CN103414845A - 一种自适应的视频图像降噪方法及降噪系统 - Google Patents

Abstract

本发明公开一种自适应的视频图像降噪方法及降噪系统。方法包括如下步骤：1）对比前一幅已处理图像与当前待处理图像，获得当前待处理图像的噪声特征信息；2）根据噪声特征信息和运动判定采用自适应算法进行椒盐降噪或高斯降噪图像处理。系统包括噪声分析单元、图像缓存单元和噪声处理单元，本发明设计了一种结合边缘侦测、噪声分析和运动判定技术，实现以空间域帧降噪方法为基础的具有选择性自适应机制的降噪方法，有针对性的降低了视频图像的噪声影响，提高了峰值信噪比，拓展了单一降噪方法的应用范围，同时其结构简单，易于数字逻辑实现，适用于视频图像实时噪声处理。

Description

一种自适应的视频图像降噪方法及降噪系统

技术领域

本发明属于图像处理技术。具体涉及一种自适应的视频图像降噪方法及降噪系统。

背景技术

视频图像的生成过程中，光信号需要经过图像传感器感光像素采样转换为模拟电学信号，而后通过放大器以及模数转换器单元得到数字图像信号最终输出，如附图1所示。在一系列的信号处理过程中，不可避免的会引入各种噪声（如高斯、椒盐、均值、伽玛和指数等噪声类型）从而导致视频图像质量的下降，其中以高斯噪声和椒盐噪声最为常见，因此有必要在该过程中有针对性的加入数字降噪处理算法101，以改善图像质量。

数字降噪是指经过模数转换器得到数字信号之后，利用数字后处理电路消除图像噪声的方法。数字降噪处理已经有了一些较为成熟的方法，按原理可分为线性技术和非线性技术。均值滤波属于常见线性处理技术，其对象主要是高斯噪声，但会造成噪声的误扩散。中值滤波是一种非线性滤波方法，该方法对滤除椒盐噪声尤其有效，但是对于图像中的细节信息会产生一定的损失。此外基于图像空间域，降噪方法又分为帧内降噪和帧间降噪两类。对于包含噪声的静止图像，帧内降噪易造成处理后的图像边缘模糊，而帧间降噪（如多帧平均法或时间递归滤波法）能较好的避免这一问题；对于存在运动的噪声图像，帧间降噪可能引起运动边界的模糊以及拖影，帧内降噪则占有一定优势。

上述各种方法针对特定噪声可以得到较高质量的图像，但对复杂的视频场景和噪声处理时采用单一方法则受到一定限制。

发明内容

本发明的目的是，针对视频图像常见的高斯噪声和椒盐噪声问题，根据噪声分类，实现具有选择性自适应机制的图像降噪方法。

实现本发明的技术方案：

一种自适应的视频图像降噪方法，包括如下步骤：

1）对比前一幅已处理图像与当前待处理图像，获得当前待处理图像的噪声特征信息；

2）根据噪声特征信息和运动判定采用自适应算法进行椒盐降噪或高斯降噪图像处理。

所述噪声特征信息为噪声标志和噪声类型，通过噪声功率估计值进行计算分析得到。

具有噪声标志表示图像有噪声，需要进行降噪处理。

噪声类型包括椒盐噪声、高斯噪声和混叠噪声。

所述噪声功率估计值的计算方法为：

A、随机选取当前待处理图像的一个统计区域，在该统计区域中划分出多个基本统计窗口；

B、利用边缘侦测技术判断基本统计窗口的有效性；

C、计算有效基本统计窗口中所有像素的方差获得有效基本统计窗口的噪声功率估计值；

D、将所有有效基本统计窗口的噪声功率估计值汇总得到当前待处理图像的噪声功率估计值。

所述边缘侦测技术是将基本统计窗口进行水平和垂直方向的滤波，再计算各位置点之间的正交梯度值和对角线梯度值，如果正交梯度值和对角线梯度值都小于或等于设定阈值，该基本统计窗口为有效基本统计窗口。

当噪声功率估计值大于设定值的有效基本统计窗口的个数超过设定个数时，当前待处理图像具有噪声标志。

噪声类型的确定方法为：

根据噪声功率估计值计算噪声曲线的峰态系数；

将峰态系数与大小两个阈值进行比较，当峰态系数低于小阈值，确定噪声为高斯噪声；当峰态系数高于大阈值，确定噪声为椒盐噪声；当峰态系数在大小阈值之间，确定噪声为混叠噪声。

根据得到的噪声标志判断和噪声类型分析，并以此为判定依据，自适应算法对待处理图像进行分类，从而选择不同的流程分支和合适的降噪方法进行有针对性的计算。

根据噪声类型和运动判定采用自适应算法进行椒盐降噪或高斯降噪图像处理的方法为：

A、如果噪声类型是椒盐噪声则采用帧内中值滤波的椒盐降噪处理；

B、如果噪声类型是高斯噪声则采用结合运动判定技术的高斯降噪处理；

C、如果噪声类型是混叠噪声则顺序采用帧内中值滤波的椒盐降噪处理和采用结合运动判定技术的高斯降噪处理。

所述结合运动判定技术的高斯降噪处理包括如下步骤：

a、计算运动权值，计算与当前待处理图像相邻的图像对应位置像素的差值，而后对差值进行低通滤波处理，统计整个当前待处理图像获得运动权值；

b、采用运动权值对帧内均值滤波降噪处理和帧间滤波降噪处理进行加权平均。

本发明还提供一种自适应的视频图像降噪系统，包括噪声分析单元、图像缓存单元和噪声处理单元，噪声分析单位从图像缓存单元提取已处理的前一幅图像与当前待处理图像进行对比获得当前待处理图像的噪声特征信息，噪声处理单元根据噪声特征信息进行噪声处理。

所述噪声分析单元包括噪声标志判断模块、噪声功率统计模块和噪声分类模块，噪声功率统计模块计算当前待处理图像中有效基本统计窗口的噪声功率估计值，噪声标志判断模块根据噪声功率统计模块计算的有效基本统计窗口的噪声功率估计值判断当前待处理图像是否有噪声，噪声分类模块根据噪声曲线判断噪声类型。

噪声处理单元包括运动判定模块、高斯噪声处理模块和椒盐噪声处理模块，当前待处理图像的噪声包括高斯噪声时，运动判定模块计算运动权值、高斯噪声处理模块根据运动判定模块计算的运动权值对当前待处理图像进行高斯噪声处理，当前处理图像的噪声包括椒盐噪声时，椒盐噪声处理模块对当前图像进行椒盐噪声处理。

本发明的有益效果是：

本发明设计了一种结合边缘侦测、噪声分析和运动判定技术，实现以空间域帧降噪方法为基础的具有选择性自适应机制的降噪方法，有针对性的降低了视频图像的噪声影响，提高了峰值信噪比，拓展了单一降噪方法的应用范围，同时其结构简单，易于数字逻辑实现，适用于视频图像实时噪声处理。

附图说明

图1是视频图像生成的基本电路结构示意图；

图2是本发明的自适应的视频图像降噪系统的结构示意图；

图3是本发明的自适应的视频图像降噪方法的流程图。

具体实施方式

下面结合附图对本发明进行具体介绍。

本发明的自适应的视频图像降噪系统的结构示意图如附图2所示。噪声分析单元1利用图像缓存单元2保留前一幅已处理的图像数据与当前待处理图像比对，具体来说，噪声功率统计模块11计算噪声的功率估计值，噪声标志判断模块12根据功率估计值判断当前待处理图像是否有噪声，噪声分类模块13根据噪声曲线判断噪声是高斯噪声还是椒盐噪声还是混叠噪声。噪声处理单元3根据噪声分析单元1分析的噪声类型对噪声进行处理，具体来说，运动判定模块31计算运动权值，高斯噪声处理模块32获得运动判定模块31计算的运动权值，对图像进行高斯噪声处理，椒盐噪声处理模块33对图像进行椒盐噪声处理。噪声处理单元3对图像进行处理后输出降噪的图像数据。

本发明的自适应的视频图像降噪方法如图3所示：

(1)将当前待处理图像输入；

(2)噪声分析单元1从图像缓存单元2提取前一幅已处理的图像数据与前待处理图像比对获得噪声特征信息。

噪声功率统计模块11利用当前的图像信息估算图像的噪声功率估计值。估算方法为：首先选取一定的统计区域，并在该区域中划分若干基本统计窗口，利用边缘侦测处理判断该窗口是否有效，而后逐一对这些有效的基本统计窗口进行功率估计值的估算，最后将待处理图像中所有的有效统计窗口的噪声功率进行汇总，汇总方法比如为求和平均，得到整幅图像的噪声功率估计值。

a)本方法中统计区域为随机选取，以保证统计的普适性，基本统计窗口设定为M×M个像素点的正方形。

b)窗口有效性的判断利用了边缘侦测方法，以避免图像边缘被误判断为噪声。针对的M×M的基本统计窗口，首先将其进行水平和垂直方向的滤波，而后计算各位置点之间的正交梯度值和对角线梯度值，如果两个梯度值都超过设定阈值，则认为存在边缘，该基本统计窗口无效；相反则基本统计窗口有效。该设定阈值可根据实际系统进行配置。

c)有效基本统计窗口中的噪声功率估计值可以通过计算该有效基本统计窗口中所有像素的方差得到。此后还需要沿时间轴方向，将该方差值与相邻帧图像噪声功率进行滤波，以保证噪声功率估计值具有一定的平滑连续性，防止该值出现突然跳跃变化，引起主观图像的明显失真。

(3)根据上述得到的噪声功率估计值，噪声标志判断模块12计算有效统计窗口中噪声功率估计值超过设定阈值的窗口的个数，与设定个数进行比较，进一步判断该图像是否具有噪声标志，即是否为含有噪声的图像。设定个数可以根据实际系统进行配置。

(4)对具有噪声标志的图像进行噪声分类和降噪处理，根据图像中高斯噪声和椒盐噪声各自的概率分布特点，噪声分类模块13可以对噪声类型进行识别。其中高斯噪声近似满足正态分布曲线，而椒盐噪声的概率曲线接近脉冲形状，这里可以计算图像中噪声曲线的峰态系数作为判别依据，确定噪声类型为高斯噪声，椒盐噪声或为两者兼有的混叠噪声。将峰态系统与大小两个设定阈值进行比较，当峰态系数低于小阈值，确定噪声为高斯噪声；当峰态系数高于大阈值，确定噪声为椒盐噪声；当峰态系数在大小阈值之间，确定噪声为混叠噪声。

(5)根据噪声类型，自适应算法对待处理图像进行分类，从而选择不同的流程分支和合适的降噪方法进行有针对性的计算。

d)如果判断为椒盐噪声则采用帧内中值滤波的椒盐降噪。

e)如果判断为高斯噪声则采用结合运动判定技术的高斯降噪计算。高斯降噪处理包含帧内均值滤波降噪处理和帧间滤波两种算法，并经过运动加权计算得到最终结果（即利用运动权值对帧内均值滤波和帧间滤波两种处理的加权平均）。运动权值通过运动判定计算得到，首先利用帧缓存数据，计算相邻图像对应位置像素的差值，然后对差值进行低通滤波处理，保证相邻像素运动的一致性，而后统计整帧图像得到运动权值。（统计是求和。）

f)如果判断为混叠噪声则顺序采用上述椒盐降噪以及结合运动判定技术的高斯降噪进行降噪处理。

（6）输出已处理图像

本发明以多种视频图像空间域降噪方法为基础，面向混叠噪声和复杂图像场景处理，实现一种结合边缘侦测、噪声分析和运动判定算法，具有自适应机制的降噪方法。

Claims (10)

1.一种自适应的视频图像降噪方法，包括如下步骤：

1）对比前一幅已处理图像与当前待处理图像，获得当前待处理图像的噪声特征信息；

2）根据噪声特征信息和运动判定采用自适应算法进行椒盐降噪或高斯降噪图像处理。

2.如权利要求1所述的自适应的视频图像降噪方法，其特征在于，所述噪声特征信息为噪声标志和噪声类型，通过噪声功率估计值进行计算分析得到。

3.如权利要求2所述的自适应的视频图像降噪方法，其特征在于，所述噪声功率估计值的计算方法为：

A、随机选取当前待处理图像的一个统计区域，在该统计区域中划分出多个基本统计窗口；

B、利用边缘侦测技术判断基本统计窗口的有效性；

C、计算有效基本统计窗口中所有像素的方差获得有效基本统计窗口的噪声功率估计值；

D、将所有有效基本统计窗口的噪声功率估计值汇总得到当前待处理图像的噪声功率估计值。

4.如权利要求3所述的自适应的视频图像降噪方法，其特征在于，所述边缘侦测技术是将基本统计窗口进行水平和垂直方向的滤波，再计算各位置点之间的正交梯度值和对角线梯度值，如果正交梯度值和对角线梯度值都小于或等于设定阈值，该基本统计窗口为有效基本统计窗口。

5.如权利要求3所述的自适应的视频图像降噪方法，其特征在于，当噪声功率估计值大于设定值的有效基本统计窗口的个数超过设定个数时，当前待处理图像具有噪声标志。

6.如权利要求3所述的自适应的视频图像降噪方法，其特征在于，噪声类型的确定方法为：

根据噪声功率估计值计算噪声曲线的峰态系数；

将峰态系数与大小两个阈值进行比较，当峰态系数低于小阈值，确定噪声为高斯噪声；当峰态系数高于大阈值，确定噪声为椒盐噪声；当峰态系数在大小阈值之间，确定噪声为混叠噪声。

7.如权利要求3所述的自适应的视频图像降噪方法，其特征在于，根据噪声类型和运动判定采用自适应算法进行椒盐降噪或高斯降噪图像处理的方法为：

A、如果噪声类型是椒盐噪声则采用帧内中值滤波的椒盐降噪处理；

B、如果噪声类型是高斯噪声则采用结合运动判定技术的高斯降噪处理；

C、如果噪声类型是混叠噪声则顺序采用帧内中值滤波的椒盐降噪处理和采用结合运动判定技术的高斯降噪处理。

8.如权利要求7所述的自适应的视频图像降噪方法，其特征在于，所述结合运动判定技术的高斯降噪处理包括如下步骤：

a、计算运动权值，计算与当前待处理图像相邻的图像对应位置像素的差值，而后对差值进行低通滤波处理，统计整个当前待处理图像获得运动权值；

b、采用运动权值对帧内均值滤波降噪处理和帧间滤波降噪处理进行加权平均。

9.一种自适应的视频图像降噪系统，其特征在于，包括噪声分析单元、图像缓存单元和噪声处理单元，噪声分析单位从图像缓存单元提取已处理的前一幅图像与当前待处理图像进行对比获得当前待处理图像的噪声特征信息，噪声处理单元根据噪声特征信息进行噪声处理。

10.如权利要求9所述的自适应的视频图像降噪系统，其特征在于，所述噪声分析单元包括噪声标志判断模块、噪声功率统计模块和噪声分类模块，噪声功率统计模块计算当前待处理图像中有效基本统计窗口的噪声功率估计值，噪声标志判断模块根据噪声功率统计模块计算的有效基本统计窗口的噪声功率估计值判断当前待处理图像是否有噪声，噪声分类模块根据噪声曲线判断噪声类型。

Images