CN1191710C - 数据处理方法 - Google Patents

Abstract

本发明涉及一种数据处理方法，其中数据包括在输入的数字图象中。该方法包括根据所述当前像素和其邻近像素的值(Y)计算当前像素的空间活动值的步骤(ACT)，如果各连续像素的空间活动值低于第一预定阈值就确定为非自然一致区域(NN)的步骤(NND)。本发明还包括对适于检测(THR1)图象内强边缘(SE)的像素的值(Y)梯度滤波的步骤(GF)和循环人为失真的检测步骤(RD)。本发明最后包括对包括在滤波区域内的像素的值(Y)滤波的步骤(FIL)，该区域介于相近的非自然一致区域(NN)和强边缘(SE)之间或至少检测到一个循环人为失真。

Description

数据处理方法

技术领域

本发明涉及一种数据处理方法，其中数据包括在输入的数字图象中。

本发明应用于按照基于块编码技术，例如MPEG标准(活动图象专家组)，在先前编码而以后解码的数字图象中的循环噪声的检测，和包括在数字图象中的数据的校正，以减少由于基于块编码技术引起的可视人为失真。

背景技术

欧洲专利no.0817497A2描述了一种可以减少成块人为失真和动态补偿图象的循环噪声引起的人为失真的方法。为此目的，按照现有技术的滤波方法包括梯度滤波步骤，可以产生双边映射图，在其上执行整体阈值处理和局部阈值处理。所述方法包括能够决定由滤波窗口确定的双边映射图内的区域是均匀区域还是包含边缘的区域的步骤。该方法最后包括滤波步骤，其中如果区域是均匀的就使用第一组预定系数，如果区域包含边缘就使用第二组预定系数，第二组预定系数是区域内轮廓位置的函数。

发明内容

本发明的目的是建议一种可以检测循环噪声的数据处理方法。

事实上，如果现有技术能够部分地校正循环噪声，就不用公开可以检测所述噪声的方法。没有该循环噪声的检测和定位，很难实行真正有效的后处理方法。

为了补偿这些缺陷，按照本发明的数据处理方法的特征在于它包括步骤：

-根据所述当前像素和其邻近像素的值计算当前像素的空间活动值，

-如果各连续像素的空间活动值低于第一预定阈值就确定为非自然一致区域，

-对适于检测图象内强边缘的像素值进行梯度滤波，

-如果当前像素的空间活动值高于第二预定阈值并集中于所述像素就确定为人为失真，

-如果来自人为失真确定步骤的人为失真介于相近的非自然一致区域和强边缘之间，就检测为循环人为失真。

用这样的数据处理方法，循环噪声被检测为具有大量空间活动的像素，其可能出现在空间上相近的非自然一致区域和强边缘之间。循环噪声检测方法可以带来它们的校正的改善，检测步骤之后的滤波可以采用适合的方式进行。

因此，按照本发明的数据处理方法的特征在于它进一步包括对在滤波区域内的像素值滤波的步骤，该区域介于相近的非自然一致区域和强边缘之间或至少检测到一个循环人为失真。

这样的数据处理方法可以对邻近强边缘的像素使用第一滤波器，所述第一滤波器的系数依赖于与强边缘有关的邻近像素的位置，而对滤波区域的其它像素则使用第二滤波器。

循环人为失真的处理方法与处理成块人为失真的方法的结合可以改善相对于原始图象的校正图象质量。

因此，按照本发明的数据处理方法的特征在于它与成块人为失真的处理方法联合，第二种方法使用同样的像素值梯度滤波步骤来检测图象中的自然轮廓区域。

共同步骤的存在提高了数据处理方法的效率，同时简化了两种方法的联合的执行。

本发明的这些和其它方面将参考下文描述的实施例以非限制性的示例说明清楚。

附图说明

附图中：

-图1是表示按照本发明的数据处理方法的框图，

-图2示出了对给定像素值结构确定来源于循环噪声的人为失真的步骤，

-图3是表示检测循环人为失真的步骤的框图，

-图4示出了按照本发明由后处理步骤考虑的各种像素结构，

-图5a，b，c和d示出了对包括非自然一致区域和强边缘的不同的像素结构的后处理步骤，

-图6是表示按照本发明的成块人为失真处理方法的框图。

实施例说明

本发明涉及处理包含在数字视频输入信号中的数据的方法，当所述数字视频信号已经按照基于块的编码技术编码时，所述方法希望改善该信号的可视质量。

数据处理方法已经得到了发展，尤其是在按照MPEG标准编码和解码的数字图象序列的结构方面。该方法还能应用于任何其它按照基于块编码技术，例如H.261或H.263，进行编码然后解码的数字视频信号。

图1表示按照本发明的数据处理方法的框图。所述数据处理方法包括：

-根据所述当前像素和其邻近像素的值(Y)计算当前像素的空间活动值的步骤(ACT)，

-如果各连续像素的空间活动值低于第一预定阈值就确定为非自然一致区域(NN)的步骤(NND)，

-对适于检测(THR1)图象内强边缘(SE)的像素的值(Y)梯度滤波的步骤(GF)，

-如果当前像素的空间活动值高于第二预定阈值并集中于所述像素就确定为人为失真的步骤(RC)，

-如果来自人为失真确定步骤(RC)的人为失真位于相近的非自然一致区域(NN)和强边缘(SE)之间，就检测为循环人为失真的步骤(RD)。

-对在滤波区域内的像素的值(Y)滤波的步骤(FIL)，该区域介于相近的非自然一致区域和强边缘之间或至少检测到一个循环人为失真。

在第一实施例中，数据处理方法的目的是检测循环噪声引起的人为失真。这些人为失真通常出现在具有相当反差的边缘周围。所述循环人为失真依赖于边缘的方向，显示沿着轮廓的闪烁效果，或是多重回波效果。

检测循环人为失真的方法基于这样的事实，即包含强边缘并位于非常低的空间活动的区域中的块可能是循环人为失真。因此，数据处理方法首先包括根据所述当前像素和其邻近像素的值(Y)计算当前像素的空间活动值的步骤(ACT)。在优选实施例中，当前位置像素(i，j)的空间活动σ(i，j)基于像素亮度值(Y)按照公式(1)至(3)计算：

σ(i，j)＝σ_h(i，j)+σ_v(i，j)                               (1)

σ_h(i，j)＝abs(Y(i，j)-Y(i，j+1)+abs(Y(i，j)-Y(i，j-1))

(2)

σ_v(i，j)＝abs(Y(i，j)-Y(i+1，j))+abs(Y(i，j)-Y(i-1，j))

(3)

其中abs(x)是计算x的绝对值的函数。

按照从执行的观点来看更经济的实施例，垂直空间活动以下列方式计算：

σ_v(i，j)＝abs(Y(i，j)-Y(i+1，j))

(4)

在这种情况下，存储图象的单独一行。对该方法的另一种简化是排除非常暗和非常亮的区域，其中亮度值分别非常低和非常高。事实上，具有非常低的空间活动的自然区域必然出现在这些类型的结构中。

然后是有关检测非常低的空间活动的区域。这些区域在此称为非自然一致区域。实际上，它们是由按照基于块编码技术进行编码然后解码而产生的，这使得它们具有零空间活动，这对于未编码自然图象是很少发生的。在优选实施例中，如果5个连续像素的空间活动值低于第一预定阈值3，确定非自然一致区域(NN)的步骤(NND)就检测该区域。非自然一致区域的检测也可以通过大量连续像素或甚至是通过垂直方向低空间活动的一组像素来实现。但是，这个实施例的效果是最好的，它能够不增加方法的复杂性。

然后下一步由检测强边缘(SE)组成。所以，循环人为失真的检测方法包括对数字输入图象包含的像素的值(Y)的梯度滤波步骤(GF)以产生滤波值(G)。在优选实施例中，梯度滤波步骤使用Sobel滤波器。选择这种滤波器是因为它们保证健全有效的边缘检测。分别水平应用和垂直应用的Sobel滤波器S_H和S_V如下：

$S_H=\left[\begin{array}{ccc}-1& -2& -1\\ 0& 0& 0\\ 1& 2& 1\end{array}\right]S_v=\left[\begin{array}{ccc}-1& 0& 1\\ -2& 0& 2\\ -1& 0& 1\end{array}\right]---\left(5\right)$

滤波后的亮度值G_H和G_V是G_H＝Y·S_H和G_V＝Y·S_V。这些滤波的值(G)然后和阈值(THR1)比较。如果它们比阈值高，强边缘(SE)就被检测出来。在优选实施例中，水平阈值THR1_H和垂直阈值THR1_V等于150，亮度值在0至255之间变化。

接下来是人为失真确定步骤(RC)。图2示出了对给定像素值结构确定人为失真的步骤。如果当前像素的空间活动值高于第二预定阈值并集中于所述像素，就确定为人为失真。在优选实施例中，如果：

(σ_v(i，j)＞3)et(σ_v(i，j)＞4·abs(Y(i-1，j)-Y(i+1，j)))

o_u(σ_h(i，j)＞3)et(σ_h(i，j)＞4·abs(Y(i，j-1)-Y(i，j+1)))(6)

就确定为人为失真。

确定为人为失真还不是很充分，因为如果没有在更大范围中进行分析，自然纹理的区域有时候可能会被认作循环噪声。因此，人为失真在可能出现循环人为失真的区域，也就是说，包括在非自然一致区域和强边缘之间的区域中被分析。

图3示出了检测循环人为失真的步骤(RD)。在空闲状态(IDS)，此步骤不工作。当检测到非自然一致区域(NN)同时检测步骤在空闲状态时，确定步骤(RD)启动检测非自然一致区域的步骤(NNS)。该步骤在M个连续像素周期内计算人为失真。该周期( NN)后回到空闲状态(IDS)。当检测到强边缘(SE)同时检测步骤在空闲状态时，检测步骤启动强边缘检测状态(SES)。该状态在N个连续像素周期内计算人为失真。

此期间过后，所述状态回到( SE)空闲状态(IDS)。

如果检测到非自然一致区域(NN)同时检测步骤在检测强边缘的状态(SES)，检测步骤启动循环人为失真的检测状态(UPS)。同样，如果检测到强边缘(SE)同时检测步骤在检测非自然一致区域的状态(NNS)，检测步骤也启动检测循环人为失真的状态(UPS)。该状态整体和局部地计算循环人为失真，并且在确定了新的非自然一致区域(NN)时回到检测非自然一致区域的状态(NNS)或在检测到强边缘时回到检测强边缘的状态(SES)。

这样，如果来自人为失真检测步骤(RC)的人为失真位于相近的非自然一致区域(NN)和强边缘(SE)之间，它们的接近程度由周期M和N定义，循环人为失真就被检测到。

刚才描述的检测方法能够检测机顶盒或电视接收机接收的视频信号是否是按照基于块的编码技术编码。根据检测方法的结果，就决定了校正的操作。这些操作是，例如，应用后处理方法作为由检测方法产生的数据的函数。

按照本发明的数据后处理方法包括滤波步骤，不仅应用于检测到的循环人为失真，而且应用于对位于相近的非自然一致区域和强边缘之间或至少检测到循环人为失真的滤波区域中的所有像素。

在第一实施例中，使用了线性滤波器，滤波窗口由3×3个像素构成。该滤波器H₁如下：

$H_1=\left[\begin{array}{c}111\\ 000\\ 111\end{array}\right]---\left(7\right)$

但是，因为循环噪声出现在非常靠近边缘的地方，所以这样的滤波器会恶化所述的边缘。因此，为了使用适合的滤波器，第二实施例是建立在检测像素的邻域的基础上的。这样，基于这种原理的通常的方法包括执行8个检测和使用16个不同的滤波器。为了减少这种方法的复杂性，仅考虑五种像素结构。这些结构在图4中示出。第一种结构(C1)对应于没有检测到强边缘的情况。第二和第三种结构(C2和C3)对应于滤波窗口的底部和顶部的像素分别被检测为水平强边缘(SHE)的情况。在这种情况中，其左右相邻像素被认为是水平边缘(HE)。第四和第五种结构(C4和C5)对应于滤波窗口的左边和右边的像素分别被检测为垂直强边缘(SVE)的情况。在这种情况中，其上下相邻像素被认为是垂直边缘(VE)。

在这些条件下，滤波步骤(FIL)使用五个不同的滤波器(H₁至H₅)，也就是说，对邻近强边缘(SE)的像素使用第一滤波器(H₂至H₅)，所述第一滤波器的系数依赖于与强边缘有关的邻近像素的位置，而对滤波区域的其它像素使用第二滤波器(H₁)。

滤波器H₂至H₅如下：

$H_2=\left[\begin{array}{c}121\\ 121\\ 000\end{array}\right]$ $H_3=\left[\begin{array}{c}000\\ 121\\ 121\end{array}\right]$ $H_4=\left[\begin{array}{c}011\\ 022\\ 011\end{array}\right]$ $H_5=\left[\begin{array}{c}110\\ 220\\ 110\end{array}\right]---\left(8\right)$

图5a，b，c和d示出了对包括非自然一致区域(NN)和强边缘(SVE或SHE)的5种结构的像素的后处理步骤。图5a对应于像素位于强边缘(SE)右边的结构C4；滤波器H₄应用于该像素，其后滤波器H₁应用于位于强边缘和非自然一致区域之间的其它像素。图5b对应于像素位于强边缘(SE)左边的结构C5；滤波器H₅应用于该像素，且滤波器H₁应用于位于强边缘和非自然一致区域之间的其它像素。图5c对应于像素位于强边缘(SE)下边的结构C3；滤波器H₃应用于该像素，其后滤波器H₁应用于位于强边缘和非自然一致区域之间的其它像素。图5d对应于像素位于强边缘(SE)上边的结构C2；滤波器H₂应用于该像素，其后滤波器H₁应用于位于强边缘和非自然一致区域之间的其它像素。

如果循环人为失真的后处理方法与成块人为失真后处理方法并列应用，则按照本发明的数据处理方法可以获得更好的效率。图6表示按照本发明的后处理成块人为失真方法的框图。所述数据处理方法包括：

-对数字输入图象中适于检测(THR2)自然轮廓区域(NC)的像素的值(Y)梯度滤波的步骤(GF)，此步骤是基于水平阈值THR2_H和垂直阈值THR2_V分别等于35和50而亮度值在0至255之间变化，

-成块人为失真检测步骤(BAD)，包括子步骤：

-根据当前像素和所述当前像素的邻近像素的值(Y)计算(CT)不连续值，按下列公式给出不连续值c_v和c_h：

-根据当前像素和当前像素的邻近像素的不连续值确定(BAC)当前像素的人为失真值A，该步骤的目的是用例如公式(11)来确定集中在具有位置(i，j)的当前像素上的不连续性，和它邻域的连续性：

$A(i,j)=\stackrel{\‾}{c_h(i,j-1)}\·\stackrel{\‾}{c_h(i,j)}\·(c_h(i,j+1)+c_h(i,j+3)+c_h(i,j-4)+c_h(i.,j-2))---\left(11\right)$

其中 c表示c的补值，

-根据人为失真值识别(ID)成块人为失真，如果已经确定水平方向的W连续人为失真或垂直方向的H连续人为失真，水平成块人为失真或垂直成块人为失真就被识别出，H是块的高度而W是块的宽度，

-将来自识别步骤(ID)的成块人为失真在图象中的位置存储(STO)在表hTab(i％H)和vTab(j％W)中，其中i是水平成块人为失真所在的图象行，j是垂直成块人为失真所在的图象列，％是可以产生i除以H的余数的算符，

-从表hTab和vTab中的成块人为失真的多数位置(imax，jmax)计算(GRID)相应于基于块编码技术的块的网格的位置，从表示许多时间的计数值的较大值计算网格大小，所述时间是指当前垂直成块人为失真与紧随其后的垂直成块人为失真间发生的间隔。

-除去由梯度滤波步骤确定的自然轮廓区域(NC)中包含的像素，对来自成块人为失真检测步骤(BAD)的像素的值(Y)进行低通滤波的步骤(LPF)。

上述参考图2至6的描述是本发明的示例而不是限制本发明。显然，在附加权利要求的范围内还有其它的选择。

通过软件可以有许多执行上述功能的方式。对于这一点，图2至6是高度概括的，每幅图表示一个实施例。这样，虽然一幅图以分离部件的形式示出了各种功能，但这并不排除单个软件项目可以执行各种功能。这也不排除一个功能可以由一组软件项目执行。

通过电视接收机或机顶盒的电路执行这些功能是可能的，所述电路被适当地编程。程序存储器内包含的一组指令可以使电路执行前面参考图2至6描述的各种操作。该组指令也可以通过读取包含该组指令的数据载体例如光盘来装载进程序存储器中。该读取也可以经通信网络例如Internet实现。在这种情况中，服务提供者将向感兴趣的用户提供该组指令。

权利要求括号中的参考符号不一定以限制的方式来解释。单词“包括”不排除权利要求中说明的其它的单元或步骤的存在。单元或步骤之前的单词“一个”不排除许多这样的单元或这样的步骤的存在。

Claims (6)

1.一种处理包含在由像素形成的数字输入图象中的数据的方法，所述方法包括步骤：

-根据所述当前像素和其邻近像素的值计算当前像素的空间活动值，

-如果各连续像素的空间活动值低于第一预定阈值就确定为非自然一致区域，

-对适于检测图象内强边缘的像素的值梯度滤波，

-如果当前像素的空间活动值高于第二预定阈值并集中于所述像素就确定为人为失真，

-如果来自人为失真确定步骤的人为失真位于相近的非自然一致区域和强边缘之间，就检测为循环人为失真。

2.如权利要求1所述的数据处理方法，其特征在于，梯度滤波步骤使用Sobel滤波器。

3.如权利要求1所述的数据处理方法，其特征在于，它进一步包括对包括在滤波区域内的像素的值滤波的步骤，该区域介于相近的非自然一致区域和强边缘之间或至少检测到一个循环人为失真。

4.如权利要求3所述的数据处理方法，其特征在于，所述滤波的步骤对邻近强边缘的像素使用第一滤波器，所述第一滤波器的系数依赖于与强边缘有关的邻近像素的位置，而对滤波区域的其它像素使用第二滤波器。

5.如权利要求1所述的数据处理方法，其特征在于，它与处理成块人为失真方法联合，后者使用像素值的梯度滤波步骤来检测图象中的自然轮廓区域。

6.如权利要求5所述的数据处理方法，其特征在于，成块人为失真处理方法进一步包括步骤：

-检测成块人为失真包括子步骤：

根据当前像素和所述当前像素的邻近像素的值计算不连续参数，

·根据当前像素和当前像素的邻近像素的不连续参数确定当前像素的人为失真值，

·根据人为失真值识别成块人为失真，

-除去由梯度滤波步骤确定的自然轮廓区域，对相应于检测步骤确定的成块人为失真的像素的值低通滤波。

Images