JP2005518689A - ノイズレベルを推定する装置および方法、当該装置を含むノイズリダクションシステムおよび符号化システム - Google Patents

Abstract

本発明は、符号化の前にビデオ画像のノイズレベルを推定する装置と方法に関する。この装置は、例えば、少なくとも１つの入力画像を記憶する手段と、ブロックに関する動き推定モジュールと、画像毎に大域的ノイズレベルを推定する手段とを有しており、ここで上のブロックに関する動き推定モジュールを設計して、この動き推定モジュールにより、目下の入力画像と、上記の記憶手段に前に記憶された少なくとも１つの入力画像とに基づいて、動き補償がなされた画像の変化を表す第１の量がブロック関して作成されるようにし、上記の大域的ノイズレベルを推定する手段により、上記の動き補償がなされた画像の変化を表す少なくともいくつかの量の関数として推定が行われる。この装置は、動き補償がなされた画像の変化を表す第２の量および上記大域的ノイズレベルの関数として、前記画像のブロック毎に局所的ノイズレベルを推定する手段を有する。

Description

本発明は、ノイズレベルを推定する装置および方法に関し、またこのような装置を含むノイズリダクションシステムおよび符号化システムに関する。

本発明は、ディジタルビデオ信号に適用されるノイズレベル推定技術に関連する。このノイズレベル推定技術は、ノイズリダクション技術で使用される。ノイズリダクション技術は一般に、サンプルの行列の形態をとるディジタルビデオ画像に適用され、各サンプルは輝度信号からなり、またカラー信号についてクロミナンス信号からなる。

ビデオ画像列の収集は、今日においてもなお広くアナログ形式で行われているため、これらの画像が一旦、収集され、場合によっては転送されてアナログ形式で保存されると、この画像のコンテンツには、はっきりとわかる程度のノイズが示されてしまうのである。一旦ディジタル化されると、これらの画像には記憶／編集操作が行われることが多く、この操作により、今度はディジタル特有のノイズが取り込まれてしまうのである。結局、画像列には一般的に一連の変換が行われるのであり、これによって極めてランダムな性質の空間時間的ノイズが生じてしまうのである。

高性能の機能を得るため、反復的なフィルタリングを要求するノイズリダクション技術により、ビデオ列の画像の極めて強い時間的相関が考慮される。このため、効果的なノイズリダクションの微調整において動きおよび変位の概念が重要である。

上記の用語「変位」（displacement）はシーンにおける物体の位置の変化を意味すると理解されたい。この位置の変化は局所的でありかつこの物体に固有である。上記の用語「動き」とはビデオ列における物体の変位のすべてのなす集合と理解されたい。

動きはふつう、画像間の単純な差分形成によって、または動き推定器を使用して検出される。

動き推定器が使用される場合、変位は、別の瞬間における画像の差分を計算することによって、ならびにフレーム内で空間的に移動することによって考慮される。これらの変位は、ピクセルに適用される動きベクトル場によって表される（ピクセルに関する動き推定）か、またはブロックに適用される動きベクトル場によって表される（ブロックに関する動き推定）。これにより、ＤＦＤ（Displacement Frame Difference）と称される、動き補償がなされた画像差分がピクセルまたはブロックに関して得られるのである。

公知のシステムではノイズレベルの推定は、画像フレームのレベルで行われる。この推定により、ノイズはこのフレームにわたって均一され、結果的にフィルタリングもまた均一に行われ、これによって、ノイズのないゾーンにわたる精細度の損失、ぼけの出現、所定のテクスチャ（例えば芝）のスムージングなどの欠陥が生じてしまう可能性がある。このようなシステムは、例えば、Thomson Multimedia Companyの名義で２０００年６月２４日に提出された仏国特許明細書第００９６８４号に記載されている。

本発明が関連しているのは、ノイズの局所的な推定に基づいており、したがってノイズの極めてランダムな特徴を考慮するノイズレベル推定装置である。この場合に上に示したマイナスの影響は格段に低減され、画像品質の向上に貢献することができる。

また本発明は、このような装置を含むノイズリダクションシステムおよび符号化システムならびに相応する、動き補償がなされた反復的なフィルタリング方法に関する。

この目的のため、本発明は、符号化の前にビデオ画像のノイズレベルを推定する装置に関し、ここでこの装置は、
− 少なくとも１つの入力画像を記憶する手段と、
− ブロックに関する動き推定モジュールと、
− 画像毎に大域的ノイズレベルを推定する手段とを有しており、
ここで上記のブロックに関する動き推定モジュールを設計して、この動き推定モジュールにより、目下の入力画像と、上記の記憶手段に前に記憶された少なくとも１つの入力画像とに基づいて、動き補償がなされた画像の変化を表す量がブロックに関して作成されるようにし、
上記の大域的ノイズレベルを推定する手段により、上記の動き補償がなされた画像の変化を表す量の関数として推定が行なわれ、
ここで本発明によればこの装置は、
動き補償がなされた画像の変化を表す少なくともいくつかの量および前記の大域的ノイズレベルの関数として画像のブロック毎に局所的なノイズレベルを推定する手段を有する。

上記の「動き補償がなされた画像の変化を表す量」とは、動き推定を考慮することによって、画像列における（有利にはブロックに関する）時間的な変更を測定する量のことであると理解されたい。これらの量は有利には複数のＤＦＤから構成される。

上記のＤＦＤは、ビデオ列に含まれるノイズの量を極めて良好に表す。動き補償が理想的である場合（すなわち動きおよび変形の性質に拘わらず、補償が完全な場合）にはこれらのＤＦＤにより、これに対する精確な表現さえも得られるのである。

ノイズが極めてランダムであるという性質を考慮することによって、局所的ノイズレベルの推定により、フィルタリングのアーチファクトを低減することが可能である。このアーチファクトは、このフレームにわたる均一なノイズレベルの直接的な結果であり、このフレームにわたる均一なノイズレベルは、ノイズのあるブロックおよびノイズのないブロックについて同じフィルタリングを行ってしまうことと同じことである。

したがって上記の局所的なレベルにおけるノイズレベルの推定により、例えば、この画像のノイズのないゾーンにわたる精細度の大きな損失、ぼけの出現および例えば芝などの所定のテクスチャのスムージングなどを低減することができるのである。

フレームの大域的ノイズレベルの関数として、局所的ノイズレベルを推定することにより、このフレームの大域的ノイズレベルを基準にして目下のブロックのノイズレベルを決定するができ、またこれによって大域的ノイズレベルの推定を改善することができる。

上記の大域的ノイズレベルを決定する、上記の動き補償がなされた画像の変化を表す量は、有利には最小量および平均量であり、これらは上記のブロックに関する動き推定モジュールで計算される。

上記の局所的ノイズレベルを決定するための、上記の動き補償がなされた画像の変化を表す量は、局所的な量および平均量であり、これらは上記のブロックに関する動き推定モジュールで計算される。

有利な１実施形態によれば、局所的ノイズレベルの推定手段を設計して、この手段により、平均ＤＦＤと局所的ＤＦＤとの間の差分の関数として、また平均ＤＦＤに対するこの差分の比較の関数として上記の局所的ノイズレベルが決定されるようにする。

有利には、この局所的ノイズレベルは、上記の差分値と、あらかじめ定めた少なくとも１つの閾値との間の比較の関数としてそれぞれ異なって調整される。

これにより、あらかじめ定めた閾値の関数としてノイズレベルを調整することができ、したがって局所的ノイズレベルにおける変動を制限することができるのである。ここでこれは局所的ノイズレベルが、あらかじめ定めた値の範囲から逸脱しないようにすることによって行われる。

本発明はまた、本発明によるノイズレベル推定装置を含むノイズリダクション装置に関する。

本発明はまた、本発明によるノイズレベル推定装置を含む符号化システムに関する。

また本発明は符号化の前にビデオ画像のノイズレベルを推定する方法に関し、ここでは、
− 少なくとも１つの目下の入力画像を記憶し、
− ブロックに関する動き補償を行い、これによって目下の入力画像と、上記の記憶手段に前に記憶された少なくとも１つの入力画像とに基づいて、動き補償がなされた画像の変化を表す量をブロックに関して作成し、
− 上記の動き補償がなされた画像の変化を表す少なくともいくつかの量の関数として、画像毎に大域的ノイズレベルを決定する。本発明によれば、
− 動き補償がなされた画像の変化を表す量および大域的ノイズレベルの関数として、画像のブロック毎に局所的なノイズレベルを決定する。

本発明は、いずれも制限的でない有利な実施形態および実施のモードによって、よりよく理解できまた説明することができる。ここでは添付の図を参照する。これらの図において、
− 図１は、本発明による局所的ノイズレベル推定モジュールを含むノイズレベル推定装置を示しており、
− 図２は、ブロックに対して局所的ノイズレベルを推定するモジュールの機能の仕方の流れ図を示しており、
− 図３は、あらかじめ定めた閾値の関数として局所的ノイズレベルを得るためになされた大域的ノイズレベルの変更を示す線図である。

以下の記号を使用する。すなわち、
− ｘ，ｙおよびｔは、横座標、縦座標および時間をそれぞれを表し、
− ｕ(ｘ，ｙ；ｔ)は、目下の入力信号を表し、
− ｕ(ｘ，ｙ；ｔ−Ｔ)は、遅延Ｔだけ遅らされた入力信号を表し（Ｔは例えば１ビデオフレームの遅延を表す）、
− ｄ(ｄｘ，ｄｙ)は変位ベクトルを表しており、ｄｘは横座標軸に沿った変位におけるオフセット（シフト）であり、またｄｙは縦座標軸に沿った変位におけるオフセットである、
− ｖ(ｘ，ｙ；ｔ)はフィルタの出力を表しており、
− σ_{ｇｌｏｂａｌ}は、画像全体に対して推定されるノイズレベルを表しており、
− σ_{ｌｏｃａｌ}は、画像の１ブロックに対して推定されるノイズレベルを表しており、
− ＤＦＤ(ｘ，ｙ；ｔ)：ＤＦＤ(ｘ，ｙ；ｔ) ＝ ｕ(ｘ，ｙ；ｔ)−
ｕ(ｘ＋ｄｘ，ｙ＋ｄｙ；ｔ)
これはピクセルまたはピクセルのブロックに適用される。

このフィルタリング装置は、入力画像（信号ｕ(ｘ，ｙ；ｔ)）を記憶するために設計されたメモリ１と、ブロックに関する動き推定器２とを含んでおり、ここでこの推定器は、目下の入力画像（信号ｕ(ｘ，ｙ；ｔ)）およびメモリ１に前に記憶された入力画像（信号ｕ(ｘ，ｙ；ｔ−Ｔ)）に基づいて、動きベクトルｄ(ｄｘ，ｄｙ)およびＤＦＤをブロックに関して作成するために設計されている。

この装置にはまたモジュール３が設けられており、これは平均ＤＦＤ（ＤＦＤ_ｍｅａｎ）および最小ＤＦＤ（ＤＦＤ_ｍｉｎ）の関数として、この画像の大域的なノイズレベルを推定する。

これはまた、時点ｔに対して局所的ＤＦＤを記憶するメモリ５を含む。平均ＤＦＤは、このフレームの局所的ＤＦＤをすべて横断し終えた後、計算される。

この装置はまた、ノイズレベルσ_{ｇｌｏｂａｌ}と、局所的ＤＦＤ（ＤＦＤ(ｘ，ｙ；ｔ)）と、平均ＤＦＤ（ＤＦＤ_ｍｅａｎ）との関数として、ブロックに対する局所的ノイズレベルを推定するモジュール４を含んでおり、ここでノイズレベルσ_{ｇｌｏｂａｌ}は、画像の大域的なノイズレベルを推定するモジュール３によって計算される。このモジュールの機能は図２に詳しく説明されている。

平均ＤＦＤ（ＤＦＤ_ｍｅａｎ）および最小ＤＦＤ（ＤＦＤ_ｍｉｎ）は、局所的ＤＦＤ（ＤＦＤ(ｘ，ｙ；ｔ)）の計算の前に前もって計算される。

この装置は最後に変位ベクトルｄ(ｄｘ，ｄｙ)および局所的ノイズレベルσ_{ｌｏｃａｌ}(ｘ，ｙ，ｔ)の関数として、動き適合および／または動き補償されたノイズレベルを低減するモジュール６を含む。

モジュール６により、目下フィルタリングされた画像ｖ(ｘ，ｙ；ｔ)が出力される。

モジュール６は、ノイズリダクションモジュールまたはより一般的に画像処理モジュールに適用されるフィルタリングモジュールとすることが可能である。

ブロックに関する動き推定モジュール２による最小ＤＦＤ（ＤＦＤ_ｍｉｎ）の出力は、種々異なる方法で計算可能である。

第１実施形態によれば、これは、フレームの最小ＤＦＤとすることができる。この解決手段は簡単かつ安上がりであるが、不精確である。それは、小さな最小ＤＦＤを得るために、ＤＦＤのうちの１つが小さければ十分だからである。したがって、

が得られ、ここで
− resXおよびresYはそれぞれ、水平方向および垂直方向の解像度であり、
− blockXおよびblockYはそれぞれ、一般に大きさ１６ピクセルの水平方向のブロックのサイズおよび大きさ８ピクセルの垂直方向のブロックの大きさである。

第２実施形態では、ＤＦＤ_ｍｉｎはこのフレームの最小ＤＦＤのパーセンテージである。したがってこの実施形態では、ＤＦＤ_ｍｉｎは値の集合に基づいて計算され、前の実施形態のように単一の値を表さない。このため、この解決手段はより精確であるが、より複雑である。それはこのフレームのすべてのＤＦＤをランク付けしなければならないからである。

上記の平均ＤＦＤ，ＤＦＤ_ｍｅａｎは、このフレームの全ＤＦＤの平均である。したがって平均ＤＦＤは、局所的ＤＦＤの総和をこのフレームのＤＦＤの個数で割ったものである。したがって、

が得られる。

説明のための例として、解像度７２０＊２８８および１６＊８のブロックを有するフレームに対して、（７２０／１６）＊（２８８／８）個のＤＦＤ、すなわち１６２０個のＤＦＤがある。この場合、これらの１６２０個のＤＦＤについて平均を計算し、これを平均ＤＦＤに割り当てる。

このモジュールは、入力として処理中のブロックの局所的ＤＦＤ ＤＦＤ(ｘ，ｙ；ｔ)と、平均ＤＦＤ ＤＦＤ_ｍｅａｎと、大域的ノイズレベルσ_{ｇｌｏｂａｌ}とを受け取る。

このモジュールは、目下のブロックの局所的ＤＦＤ ＤＦＤ(ｘ，ｙ；ｔ)および平均ＤＦＤ ＤＦＤ_ｍｅａｎの関数としてノイズレベルの局所的な適合化を行う。この適合化は、一方では平均ＤＦＤと局所的ＤＦＤとの間の差分（ＥＲＲＯＲ＿ＤＦＤ）によって、他方では平均ＤＦＤに対するこの差分の比（Ｒａｔｉｏ＿ＤＦＤ）によって制御される。

平均ＤＦＤと局所的ＤＦＤと間の差分により、適合の変化の方向が決定される。例えば誤差が正（局所的ＤＦＤが平均ＤＦＤより小さいことを意味する）の場合、ノイズレベルを小さくしなければならない。逆に誤差が負の場合、ノイズレベルを大きくすることになる。な
平均ＤＦＤと局所的ＤＦＤとの間の差分の平均ＤＦＤに対する比により、平均ＤＦＤについて正規化された形態で、発生した誤差が示される。

画像において眼に見えるアーチファクトを発生させるバイナリ補正（binary correction）が行われないようにするため、１つの解決手段は、閾値の関数として補正を行うことである。したがって誤差ＥＲＲＯＲ＿ＤＦＤの変化の範囲をいくつかのゾーンに分割する。

以下に説明とした示した例では２つの閾値が定められ、これによって図３に示したようにこの範囲が４つのゾーンに分割される。

− 誤差が０と閾値１（Ｓ１）との間にある場合、局所的ＤＦＤは、平均ＤＦＤよりも小さい。したがってノイズレベルを減少させなればならない。０に近い誤差に対して、この減少分は小さく、閾値１に近い誤差に対してこの減少分はこの区間について最大である。このことは図２のステップＥ９に示した通りである。

− 誤差が０と閾値２（Ｓ２）との間にある場合、局所的ＤＦＤは、平均ＤＦＤよりも大きい。したがってノイズレベルを増大させなければならない。０に近い誤差に対して、この増大分は小さく、閾値２（Ｓ２）に近い誤差に対してこの増大分はこの区間について最大である。このことは図２のステップＥ４に示した通りである。

− 誤差が閾値１（Ｓ１）よりも大きい場合、ノイズレベルの減少は、パラメタの関数として最大値に制限される。このことは図２のステップＥ１０に示した通りである。

− 誤差が閾値２（Ｓ２）よりも小さい場合、局所的ＤＦＤは平均ＤＦＤよりも大きく、したがって局所的ノイズレベルを増大させなければならない。このノイズレベルの局所的な適合を行うため、２つのケースを考慮する。すなわち、
− 大きな動きがある場合、動き推定器により十分に補償が行われなかったという仮定がなされる。したがって局所的ＤＦＤは、ノイズと有効信号との混合物である。ノイズレベルの局所的な増大は、最大値によって制限される。これは図２のステップＥ６に示した通りである。

− 逆のケース、すなわちわずかな動きしかない場合、この動き推定器は極めて信頼性が高いとみなされる。動き補償の品質は良好であると考えられる。この結果、局所的ＤＦＤはノイズを表す。したがって局所的ノイズレベルの増大は制限されない。これは図２のステップＥ７に示した通りである。

重み付け係数β_１およびβ_２により、局所的な調整の影響をより大きなまたはより小さく強調付けることができる。この重み付けは様々に変更可能であり、ここの例示な実施形態は単なる説明として示されている。

ここで図２を説明する。この図は、１ブロックに対して局所的なノイズレベルを推定するモジュール４の実施形態を示している。

モジュール４は、入力として平均ＤＦＤ ＤＦＤ_ｍｅａｎおよび局所的ＤＦＤ（ＤＦＤ(ｘ，ｙ；ｔ)）を受け取り、ステップＥ１中にＥＲＲＯＲ＿ＤＦＤと称される、この平均ＤＦＤと局所的ＤＦＤとの間の差分を計算する。

ステップＥ２において比較テストが行われて、この差分が正であるか負であるかが決定される。

この差分が負の場合、ステップＥ３に進み、この差分と閾値Ｓ２とが比較される。

ＥＲＲＯＲ＿ＤＦＤが閾値Ｓ２よりも大きいかまたは等しい場合、ステップＥ４に進む。ステップＥ４では局所的ノイズレベルが増大される。例として、この増大はつぎの式を使用して行うことができる。すなわち、
σ_{ｌｏｃａｌ} ＝ σ_{ｇｌｏｂａｌ}−Ratio＿DFD×β_２
である。

ＥＲＲＯＲ＿ＤＦＤがＳ２よりも小さい場合、ステップＥ５に進む。ステップＥ５においてテストが行われ、変位ベクトルの値ｄ(ｘ，ｙ)と動き閾値Ｓ３とが比較される。ｄ(ｘ，ｙ)がＳ３よりも大きい場合、ステップＥ７に進む。ステップＥ７では局所的ノイズレベルは増大され、閾値化（threshold）される。例として、これは、
σ_{ｌｏｃａｌ} ＝ σ_{ｇｌｏｂａｌ}＋β_２／２
のように行うことができる。

ｄ(ｘ，ｙ)がＳ３よりも小さいかこれに等しい場合、ステップＥ６に進み、ここでは局所的ノイズレベルが増大される。例として、これは、
σ_{ｌｏｃａｌ} ＝ σ_ｒｅａｌ−Ratio＿DFD×β_２
にしたがって行うことがことができる。

ステップＥ２ではＥＲＲＯＲ＿ＤＦＤが負の場合、ステップＥ８に進み、この差分と、閾値Ｓ１とが比較される。

ＥＲＲＯＲ＿ＤＦＤが閾値Ｓ１よりも小さいか等しい場合、ステップＥ９に進む。ステップＥ９では局所的ノイズレベルが減少される。例としてこの減少はつぎの式を使用して実行可能である。すなわち、
σ_{ｌｏｃａｌ} ＝ σ_{ｇｌｏｂａｌ}−Ratio＿ＤＦＤ×β_１
である。

ＥＲＲＯＲ＿ＤＦＤが閾値Ｓ１よりも大きい場合、ステップＥ１０に進む。ステップＥ１０では局所的ノイズレベルが減少され、例として示したつぎの式にしたがって閾値化が実行される。すなわち、
σ_{ｌｏｃａｌ} ＝ σ_{ｇｌｏｂａｌ}−β_１／２
である。

つぎにステップＥ１１に進み、このステップでは、局所的ノイズレベルの値はスムージングされ、ここでこれは最小値α_ｍｉｎおよび最大値α_ｍａｘを設定することによって行われる。得られたノイズレベルの最終値は、ステップＥ４，Ｅ６，Ｅ７，Ｅ９またはＥ１０中に得られた値か、この値がα_ｍａｘよりも大きい場合はα_ｍａｘであるか、またはこの値がα_ｍｉｎより小さい場合はα_ｍｉｎである。

ある特定の実施形態では、例として、以下の値を種々異なる閾値に対して採用することができる。

対称にするため、Ｓ１＝|Ｓ２|かつβ_１＝β_２とすることができる。

Ｓ１ ＝ 0.5×ＤＦＤ＿mean，
Ｓ２ ＝ -0.5×ＤＦＤ＿mean，
β_２ ＝ β_１ ＝ ６ （これらの係数はβに類似している）
Ｓ３ ＝ ２０，
α_ｍｉｎ ＝ ３．５
α_ｍａｘ ＝ １５．５

本発明による局所的ノイズレベル推定モジュールを含むノイズレベル推定装置を示す図である ブロックに対して局所的ノイズレベルを推定するモジュールの機能の仕方を示す流れ図である あらかじめ定めた閾値の関数として局所的ノイズレベルを得るためになされた大域的ノイズレベルの変更を示す線図である。

Claims (8)

1. 符号化の前にビデオ画像のノイズレベルを推定する装置であって、
   該装置は、
   − 少なくとも１つの入力画像ｕ(ｘ，ｙ，ｔ)を記憶する手段（１）と、
   − ブロックに関する動き推定モジュール（２）と、
   − 画像毎に大域的ノイズレベル（σ_{ｇｌｏｂａｌ}）を推定する手段（３）とを有しており、
   ここで前記のブロックに関する動き推定モジュールを設計して、該動き推定モジュールにより、目下の入力画像（ｕ(ｘ，ｙ；ｔ)）と、上記の記憶手段に前に記憶された少なくとも１つの入力画像（ｕ(ｘ，ｙ；ｔ−Ｔ)）とに基づいて、動き補償がなされた画像の変化を表す第１の量（ＤＦＤ）がブロックに関して作成されるようにし、
   前記の大域的ノイズレベルを推定する手段により、前記の動き補償がなされた画像の変化を表す少なくともいくつかの第１の量（ＤＦＤ）の関数として推定が行われる形式の、符号化の前にビデオ画像のノイズレベルを推定する装置において、
   該装置は、動き補償がなされた画像の変化を表す第２の量（ＤＦＤ）および前記大域的ノイズレベル（σ_{ｇｌｏｂａｌ}）の関数として前記画像のブロック毎に局所的ノイズレベル（σ_{ｌｏｃａｌ}）を推定する手段（４）を有することを特徴とする、
   符号化の前にビデオ画像のノイズレベルを推定する装置。
2. 前記の大域的ノイズレベル（σ_{ｇｌｏｂａｌ}）を決定するための、動き補償された画像の変化を表すいくつかの第１の量（ＤＦＤ）は、前記のブロックに関する動き推定モジュール（４）によって計算される最小量（ＤＦＤ_ｍｉｎ）および平均量（ＤＦＤ_ｍｅａｎ）である、
   請求項１に記載の装置。
3. 前記の局所的ノイズレベル（σ_{ｌｏｃａｌ}）を決定するための、動き補償された画像の変化を表す第２量（ＤＦＤ）は、前記のブロックに関する動き推定モジュール（２）によって計算される局所的な量（ＤＦＤ(ｘ，ｙ；ｔ)）および平均量（ＤＦＤ_ｍｅａｎ）である、
   請求項２に記載の装置。
4. 前記の局所的ノイズレベル（σ_{ｌｏｃａｌ}）を推定するための手段（４）を設計して、当該手段により、前記の平均ＤＦＤ（ＤＦＤ_ｍｅａｎ）と局所的ＤＦＤ（ＤＦＤ(ｘ，ｙ；ｔ))との間の差分（ＥＲＲＯＲ＿ＤＦＤ）の関数として、また前記平均ＤＦＤ（ＤＦＤ_ｍｅａｎ）に対する前記差分の比の関数として、局所的ノイズレベルが決定されるようにした、
   請求項１または２に記載の装置。
5. 前記局所的ノイズレベル（σ_{ｌｏｃａｌ}）は、前記差分値（ＥＲＲＯＲ＿ＤＦＤ）と、あらかじめ定めた少なくとも１つの閾値（Ｓ１，Ｓ２，Ｓ３）との間の比較の関数としてそれぞれ異なって調整される、
   請求項４に記載の装置。
6. ノイズリダクションシステムにおいて、
   該ノイズリダクションシステムは、請求項１から５までのいずれか１項に記載のノイズレベル推定装置を含むことを特徴とする、
   ノイズリダクションシステム。
7. 符号化システムにおいて、
   該符号化システムは、請求項１から５までのいずれ１項に記載のノイズレベル推定装置を含むことを特徴とする、
   符号化システム。
8. 符号化の前にビデオ画像のノイズレベルを推定する方法であって、
   − 少なくとも１つの入力画像（ｕ(ｘ，ｙ；ｔ)）を記憶し、
   − ブロックに関する動き補償を行い、これによって目下の入力画像（ｕ(ｘ，ｙ；ｔ)）と前記記憶手段（１）に前に記憶された少なくとも１つの入力画像（ｕ(ｘ，ｙ；ｔ−Ｔ)）とに基づいて、動き補償がなされた画像の変化を表す第１の量（ＤＦＤ）をブロックに関して作成し、
   − 当該の動き補償がなされた画像の変化を表す少なくともいくつかの量（ＤＦＤ）の関数として、画像（ｕ(ｘ，ｙ；ｔ)）毎に大域的ノイズレベル（σ_{ｇｌｏｂａｌ}）を決定する形式の、符号化の前にビデオ画像のノイズレベルを推定する方法において、
   − 動き補償がなされた画像の変化を表す第２の量（ＤＦＤ）および前記大域的ノイズレベル（σ_{ｇｌｏｂａｌ}）の関数として、画像のブロック毎に局所的ノイズレベル（σ_{ｌｏｃａｌ}）を決定する（Ｅ４，Ｅ６，Ｅ７，Ｅ１０，Ｅ１１）ことを特徴とする、
   符号化の前にビデオ画像のノイズレベルを推定する方法。

Images