技術(shù)領(lǐng)域：

本發(fā)明主要涉及到圖像與視頻信息處理領(lǐng)域，特指一種混合泊松、高斯和脈沖噪聲的視頻去噪方法。

背景技術(shù)：
：

盡管數(shù)碼相機(jī)和數(shù)字傳感器在近年來(lái)獲得了飛速發(fā)展，但在信息獲取和傳輸過(guò)程中，視頻數(shù)據(jù)經(jīng)常受到多種噪聲的影響。視頻信號(hào)中的噪聲會(huì)引起視覺(jué)效果上的不適感，并且會(huì)影響一些后續(xù)的視頻處理算法的性能，包括特征提取、目標(biāo)檢測(cè)和運(yùn)動(dòng)跟蹤等[1]。因此，視頻去噪仍然是一個(gè)活躍的研究方向，并且隨著網(wǎng)絡(luò)相機(jī)和手機(jī)相機(jī)的大量使用而體現(xiàn)出更重要的意義。為了從噪聲污染和降質(zhì)的視頻數(shù)據(jù)中恢復(fù)出原始信息，很多學(xué)者設(shè)計(jì)了多種視頻去噪算法用來(lái)解決這一問(wèn)題[2-4]。由于數(shù)碼相機(jī)的高采集率，視頻數(shù)據(jù)的質(zhì)量往往低于靜態(tài)的單幅圖像數(shù)據(jù)，其質(zhì)量問(wèn)題包括低信噪比和低分辨率等。同時(shí)，視頻數(shù)據(jù)相比于靜態(tài)圖像數(shù)據(jù)而言具有更高的時(shí)空冗余度，能比靜態(tài)圖像數(shù)據(jù)提供更豐富的場(chǎng)景信息。因此對(duì)降質(zhì)視頻的復(fù)原算法效果，在很大程度上取決于這種時(shí)空冗余度能否被有效利用，以及能夠挖掘到什么程度。

在現(xiàn)實(shí)的成像系統(tǒng)中，除了能夠近似成高斯白噪聲的系統(tǒng)內(nèi)部產(chǎn)生噪聲之外，還存在著泊松和脈沖噪聲，其中泊松噪聲體現(xiàn)光子計(jì)數(shù)上的波動(dòng)性[5]，脈沖噪聲則體現(xiàn)傳感器信號(hào)的采集和傳輸誤差。傳統(tǒng)視頻去噪算法主要處理單一類型噪聲，對(duì)于混合噪聲去噪效果往往不理想。盡管泊松、高斯與脈沖混合噪聲的處理在實(shí)際環(huán)境中具有重要意義，但在該類混合噪聲視頻去噪算法方面的研究仍然非常有限。

本發(fā)明提供一種混合泊松、高斯和脈沖噪聲的視頻去噪方法，能夠更合理地對(duì)該種混合噪聲進(jìn)行建模和處理，對(duì)于該種混合噪聲能夠取得比現(xiàn)有方法更理想的去噪效果，對(duì)于泊松、高斯和脈沖混合噪聲環(huán)境下的視頻去噪具有重要的理論和實(shí)踐意義。

[1]a.bovik,handbookofimageandvideoprocessing,academicpress,sandiego,ca,2000.

[2]k.dabov,a.foi,andk.egiazarian,videodenoisingbysparse3-dtransform-domaincollaborativefiltering,ieeetrans.eur.signalprocess.conf.,poznan,poland,1257-1260,sep.2007.

[3]maggionim,boracchig,foia,etal.videodenoising,deblocking,andenhancementthroughseparable4-dnonlocalspatiotemporaltransforms.ieeetransactionsonimageprocessing,2012,21(9):3952-3966.

[4]huiji,sibinhuang,zuoweishen,andyuhongxu,robustvideorestorationbyjointsparseandlowrankmatrixapproximation,siamj.imagingsciences,4(4),pp.1122-1142,2011.

[5]d.l.snyder,a.m.hammoud,andr.l.white.imagerecoveryfromdataacquiredwithacharge-coupled-devicecamera.j.opt.soc.am.a,10(1983),1014-1023.

[6]z.shen,k.-c.toh,ands.yun,anacceleratedproximalgradientalgorithmforframe-basedimagerestorationviathebalancedapproach,siamj.imagingsci.,4(2011),573-596.

技術(shù)實(shí)現(xiàn)要素：
：

本發(fā)明針對(duì)傳統(tǒng)視頻去噪算法主要處理單一類型噪聲、而對(duì)于混合噪聲去噪效果不理想的問(wèn)題，公開(kāi)一種混合泊松、高斯和脈沖噪聲的視頻去噪方法。

為解決上述技術(shù)問(wèn)題，本發(fā)明提出的技術(shù)方案是：

一種混合泊松、高斯和脈沖噪聲的視頻去噪方法，其特征在于：

步驟一：將噪聲視頻每一幀圖像劃分為圖像塊，在噪聲視頻幀序列中通過(guò)塊匹配方法對(duì)每一個(gè)圖像塊搜索相似圖像塊。將噪聲視頻每一幀圖像劃分為圖像塊的具體方法是：

對(duì)于噪聲視頻幀序列{i1,i2,…,in}(n為噪聲視頻幀數(shù))，將每一幀圖像劃分為s×s像素大小的圖像塊，圖像塊之間重疊區(qū)域?qū)挾葹閣o個(gè)像素。對(duì)于每一個(gè)圖像塊p，通過(guò)塊匹配方法在噪聲視頻幀序列中搜索相似圖像塊，并在每一幀中獲取m個(gè)相似圖像塊；對(duì)于每個(gè)相似圖像塊，將其所有列依次連接形成一個(gè)列向量，則所有相似塊的列向量集合為：{di}(i＝1,2,…,mn)。在此基礎(chǔ)上，用所有相似塊列向量構(gòu)成觀測(cè)塊矩陣其中d的每一列都是一個(gè)相似塊列向量，rh×w表示行數(shù)為h、列數(shù)為w的實(shí)數(shù)矩陣集合。

所述步驟一中的圖像塊匹配方法，包括但不限于基于圖像塊向量之間歐式距離進(jìn)行圖像塊匹配的方法；

步驟二：構(gòu)造泊松-高斯混合噪聲先驗(yàn)；其具體形式是：

其中，f(a,e,z)表示泊松-高斯混合噪聲先驗(yàn)；a為清晰塊列向量構(gòu)成的塊矩陣，a的每一列為前述相似塊對(duì)應(yīng)的清晰塊列向量；e表示塊匹配誤差塊矩陣，e的每一列為前述相似塊對(duì)應(yīng)的匹配誤差列向量；z表示脈沖噪聲矩陣，z的每一列為前述相似塊對(duì)應(yīng)的脈沖噪聲向量；d表示相似塊列向量構(gòu)成的觀測(cè)塊矩陣；max(x)表示矩陣x的最大元素，除法運(yùn)算和平方根運(yùn)算為矩陣逐元素進(jìn)行；σ為混合泊松、高斯和泊松噪聲中，高斯噪聲部分的標(biāo)準(zhǔn)差。且n的所有元素都為1。

步驟三：構(gòu)造建立在混合泊松、高斯和脈沖噪聲環(huán)境下的視頻去噪模型；具體形式為：

求解使得目標(biāo)函數(shù)值達(dá)到最小的去噪塊矩陣a、誤差塊矩陣e和脈沖噪聲矩陣z：

其中，a為清晰塊列向量構(gòu)成的塊矩陣，e表示塊匹配誤差塊矩陣，z表示脈沖噪聲矩陣，f(a,e,z)表示泊松-高斯混合噪聲先驗(yàn)，||·||*，||·||1和||·||f分別為矩陣核范數(shù)、l1范數(shù)和frobenius范數(shù),λ，μ和η為常數(shù)系數(shù)。求解出清晰圖像塊矩陣a之后，把a(bǔ)的列向量重新變換為s×s圖像塊，得到相似圖像塊對(duì)應(yīng)的清晰圖像塊；

步驟四：采用優(yōu)化算法求解去噪模型，獲得去噪后的清晰圖像塊；求解清晰圖像塊的優(yōu)化算法，包括但不僅限于現(xiàn)有算法acceleratedproximalgradient(apg)。

步驟五：將去噪后的清晰圖像塊合并生成清晰視頻圖像。其具體方法是：

對(duì)于第k幀(k＝1,2,…,n)清晰視頻圖像，設(shè)包含像素pk(x,y)的清晰圖像塊集合為{b1,b2,…,bv}。其中，x,y分別為該像素在視頻圖像中的行數(shù)和列數(shù)，pk(x,y)為(x,y)處的像素點(diǎn)，v為包含像素pk(x,y)的圖像塊個(gè)數(shù)，{b1,b2,…,bv}表示包含像素pk(x,y)的清晰圖像塊集合。則像素pk(x,y)的灰度值為：

其中，i(pk(x,y))為像素pk(x,y)的灰度值，為bj(j＝1,2,…,v)中像素pk(x,y)對(duì)應(yīng)的灰度值，v為包含像素pk(x,y)的圖像塊個(gè)數(shù)。

本發(fā)明的有益效果：(1)考慮了泊松、高斯和脈沖三種噪聲混合的情況，并合理地對(duì)混合模型進(jìn)行建模。相對(duì)比現(xiàn)有方法中僅考慮某種類型的噪聲或少量混合噪聲，本發(fā)明的模型跟接近真實(shí)的視頻噪聲情況。(2)本發(fā)明提出針對(duì)三種混合噪聲的視頻去噪方法，相對(duì)比現(xiàn)有混合去噪方法，本發(fā)明的最終去噪效果更佳明顯，去噪視頻質(zhì)量更高。

附圖說(shuō)明：

圖1為本發(fā)明所述方法的流程圖；

圖2為本發(fā)明與其他視頻去噪方法的視覺(jué)效果對(duì)比圖；圖2中，第1行是清晰無(wú)噪聲視頻圖像；第2行是加入泊松、高斯和脈沖噪聲之后的噪聲視頻圖像；第3行是vbm3d算法[2]去噪效果；第4行是vbm4d算法[3]去噪效果；第5行是rpca算法[4]去噪效果；第6行是本方法去噪效果；

圖3是不同噪聲水平和實(shí)驗(yàn)測(cè)試視頻情況下，本發(fā)明與其他視頻去噪方法的psnr指標(biāo)對(duì)比結(jié)果。

具體實(shí)施方式：

下面結(jié)合附圖1，對(duì)本發(fā)明進(jìn)行詳細(xì)描述：

本實(shí)施例提供的一種混合泊松、高斯和脈沖噪聲的視頻去噪方法，包括如下步驟：

步驟一：將噪聲視頻每一幀圖像劃分為圖像塊，在噪聲視頻幀序列中通過(guò)塊匹配方法對(duì)每一個(gè)圖像塊搜索相似圖像塊。將噪聲視頻每一幀圖像劃分為圖像塊的具體方法是：

對(duì)于噪聲視頻幀序列{i1,i2,…,in}(n為噪聲視頻幀數(shù))，將每一幀圖像劃分為s×s像素大小的圖像塊，圖像塊之間重疊區(qū)域?qū)挾葹閣o個(gè)像素。對(duì)于每一個(gè)圖像塊p，通過(guò)塊匹配方法在噪聲視頻幀序列中搜索相似圖像塊，并在每一幀中獲取m個(gè)相似圖像塊；對(duì)于每個(gè)相似圖像塊，將其所有列依次連接形成一個(gè)列向量，則所有相似塊的列向量集合為：{di}(i＝1,2,…,mn)。在此基礎(chǔ)上，用所有相似塊列向量構(gòu)成觀測(cè)塊矩陣其中d的每一列都是一個(gè)相似塊列向量，rh×w表示行數(shù)為h、列數(shù)為w的實(shí)數(shù)矩陣集合。

所述步驟一中的圖像塊匹配方法，包括但不限于基于圖像塊向量之間歐式距離進(jìn)行圖像塊匹配的方法；

步驟二：構(gòu)造泊松-高斯混合噪聲先驗(yàn)；其具體形式是：

其中，f(a,e,z)表示泊松-高斯混合噪聲先驗(yàn)；a為清晰塊列向量構(gòu)成的塊矩陣，a的每一列為前述相似塊對(duì)應(yīng)的清晰塊列向量；e表示塊匹配誤差塊矩陣，e的每一列為前述相似塊對(duì)應(yīng)的匹配誤差列向量；z表示脈沖噪聲矩陣，z的每一列為前述相似塊對(duì)應(yīng)的脈沖噪聲向量；d表示相似塊列向量構(gòu)成的觀測(cè)塊矩陣；max(x)表示矩陣x的最大元素，除法運(yùn)算和平方根運(yùn)算為矩陣逐元素進(jìn)行；σ為混合泊松、高斯和泊松噪聲中，高斯噪聲部分的標(biāo)準(zhǔn)差。且n的所有元素都為1。

步驟三：構(gòu)造建立在混合泊松、高斯和脈沖噪聲環(huán)境下的視頻去噪模型；具體形式為：

求解使得目標(biāo)函數(shù)值達(dá)到最小的去噪塊矩陣a、誤差塊矩陣e和脈沖噪聲矩陣z：

其中，a為清晰塊列向量構(gòu)成的塊矩陣，e表示塊匹配誤差塊矩陣，z表示脈沖噪聲矩陣，f(a,e,z)表示泊松-高斯混合噪聲先驗(yàn)，||·||*，||·||1和||·||f分別為矩陣核范數(shù)、l1范數(shù)和frobenius范數(shù),λ，μ和η為常數(shù)系數(shù)。求解出清晰圖像塊矩陣a之后，把a(bǔ)的列向量重新變換為s×s圖像塊，得到相似圖像塊對(duì)應(yīng)的清晰圖像塊；

步驟四：采用優(yōu)化算法求解去噪模型，獲得去噪后的清晰圖像塊；求解清晰圖像塊的優(yōu)化算法，包括但不僅限于現(xiàn)有算法acceleratedproximalgradient(apg)。

步驟五：將去噪后的清晰圖像塊合并生成清晰視頻圖像。其具體方法是：

對(duì)于第k幀(k＝1,2,…,n)清晰視頻圖像，設(shè)包含像素pk(x,y)的清晰圖像塊集合為{b1,b2,…,bv}。其中，x,y分別為該像素在視頻圖像中的行數(shù)和列數(shù)，pk(x,y)為(x,y)處的像素點(diǎn)，v為包含像素pk(x,y)的圖像塊個(gè)數(shù)，{b1,b2,…,bv}表示包含像素pk(x,y)的清晰圖像塊集合。則像素pk(x,y)的灰度值為：

其中，i(pk(x,y))為像素pk(x,y)的灰度值，為bj(j＝1,2,…,v)中像素pk(x,y)對(duì)應(yīng)的灰度值，v為包含像素pk(x,y)的圖像塊個(gè)數(shù)。

在具體操作中，采用bus，coastguard，flower，missa和salesman視頻序列[4]進(jìn)行實(shí)驗(yàn)評(píng)估。在清晰視頻幀圖像上添加泊松噪聲、高斯噪聲和服從[0-255]均勻分布的脈沖噪聲，然后對(duì)噪聲視頻幀進(jìn)行去噪，檢驗(yàn)本方法效果，并與目前廣泛應(yīng)用的視頻去噪算法：vbm3d[2]、vbm4d[3]和rpca[4]進(jìn)行比較。其中，去噪后視覺(jué)效果比較如圖2所示(高斯噪聲標(biāo)準(zhǔn)差為σ＝20，脈沖噪聲比例為r＝0.1)，由左至右分別為：清晰無(wú)噪聲視頻圖像；加入泊松、高斯和脈沖噪聲之后的噪聲視頻圖像；vbm3d算法去噪效果；vbm4d算法去噪效果；rpca算法去噪效果；本方法去噪效果。去噪后psnr指標(biāo)比較如圖3所示，其中高斯噪聲標(biāo)準(zhǔn)差σ為20-40，脈沖噪聲比例r為10％-30％。通過(guò)對(duì)比可以看出，本方法與目前主流的幾種視頻去噪方法相比能夠取得更理想的混合噪聲去噪效果。

本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述實(shí)施例方法中的全部或部分流程。以上內(nèi)容所描述的僅為本發(fā)明一種較佳實(shí)施例而已，當(dāng)然不能以此來(lái)限定本發(fā)明之權(quán)利范圍，因此依本發(fā)明權(quán)利要求所作的等同變化，仍屬本發(fā)明所涵蓋的范圍。