[发明专利]一种基于体素级非局部模型的视频去噪方法

说明书

本发明公开了一种基于体素级非局部模型的视频去噪方法，包括第一阶段初步去噪、第二阶段精细去噪。本发明的优势在于将三维块匹配的所有的块都扫描成了列向量，然后实施行匹配，获得最相似的相似体素群组。在这种相似体素群组上的执行图像去噪比现有的基于二维图像块的非局部方法有多重优势，其一：执行三维块匹配不至于将跨帧的狭长信号视作噪声；其二：在去除噪声的同时能更好保留视频中的细节信息；其三：能够有效去除视频中的高斯噪声和信号相关噪声。

技术领域

本发明涉及视频处理技术领域，具体为一种相似体素匹配哈尔变换的视频去噪方法。

背景技术

即使高端的摄像机在低光照情形下拍摄的视频也总存在或多或少的噪声，高速摄像机使用较短的曝光时间更会引入较强的噪声。另外，廉价、低质量的传感器仍被广泛使用在移动电话或监控摄像中，这类低端摄像设备即使在良好照明环境中拍摄的视频也会不可避免地引入噪声，尤其在拍摄条件困难的情况下(低光、小传感器等)获得的视频中更含有较强的噪声。因此，视频去噪仍然是视频处理与底层机器视觉研究中的一个重要步骤。

现有视频去噪的研究文献相对于图像去噪研究文献少得多。目前大多数的视频去噪方法都是基于二维图像块级自相似性的，流行的视频去噪方法VBM3D^[1]是在帧间执行二维块匹配，但视频中的跨帧的一些狭长的信号在某一帧中往往会被视作噪声，基于二维图像块的视频去噪方法很容将其视作噪声而被去掉。VBM4D^[2]方法虽然执行了三维立方块的匹配，执行了可分的四维变换，但其中的前三维变换类似与文[1]中的可分三维变换，尽管视频去噪结果总体比VBM3D方法有所提高，但仍不能令人满意，尤其去噪过程中不能很好保留视频细节信息。

近几年，虽然视频去噪问题得到了迅速发展，但基于二维块级自相似性的视频去噪方法对现实视频中信号相关的噪声显得无能为力；虽然基于深度学习的方法近几年得到了飞速发展，但基于深度学习的方法又过度依赖训练的数据集，一般在同一个数据集上训练兼测试时，测试结果比较理想，但换到另一个数据集进行测试时结果却非常差。

视频去噪方法VBM3D相关文献：

[1]K.Dabov,A.Foi,K.Egiazarian.Video denoising by sparse 3D transformdomain collaborative filtering,Proc.15th European Signal ProcessingConference,EUSIPCO 2007,Poznan,Poland,September 2007.

视频去噪方法VBM4D相关文献：

[2]M.Maggioni,G.Boracchi,A.Foi and K.Egiazarian,Video Denoising,Deblocking,and Enhancement Through Separable 4-D Nonlocal SpatiotemporalTransforms,in IEEE Transactions on Image Processing,vol.21,no.9,pp.3952-3966,Sept.2012.

发明内容

本发明主要是解决现有技术中所存在的技术问题，本发明方法自动将视频中的信号相关噪声转化为高斯噪声，从而能将其有效去除。

本发明的上述技术问题主要是通过下述技术方案得以解决的：

本发明的一种基于体素级非局部模型的视频去噪方法，包括第一阶段初步去噪、第二阶段精细去噪；

第一阶段，初步去噪包括以下步骤：

S11、执行在原始含噪视频的立方块匹配与行匹配；

S12、将获得的行群组执行可分的二维提升哈尔变换；