[发明专利]基于最大后验概率译码和三维块匹配滤波的视频去噪方法

说明书

本发明涉及一种基于最大后验概率译码和三维块匹配滤波的视频去噪方法，所述视频是经过先验知识增强的移动视频广播传输系统接收得到，所述去噪方法包括以下步骤：S1、接收的视频信号通过空间向量阈转换得到噪声与视频信号的最小均方误差估计的数学关系，再采用最大后验概率译码方法得到视频信号估计值，从而得到除去部分高斯噪声的视频信号；S2、步骤S1得到的视频信号经过三维块匹配滤波进一步消除高斯噪声，得到最终去噪视频。与现有技术相比，本发明不仅能获得较高的峰值信噪比，而且在主观上也能获得较好的视觉体验，能够较好的保留视频图像的细节部分，起到平滑滤波的作用。

技术领域

本发明涉及一种视频传输技术，尤其是涉及一种基于最大后验概率译码和三维块匹配滤波的视频去噪方法。

背景技术

噪声干扰的消除一直是视频传输中关注的焦点，无论语音还是视频信号在无线网络中传输时，受到噪声干扰的影响是不可避免的。如何有效的减小噪声干扰一直是各界专家致力解决的问题。在传统的数字视频传输系统中，通常采用纠错编码的方式来减小误码率，但是这种做法也带来了各种各样的问题。

简单的去噪算法大致可以分为空间域滤波和频率域滤波两大类。而复杂的去噪算法基本上是两类算法的不同结合。空间域滤波就是利用像素灰度值之间的关系，通过各种形式的加权平均来达到去噪的目的。最简单的空间域滤波就是均值滤波，用一个像素某个邻域的平均值来代替该像素的值。均值处理后像素的方差减小，从而达到减弱或者去除噪声的目的。该方法的优点是计算简单。但缺点也非常明显，会造成图像的模糊。直到A.Buades等人提出了非局部均值算法，该算法在求均值的时候不再只考虑图像局部的特征，而是将整幅图像都纳入了参考范围，从而极大改善了去噪效果。

频率域滤波通过对图像做各种变换以达到分离噪声与图像的目的。最常见的变换是傅里叶变换，在数字图像处理中只考虑离散的情况，即离散傅里叶变换。因为变换后无噪图像对应的系数较大，而噪声对应的系数小，从而实现了去噪的目的。离散余弦变换、离散小波变换的原理与之类似。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于最大后验概率译码和三维块匹配滤波的视频去噪方法。

本发明的目的可以通过以下技术方案来实现：

一种基于最大后验概率译码和三维块匹配滤波的视频去噪方法，所述视频是经过先验知识增强的移动视频广播传输系统接收得到，所述去噪方法包括以下步骤：

S1、接收的视频信号通过空间向量阈转换得到噪声与视频信号的最小均方误差估计的数学关系，再采用最大后验概率译码方法得到视频信号估计值，从而得到除去部分高斯噪声的视频信号；

S2、步骤S1得到的视频信号经过三维块匹配滤波进一步消除高斯噪声，得到最终去噪视频。

优选的，所述噪声与视频信号的最小均方误差估计的数学关系为：

其中

式中，W为接收的视频信号中的噪声，为接收的视频信号的最小均方误差估计，p用来保证旋转信号为归一化矢量，为接收的视频信号中相关像素块集合N为相关像素块块数，T为转置，K为相关信息因子，Z具体为：

其中，α为功率尺度系数，为高斯白噪声功率，Φ为酋矩阵，v为高斯白噪声，C为功率划分因子，r为先验知识增强的移动视频广播传输系统中所求系数。

优选的，所述视频信号估计值θ_g满足：

优选的，所述步骤S2具体包括：