一種視頻圖像噪聲估計與去除方法

2023-05-24 04:50:31

專利名稱：一種視頻圖像噪聲估計與去除方法
技術領域：
本發明涉及視頻圖像處理技術領域，具體來講，涉及一種視頻圖像噪聲估 計與去除的方法。
背景技術：
在圖像採集系統中，在進行視頻編碼前進行去除視頻圖像採集系統得系統 噪聲是一個基本處理要求，是增強圖像質量很重要的一個部分。
去噪過程實質是從輸入信號分離出原始圖像信號和噪聲，它是受限制的， 因此在理論上從被噪聲汙染的圖像完全恢復原始圖像是不可能的。圖像去噪的 核心目標就是在去噪的同時儘可能地保存圖像原有特徵細節。該目標可更具體 地分解為以下幾點要求(1)視覺上平坦區域應該儘可能地被光滑，噪聲應該 完美地從這些區域去除；(2)圖像邊緣特徵應當被完好地保存，意味著這些邊 緣不能被模糊也不能被銳化；(3)紋理細節不應該丟失；(4)全局對比度應 該被保存，即去噪後圖像和輸入圖像的低頻部分應當是一致的。
早期的圖像去噪技術一般使用高斯濾波或中值濾波方法來去除噪聲。簡單 的這兩種技術有兩個嚴重缺陷 一是濾波器參數控制困難，難以自適應於視頻 圖像不同噪聲水平局部的去噪處理；二是去噪效果要麼過於平滑，模糊了紋理 邊緣等細節信息，要麼達不到所期望的去噪效果。
基於小波方法的去噪有著廣泛的使用，有較多的實現版本，其中最具代表 性的方法是高斯縮放混合模型的小波去噪， 一個典型實現版本是BLS-GSM wavelet denoise去噪。它的主要思路是，局部領域的小波係數GSM被證明是對 AWSN汙染的圖像去噪有效的。首先從小波係數的局部領域估計出信號協方差， 繼而推導出隱藏變量場的ML和MAP。這樣去噪後的小波係數就能夠通過局部 Wiener-like估計算子估計出來。更進一步的，優化後的局部貝葉斯最小方差 (BLS)解可以與前面GSM結合。在眾多去噪算法評估比較中，GLS-GSM小波 方法被作為小波去噪代表。它有個缺點難以去除小波重構後的人工瑕疵餘波
4(ringing)效應，其次它的計算複雜度太高，遠遠不能滿足圖像視頻採集設備中 實時處理的要求。
另外一種較為廣泛採用的圖像去噪技術是雙邊濾波技術，特別是在恢復處 理高動態範圍(HDR)圖像方面。然而由於其濾波強度參數不能準確地自適應 於當前噪聲水平，所以常常出現過於平滑等缺陷。
有一種新興的針對CCD噪聲模型的去噪技術。主要方法是給出使用逐片光 滑圖像模型自動估計單幅圖像逐顏色通道的噪聲水平和去除兩個任務的統一框 架。通過擬合圖像的每個分割方差的標準差的下確界來估計真實噪聲水平函數 的上確界。在噪聲去除方面，通過把像素值投射到擬合給每個分割RGB值的線 上，從而顯著地去除了顏色噪聲的色度。隨後， 一個高斯條件隨機場(GCRF) 被重構以獲得噪聲圖像輸入的原來乾淨圖像。然而，該技術需要根據CCD感應 器噪聲模型訓練大量的噪聲水平函數空間數據，以為進行單幅圖像的噪聲估計 提供可信度，使用圖像分割統計數據和仿射重構模型，並且在這個模型的基礎 上，進行貝葉斯噪聲估計和去除計算。準確的圖像分割，基於逐塊光滑圖像模 型的每個分割的仿射重構等都是計算複雜度極高的負擔，現有條件下，難以滿 足視頻採集系統的實時要求。

發明內容
本發明的目的在於克服現有視頻圖像噪聲估計和去除方法的不足，提供一 種去噪的同時儘可能地保存視頻圖像原有特徵細節的視頻圖像噪聲估計與去除 的方法。
為達到上述發明目的，本發明的視頻圖像噪聲估計與去除的方法，其特徵 在於，包括以下步驟-
(O 、將輸入圖像分解為R、 G、 B三個通道的灰度圖像，分別進行各自 通道的噪聲水平估計
1) 、繪製出當前顏色通道的邊緣圖，並進行二值化處理，得到各顏 色通道的重要邊緣圖像；
2) 、將當前顏色通道的灰度圖像及相應的重要邊緣圖像劃分成若干 個基本子塊，根據重要邊緣圖像進行判斷，將灰度圖像中包含有圖像主邊緣的基本子塊去除，對剩下的每個基本子塊計算其像素的均值和標準方 差；
3)、將0~255的當前顏色通道的灰度劃分為多個區間，以灰度區間 集合內的基本子塊的最小方差值作為當前區間灰度值水平所對應得噪聲方 差水平值，在求得的灰度水平值對應噪聲水平值的基礎上，繪製出圖像當 前顏色通道的噪聲水平函數曲線，這樣得到各自通道的噪聲水平估計；
(2) 、構造一個高通銳化修正的雙邊濾波器；
(3) 、使用噪聲水平函數曲線控制雙邊濾波器分別對R、 G、 B三個通道 的灰度圖像進行濾波，得到輸出去噪後的視頻圖像。
本發明通過將當前顏色通道的灰度圖像及相應的重要邊緣圖像劃分成若干 個基本子塊，擯棄包含太多邊緣信息的字塊，確保了所統計的基本子塊方差能 很好地吻合真實的噪聲方差水平，從而在去噪的同時儘可能地保存了視頻圖像 原有特徵細節。


圖1是本發明視頻圖像噪聲估計與去除的方法的一種具體實施方式
流程圖2是本發明實施例的輸入圖像；
圖3是圖2所示輸入圖像的單通道灰度圖像；
圖4是圖1所示輸入圖像經過處理後圖像對照圖5是單通道灰色圖像基本子塊劃分圖6是重要邊緣圖像基本子塊劃分圖7是噪聲水平函數曲線。
具體實施例方式
為更好地理解本發明，下面結合附圖和具體實施方式
對本發明進行更為詳 細描述。在以下的描述中，當已有的現有技術的詳細描述也許會淡化本發明的 主題內容時，這些描述在這兒將被忽略。
圖1是本發明圖1是本發明視頻圖像噪聲估計與去除的方法的一種具體實施方式
流程圖。在本實施例中，本發明的視頻圖像噪聲估計與去除的方法包括 以下步驟
步驟ST1:進行單通道灰度圖像分解。將輸入圖像分解為R、 G、 B三個通 道的灰度圖像，表示為ImgR、 ImgG、 ImgB 。為計算各個通道相應的噪聲水平函 數曲線，需要對每個通道灰度圖像執行噪聲水平估計操作。在本實施例中，用 ImgX表示當前操作的一個通道上的灰度圖像，其中，X-R/G/B中的一種顏色。輸 入圖像如圖像2所示，經過分解後變成單通道灰度圖像ImgX，如圖3所示。
步驟ST2:進行視頻圖像重要邊緣檢測。在本實施例中，使用棊於圖像梯 度值的邊緣檢測方法檢測並繪製出灰度圖像ImgX的邊緣圖像，如圖4右上所示， 並表示為ImgXE。得到邊緣圖ImgXE後，再進行二值化處理，得到如圖4左下所 示的重要邊緣圖像。為了表示方便，該二值化圖像經過反轉得到如圖4右下所 示的重要邊緣反轉圖像。用黑色像素示意灰度圖像ImgX的重要邊緣，表示為 ImgXEP
步驟ST3:對視頻圖像進行基本子塊的劃分。以hxh像素為基本子塊對單通 道灰色圖像ImgX以及相應的重要邊緣圖像ImgXEP進行劃分，得到如圖5、 6所 示意的圖像。其中h可以是4、 8、 16、 32等2的冪值，基本子塊的大小h可以 有多種方法計算得到，在本實施中，採用以下計算方法-
h=P2(min(width,height)/sum)
其中，width和height分別表示灰度圖像ImgX的寬和高的像素精度值，P2 函數定義為求小於輸入值最大的2的冪值，sum為所期望的圖像劃分份數，sum 一般設置為100上下。
步驟ST4:灰度圖像中包含有圖像主要邊緣的基本子塊去除。經過一個閥 值T2判別所有劃分得到的基本子塊，基本子塊內所包含邊緣像素的個數超過 T2時，如圖6所示的H塊，將被視為包含太多重要邊緣信息，即圖像主要邊緣 而擯棄；同樣道理，基本子塊內所含邊緣像素的個數低於T2時，如圖5、 6所 示的G塊，將參與後續統計數據的計算，即每個基本子塊計算其像素的均值和 標準方差。在本實施例中，T2=h。
步驟ST5:噪聲水平統計以及噪聲水平函數的計算。統計單通道灰度圖像
7lmgX經過閥值T2判別所留下的基本子塊，如圖5中所示，具體如圖5中的G 塊所示，對每個參與計算的基本子塊都計算其像素灰度均值和標準方差，表示 為(BlockU,BlockD).
隨後，用SigN={(BlockU，BlockD)|Ixn《BlockU《Ix(n+1)}表示灰度均值落入區間 (Ixn,Ix(n + l》上的基本子塊集合，其中I^255/N， N為整個0~255灰度分成的區 間數。以灰度區間集合內的最小方差值為當前灰度水平值所對應的噪聲方差水 平值，對應關係表示為(In,Dn)，其中
Dn=minD{SigN}
其中，函數minD定義為在集合SigN上計算最小方差值。
再後，在求得的灰度水平值與噪聲水平值對(In，Dn)的基礎上繪製出輸入圖像 當前通道的噪聲水平函數曲線，如圖7所示。噪聲水平函數表示為WZ《，其中 X=R/G/B。據此，輸入一個通道的灰度水平值，就能求得相應的噪聲水平值
noiseLevel=7VLFx (Ix)
其中，^表示當前輸入像素某通道的灰度值。
步驟ST6:構造一個高通銳化修正的雙邊濾波器。經典傳統的雙邊濾方法
是在空間域和像素值域同時應用高斯低通濾波組合，而得到可以很好地保留圖
像邊緣細節的去噪方法。經典雙邊濾波核為
fcl鵬ic (S, S。 ) = gspatial (S - S。 ).gtone (Ix (S) - Ix (S。))
兩個權重函數都是高斯函數，其中，s。表示濾波核中心位置，s表示濾波核 元素位置，I力。)表示濾波位置像素某通道的灰度值，I,(s)表示濾波核其他位置 上像素某通道的灰度值。高斯函數g^(s)、 gt,(U為
gspatial (S)=g(X，CTs)'gO,CTs) gtone(U = g(Ix,",)
o;為空域控制參數，cr,為像素值域控制參數。 在本實施例中，採用經典拉普拉斯銳化高通核為
M —i -i、
8其中，^e[8外
高通銳化修正算子的計算方法是
—s-lo,其他情況
T3閥值決定了邊緣銳化程度。
這樣構造的高通銳化修正的雙邊濾波器的雙邊濾波核為
fiv///w— &, )=lassie (S，S0 ) + "^//— ^j/wrp
步驟ST7:使用噪聲水平函數曲線控制雙邊濾波器分別對R、 G、 B三個通 道的灰度圖像進行濾波，得到輸出去噪後的視頻圖像。在本實施例中，通過控 制雙邊濾波核fd^(s，s。)的像素值域控制參數巧以及銳化修正閥值T3進行，具體 為
(T, =cxMJ^(Ix(s)) T3 = max(Ix (s)).max(iVLF;) / 3 而t^0.1/max(Mjg、空域控制參數^=16
使用上述噪聲水平函數曲線控制的參數對步驟ST6構造的濾波核對當前單 通道灰度圖像ImgX進行濾波處理，最終輸出去噪後的視頻圖像。
在本實施中，本發明的視頻圖像噪聲估計與去除的方法實現了在視頻圖像 去噪處理中，能自適應於視頻圖像局部的噪聲水平變化而動態地調整去噪處理 參數，從而達到準確去噪的目的。
另外，在本實施例中，本發明的視頻圖像噪聲估計與去除的方法在進行雙 邊濾波處理前，對去噪濾波核進行了高通銳化修正處理，從而實現了一次濾波 同時達到去噪低通和銳化高通的兩個圖像增強處理效果，大大降低了計算量， 從而提高了本發明方法的實時性。
在本發明中，在具體實施上，也可以採取高通銳化修正的雙邊濾波器類似
的濾波器以及噪聲水平函數曲線控制雙邊濾波器。
因此，儘管上面對本發明說明性的具體實施方式
進行了描述，但應當清楚， 本發明不限於具體實施方式
的範圍，對本技術領域的普通技術人員來講，只要
9200810147923. 各種變化在所附的權利要求限定和確定的本發明的精神和範圍內，這些變化是 顯而易見的， 一切利用本發明構思的發明創造均在保護之列。
10
權利要求
1、一種視頻圖像噪聲估計與去除的方法，其特徵在於，包括以下步驟(1)、將輸入圖像分解為R、G、B三個通道的灰度圖像，分別進行各自通道的噪聲水平估計1)、繪製出當前顏色通道的邊緣圖，並進行二值化處理，得到各顏色通道的重要邊緣圖像；2)、將當前顏色通道的灰度圖像及相應的重要邊緣圖像劃分成若干個基本子塊，根據重要邊緣圖像進行判斷，將灰度圖像中包含有圖像主要邊緣的基本子塊去除，對剩下的每個基本子塊計算其像素的均值和標準方差；3)、將0～255的當前顏色通道的灰度劃分為多個區間，以灰度區間集合內的基本子塊的最小方差值作為當前區間灰度值水平所對應得噪聲方差水平值，在求得的灰度水平值對應噪聲水平值的基礎上，繪製出圖像當前顏色通道的噪聲水平函數曲線，這樣得到各自通道的噪聲水平估計；(2)、構造一個高通銳化修正的雙邊濾波器；(3)、使用噪聲水平函數曲線控制雙邊濾波器分別對R、G、B三個通道的灰度圖像進行濾波，得到輸出去噪後的視頻圖像。
2、 根據權利要求l所述的視頻圖像噪聲估計與去除的方法其特徵在於，所 述的進行二值化處理得到的重要邊緣圖像還需要進行反轉處理。
3、 根據權利要求1所述的視頻圖像噪聲估計與去除的方法其特徵在於，所 述的灰度圖像及相應的重要邊緣圖像劃分成若干個基本子塊方法如下以hxh像素為基本子塊進行劃分， h=P2(min(width，height)/sum)其中，width和height分別表示灰度圖像ImgX的寬和高的像素精度值，P2 函數定義為求小於輸入值最大的2的冪值，sum為所期望的圖像劃分份數，sum 設置為100上下。
4、 根據權利要求3所述的視頻圖像噪聲估計與去除的方法其特徵在於，所述的將灰度圖像中包含有圖像主要邊緣的基本子塊去除為將基本子塊內所包含邊緣像素的個數超過T2的基本子塊去除。
5、 根據權利要求l所述的視頻圖像噪聲估計與去除的方法其特徵在於，步驟(2)所述的高通銳化修正的雙邊濾波器，其濾波核為formula see original document page 3^表示當前輸入像素某通道的灰度值； 經典拉普拉斯銳化高通核為:formula see original document page 3其中，^e[8，9];高通銳化修正算子的計算方法是 =Jl，/flI(s)-1(s。)l〉T3或『w'一1-lo,其他情況T3閥值決定了邊緣銳化程度。
6、根據權利要求5所述的視頻圖像噪聲估計與去除的方法其特徵在於，步 驟(3)所述的使用噪聲水平函數曲線控制雙邊濾波器分別對R、 G、 B三個通 道的灰度圖像進行濾波為 formula see original document page 3而c = 0.1 / max(M《)、空域控制參數 =16其中，A^K噪聲水平函數。
全文摘要
本發明公開了一種視頻圖像噪聲估計與去除的方法，通過將當前顏色通道的灰度圖像及相應的重要邊緣圖像劃分成若干個基本子塊，摒棄包含太多邊緣信息的字塊，確保了所統計的基本子塊方差能很好地吻合真實的噪聲方差水平，從而在去噪的同時儘可能地保存了視頻圖像原有特徵細節。
文檔編號H04N5/217GK101489034SQ20081014792
公開日2009年7月22日 申請日期2008年12月19日 優先權日2008年12月19日
發明者吳亞東, 李慧然, 袁梓瑾 申請人:四川虹微技術有限公司