CN113674209A - 视频噪声检测方法、终端设备和计算机存储介质 - Google Patents

视频噪声检测方法、终端设备和计算机存储介质 Download PDF

Info

Publication number
CN113674209A
CN113674209A CN202110834183.7A CN202110834183A CN113674209A CN 113674209 A CN113674209 A CN 113674209A CN 202110834183 A CN202110834183 A CN 202110834183A CN 113674209 A CN113674209 A CN 113674209A
Authority
CN
China
Prior art keywords
noise
image
video
detection method
rate
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.)
Pending
Application number
CN202110834183.7A
Other languages
English (en)
Inventor
张兴明
李远沐
毛礼建
胡东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Dahua Technology Co Ltd
Original Assignee
Zhejiang Dahua Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Dahua Technology Co Ltd filed Critical Zhejiang Dahua Technology Co Ltd
Priority to CN202110834183.7A priority Critical patent/CN113674209A/zh
Publication of CN113674209A publication Critical patent/CN113674209A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G06T7/44—Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Probability & Statistics with Applications (AREA)
  • Image Processing (AREA)

Abstract

本申请提供了视频噪声检测方法、终端设备和计算机存储介质。该视频噪声检测方法包括：获取视频中第一视频帧图像的第一基础特征图像，以及获取视频中第二视频帧图像的第二基础特征图像；基于第一基础特征图像与第二基础特征图像确定噪声区域，并基于噪声区域的帧差图确定噪声区域的第一噪声率；基于第一基础特征图像和第二基础特征图像的像素差异信息，确定第二噪声率；基于第一噪声率和第二噪声率，确定视频的目标噪声率。通过上述方式，本申请的视频噪声检测方法能够有效提高视频噪声检测的鲁棒性。

Description

视频噪声检测方法、终端设备和计算机存储介质
技术领域
本申请涉及图像质量评价技术领域，特别是涉及视频噪声检测方法、终端设备和计算机存储介质。
背景技术
视频噪声是影响图像质量好坏的一重要影响因素，如何对视频噪声进行检测以对相应图像质量进行合理评价是本领域的研究重点之一。
然而，现有视频噪声检测方法无法检出某些极端情况下的噪声(如：噪声量极大的视频噪声)，或仅对部分类型的噪声(如：高斯噪声)有较好的检测效果，进而导致现有视频噪声检测方法在部分情况下的检测效果较差，鲁棒性较低。
发明内容
本申请提供了视频噪声检测方法、终端设备和计算机存储介质，以提高。
本申请提供了一种视频噪声检测方法，视频噪声检测方法包括：
获取视频中第一视频帧图像的第一基础特征图像，以及获取视频中第二视频帧图像的第二基础特征图像；
基于第一基础特征图像与第二基础特征图像确定噪声区域，并基于噪声区域的帧差图确定噪声区域的第一噪声率；
基于第一基础特征图像和第二基础特征图像的像素差异信息，确定第二噪声率；
基于第一噪声率和第二噪声率，确定视频的目标噪声率。
其中，获取视频中第一视频帧图像的第一基础特征图像，包括：
获取第一视频帧图像的第一纹理图；
基于第一纹理图计算第一视频帧图像的第一纹理程度值；
若第一纹理程度值大于等于预设纹理程度值，将第一纹理图作为第一视频帧图像的第一基础特征图像。
其中，视频噪声检测方法，还包括：
若第一纹理程度值小于预设纹理程度值，基于第一纹理图获取第一视频帧图像的第一膨胀图，将第一膨胀图作为第一视频帧图像的第一基础特征图像。
其中，基于第一基础特征图像与第二基础特征图像确定噪声区域，包括：
基于预设卷积模板对第一基础特征图像进行压缩，获取第一基础特征图像的第一掩膜图像；
基于预设卷积模板对第二基础特征图像进行压缩，获取第二基础特征图像的第二掩膜图像；
将第一掩膜图像和第二掩膜图像的重叠区域作为噪声区域。
其中，基于噪声区域的帧差图确定噪声区域的第一噪声率，包括：
获取第一视频帧图像的第一积分图，以及获取第二视频帧图像的第二积分图；
基于第一积分图和第二积分图获取噪声区域的帧差图及其帧差积分图；
基于帧差积分图，确定噪声区域的第一噪声率。
其中，基于帧差积分图，确定噪声区域的第一噪声率，包括：
将噪声区域划分为若干个噪声区域块；
基于帧差积分图计算每一噪声区域块的方差和平滑度；
基于所有噪声区域块的方差和平滑度计算噪声区域的第一噪声率。
其中，基于所有噪声区域块的方差和平滑度计算噪声区域的第一噪声率，包括：
筛选出所有噪声区域块中平滑度小于预设平滑度的有效噪声区域块，其中，有效噪声区域块的平滑度和方差均不为0；
基于所有有效噪声区域块的平滑度作为权值，计算方差的平均值作为噪声区域的第一噪声率。
其中，基于第一基础特征图像和第二基础特征图像的像素差异信息，确定第二噪声率，包括：
记录第一掩膜图像和第二掩膜图像中，相同位置像素值不同的变化像素点；
基于变化像素点，确定第二噪声率。
其中，基于变化像素点，确定第二噪声率，包括：
基于变化像素点的数量与第一视频帧图像或第二视频帧图像的像素点数量的比值计算第二噪声率。
本申请还提供一种终端设备，终端设备包括存储器和处理器，其中，存储器与处理器耦接；
其中，存储器用于存储程序数据，处理器用于执行程序数据以实现如上述的视频噪声检测方法。
本申请还提供一种计算机存储介质，计算机存储介质用于存储程序数据，程序数据在被处理器执行时，用以实现如上述的视频噪声检测方法。
本申请的有益效果是：本申请的视频噪声检测方法根据不同帧的基础特征图像，获取帧差图以求得第一噪声率，并获取像素差异信息以求得第二噪声率，最后基于第一噪声率和第二噪声率获取视频的目标噪声率，以完成视频噪声检测。通过上述方式，本申请结合了不同帧图像的帧差图和像素差异信息，对视频的目标噪声率进行计算，能够有效提高视频噪声检测方法的鲁棒性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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的前提下，还可以根据这些附图获得其他的附图。其中：
图1是本申请视频噪声检测方法的一实施例的流程示意图；
图2是本申请终端设备的一实施例的结构示意图；
图3是本申请计算机存储介质的一实施例的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
请参阅图1，图1是本申请视频噪声检测方法的一实施例的流程示意图。
本申请的视频噪声检测方法应用于一种终端设备，其中，本申请的终端设备可以为服务器，也可以为电子设备，还可以为由服务器和终端设备相互配合的系统。相应地，电子设备包括的各个部分，例如各个单元、子单元、模块、子模块可以全部设置于服务器中，也可以全部设置于终端设备中，还可以分别设置于服务器和终端设备中。
上述服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块，例如用来提供分布式服务器的软件或软件模块，也可以实现成单个软件或软件模块，在此不做具体限定。在一些可能的实现方式中，本申请实施例的视频噪声检测方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
如图1所示，本申请的视频噪声检测方法具体包括以下步骤：
步骤S11：获取视频中第一视频帧图像的第一基础特征图像，以及获取视频中第二视频帧图像的第二基础特征图像。
其中，第一视频帧图像和第二视频帧图像可以是同一视频流中相邻的两帧视频帧图像。图像的基础特征包括颜色特征、纹理特征、形状特征和空间关系特征，而在检测视频噪声时，基于图像的纹理特征进行相关计算以得到检测结果会更为合适。
可选的，获取视频中第一视频帧图像的第一基础特征图像，具体可包括以下步骤：
获取第一视频帧图像的第一纹理图。
基于第一纹理图，确定第一视频帧图像的第一纹理参考值。
若第一纹理参考值大于等于预设纹理参考值，则执行A。若第一纹理参考值小于预设纹理参考值，则执行B。
A：将第一纹理图作为第一视频帧图像的第一基础特征图像。
B：基于第一纹理图获取第一视频帧图像的第一膨胀图，将第一膨胀图作为第一视频帧图像的第一基础特征图像。
当第一纹理参考值较高时(如：第一纹理参考值大于等于预设纹理参考值时)，第一视频帧图像的图像纹理较为复杂，富文本性强，因此，需要直接将第一纹理图作为第一视频帧图像的第一基础特征图像，以保留更多纹理特征。富文本格式(Rich Text Format，RTF)是一种方便于不同设备、系统查看的跨平台文档格式，大多数的文字处理软件都能读取和保存富文本格式的文档，富文本性指的是富文本格式的文件因嵌入了兼容各种应用程序和操作系统的不同控制符号而使得文件整体较大、较复杂。
当第一纹理参考值较低时(如：第一纹理参考值小于预设纹理参考值时)，第一视频帧图像的图像纹理较为简单，图像平滑，所蕴含的文本信息较少，因此，需要在第一纹理图的基础上进一步获取第一视频帧图像的第一膨胀图，并将第一膨胀图作为第一视频帧图像的第一基础特征图像，以突出纹理特征。
具体的，获取第一视频帧图像的第一纹理图，具体可包括以下步骤：
对第一视频帧图像的灰度图进行高斯滤波以进行去噪。
计算去噪的第一视频帧图像的梯度强度和梯度方向，其中，计算梯度强度和梯度方向的公式如下：
Figure BDA0003171630630000051
Figure BDA0003171630630000061
式中，G为梯度强度，θ为梯度方向，fx为x轴方向的梯度，fy为y轴方向的梯度，x轴和y轴为第一视频帧图像的垂直坐标系中相互垂直的两轴。
基于梯度强度和梯度方向，采用非极大值抑制技术，得到第一纹理图。
在第一纹理图的基础上进一步获取第一视频帧图像的第一膨胀图，具体可包括以下步骤：
采用预设大小的滑动窗对第一纹理图进行滤波，得到第一膨胀图。
获取第一视频帧图像的第一纹理图具体可以是采用边缘检测算法对第一视频帧图像进行处理，以得到第一纹理图。采用预设大小的滑动窗对第一纹理图进行滤波具体可以是采用一预设大小的卷积核对第一纹理图进行卷积处理，以得到第一膨胀图。第一纹理图具体可以是canny纹理图，而第一膨胀图具体可以是canny膨胀图。
基于第一纹理图计算第一视频帧图像的第一纹理参考值的具体公式可如下：
Figure BDA0003171630630000062
式中，CS为第一纹理参考值，M为第一视频帧图像的宽，N为第一视频帧图像的高，C(x,y)为第一纹理图中的像素点(x,y)的像素值。
需要说明的是，获取第二视频帧图像的第二基础特征图像的具体步骤与获取第一视频帧图像的第一基础特征图像的具体步骤相对应，此处不再赘述。
步骤S12：基于第一基础特征图像与第二基础特征图像确定噪声区域，并基于噪声区域的帧差图确定噪声区域的第一噪声率。
其中，可根据第一基础特征图像和第二基础特征图像获取噪声区域，之后计算噪声区域所对应的帧差图，以备后续计算中使用。基于得到的帧差图和噪声区域计算第一噪声率，以备后续计算中使用。
可选的，基于第一基础特征图像与第二基础特征图像确定噪声区域，具体可包括以下步骤：
基于预设卷积模板对第一基础特征图像进行压缩，获取第一基础特征图像的第一掩膜图像。
基于预设卷积模板对第二基础特征图像进行压缩，获取第二基础特征图像的第二掩膜图像。
将第一掩膜图像和第二掩膜图像的重叠区域作为噪声区域。
具体的，基于预设卷积模板对第一基础特征图像进行压缩，获取第一基础特征图像的第一掩膜图像具体可以包括：
基于预设卷积模板对第一纹理图进行压缩，获取第一基础特征图像的第一掩膜图像，其中，获取第一掩膜图像的公式可如下：
F(x,y)＝H(x,y)★C(x,y)；
式中，F(x,y)为第一掩膜图像，H(x,y)为预设卷积模板，C(x,y)为第一纹理图，★为卷积计算符。
在基于预设卷积模板对第一纹理图进行压缩的过程中，预设卷积模板可以是一5*5的卷积模板。在进行卷积时，若预设卷积模板所对应的第一纹理图中的一5*5像素块范围中存在8个以上的像素点的灰度值为255(满值)，则将卷积得到的第一掩膜图像中与该5*5像素块所对应的像素点赋值为1，反之则将与该5*5像素块所对应的像素点赋值为0。
需要说明的是，基于预设卷积模板对第二基础特征图像进行压缩，获取第二基础特征图像的第二掩膜图像的具体步骤与基于预设卷积模板对第一基础特征图像进行压缩，获取第一基础特征图像的第一掩膜图像的具体步骤相对应，此处不再赘述。
经上述对第一纹理图的压缩处理所得到的第一掩膜图像和第二掩膜图像，可突出噪点的特征，因此，第一掩膜图像和第二掩膜图像重叠部分的区域可进一步被认定为噪声区域，基于该方式确定噪声区域的计算量较低且准确度较高。
可选的，基于噪声区域的帧差图确定噪声区域的第一噪声率，具体可包括如下步骤：
获取第一视频帧图像的第一积分图，以及获取第二视频帧图像的第二积分图。
基于第一积分图和第二积分图获取噪声区域的帧差图及其帧差积分图。
基于帧差积分图，确定噪声区域的第一噪声率。
具体的，帧差积分图可包括一积分图和一平方积分图，平方积分图为将积分图中各像素值进行平方计算所得到的图。
可选的，基于噪声区域的帧差图确定噪声区域的第一噪声率，具体可包括如下步骤：
获取第一视频帧图像中的噪声区域的第一积分图，以及获取第二视频帧图像中的噪声区域的第二积分图。
基于第一积分图和第二积分图获取噪声区域的帧差图及其帧差积分图。
基于帧差积分图，确定噪声区域的第一噪声率。
在得到噪声区域的帧差图及其帧差积分图后，进一步的，基于帧差积分图，确定噪声区域的第一噪声率，具体可包括如下步骤：
将噪声区域划分为若干个噪声区域块。
基于帧差积分图计算每一噪声区域块的方差和平滑度。
基于所有噪声区域块的方差和平滑度计算噪声区域的第一噪声率。
具体的，各噪声区域块的大小均与上述预设卷积模板相同，若预设卷积模板的大小为5*5，则各噪声区域块的大小也是5*5。
更进一步的，基于所有噪声区域块的方差和平滑度计算噪声区域的第一噪声率，具体可包括如下步骤：
筛选出所有噪声区域块中平滑度小于预设平滑度的有效噪声区域块，其中，有效噪声区域块的平滑度和方差均不为0。
基于所有有效噪声区域块的平滑度作为权值，计算方差的平均值作为噪声区域的第一噪声率。
具体的，可将所有噪声区域块中平滑度小于预设平滑度的、平滑度和方差均不为0的噪声区域块筛选出来，并将筛选出的噪声区域块确定为有效噪声区域块。以各有效噪声区域块的平滑度为各有效噪声区域块所对应的权值，计算各有效噪声区域块的方差的加权平均值，作为第一噪声率。预设平滑度可以是30％或50％或60％或其它值，此处不作限定。
由于帧间积分图中任意一像素点的像素值等于帧差图的左上角与该像素点所围成的矩形区域内的像素值之和，在获得帧间积分图后，即可在常量时间内计算帧差图中任意大小矩形区域内的像素值之和，可大大降低基于该帧间积分图所进行的后续计算的计算量，提高视频噪声检测的速度。
步骤S13：基于第一基础特征图像和第二基础特征图像的像素差异信息，确定第二噪声率。
其中，可通过对第一基础特征图像和第二基础特征图像的像素值进行比较，得到像素差异信息。基于得到的像素差异信息计算第二噪声率，以备后续计算中使用。
在上述获取了第一掩膜图像和第二掩膜图像的基础上，进一步的，基于第一基础特征图像和第二基础特征图像的像素差异信息，确定第二噪声率，具体可包括如下步骤：
记录第一掩膜图像和第二掩膜图像中，相同位置像素值不同的变化像素点。
基于变化像素点，确定第二噪声率。
更进一步的，基于变化像素点，确定第二噪声率，具体可包括如下步骤：
基于变化像素点的数量与第一视频帧图像或第二视频帧图像的像素点数量的比值计算第二噪声率。
具体的，首先，可基于下式确定各像素点在第一视频帧图像和第二视频帧图像所属的视频中的像素差异信息。
Figure BDA0003171630630000091
式中，
Figure BDA0003171630630000092
为第一掩膜图像或第二掩膜图像所包含的全部像素点，(x,y)为第i帧掩膜图像(如：第一掩膜图像)和第i-1帧掩膜图像(如：第二掩膜图像)中位置均相同的一像素点，Fi(x,y)为像素点(x,y)在第i帧掩膜图像的像素值，
Figure BDA0003171630630000101
为像素点(x,y)在第i-1帧掩膜图像的像素值。
该式的含义是，若一个像素点(x,y)在第i帧掩膜图像和第i-1帧掩膜图像的像素值不同，则将该像素点在第i帧的Si(x,y)赋值为1，若相同，则将该像素点在第i帧的Si(x,y)赋值为0。
然后，在经上式确定了各像素点在各已处理帧中的Si(x,y)之后，将各像素点在各已处理帧中的Si(x,y)之和除以已处理帧数，以得到各像素点所对应的像素平均值，具体可如下式所示：
Figure BDA0003171630630000102
式中，
Figure BDA0003171630630000103
为像素点(x,y)的像素平均值，
Figure BDA0003171630630000104
为像素点(x,y)在各已处理帧中的Si(x,y)之和，T为已处理帧数，已处理帧数具体可以是当前帧在视频流中的帧序号，也即该视频流已被处理的帧的数量。
最后，记录各像素点中像素平均值大于预设像素平均值阈值的像素点的数量，记为噪点数量。
计算第二噪声率的公式具体如下：
Figure BDA0003171630630000105
式中，K为噪点数量，
Figure BDA0003171630630000106
为第一掩膜图像或第二掩膜图像所包含的像素点总数，Γ为第二噪声率。
步骤S14：基于第一噪声率和第二噪声率，确定视频的目标噪声率。
其中，可计算第一噪声率和第二噪声率的加权平均值，以作为视频的目标噪声率。
可选的，计算视频的目标噪声率的公式具体如下：
Figure BDA0003171630630000107
式中，σ为目标噪声率，
Figure BDA0003171630630000108
为第一噪声率，Γ为第二噪声率，α和β分别为第一噪声率和第二噪声率的权值，
Figure BDA0003171630630000109
可以是前文所述的方差的均值。
具体的，α与β之和可以为1，也可以大于1或小于1，具体可根据实际需求或实际条件进行设定，此处不作限定。
需要说明的是，上述步骤S15和S16可以在上述步骤S13和S14之前，也可以和上述步骤S13和S14同时进行，此处不作限定。
本申请的视频噪声检测方法根据不同帧的基础特征图像，获取帧差图以求得第一噪声率，并获取像素差异信息以求得第二噪声率，最后基于第一噪声率和第二噪声率获取视频的目标噪声率，以完成视频噪声检测。通过上述方式，本申请结合了不同帧图像的帧差图和像素差异信息，对视频的目标噪声率进行计算，能够有效提高视频噪声检测方法的鲁棒性。此外，本申请所涉及计算的复杂度均较低，能够有效提高视频噪声检测方法的响应速度，也即灵敏度。
为了实现上述实施例的视频噪声检测方法，本申请提出了一种终端设备，具体请参阅图2，图2是本申请终端设备的一实施例的结构示意图。
如图2所示，本申请实施例的终端设备20包括处理器21、存储器22以及总线23。
该处理器21、存储器22分别与总线23相连，该存储器22中存储有程序数据，处理器21用于执行程序数据以实现上述实施例所述的视频噪声检测方法。
在本实施例中，处理器21还可以称为CPU(Central Processing Unit，中央处理单元)。处理器21可能是一种集成电路芯片，具有信号的处理能力。处理器21还可以是通用处理器、数字信号处理器(DSP，Digital Signal Process)、专用集成电路(ASIC，ApplicationSpecific Integrated Circuit)、现场可编程门阵列(FPGA，Field Programmable GateArray)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器21也可以是任何常规的处理器等。
为了实现上述实施例的视频噪声检测方法，本申请还提出一种计算机存储介质，具体请参阅图3，图3是本申请计算机存储介质的一实施例的结构示意图。
如图3所示，计算机存储介质30用于存储程序数据31，程序数据31在被处理器执行时，用以实现如上述实施例所述的视频噪声检测方法。
本申请还提供一种计算机程序产品，其中，上述计算机程序产品包括计算机程序，上述计算机程序可操作来使计算机执行如本申请实施例所述的视频噪声检测方法。该计算机程序产品可以为一个软件安装包。
本申请上述实施例所述的视频噪声检测方法，在实现时以软件功能单元的形式存在并作为独立的产品销售或使用时，可以存储在装置中，例如一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (11)

1.一种视频噪声检测方法，其特征在于，所述视频噪声检测方法包括：
获取视频中第一视频帧图像的第一基础特征图像，以及获取所述视频中第二视频帧图像的第二基础特征图像；
基于所述第一基础特征图像与所述第二基础特征图像确定噪声区域，并基于所述噪声区域的帧差图确定所述噪声区域的第一噪声率；
基于所述第一基础特征图像和所述第二基础特征图像的像素差异信息，确定第二噪声率；
基于所述第一噪声率和所述第二噪声率，确定所述视频的目标噪声率。
2.根据权利要求1所述的视频噪声检测方法，其特征在于，
所述获取视频中第一视频帧图像的第一基础特征图像，包括：
获取所述第一视频帧图像的第一纹理图；
基于所述第一纹理图，确定所述第一视频帧图像的第一纹理参考值；
若所述第一纹理参考值大于等于预设纹理参考值，将所述第一纹理图作为所述第一视频帧图像的第一基础特征图像。
3.根据权利要求2所述的视频噪声检测方法，其特征在于，
所述视频噪声检测方法，还包括：
若所述第一纹理参考值小于所述预设纹理参考值，基于所述第一纹理图获取所述第一视频帧图像的第一膨胀图，将所述第一膨胀图作为所述第一视频帧图像的第一基础特征图像。
4.根据权利要求1所述的视频噪声检测方法，其特征在于，
所述基于所述第一基础特征图像与所述第二基础特征图像确定噪声区域，包括：
基于预设卷积模板对所述第一基础特征图像进行压缩，获取所述第一基础特征图像的第一掩膜图像；
基于预设卷积模板对所述第二基础特征图像进行压缩，获取所述第二基础特征图像的第二掩膜图像；
将所述第一掩膜图像和所述第二掩膜图像的重叠区域作为噪声区域。
5.根据权利要求4所述的视频噪声检测方法，其特征在于，
所述基于所述噪声区域的帧差图确定所述噪声区域的第一噪声率，包括：
获取所述第一视频帧图像的第一积分图，以及获取所述第二视频帧图像的第二积分图；
基于所述第一积分图和第二积分图获取所述噪声区域的帧差图及其帧差积分图；
基于所述帧差积分图，确定所述噪声区域的第一噪声率。
6.根据权利要求5所述的视频噪声检测方法，其特征在于，
所述基于所述帧差积分图，确定所述噪声区域的第一噪声率，包括：
将所述噪声区域划分为若干个噪声区域块；
基于所述帧差积分图计算每一噪声区域块的方差和平滑度；
基于所有噪声区域块的方差和平滑度计算所述噪声区域的第一噪声率。
7.根据权利要求6所述的视频噪声检测方法，其特征在于，
所述基于所有噪声区域块的方差和平滑度计算所述噪声区域的第一噪声率，包括：
筛选出所有噪声区域块中平滑度小于预设平滑度的有效噪声区域块，其中，所述有效噪声区域块的平滑度和方差均不为0；
基于所有有效噪声区域块的平滑度作为权值，计算方差的平均值作为所述噪声区域的第一噪声率。
8.根据权利要求4所述的视频噪声检测方法，其特征在于，
所述基于所述第一基础特征图像和所述第二基础特征图像的像素差异信息，确定第二噪声率，包括：
记录所述第一掩膜图像和所述第二掩膜图像中，相同位置像素值不同的变化像素点；
基于所述变化像素点，确定所述第二噪声率。
9.根据权利要求8所述的视频噪声检测方法，其特征在于，
所述基于所述变化像素点，确定所述第二噪声率，包括：
基于所述变化像素点的数量与所述第一视频帧图像或所述第二视频帧图像的像素点数量的比值计算所述第二噪声率。
10.一种终端设备，其特征在于，所述终端设备包括存储器和处理器，其中，所述存储器与所述处理器耦接；
其中，所述存储器用于存储程序数据，所述处理器用于执行所述程序数据以实现如权利要求1～9中任一项所述的视频噪声检测方法。
11.一种计算机存储介质，其特征在于，所述计算机存储介质用于存储程序数据，所述程序数据在被处理器执行时，用以实现如权利要求1～9中任一项所述的视频噪声检测方法。
CN202110834183.7A 2021-07-20 2021-07-20 视频噪声检测方法、终端设备和计算机存储介质 Pending CN113674209A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110834183.7A CN113674209A (zh) 2021-07-20 2021-07-20 视频噪声检测方法、终端设备和计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110834183.7A CN113674209A (zh) 2021-07-20 2021-07-20 视频噪声检测方法、终端设备和计算机存储介质

Publications (1)

Publication Number Publication Date
CN113674209A true CN113674209A (zh) 2021-11-19

Family

ID=78539910

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110834183.7A Pending CN113674209A (zh) 2021-07-20 2021-07-20 视频噪声检测方法、终端设备和计算机存储介质

Country Status (1)

Country Link
CN (1) CN113674209A (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060187509A1 (en) * 2005-01-06 2006-08-24 Laurent Blonde Method and device for processing a mosaic of images
CN103096117A (zh) * 2011-10-28 2013-05-08 浙江大华技术股份有限公司 视频噪声检测方法及装置
US20140193070A1 (en) * 2013-01-08 2014-07-10 Novatek Microelectronics Corp. Noise estimation apparatus and method thereof
CN104424628A (zh) * 2013-09-02 2015-03-18 南京理工大学 基于ccd图像的利用帧间相关性降噪的方法
US20150187051A1 (en) * 2013-12-31 2015-07-02 Faraday Technology Corp. Method and apparatus for estimating image noise
CN107360435A (zh) * 2017-06-12 2017-11-17 苏州科达科技股份有限公司 块效应检测方法、块噪声滤除方法及装置
CN108805851A (zh) * 2017-04-26 2018-11-13 杭州海康威视数字技术股份有限公司 一种图像时域噪声的评估方法及装置
US20200084460A1 (en) * 2019-09-27 2020-03-12 Intel Corporation Method and system of content-adaptive denoising for video coding
CN111127347A (zh) * 2019-12-09 2020-05-08 Oppo广东移动通信有限公司 降噪方法、终端及存储介质
CN112862753A (zh) * 2020-12-31 2021-05-28 百果园技术(新加坡)有限公司 噪声强度估计方法、装置及电子设备

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060187509A1 (en) * 2005-01-06 2006-08-24 Laurent Blonde Method and device for processing a mosaic of images
CN103096117A (zh) * 2011-10-28 2013-05-08 浙江大华技术股份有限公司 视频噪声检测方法及装置
US20140193070A1 (en) * 2013-01-08 2014-07-10 Novatek Microelectronics Corp. Noise estimation apparatus and method thereof
CN104424628A (zh) * 2013-09-02 2015-03-18 南京理工大学 基于ccd图像的利用帧间相关性降噪的方法
US20150187051A1 (en) * 2013-12-31 2015-07-02 Faraday Technology Corp. Method and apparatus for estimating image noise
CN108805851A (zh) * 2017-04-26 2018-11-13 杭州海康威视数字技术股份有限公司 一种图像时域噪声的评估方法及装置
CN107360435A (zh) * 2017-06-12 2017-11-17 苏州科达科技股份有限公司 块效应检测方法、块噪声滤除方法及装置
US20200084460A1 (en) * 2019-09-27 2020-03-12 Intel Corporation Method and system of content-adaptive denoising for video coding
CN111127347A (zh) * 2019-12-09 2020-05-08 Oppo广东移动通信有限公司 降噪方法、终端及存储介质
CN112862753A (zh) * 2020-12-31 2021-05-28 百果园技术(新加坡)有限公司 噪声强度估计方法、装置及电子设备

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
CHINATSU MORI 等: "Real-Time Noise Level Detection for General Video", CONTENT 2019 : THE ELEVENTH INTERNATIONAL CONFERENCE ON CREATIVE CONTENT TECHNOLOGIES, 31 December 2019 (2019-12-31), pages 1 - 6 *
朱磊 等: "一种高效稳健的差分视频噪声估计算法", 数据采集与处理, vol. 21, no. 03, 30 September 2006 (2006-09-30), pages 354 - 358 *
王静 等: "基于统计假设测试的噪声方差估计方法", 计算机工程与应用, vol. 50, no. 21, 1 November 2014 (2014-11-01), pages 166 - 170 *
袁文林 等: "视频噪声方差估计算法研究", 软件导刊, vol. 14, no. 01, 15 January 2015 (2015-01-15), pages 62 - 63 *

Similar Documents

Publication Publication Date Title
US8244054B2 (en) Method, apparatus and integrated circuit capable of reducing image ringing noise
CN108694705B (zh) 一种多帧图像配准与融合去噪的方法
US9230148B2 (en) Method and system for binarization of two dimensional code image
US10748023B2 (en) Region-of-interest detection apparatus, region-of-interest detection method, and recording medium
CN109741287B (zh) 图像导向滤波方法及装置
US20060132498A1 (en) Methods of suppressing ringing artifact of decompressed images
US10115180B2 (en) Image interpolation device and method thereof
CN110708568B (zh) 一种视频内容突变检测方法及装置
CN109478329B (zh) 图像处理方法和装置
CN110298858B (zh) 一种图像裁剪方法及装置
US10445583B2 (en) Method for scrolling text processing and image processing apparatus using the same
CN111861938B (zh) 图像去噪方法、装置、电子设备及可读存储介质
CN111079793A (zh) 图标相似度的确定方法和电子设备
US9639919B2 (en) Detection and correction of artefacts in images or video
CN114494775A (zh) 视频切分方法、装置、设备及存储介质
CN112465707B (zh) 红外图像条纹噪声的处理方法、装置、介质及电子设备
CN113129298B (zh) 文本图像的清晰度识别方法
CN114007013A (zh) 模糊区确定和防抖性能检测方法、系统、防抖性能检测设备
CN113674209A (zh) 视频噪声检测方法、终端设备和计算机存储介质
CN113438386B (zh) 一种应用于视频处理的动静判定方法及装置
CN110910429A (zh) 一种运动目标检测方法、装置、存储介质及终端设备
CN113160103B (zh) 图像处理方法及装置、存储介质、终端
US10372750B2 (en) Information processing apparatus, method, program and storage medium
CN115239653A (zh) 支持多分屏的黑屏检测方法、装置、电子设备及可读存储介质
WO2014056766A1 (en) Image enhancement apparatus and method

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination