[发明专利]基于时空显著性的视频跨尺度自适应增强方法及装置

摘要

本发明实施例提供一种基于时空显著性的视频跨尺度自适应增强方法及装置，涉及数字图像处理技术领域。所述基于时空显著性的视频跨尺度自适应增强装置包括：目标区域确定模块、变换域系数获取模块、自适应阈值获取模块以及视频帧增强模块。充分考虑人眼的视觉注意机制，实现基于视觉感知的细节增强处理。本发明通过视频的时空显著性计算实现对人眼所重点关注的时空显著性运动目标区域的检测和提取，利用非下采样轮廓波变换对时空显著性运动目标区域实现精细增强，再通过非下采样轮廓波逆变换进行重构，获取增强后的视频帧，在实现时空显著性运动目标细节特征增强的同时，有效地抑制噪声。

主权项

一种基于时空显著性的视频跨尺度自适应增强方法，其特征在于，所述方法包括：依据原始视频在空间域的视觉显著性和时间域的运动显著性，确定时空显著性运动目标区域；将原始视频帧进行多尺度多方向分解，分解为高频尺度和低频尺度，获取所述原始视频帧的变换域系数；依据所述变换域系数，得到观测系数y₁(k)的方差，为${\widehat{\mathrm{\σ}}}_{y_1}^2\left(k\right)=0.025\×\frac{1}{Num}\underset{y_1\left(j\right)\∈N\left(k\right)}{\Σ}{y_1}^2\left(j\right)+\sqrt{\frac{1}{M\×N}\underset{m=1}{\overset{M}{\Σ}}\underset{n=1}{\overset{N}{\Σ}}{\left(c_k^l\right(m,n)-{\mathrm{mean}}_c)}^2}$依据观测系数y₁(k)的方差，求解双变量统计相关性的边缘方差，相关性的边缘方差为其中，得到自适应阈值$T_{adp}=\frac{\sqrt{3}{\widehat{{\mathrm{\σ}}_n}}^2}{\widehat{{\mathrm{\σ}}_X}\left(k\right)}=\frac{\sqrt{3}{\widehat{\mathrm{\σ}}}_n^2}{\sqrt{\max \left(0.025\frac{1}{M}\underset{y_1\left(j\right)\∈N\left(k\right)}{\Σ}{y_1}^2\right(j)+\sqrt{\frac{1}{M\×N}\underset{m=1}{\overset{M}{\Σ}}\underset{n=1}{\overset{N}{\Σ}}{\left(c_k^l\right(m,n)-{\mathrm{mean}}_c)}^2}-{\widehat{\mathrm{\σ}}}_n^2,0)}}$其中，表示是位于尺度l和子带方向k上的变换系数，Num表示局部区域窗口中的非下采样轮廓波变换系数的数量，mean_c是子带k内的系数平均值，(M，N)表示视频帧子带k的大小，为噪声方差，为相关性的边缘方差，T_adp为自适应阈值，用于过滤噪声干扰；建立自适应增强函数，为${\hat{C}}_{(s,d,m,n)}=\left\{\begin{array}{ccc}\frac{C_{(s,d,m,n)}\×M_{(s,d)}}{\left|C_{(s,d,m,n)}\right|}\×{\[\sin (\frac{\mathrm{\π}}{2}\×\frac{\left|C_{(s,d,m,n)}\right|-T_{adp}}{M_{(s,d)}-T_{adp}})\]}^P,& if& R\≥T_{adp},y_c\∈HF,y_c\∈D_{st}\\ K\×C_{(s,d,m,n)},& if& R\≥T_{adp},y_c\∈HF,y_c\∉D_{st}\\ 0,& if& R\<T_{adp},y_c\∈HF\\ C_{(s,d,m,n)},& if& y_c\∈LF\end{array}\right.$其中，y_c＝|C_(s,d,m,n)|，y_p为y_c的父系数，C_(s,d,m,n)表示尺度s和方向d对应的子带上位置(m，n)对应的非下采样轮廓波变换系数，R为y_p与y_c的关系变量，HF和LF分别表示非下采样轮廓波变换域的高频尺度和低频尺度，表示增强后的非下采样轮廓波变换系数，M_(s,d)表示尺度s和方向d对应的子带上的最大系数的幅值，K为增益因子，且K＝f(y_c)＝4×[sin(y_c/3×π/2)]，P表示控制增强程度的常量，依据所述自适应增强函数，通过非下采样轮廓波逆变换进行重构，获取增强后的视频帧。