[发明专利]一种噪声强度自适应的视频去噪方法和系统

说明书

技术领域

本发明涉及视频图像处理领域，特别涉及一种能嵌入于视频编码器、噪声强度自适应的视频图像噪声抑制方法。

背景技术

视频监控系统要求摄像机不间断地采集视频图像。在视频图像的获取过程中，由于成像设备的缺陷或成像过程中一些难以预测的因素，不可避免地会引入各种类型的噪声。噪声的存在，不仅会降低视觉意义上的图像质量，更重要的，对后续的处理过程产生影响。

由CCD、CMOS摄像机等成像设备所获取的视频信号可以建模成理想视频叠加了噪声信号，即：I_k(x，y)＝S_k(x，y)+η_k(x，y)，其中S_k(x，y)是理想视频信号，η_k(x，y)是噪声项，通常假设为独立于信号、均值为零、方差为σ²的Gaussian白噪声。噪声方差是反映噪声强度的一个重要参数，噪声强度越大，则噪声信号的方差越大。

对H.264、MPEG等视频编码应用而言，不仅希望能尽可能地去除噪声信号，避免把码流分配给不产生真实视觉信息的噪声信号，而且要求降噪处理不会引入诸如边缘模糊、运动模糊等图像质量下降的副作用。进一步地，视频监控等大量的应用具有实时处理的要求，所采用的降噪技术应该具有较好的时间效率。

按支撑域的不同，现有的滤波去噪技术可以分为两大类：1-D时间域滤波和3-D时空滤波。由于综合利用了帧内和帧间的相关信息，时空滤波器具有比1-D滤波器更好的性能。按是否采用运动补偿技术，可以将时空滤波器分为无运动补偿滤波和运动补偿滤波。由于无需作费时且耗费存储资源的运动估计，无运动补偿的时空滤波具有比运动补偿滤波更好的时间效率和存储效率。无运动补偿的滤波器，通过运动检测将整个图像区分为运动区域和静止区域，在不同的区域采用不同的滤波方案。

现有的运动检测技术可以分成两大类：基于像素的算法和基于区域的算法。前者在像素的层面上作静止或运动的判断，所需的计算量较少。缺陷是这类算法对噪声、光强的变化、以及摄像机的抖动很敏感。基于区域的算法在区域的层面上作灰度分布差异的判断。这类算法具有较好的抗噪声能力，但由于只考虑灰度，所以它们对光照的瞬时变化很敏感，也无法区分由于投射阴影引起的虚假移动对象。文献“Image Change Detection Algorithms：A Systematic Survey”(Radke R.J.等，IEEE Trans.Image Processing，2005)作了综述。

感知噪声信号的强弱，以自适应的形式对不同强度的噪声设置合适的滤波支撑域和滤波系数是一个好的降噪系统需要具备的能力。由于噪声是一种随机信号，所以只能通过包含噪声的观察视频来估计噪声信号的数字特征(如噪声方差、标准差等)。现有的噪声方差估计算法可以分成两大类：图像内方法和图像间方法。

考虑到对于大部分图像，或多或少存在一些灰度均匀的区域。文献“Fast and Reliable Structure-Oriented Video Noise Estimation”(Amer A.，Dubois E.IEEE Trans.Circuits Syst.Video Technol.，2005)提出了一种基于分块、可靠的噪声强度估计算法。他们的算法使用对应二阶差分的模板检测线型结构，选择那些具有均匀灰度的图像块计算方差，以这些方差值的平均值作为图像噪声方差。显然，这种估计方法无法利用编码器产生的信息，需要以独立模块的形式存在，需要引入较多的额外计算代价。

美国专利0291842将图像划分成固定尺寸的子块。由当前帧和参考帧计算每个块的帧差图像，且在块的层面上计算帧差数据的方差值。在所有块的方差数据中，选择若干个较小的值作为样本来估计噪声方差。这种估计方法需要有先验知识来指导怎样的块能被选择参与估计运算，而且这种选择将很大程度上决定最后的估计是否准确。

以滤波器的形式对视频图像进行噪声抑制，通常需要对图像中的每个像素定义一个时空支撑域，利用支撑域内的像素观察值来估计该像素的理想信号值。对于滤波器而言，有两个关键因素：支撑域的定义和对应各个像素的滤波系数设定。可采用多种不同的技术来自适应地确定滤波系数，如时空自适应线性最小均方差滤波器(LMMSE，Linear Minimum Mean Square Error)、自适应加权平均滤波器(AWA，Adaptive Weighted Averaging)等。

发明内容