：

从摄像头捕获的视频中提取连续两帧图像，获得所述连续两帧图像的灰度图像；

根据所述连续两帧图像的灰度图像获得所述连续两帧图像的梯度图像；

根据所述连续两帧图像的灰度图像获得帧差图像；

将所述帧差图像分块，确定所述帧差图像中的饱和子块。

3.如权利要求2所述的方法，其特征在于，将所述帧差图像分块，确定所述帧差图像中的饱和子块，包括：

遍历所述帧差图像中的所有像素，确定所述帧差图像中的饱和像素，所述饱和像素的灰度值与其邻域8个像素的灰度值相同，且所述饱和像素的灰度值大于第一阈值；

将所述帧差图像分块，统计每个分块内的饱和像素个数，将饱和像素个数大于第二阈值的分块确定为所述帧差图像中的饱和子块。

4.如权利要求2所述的方法，其特征在于，所述检测摄像头是否处于静止状态，包括：

将当前帧图像的灰度图像分块，将当前帧图像的灰度图像中方差大于第三阈值的分块确定为纹理块；

对所述帧差图像中对应于纹理块的分块计算方差，将所述帧差图像中方差大于第四阈值的分块确定为运动块；

统计运动块个数和纹理块个数；

若运动块个数与纹理块个数的比值大于第五阈值，则确定摄像头处于运动状态，否则确定摄像头处于静止状态。

5.如权利要求2所述的方法，其特征在于，当检测出摄像头处于静止状态时，分离摄像头捕获的视频中的噪声和场景运动，确定所述视频的噪声水平，包括：

计算所述帧差图像中每个非饱和子块帧差值的标准差；

采用所述帧差图像中所有非饱和子块帧差值的标准差统计标准差直方图；

查找标准差直方图中最高柱对应的灰度值，根据查找到的灰度值确定运动像素与非运动像素的分界值；

对所述帧差图像中帧差值小于所述分界值的所有帧差值计算方差，输出计算出的方差值作为所述视频的噪声水平。

6.如权利要求2所述的方法，其特征在于，当检测出摄像头处于运动状态时，查找所述视频中当前帧图像的平坦块，根据查找到的平坦块，确定所述视频的噪声水平，包括：

将当前帧图像分块，计算每个分块的平坦度；

选择预定数量的当前帧图像中最平坦的分块，对选择的每个分块计算方差；

计算选择的所有分块的方差均值，输出计算出的方差均值作为所述视频的噪声水平。

7.如权利要求6所述的方法，其特征在于，所述计算每个分块的平坦度，包括：

使用预设模板与当前分块进行卷积，将卷积后的值作为当前分块的平坦度。

8.一种视频噪声检测装置，其特征在于，该装置包括：

摄像头检测模块，用于检测摄像头是否处于静止状态；

第一视频噪声确定模块，用于当检测出摄像头处于静止状态时，分离摄像头捕获的视频中的噪声和场景运动，确定所述视频的噪声水平；

第二视频噪声确定模块，用于当检测出摄像头处于运动状态时，查找所述视频中当前帧图像的平坦块，根据查找到的平坦块，确定所述视频的噪声水平。

9.如权利要求8所述的装置，其特征在于，还包括：

灰度图像获得模块，用于从摄像头捕获的视频中提取连续两帧图像，获得所述连续两帧图像的灰度图像；

梯度图像获得模块，用于根据所述连续两帧图像的灰度图像获得所述连续两帧图像的梯度图像；

帧差图像获得模块，用于根据所述连续两帧图像的灰度图像获得帧差图像；

饱和子块确定模块，用于将所述帧差图像分块，确定所述帧差图像中的饱和子块。

10.如权利要求9所述的装置，其特征在于，所述饱和子块确定模块，包括：

饱和像素确定单元，用于遍历所述帧差图像中的所有像素，确定所述帧差图像中的饱和像素，所述饱和像素的灰度值与其邻域8个像素的灰度值相同，且所述饱和像素的灰度值大于第一阈值；

饱和子块确定单元，用于将所述帧差图像分块，统计每个分块内的饱和像素个数，将饱和像素个数大于第二阈值的分块确定为所述帧差图像中的饱和子块。

11.如权利要求9所述的装置，其特征在于，所述摄像头检测模块，包括：

纹理块确定单元，用于将当前帧图像的灰度图像分块，将当前帧图像的灰度图像中方差大于第三阈值的分块确定为纹理块；

运动块确定单元，用于对所述帧差图像中对应于纹理块的分块计算方差，将所述帧差图像中方差大于第四阈值的分块确定为运动块；

块个数统计单元，用于统计运动块个数和纹理块个数；

摄像头状态确定单元，用于若运动块个数与纹理块个数的比值大于第五阈值，则确定摄像头处于运动状态，否则确定摄像头处于静止状态。

12.如权利要求9所述的装置，其特征在于，所述第一视频噪声确定模块，包括：

标准差计算单元，用于计算所述帧差图像中每个非饱和子块帧差值的标准差；

标准差直方图统计单元，用于采用所述帧差图像中所有非饱和子块帧差值的标准差统计标准差直方图；

分界值确定单元，用于查找标准差直方图中最高柱对应的灰度值，根据查找到的灰度值确定运动像素与非运动像素的分界值；

第一噪声水平输出单元，用于对所述帧差图像中帧差值小于所述分界值的所有帧差值计算方差，输出计算出的方差值作为所述视频的噪声水平。

13.如权利要求9所述的装置，其特征在于，所述第二视频噪声确定模块，包括：

分块平坦度计算单元，用于将当前帧图像分块，计算每个分块的平坦度；

平坦块方差计算单元，用于选择预定数量的当前帧图像中最平坦的分块，对选择的每个分块计算方差；

第二噪声水平输出单元，用于计算选择的所有分块的方差均值，输出计算出的方差均值作为所述视频的噪声水平。

14.如权利要求13所述的装置，其特征在于，所述分块平坦度计算单元，具体用于：

使用预设模板与当前分块进行卷积，将卷积后的值作为当前分块的平坦度。

Images