CN1350747A - 噪声减弱 - Google Patents

Abstract

本发明通过估算(30)信号(x)中噪声的类型并启动(30)至少两个滤波器(310,311,312)之一来提供信号(x)的噪声滤波(3),启动的滤波(310,311,312)对于估算的噪声类型是最合适的。通过计算(302)信号(x)与此信号(x)的噪声滤波版本(301)之间的差值来获得信号(x)中噪声(z)的近似值。本发明将此噪声的峰态峭度用作(303)用于估算此噪声类型的度量。如果估算的噪声类型是长尾噪声,则启动中间滤波器(312)来滤波此信号。如果估算的噪声类型是高斯噪声或弄脏的(contaminated)高斯噪声,则启动时空滤波器(310,311)来滤波此信号。本发明可以应用于具有照相机(2)与噪声波滤器(3)的视频系统(1)中。

Description

噪声减弱

本发明涉及其中应用噪声滤波的方法与设备，本发明还可应用于视频系统。

目前对于例如通过互联网的图像序列的数字传输的兴趣日益增加。特别在消费者电子领域中，诸如视频照相机、视频记录器、卫星接收机等的这些图像的源受各种类型的噪声影响。特别是，在CCD与CMOS照相机的情况中，传感器噪声一般以白高斯噪声为模型，而分别在从运动图像胶片中扫描或利用视频记录器播放的视频中可以发现垂直或水平条纹。在存储和/或传输之前，降低图像中的噪声电平以改善视觉外观并降低比特率是可取的。用于衰减具有不同分布的噪声的各种算法是本领域公知的，这些算法一般非常复杂并因此在客户设备中不能进行实时实施或提供很差的性能，即一般引入赝象并平滑边缘。

本发明的目的是提供不复杂的噪声减弱。为此，本发明提供如在独立权利要求中定义的用于噪声滤波的方法与设备和视频系统。在从属权利要求中定义了有益的实施例。

在本发明的第一实施例中，估算信号中噪声的类型，并启动至少两个噪声滤波器之一，该启动的噪声滤波器对于估算的噪声类型是最合适的滤波器。本发明基于一种见解，即估算噪声的类型并自动地启动一组简单滤波器之中的一个滤波器比不得不处理不同噪声特性的复杂滤波器更有效，其中每个滤波器对于特定的噪声类型是有利的。该噪声类型估算和滤波器都具有低的复杂性并且可用于低成本应用。

利用基于时空有理与中间的滤波器能实现保持噪声减弱的边缘。有理滤波器是利用例如输入变量中的两个多项式比率的有理函数描述的滤波器。时空有理滤波器通过根据适当选择的像素[1]的差来调制其整个低通特性能有效地区分细节与均匀区域，这是公知的，因此在不模糊细节的同时显著地减弱了噪声，这对于包括高斯噪声[1]与弄脏的高斯噪声[2]的不同类型的噪声都是有效的。弄脏的高斯噪声具有根据下式的概率分布： $\mathrm{\ν}~(1-\mathrm{\λ})N\left({\mathrm{\σ}}_n\right)+\mathrm{\λN}\left(\frac{{\mathrm{\σ}}_n}{\mathrm{\λ}}\right)---\left(1\right)$

其中λ是参数，而N(σ)是具有变量σ的高斯分布，利用下式给出弄脏的高斯分布：

             σ_v ²＝σ_n ²(1-λ+1/λ)    (2)

在长尾噪声的情况中，使用简单的中间滤波器[3]，这对于单一噪声像素并且对于水平与垂直条纹都是有效的，因此不需要区分理想与实际脉冲噪声。基于中间的运算符在长尾噪声(特别地，脉冲噪声)的情况中非常有效，但其在高斯噪声情况中的使用是不可取的，这是因为它们趋于生成拖尾或弄脏赝象。

本发明的另一实施例使用简单算法来估算图像序列中噪声的类型。此实施例使用噪声的峰态峭(kurtosis)度作为此噪声类型的度量。此峰态峭度定义为[4]：

                  k＝μ₄/σ⁴   (3)

其中μ₄是数据的第四中心距，而σ是图像序列中数据的方差。第四中心距利用下式给出：

                 μ₄＝E(x- x)⁴  (4)

其中E是变量的期望值并且E(x)＝x。第四中心距μ₄与单一峰化分布的峰态峭度有关。此峰态峭度对于k＝3的高斯分布是无量纲的，3的峰态峭度值因此表示噪声分布在某种意义上具有与普通家族成员相同的峰化程度。还有，对于弄脏的高斯噪声k＞3，而对于脉冲噪声k＞＞3。

能区分几种噪声类型的现有技术的运算符非常复杂。例如，在[5]中提供基于决的非线性滤波技术，此技术基于采用从输入数据中估算噪声功率的有效方法的奇异值分解，然而要求加性噪声的假设并且只使用高斯分布。在[6]中，为了检测和估算非高斯噪声中确定与随机的高斯信号，利用较高阶累积量来确定后者的协方差。在[7]中处理相反的问题，其中利用较高阶统计在出现加性高斯噪声时执行信号检测与分类。

利用原始无噪声信号y与噪声信号n根据x＝y+n来形成该输入信号x。在本发明的另一实施例中，最好在中间滤波器[8]中通过计算信号x与经过滤波噪声的同一信号之间的差值来近似计算噪声n。通过采用以递增顺序存储的N个数字值阵列之中的中间值来找出N个数字值的中间值。中间滤波器也可以称为非线性散粒噪声滤波器，此滤波器保持高频率。由于公知的噪声减弱和保持中间滤波器特性的边缘，得到的信号z＝x-median(x)只近似由噪声构成，即z≈n。随后对z估算峰态峭度k，以提供此噪声类型的表示。虽然z与原始噪声n不一致，但对于噪声方差的合理值(在高斯噪声或弄脏的高斯噪声的情况中)或噪声像素的百分比的合理值(在脉冲噪声的情况中)，参数k允许利用两个合适的门限值来正确鉴别噪声的类型，在用于高斯、弄脏的高斯和长尾噪声的参数k的值中没有重叠，因此实际上有可能利用为6与15的两个门限值来正确鉴别各种噪声类型。

最好，因为假设此噪声在空间上是均匀的，所以分析每个图像(例如，3×3像素子图像)的一小部分，以使每个图像的计算负载为低。因为需要稳定估算，所以最好通过在实际计算k之前累积多个图像的数据来执行分析。超过900个像素(即，超过100帧)的估算具有合理的低方差。

从下述的实施例中本发明的上述与其他方面将是显而易见的。

在附图中：

图1表示根据本发明的视频系统的实施例；

图2A-2D表示滤波器中考虑的示例性空间方向，图2A表示水平方向，图2B表示垂直方向，图2C与图2D表示对角方向；

图3表示用于高斯噪声的有理滤波器的时间部分使用的示例性方向；和

图4表示用于弄脏的高斯噪声的有理滤波器的时间部分使用的示例性方向组合。

这些附图只表示出理解本发明所必需的那些元件。

图1表示根据本发明的视频系统1的实施例。此视频系统1包括输入单元2，诸如照相机或天线，用于获得图像序列x。此视频系统1还包括噪声滤波器3，此噪声滤波器3包括噪声鉴别器30，用于估算图像序列x中噪声的类型。噪声鉴别器30控制一组滤波器31。根据估算的噪声类型，启动这一组滤波器31之中最合适的滤波器。

噪声鉴别器30包括中间滤波器301、减法器302和噪声类型估算器303。中间滤波器301滤波输入信号x以得到为median(x)的滤波版本的x。从输入信号x中减去滤波信号median(x)，得到输入信号x中噪声n的近似值，此近似值利用z＝x-median(x)给出，将此信号z提供给噪声估算器303，以估算此噪声的类型。如上所述，估算器303对噪声信号z应用峰态峭度k。估算器303将峰态峭度(噪声类型)依赖控制信号提供给这一组滤波器31。根据来自估算器303的控制信号，启动这一组滤波器31之中的一个滤波器。此噪声滤波器3的输出y可以发送给接收机或存储在存储介质上。

在优选实施例中，这组滤波器31包括三个不同的滤波器310、311、312，以便能处理不同类型的噪声，其操作如上所述利用噪声鉴别器30自动进行控制。优选地，其支持只限于两个时间上相邻的图像，以保持计算复杂性为低。只使用两个图像具有所要求的图像存储量低于使用较多图像的方法中的存储量。在此实施例中，滤波器310适用于高斯噪声，滤波器311适用于弄脏的高斯噪声，而滤波器312适用于长尾噪声。

用于高斯噪声与弄脏的高斯噪声滤波器310、311最好是具有利用空间与时间滤波部分之和构成的相似结构的时空有理滤波器。每个滤波器输出y₀计算为：

             y₀＝x₀-f_spatial-f_temp   (5)

其中 $f_{\mathrm{spatial}}=\underset{i,j\∈I}{\mathrm{\Σ}}\frac{{-x}_i+2x_0-x_j}{k_s(x_i-x_j{)}^2+A_s}---\left(6\right)$

其中，x₀、x_i与x_j是掩码内的像素值(x₀是中间值)，i，j∈I表示图2A…2D中所示的一组空间滤波方向，而k_s与A_s是合适的滤波参数。时间滤波单元f_temp具有相似的形式，尽管f_temp也对前一图象的像素起作用，并且如下所述。可以明白，空间滤波器能区分均匀与细节区域，以便在保持图像细节的同时减少噪声。实际上，如果掩码位于均匀区域中，出现在分母上的像素差值(x_i-x_j)²小，并且从x₀中减去的出现在分子上的高通分量给出整体低通性能。反过来，如果此差值具有大值，则假设出现边缘，并且此滤波器保持像素不变，以便不使细节模糊。

时间部分利用细节敏感性能的相同原理，并且对于高斯噪声，此形式类似于空间部分： $f_{\mathrm{temp}}^{\left(\mathrm{gauss}\right)}=\underset{i\∈J}{\mathrm{\Σ}}\frac{-x_i^p+x_0}{k_{t1}(x_i^p-x_0{)}^2+A_{t1}}---\left(7\right)$

其中i∈J表示图3所示的一组时间滤波方向。在图3中，为了简明起见而只画出9个可能的方向之一(根据x_i ^p的可能位置)。上标p指属于前一图像的像素，而k_t1和A_t1是合适的滤波参数。

对于弄脏的高斯噪声，情况稍微复杂些。在这种情况中，细节与噪声较难鉴别，这是因为像素噪声电平能是大的(由于分布的相当长的尾部)，并且相对空间情况更少的信息可利用；更准确地说，由于滤波器支持(只有两个图像)的有限时间大小，像素只在x₀的一侧是可利用的(反过来，在滤波器311的空间部分中，在x₀的右与左侧上或上与下部的像素是可利用的)，因此空间部分的简单分母不允许区分单一噪声像素与目标的边缘。对于弄脏的高斯噪声，f_tamp定义为： $f_{\mathrm{temp}}^{\mathrm{cont},\mathrm{Gauss}}=\underset{i\∈J}{\mathrm{\Σ}}\frac{-x_i^p+x_0}{{[k}_{t2}(x_i^p-x_0{)}^2+k_{t3}{(x_i^p-x_i)}^2]/2+A_{t2}}---\left(8\right)$

其中i∈J表示如图4所示的一组时间滤波组合(时间方向与空间方向的组合)，并且其中k_i2、k_i3与A_i2是合适的滤波参数。在图4中，为简明起见而只画出多个可能组合之中x_i ^p与x_i的一种组合，在这种情况下，控制低通动作强度的分母上的像素是三个而不是两个：x_i、x_i ^p与x₀，实际上，如上所述，使用与高斯噪声相同的控制策略是不可取的：差值(x_i ^p-x₀)由于噪声峰值替代具有噪声滤波动作的中间损失而可能是大的。反过来，如果通过利用另一差值(即(x_i ^p-x_i))进行平均来校正此差值，则分母在出现隔离的噪声像素时也保持为低，并获得所需的低通性能。

虽然滤波器310与311在图1中表示为独立的滤波器，但在实际的实施例中，滤波器310与311利用共同的空间部分与不同的时间部分组合在一个有理滤波器中，第一时间部分用于高斯噪声，而第二时间部分用于弄脏的高斯噪声。根据噪声鉴别器30中估算的噪声类型，启动合适的时间部分。在另一实际的实施例中，第一时间部分与第二时间部分根据等式(8)实施为一个时间滤波部分，其中在此噪声具有高斯分布的情况中，参数k_t3取零，以便根据等式(7)获得有理滤波。

如果z的峰态峭度k的值低于15，则启动有理滤波器310/311，否则启动中间滤波器312。如果此峰态峭度k小于6，则启动第一时间部分(对于高斯噪声)。如果此峰态峭度k在6与15之间，则启动第二时间部分(对于弄脏的高斯噪声)。

为了有效地处理长尾噪声，滤波器312最好是简单的中间滤波器。一般地，中间滤波器基于阶数统计，利用下式给出二维中间滤波器：

             y₀ ＝median{x_i，x₀，x_j)    (9)

集合x_i，x_j定义中间像素x₀的邻近像素并且称为滤波掩码。此中间滤波器利用滤波掩码中像素值的中间值来代替中央像素的值。合适的简单掩码为5元素X形状滤波器。从[3]中知道这样的滤波器。在5元素x形状滤波器的情况中，滤波掩码包括中央像素x₀和与中央像素x₀对角相关的像素。这些空间方向表示在图2C…2D中。

最好，除去理想脉冲噪声(单一噪声像素)和由水平一像素宽的条纹构成而不利用单一噪声像素构成(例如，出现在卫星接收机中)的实际类似脉冲噪声。这两种类型的噪声只影响x形状掩码中5个像素之中的一个像素，因此利用中间运算符容易除去此噪声元素。注意：可以在从运动图像胶片中获得的视频中找到的一个像素宽的垂直条纹也能利用此滤波器有效地除去。为了除去更宽的条纹，需要更大的支持。一旦检测到脉冲噪声类型，使用简单的中间滤波器。

噪声鉴别器30控制此组滤波器31。虽然在上述的实施例中，使用硬转换，但软转换也是可能的，例如对于50％以上的时间启动此组滤波器31之中最合适的滤波器，并且另外部分地启动此组滤波器31之中一个或多个其他的滤波器。在其中信号主要包括高斯噪声的示例性情况中，对于80％的时间可以启动滤波器310，而对于10％的时间可以启动其他两个滤波器311与312。权利要求书应认为也包括这样的软转换实施。

根据应用或图像序列，可以使用其他滤波器或不同的噪声鉴别器。本发明的基本思想是使用设计用于不同类型噪声的至少两个滤波器和用于启动这至少两个滤波器之中最合适的滤波器的噪声鉴别器。本发明也可应用于其他信号，例如，音频信号。

基于运动补偿的算法一般以相当复杂的结构为代价提供较好的性能。基于运动补偿的算法优选应用于本发明的专业实施例中。

应注意：上述实施例说明而非限制本发明，并且本领域技术人员将能设计许多替换实施例而不背离附加的权利要求书的范畴。词“图像”也指画面、帧、场等。在权利要求书中，放置在括号之间的任何标号不应认为限制此权利要求。词“包括”不排除权利要求中所列出之外的其他元素或步骤的存在。本发明能利用包括几个不同元素单元的硬件和利用适当编程的计算机来实施。虽然在设备权利要求中列举几个装置，但这些装置之中的几个装置能利用一个硬件项来实施。实际上，在相互不同的从属权利要求中叙述某些测量的唯一事实不表示这些测量的组合不能利用。

总之，本发明通过估算信号中噪声的类型并启动至少两个噪声滤波器之一来提供信号的噪声滤波，启动的噪声滤波器对于估算的噪声类型是最合适的滤波器。通过计算信号与此信号的噪声滤波版本之间的差值获得此信号中噪声的近似值。本发明将噪声的峰态峭度用作用于估算此噪声类型的度量。如果估算的噪声类型是长尾噪声，则启动中间滤波器来滤波此信号。如果估算的噪声类型是高斯噪声或弄脏的高斯噪声，则启动时空滤波器来滤波此信号。本发明可以应用于具有照相机与噪声滤波器的视频系统中。

参考文献：[1]         G.Ramponi，‘The rational filter for image smoothing’，IEEE SignalProcessing Letters，vol.3，no.3，March 1996，pp.63-65[2]         F.Cocchia，S.Carrato and G.Ramponi，‘Design and real-time implementationof a 3-D rational filter for edge preserving smoothing’，IEEE Trans.on ConsumerElectronics，vol.43，no.4，Nov.1997，pp.1291-1300[3]         I.Pitas and A.N.Venetsanopoulos，Non-linear digital filters，KluwerAcademic Publishers，Boston MA(USA)，1990，pp.63-115[4]         E.Lloyd，Handbook of applicable mathematics，John Wiley & Sons Ltd.，NewYork，980，pp.155-160[5]         K.Konstantinides，B.Natarajan and G.S.Yovanof，‘Noise estimation andfiltering using block-based singular value decomposition’，IEEE Trans.on Image Processing，vol.6，no.3，March，1997，pp.479-483[6]         B.M.Sadler，G.B.Giannakis and K-S Lii，‘Estimation and detection innonGaussian noise uding higher order statistics’，IEEE Trans. on Signal Processing，vol.42，no.10，Oct.1994，pp.2729-2741[7]         G.B.Giannakis and M.K.Tsatsanis，‘Signal detection and classification usingmatched filtering and higher order statistics’，IEEE Trans.on Acoust.，Speech and SignalProcessing，vol.38，no.7，July 1990，pp.1284-1296[8]         S.I.Olsen，‘Estimation of noise in images：an evaluation’，CVGIP，vol.55，no.4，July 1993，pp.319-323

Claims (11)

1.噪声滤波(3)信号(x)的一种方法，此方法包括以下步骤：

估算(30)此信号(x)中噪声的类型；和

启动(30)至少两个噪声滤波操作(310，311，312)之一，启动的噪声滤波操作(310，311，312)对于估算的噪声类型是最合适的噪声滤波操作。

2.根据权利要求1的噪声滤波(3)方法，其中：

如果估算的噪声类型是长尾噪声，则启动中间滤波操作(312)；

如果估算的噪声类型是高斯噪声或弄脏的高斯噪声，则启动时空有理滤波操作(310，311)。

3.根据权利要求2的噪声滤波(3)方法，其中有理滤波操作(310，311)包括：

如果估算的噪声类型是高斯噪声，则启动第一时间滤波操作(310)；

如果估算的噪声类型是弄脏的高斯噪声，则启动第二时间滤波操作(311)；

第一时间滤波操作(310)至少考虑一个时间方向，而第二时间滤波操作(311)至少考虑时间方向与空间方向的一个组合。

4.根据权利要求1的噪声滤波(3)方法，其中此噪声(z)的峰态峭度用作(303)用于估算此噪声类型的度量。

5.根据权利要求2的噪声滤波(3)方法，其中此噪声(z)的峰态峭度用作(303)用于估算此噪声类型的度量；

如果此峰态峭度超过第一门限值，则启动中间滤波操作(312)；和

如果此峰态峭度低于所述第一门限值时，则启动有理噪声滤波操作(310，311)。

6.根据权利要求3的噪声滤波(3)方法，其中此噪声(z)的峰态峭度用作(303)用于估算此噪声类型的度量；

如果此峰态峭度超过第一门限值，则启动中间滤波操作(312)；

如果此噪声的峰态峭度低于所述第一门限值，则启动有理噪声滤波操作(310，311)，其中此有理滤波操作包括：

如果此峰态峭度低于第二门限值，则启动第一时间滤波操作(310)，所述第二门限值低于所述第一门限值；和

如果此峰态峭度超过第二门限值并且低于第一门限值，则启动第二时间滤波操作(311)。

7.根据权利要求6的噪声滤波(3)方法，其中第一门限值大约为15，而第二门限值大约为6。

8.根据权利要求1的噪声滤波(3)方法，其中此信号中的噪声(z)利用此信号(x)与此信号(x)的噪声滤波(301)版本之间的差值(302)来近似计算。

9.根据权利要求8的噪声滤波(3)方法，其中通过使此信号(x)进行中间滤波操作(301)来获得此信号(x)的噪声滤波版本。

10.用于噪声滤波信号(x)的一种设备(3)，此设备(3)包括：

用于估算此信号(x)中噪声的类型的装置(30)；和

用于启动至少两个噪声滤波器(310，311，312)之一的装置(30)，启动的噪声滤波器(310，311，312)对于估算的噪声类型是最合适的滤波器。

11.一种视频系统(1)，包括：

用于获得图像序列(x)的装置(2)，

根据权利要求10的设备(3)，用于噪声滤波此图像序列(x)。

Images