專利名稱：一種固定場景下低信噪比視頻的自適應3d降噪方法
技術領域：
本發(fā)明涉及視頻降噪研究領域，具體涉及一種基于背景差分和分塊判決的時-空域聯(lián)合的自適應3D降噪方法。
背景技術：
以往的視頻圖像降噪方法主要有空域濾波、時域濾波和時空域聯(lián)合濾波?？沼驗V波雖然能濾除一些噪聲，但不利用視頻幀間關系，易造成圖像細節(jié)損失。時域濾波利用視頻的幀間相關性，非常適于視頻降噪，但更適用于靜止的視頻處理，否則會產生嚴重的“拖尾”模糊。時空域聯(lián)合濾波(即3D濾波)是目前視頻降噪的研究熱點。有學者采用先時域濾波、后空域濾波的方法，雖然比單獨采用時域濾波的降噪效果更明顯，但損失了一定的細節(jié)，同時沒有解決時域濾波的缺陷，即運動目標會產生“拖尾”模糊；有學者提出一種基于運動檢測的智能視頻序列降噪算法，通過比較當前幀和參考幀對應塊的灰度平均值來判斷是否有運動出現(xiàn)，若當前幀與參考幀中對應塊有超過80%的塊滿足條件時，才判定為靜止區(qū)域，進行時域濾波，否則進行空域濾波，但這會使較多的靜止像素誤判為運動像素，降低去噪效果；有學者提出基于背景提取的時域濾波和像素域自適應濾波的視頻降噪方法，通過背景差分法提取運動區(qū)域，并自適應地對運動區(qū)域使用不同的空域濾波方法，但這種方法存在以下缺點:a、隨時間的推移，背景中會出現(xiàn)新的物體或原有物體消失，背景也會隨著外界光線不斷變化，參與差分的背景卻一沉不變，這就會導致一段時間后便不能有效提取運動區(qū)域，造成運動目標的誤判，處理后的視頻嚴重失真；b、抗干擾性差，對光線敏感，若圖像的局部光線強度發(fā)生變化，容易產生嚴重的“塊閃爍”效應。有學者提出基于運動補償的3D降噪算法，通過運動估計找到前向和后向匹配塊，對運動強度小的宏塊采用時域濾波，對運動強度大的宏塊采用空域的雙邊濾波，但當鏡頭不運動時，對每個宏塊進行運動估計要耗費大量的時間，處理速度慢，不適于鏡頭固定場合視頻的實時處理。綜上，現(xiàn)有的時空域聯(lián)合視頻降噪方法，往往存在易產生“拖尾”模糊、降噪效果差、對光線敏感、易產生“塊閃爍”效應、計算量大、不適合實時視頻系統(tǒng)等缺點。所以，如何快速、準確的判斷出低信噪比視頻中的運動區(qū)域，提高算法的抗干擾性，最大程度地提高視頻的信噪比，避免“拖尾”模糊和“塊閃爍”效應，是視頻降噪的關鍵。
發(fā)明內容
有鑒于此，本發(fā)明提供了一種固定場景下低信噪比視頻的自適應3D降噪方法，能夠準確判斷運動像素，同時減少運算量，提高背景差分法獲得運動像素的抗干擾性；視頻的信噪比明顯提高，運動物體的邊緣和細節(jié)得到保留，適合固定場景下數字視頻的實時降噪。本發(fā)明的一種固定場景下低信噪比視頻的自適應3D降噪方法，其特征在于，包括如下步驟:步驟1、采集用于初始背景估計的N幀視頻圖像序列F1In,將第k幀F(xiàn)k與后一幀F(xiàn)k+1的灰度值進行差分，得到N-1個差分圖像，令Dk表示第k個幀間差分圖像，其中k=l, 2，...，N-1，N 取 30 150 ；步驟2、根據視頻序列噪聲標準差估計二值化閾值Tk:針對每個幀間差分圖像，將其劃分成大小為MXM的方形區(qū)域，其中M為正整數，計算每個方形區(qū)域的平均灰度值和標準差，取所有標準差中最小值作為該幀間差分圖像噪聲標準差的估計，則第k個幀間差分圖像Dk對應的二值化閾值為T1^alpha1 X δ k ;其中δ k表示第k個幀間差分圖像Dk對應的噪聲標準差的估計，alpha!取3 4 ;步驟3、將幀間差分圖像Dk以Tk為閾值進行二值化，得到二值圖像Ok ;針對視頻圖像中的某一個位置的像素點，找到二值圖中該位置的像素點值為O的所有二值圖，將找到的二值圖對應的視頻圖像中該像素點的灰度值累加求和值，再將該和值除以累加次數，得到該像素點的背景估計值；按照上述方法遍歷視頻圖像的所有像素點，求出所有像素點的背景估計值組成初始背景圖像backOTig ；步驟4、實時采集視頻序列，將當前幀4與當前背景圖像back的灰度值進行差分，得到當前背景差分圖像DBn ;其中，當n=l時，back為步驟3得到的初始背景圖像backOTig ；步驟5、按照步驟2的方法估計二值化閾值Tn，即:以當前背景差分圖像DBn為對象，將其劃分成大小為MXM的多個方形區(qū)域，計算每個方形區(qū)域的平均灰度值和標準差，取所有標準差中最小值作為當前背景差分圖像噪聲標準差的估計Sn，則二值化閾值Tn=aIpha2 X δ n，其中 alpha2 取 4 5 ;步驟6、將所述當前背景差分圖像DBn以Tn為閾值進行二值化處理，并去除連通域小于10的散點噪聲，得到二值化的背景差分圖像bwDBn ；步驟7、分塊判決法判定運動像素塊:將二值化的背景差分圖像bwDBn劃分成M' XW大小的方形區(qū)域，其中為正整數；然后判別每個區(qū)域的狀態(tài):若M' XW的區(qū)域中所有像素點的值均為0，則當前灰度圖像4中的該區(qū)域判定為背景像素塊FBbadt ;否則當前灰度圖像fn中的該區(qū)域判定為運動像素塊FB_ ；步驟8、對步驟7中判定的運動像素塊FB_進行空域濾波，填充到當前背景圖像back中運動像素塊各自所在的位置，得到當前幀的3D降噪圖像；步驟9、實時更新當前背景圖像，用于下一次的處理:首先，將當前幀fn與其前一幀、后一幀fn+1進行累加平均，得到平均值圖像ζ，即；然后，對平均值圖像ζ和當前背景圖像back對應的像素點加權求和，得到更新后的當前背景圖像back，具體為:判斷當前灰度圖像fn中每一個像素 點屬于某個背景像素塊FBbadt中的像素點還是屬于某個運動像素塊FB_中的像素點:如果屬于背景像素塊FBbadt中的像素點，則平均值圖像中該點的權值取為α，當前背景圖像中的該點權值取為1-α，α取0.3 0.4 ;如果屬于運動像素塊FB_中的像素點，則當前背景圖像中該點的權值取為1，平均值圖像中的該點權值取為O ;
步驟10、對于輸入的每一幀視頻圖像，分別進行步驟4至步驟9的處理，得到視頻的3D降噪結果。所述步驟2中M的取值由Q/10的商四舍五入得到，其中Q為待處理視頻圖像所述步驟2中，Blpha1取3。所述步驟3在二值化得到二值圖后，再采用連通性檢驗去除二值圖中連通域小于10的散點噪聲；最后，對二值圖進行先膨脹后腐蝕的形態(tài)學處理，以彌補二值圖中運動物體的內部空洞。所述步驟5中alpha2取4。所述步驟7中M'取16。所述步驟9中，α取0.35。本發(fā)明具有如下有益效果:I)將“背景的估計、更新”和“時域濾波”有機的結合了起來，既估計出了實時的背景，又極大地抑制了噪聲，獲得了十分清晰的背景區(qū)域；2)檢測運動目標時，采用分塊判決法再次判定運動像素塊，計算量小，不需要多余的參數設置，既對運動檢測起到了補償的作用，而且規(guī)則的方塊又有利于后續(xù)的分區(qū)處理；3)背景更新時，將平均幀以相對較大的權系數更新到背景幀中，可以很好地適應光線的實時變化，提高抗干擾能力，且避免了“塊閃爍”效應；只更新與背景區(qū)域位置對應的宏塊，可以保持背景的干凈；根據視頻序列噪聲方差的實時變化來估計二值化的閾值，估計準確，自適應性強。
圖1為本發(fā)明中背景更新時平均幀與背景幀的加權平均過程圖。
具體實施例方式下面結合附圖并舉實施例，對本發(fā)明進行詳細描述。本發(fā)明提供了一種固定場景下低信噪比視頻的自適應3D降噪方法，包括如下步驟:步驟1、采集用于初始背景估計的N幀視頻序列廣F，將第k幀F(xiàn)k與后一幀F(xiàn)k+1的灰度值進行差分，得到N-1個差分圖像，令Dk表示第k個幀間差分圖像，即Dk(i, j) = |Fk+1(i, j-Fk(i, j)，其中k=l，2,...,N-1 #根據用于初始背景估計的視頻視場中運動物體的多少來取值，運動物體越多N的取值越大，從而使這N視頻中每個位置的像素至少有一次是屬于背景區(qū)域的，否則估計出的背景易出現(xiàn)“空洞”。但N值越大，估計初始背景所需要的時間越長，因此在保證不出現(xiàn)“空洞的前提下”，N的取值不宜過大，一般取30 150，本發(fā)明實例中N取35 ；步驟2、根據視頻序列噪聲標準差估計二值化閾值Tk:有效的二值化閾值能較準確地將運動物體和噪聲分開，而二值化閾值的大小與噪聲成正比，因此通過計算圖像中的噪聲標準差來估計二值化閾值。由于圖像中不含運動物體的區(qū)域的方差是由噪聲的變化引起的，且比含運動物體的區(qū)域方差小，因此圖像所有區(qū)域中標準差的最小的那個可以作為噪聲標準差的估計，具體為:以步驟I中的當前幀間差分圖像Dk為對象，將其劃分成大小為MXM的多個方形區(qū)域，為獲取更準確的統(tǒng)計，樣本要盡量多，故劃分的方形區(qū)域要盡量大，當然也不宜過大，否則每個區(qū)域中都會包含運動物體的一部分。而選擇的方形區(qū)域的大小的與視頻大小成正比，因此本發(fā)明將Q/10的商四舍五入得到的整數作為M的取值，其中Q為視頻圖像的行數；計算每個方形區(qū)域的平均灰度值:
權利要求
1.一種固定場景下低信噪比視頻的自適應3D降噪方法，其特征在于，包括如下步驟:步驟1、采集用于初始背景估計的N幀視頻圖像序列F1 Fn，將第k幀F(xiàn)k與后一幀F(xiàn)k+1的灰度值進行差分，得到N-1個差分圖像，令Dk表示第k個幀間差分圖像，其中k=l，2，…，N-1，N 取 30 150 ； 步驟2、根據視頻序列噪聲標準差估計二值化閾值Tk:針對每個幀間差分圖像，將其劃分成大小為MXM的方形區(qū)域，其中M為正整數，計算每個方形區(qū)域的平均灰度值和標準差，取所有標準差中最小值作為該幀間差分圖像噪聲標準差的估計，則第k個幀間差分圖像Dk對應的二值化閾值為Tk=alphaiX δ k ;其中δ k表示第k個幀間差分圖像Dk對應的噪聲標準差的估計，alpha!取3 4 ; 步驟3、將幀間差分圖像Dk以Tk為閾值進行二值化，得到二值圖像Ok ;針對視頻圖像中的某一個位置的像素點，找到二值圖中該位置的像素點值為O的所有二值圖，將找到的二值圖對應的視頻圖像中該像素點的灰度值累加求和值，再將該和值除以累加次數，得到該像素點的背景估計值；按照上述方法遍歷視頻圖像的所有像素點，求出所有像素點的背景估計值組成初始背景圖像backOTig ； 步驟4、實時采集視頻序列，將當前幀fn與當前背景圖像back的灰度值進行差分，得到當前背景差分圖像DBn ;其中，當n=l時，back為步驟3得到的初始背景圖像backOTig ； 步驟5、按照步驟2的方法估計二值化閾值Tn，即:以當前背景差分圖像DBn為對象，將其劃分成大小為MXM的多個方形區(qū)域，計算每個方形區(qū)域的平均灰度值和標準差，取所有標準差中最小值作為當前背景差分圖像噪聲標準差的估計Sn，則二值化閾值Tn=aIpha2 X δ n，其中 alpha2 取 4 5 ; 步驟6、將所述當前背景差分圖像DBn以Tn為閾值進行二值化處理，并去除連通域小于10的散點噪聲，得到二值化的背景差分圖像bwDBn ； 步驟7、分塊判決法判定運動像素塊: 將二值化的背景差分圖像bwDBn劃分成M' XW大小的方形區(qū)域，其中M'為正整數；然后判別每個區(qū)域的狀態(tài): 若M, XW的區(qū)域中所有像素點的值均為0，則當前灰度圖像4中的該區(qū)域判定為背景像素塊FBbadt ;否則當前灰度圖像fn中的該區(qū)域判定為運動像素塊FB_ ； 步驟8、對步驟7中判定的運動像素塊FB_進行空域濾波，填充到當前背景圖像back中運動像素塊各自所在的位置，得到當前幀的3D降噪圖像； 步驟9、實時更新當前背景圖像，用于下一次的處理: 首先，將當前幀fn與其前一幀、后一幀fn+1進行累加平均，得到平均值圖像尤，即； 然后，對平均值圖像尤和當前背景圖像back對應的像素點加權求和，得到更新后的當前背景圖像back，具體為: 判斷當前灰度圖像fn中每一個像素點屬于某個背景像素塊FBbadt中的像素點還是屬于某個運動像素塊FB_中的像素點: 如果屬于背景像素塊FBbadt中的像素點，則平均值圖像中該點的權值取為α，當前背景圖像中的該點權值取為1-α，α取0.3 0.4 ; 如果屬于運動像素塊FB_中的像素點，則當前背景圖像中該點的權值取為1，平均值圖像中的該點權值取為O ; 步驟10、對于輸入的每一幀視頻圖像，分別進行步驟4至步驟9的處理，得到視頻的3D降噪結果。
2.根據權利要求1所述的一種固定場景下低信噪比視頻的自適應3D降噪方法，所述步驟2中M的取值由Q/10的商四舍五入得到，其中Q為待處理視頻圖像的行數。
3.根據權利要求1所述的一種固定場景下低信噪比視頻的自適應3D降噪方法，在所述步驟2中，Blpha1取3。
4.根據權利要求1所述的一種固定場景下低信噪比視頻的自適應3D降噪方法，所述步驟3在二值化得到二值圖后，再采用連通性檢驗去除二值圖中連通域小于10的散點噪聲；最后，對二值圖進行先膨脹后腐蝕的形態(tài)學處理，以彌補二值圖中運動物體的內部空洞。
5.根據權利要求1所述的一種固定場景下低信噪比視頻的自適應3D降噪方法，所述步驟5中alpha2取4。
6.根據權利要求1所述的一種固定場景下低信噪比視頻的自適應3D降噪方法，所述步驟7中M'取16。
7.根據權利要求1所述的一種固定場景下低信噪比視頻的自適應3D降噪方法，所述步驟9中，α取0.35。`
全文摘要
本發(fā)明公開了一種固定場景下低信噪比視頻的自適應3D降噪方法，將“背景的估計、更新”和“時域濾波”有機的結合了起來，既估計出了實時的背景，又極大地抑制了噪聲，獲得了十分清晰的背景區(qū)域；檢測運動目標時，采用分塊判決法再次判定運動像素塊，計算量小，不需要多余的參數設置，既對運動檢測起到了補償的作用，而且規(guī)則的方塊又有利于后續(xù)的分區(qū)處理；背景更新時，將平均幀以相對較大的權系數更新到背景幀中，可以很好地適應光線的實時變化，提高抗干擾能力，且避免了“塊閃爍”效應；只更新與背景區(qū)域位置對應的宏塊，可以保持背景的干凈；根據視頻序列噪聲方差的實時變化來估計二值化的閾值，估計準確，自適應性強。
文檔編號H04N5/21GK103179325SQ201310099769
公開日2013年6月26日 申請日期2013年3月26日 優(yōu)先權日2013年3月26日
發(fā)明者徐超, 任君, 金偉其, 宋博, 秦姍 申請人:北京理工大學