基於引導濾波和非局部平均濾波的時空域自適應去噪方法
2023-09-22 22:50:15 1
基於引導濾波和非局部平均濾波的時空域自適應去噪方法
【專利摘要】本發明公開了一種基於引導濾波和非局部平均濾波的時空域自適應去噪方法，該方法包括如下步驟：1、輸入視頻，對t0、t1時刻圖像進行非局部平均濾波，得到引導圖像Iguide，輸出處理後圖像；2、從t2時刻開始，將tn時刻圖像分為靜止區域A1和運動區域A2；3、對靜止區域作引導濾波，得到靜止區域濾波圖像output_static；4、計算運動區域空間域濾波係數；5、計算運動區域時域濾波係數；6、計算綜合濾波係數；7、根據綜合濾波係數對圖像進行自適應濾波，得到時空域濾波圖像output_moving；8、綜合靜止區域和運動區域濾波圖像，得到綜合濾波圖像output，輸出output，更新引導圖像Iguide。本發明通過將圖像分為靜止區域和運動區域，然後針對不同區域運用不同的去噪方法，使得圖像的質量得到改善。
【專利說明】基於引導濾波和非局部平均濾波的時空域自適應去噪方法
【技術領域】
[0001]本發明涉及一種監控視頻的預處理方法，尤其涉及一種基於引導濾波和非局部平均濾波的時空域自適應去噪方法。
【背景技術】
[0002]針對監控視頻，由於光線弱等原因會受到各種噪聲的影響從而導致圖像質量降低，這為後續的圖像處理(如目標跟蹤、識別等)增加了難度。視頻圖像去噪作為圖像預處理的一種方法能有效的改善被噪聲汙染的圖像，具有廣泛的應用價值。
[0003]視頻圖像去噪的關鍵點在於儘可能保持圖像信息的完整性，同時又能夠濾去幹擾信號。圖像去噪最初是以線性方式來實現的，例如均值濾波。但是它對非平坦區域很敏感，主要表現在模糊邊緣和結構上。線性濾波的缺點促進了非線性濾波器的發展，非線性濾波器能夠在去除噪聲的同時，最大限度的保留原圖像信號的細節信息，恢復後的圖像更加清晰、逼真，因此得到了廣泛的應用和研究。目前比較好的去噪方法主要有全變分算法、雙邊濾波、引導濾波、非局部平均濾波等。其中非局部平均濾波是目前相對而言去噪效果最好的一種方法，但由於它對每一個像素點都進行全局搜索以及權重值計算，計算量過於龐大，實際應用存在困難。
【發明內容】
[0004]本發明的目的在於針對現有技術的不足，提供一種基於引導濾波和非局部平均濾波的時空域自適應去噪方法。
[0005]本發明的目的是通過以下技術方案來實現的，一種基於引導濾波和非局部平均濾波的時空域自適應去噪方法，包括以下步驟:
[0006](I)輸入視頻為YUV格式，對h、&時刻圖像進行非局部平均濾波，輸出處理後的YUV圖像，並將時刻濾波後的圖像作為引導圖像Ipjide ；
[0007](2)從t2時刻開始，將tn時刻圖像與U時刻和tn_2時刻兩幅圖像用3幀SAD差分法進行比較，將所有靜止的像素點所組成的區域命名為靜止區域A1，將所有運動的像素點所組成的區域命名為運動區域A2 ；
[0008](3)對靜止區域A1作引導濾波,得到tn時刻靜止區域濾波結果output_statictn ；
[0009](4)利用非局部平均濾波(NLM)計算運動區域A2空間域濾波係數，得到空間域權重值sweightl和空間域均值average I ；
[0010](5)利用非局部平均濾波(NLM)計算運動區域A2時域濾波係數，得到時間域權重值sweight2和時間域均值average2 ；
[0011](6)根據時、空域的濾波係數計算綜合濾波係數Wt和Ws，其中Wt表示時域信息所佔比例，Ws表示空域信息所佔比例；
[0012](7)根據綜合濾波係數Wt和Ws對圖像進行自適應濾波，得到tn時刻時空域濾波圖像 output_movingtn ；[0013](8)綜合靜止區域和運動區域濾波結果，得到tn時刻綜合濾波圖像Outputtn，輸出圖像OUtpUttn,並將Outputtn作為引導圖像Iguide ；
[0014](9)更新引導圖像=Iguide=Outputtn，重複步驟2-8，依次處理後續的視頻圖像，最終完成整個視頻的噪聲處理工作。
[0015]進一步地，在步驟I)中，所述引導圖像Ipjide為:
[0016]I^ide=OUtputtl
[0017]其中，Outputtl為&時刻的圖像經過非局部平均濾波後的圖像；
[0018]對於當前要處理的圖像中任一像素點i，經過非局部平均濾波後的結果為:
【權利要求】
1.基於引導濾波和非局部平均濾波的時空域自適應去噪方法，其特徵在於包括以下步驟: (1)輸入視頻為YUV格式，對Vt1時刻圖像進行非局部平均濾波(NLM)，輸出處理後的YUV圖像，並將h時刻濾波後的圖像作為引導圖像Ipjide ； (2)從t2時刻開始，將tn時刻圖像與U時刻和tn_2時刻兩幅圖像用3幀SAD差分法進行比較，將所有靜止的像素點所組成的區域命名為靜止區域A1，將所有運動的像素點所組成的區域命名為運動區域A2 ； (3)對靜止區域A1作引導濾波,得到靜止區域濾波圖像output_static； (4)利用非局部平均濾波(NLM)計算運動區域A2空間域濾波係數，得到空間域權重值sweightl和空間域均值average I ； (5)利用非局部平均濾波(NLM)計算運動區域A2時域濾波係數，得到時間域權重值sweight2和時間域均值average2 ； (6)根據時、空域的濾波係數計算綜合濾波係數Wt和Ws，其中Wt表示時域信息所佔比例，Ws表示空域信息所佔比例； (7)根據綜合濾波係數Wt和Ws對圖像進行自適應濾波，得到時空域濾波圖像0utput_moving ； (8)綜合靜止區域和運動區域濾波結果,得到綜合濾波圖像output,輸出圖像output,並將output作為引導圖像Iguide ； (9)更新引導圖像=Ipjide=Outputtn，重複步驟2-8，依次處理後續的視頻圖像，最終完成整個視頻的噪聲處理工作。
2.如權利要求1所述基於引導濾波和非局部平均濾波的時空域自適應去噪方法，其特徵在於在步驟I)中，所述將h時刻圖像經過非局部平均濾波(NLM)處理過的圖像作為引導圖像 Iguid。。
3.如權利要求1所述基於引導濾波和非局部平均濾波的時空域自適應去噪方法，其特徵在於在步驟2)中，所述從t2時刻開始，將tn時刻圖像與V1時刻和tn_2時刻兩幅圖像用3幀SAD差分法進行比較，得到靜止區域A1和運動區域A2。
4.如權利要求1所述基於引導濾波和非局部平均濾波的時空域自適應去噪方法，其特徵在於在步驟3)中，所述對靜止區域A1作引導濾波，得到靜止區域濾波結果0utput_static,其具體實現方法為； 對靜止區域A1中每一個像素點，根據引導圖像Ipjide進行引導濾波，濾波結果保存為output_static。
5.如權利要求1所述基於引導濾波和非局部平均濾波的時空域自適應去噪方法，其特徵在於在步驟6)中，所述根據時、空域的濾波係數計算綜合濾波係數Wt和Ws，其具體實現方法為:
6.如權利要求1所述基於引導濾波和非局部平均濾波的時空域自適應去噪方法，其特徵在於在步驟7)中，所述根據綜合濾波係數對圖像進行自適應濾波，得到時空域濾波結果output_moving,其具體實現方法為:
output_moving=ffs X average I+Wt X average2 其中，average I為步驟4)中得到的空間域均值，average2為步驟5)中得到的時間域均值。根據空間域權重值sweightl和時間域權重值sweight2不同，Ws和Wt不同，自適應時空域濾波。
7.如權利要求1所述基於引導濾波和非局部平均濾波的時空域自適應去噪方法，其特徵在於在步驟8)中，所述綜合靜止區域和運動區域濾波圖像，得到綜合濾波圖像output，輸出圖像output，並將output作為引導圖像Iguide去引導後面的圖像，其具體實現方法為:
【文檔編號】H04N5/21GK103888638SQ201410096075
【公開日】2014年6月25日 申請日期:2014年3月15日 優先權日:2014年3月15日
【發明者】劉雲海, 張麗 申請人:浙江大學