專利名稱:一種視頻圖像3d降噪方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種視頻圖像領(lǐng)域的視頻圖像3D降噪方法，主要應(yīng)用于視頻圖像處理、視頻圖像顯示、視頻圖像傳輸?shù)取?br> 背景技術(shù)：
視頻圖像降噪是視頻處理領(lǐng)域的一個重要內(nèi)容。由于圖像在攝錄、數(shù)字壓縮、存儲過程、傳輸過程中將不可避免地受到傳輸介質(zhì)、外界和環(huán)境的光信號、電信號、機(jī)械損傷的干擾影響，在視頻圖像到達(dá)顯示終端的時候，使得視頻信號所承載的圖像內(nèi)容(各個像素點的亮度數(shù)值和色彩數(shù)值)發(fā)生變化，這些變化的具有空間上和時間上的隨機(jī)性，因此稱為圖像噪音。
圖像噪音分靜止噪音和運(yùn)動噪音兩種，靜止噪音是指噪音發(fā)生在圖像順序顯示時具有相同或緩慢變化的空間位置，而運(yùn)動噪音是指在圖像順序顯示過程中噪音的發(fā)生位置不斷變化，具有隨機(jī)性。運(yùn)動噪音對人眼視覺的影響要大于靜止噪音，更不容易為圖像觀察者所接受。
已有的很多圖像降噪方法停留在利用噪音在圖像平面的隨機(jī)性來降噪，這些技術(shù)手段對靜止噪音比較有效；而對運(yùn)動噪音的處理要進(jìn)行幀間預(yù)測，必須估計視頻圖像間的幀間運(yùn)動，具有較高的難點。
所述的幀間預(yù)測噪音方法的原理是基于視頻圖像間具有較強(qiáng)的相關(guān)性和可預(yù)測性和噪音的空間和時間上的隨機(jī)性。
設(shè)序列圖像第n-1幀和第n幀的信號亮度值分別為S(n-1)和S(n)，噪音為高斯型N(σ)，σ為噪音的分布參數(shù)，則有S’(n)＝(1-L)×S(n)+L×S(n-1)；使用S’(n)代替當(dāng)前值，當(dāng)噪音為高斯分布時，L為0.5時，S’(n)的噪音分布下降為0.707σ；若希望更多地利用幀間預(yù)測能力，則使用S’(n-1)來代替S(n-1)，即S’(n)＝(1-L)×S(n)+L×S’(n-1)；
這樣使用第n-2幀對第n幀的預(yù)測能力，能更好地利用視頻圖像序列間的可預(yù)測性。
L的取值基于幀間的亮度相關(guān)系數(shù)，在0～1間；前k幀對當(dāng)前幀的影響因子為Lk，顯然，隨著k的增加，影響力Lk迅速趨近零，所以合理地設(shè)計L是使用幀間預(yù)測能力的關(guān)鍵。
L的設(shè)計與兩個因素有關(guān)1、信噪比(SNR)噪音越大，信噪比越小，幀間相關(guān)系數(shù)小，L應(yīng)該越小；2、信號的時域變化顯然由于運(yùn)動或光照改變，都可能使信號在時域上發(fā)生迅速或緩慢的變化。

發(fā)明內(nèi)容本發(fā)明要解決的技術(shù)問題是，提供一種視頻圖像3D降噪方法，其基于幀間預(yù)測噪音方法，依據(jù)圖像噪音的分布統(tǒng)計規(guī)律，在圖像空間二維和時間一維上同時進(jìn)行估計、預(yù)測和降噪處理，去除或降低該些噪音對圖像的影響，盡可能地還原視頻圖像本來的亮度和色彩。
為了達(dá)到上述目的，本發(fā)明提供一種視頻圖像3D降噪方法，其包含以下步驟步驟1、輸入序列圖像信號；步驟2、初始化視頻序列的參數(shù)；步驟3、對每個像素點的三個亮度和色彩分量信號值，計算局部幀間信號差；步驟4、對每個像素點的三個亮度和色彩分量信號值，計算其局部3×3鄰域內(nèi)的差和；步驟5、對每個像素點的三個亮度和色彩分量信號值，計算其局部3×3鄰域內(nèi)的絕對差和的和；步驟6、對每個像素點，計算三個亮度和色彩分量信號的平均差和的相對偏移，以及各分量信號的最大相對偏移；步驟7、對單幅圖像的噪音進(jìn)行累加統(tǒng)計；步驟8、計算并控制運(yùn)動估計因子；
步驟9、對每個像素點，進(jìn)行信號轉(zhuǎn)換，得到輸出信號；步驟10、判斷是否對當(dāng)前幀/場的整幅圖像處理完畢，若是，繼續(xù)執(zhí)行步驟11；若否，返回步驟3；步驟11、對序列圖像噪音進(jìn)行更新；步驟12、輸出圖像分量信號，并將該輸出信號轉(zhuǎn)存為下一幀/場進(jìn)行圖像降噪的參考幀，返回步驟2，進(jìn)行下一幀/場圖像的降噪處理。
步驟2中，包括以下初始化步驟步驟2.1、初始化視頻序列噪音Noise Seq Aver(n)，其中，n為幀/場序列號，n＝0，1，2……；則令Noise Seq Aver(0)＝0；步驟2.2、每當(dāng)一幀/場開始時，令當(dāng)前幀/場累加噪音Noise Pic Sum＝0，令當(dāng)前幀/場噪音點個數(shù)Noise Pixel Num＝0。
步驟3中，對每個像素點的分量信號值計算局部幀間信號差的步驟是Adiff(n，j，i)＝Ain(n，j，i)-Aref(n，j，i)；Cdiff(n，j，i)＝Cin(n，j，i)-Cref(n，j，i)；Ddiff(n，j，i)＝Din(n，j，i)-Dref(n，j，i)；其中，Ain(n，j，i)、Cin(n，j，i)、Din(n，j，i)分別表示輸入圖像的分量信號值；Aref(n，j，i)，Cref(n，j，i)，Dref(n，j，i)表示參考幀的分量信號值；n為幀/場序列號，n＝0，1，2……；j表示圖像像素的行數(shù)，j＝0，1，…，(Width-1)，Width為圖像橫向的像素點數(shù)；i表示圖像像素的列數(shù)，i＝0，1，…，(Height-1)，Height為圖像縱向的像素點數(shù)。
所述的參考幀為上一幀/場的輸出圖像；當(dāng)n等于0時，參考幀無效，直接跳轉(zhuǎn)步驟12，輸出Ain(0，j，i)，Cin(0，j，i)，Din(0，j，i)。
步驟4中，對每個像素點的分量信號值，計算其局部3×3鄰域內(nèi)的差和的步驟是Adiffsum(n,j,i)=Σa=-11Σb=-11[Adiff(n,j+a,i+b)];]]>
Cdiffsum(n,j,i)=Σa=-11Σb=-11[Cdiff(n,j+a,i+b)];]]>Ddiffsum(n,j,i)=Σa=-11Σb=-11[Ddiff(n,j+a,i+b)];]]>其中，a，b為整數(shù)。
步驟5中，包括以下步驟步驟5.1、對每個像素點的分量信號值，計算其局部3×3鄰域內(nèi)的絕對差和Adiffsumabs(n,j,i)=Σa=-11Σb=-11[abs(Adiff(n,j+a,i+b))];]]>Cdiffsumabs(n,j,i)=Σa=-11Σb=-11[abs(Cdiff(n,j+a,i+b))];]]>Ddiffsumabs(n,j,i)=Σa=-11Σb=-11[abs(Ddiff(n,j+a,i+b))];]]>其中，a，b為整數(shù)，abs表示求絕對值；步驟5.2、對每個像素點的分量信號值，計算其局部3×3鄰域內(nèi)的絕對差和的和ACDdiffsumabs(n，j，i)＝Adiffsumabs(n，j，i)+Cdiffsumabs(n，j，i)+Ddiffsumabs(n，j，i)。
步驟6中，包括以下步驟步驟6.1、對每個像素點，計算分量信號的平均差和的相對偏移步驟6.1.1、若Adiffsumabs(n，j，i)的值不為0，則有Adeviation(n，j，i)＝abs(Adiffsum(n，j，i))/Adiffsumabs(n，j，i)；若Adiffsumabs(n，j，i)的值等于0，則有Adeviation(n，j，i)＝0；步驟6.1.2、若Cdiffsumabs(n，j，i)的值不為0，則有Cdeviation(n，j，i)＝abs(Cdiffsum(n，j，i))/Cdiffsumabs(n，j，i)；若Cdiffsumabs(n，j，i)的值等于0，則有Cdeviation(n，j，i)＝0；步驟6.1.3、若Ddiffsumabs(n，j，i)的值不為0，則有Ddeviation(n，j，i)＝abs(Ddiffsum(n，j，i))/Ddiffsumabs(n，j，i)；
若Ddiffsumabs(n，j，i)的值等于0，則有Ddeviation(n，j，i)＝0；步驟6.2、對每個像素點，計算分量信號的最大相對偏移ACDdeviation(n，j，i)＝max(Adeviation(n，j，i)，Cdeviation(n，j，i)，Ddeviation(n，j，i))。
步驟7中，對單幅圖像的噪音進(jìn)行累加統(tǒng)計的步驟是依次對圖像每個像素點的最大相對偏移值A(chǔ)CDdeviation(n，j，i)進(jìn)行噪音點的閾值判斷當(dāng)ACDdeviation(n，j，i)＜P_DeviationNoiseMax時，進(jìn)行噪音累加，即NoisePicSum＝NoisePicSum+ACDdiffsumabs(n，j，i)；NoisePixelNum＝NoisePixelNum+1；當(dāng)ACDdeviation(n，j，i)＞＝P_DeviationNoiseMax時，則當(dāng)前像素3×3鄰域內(nèi)的絕對差和的和ACDdiffsumabs(n，j，i)不計入噪音累加；其中，P_DeviationNoiseMax為用于判斷噪音點的閾值參數(shù)，其取值范圍是[0，1]。
步驟8中，包括以下步驟步驟8.1、計算運(yùn)動估計因子MovingProb(n，j，i)M＝RGBdeviation(n，j，i)×(1+P_NoiseAdaptive×NoiseSeqAver(n))；N＝P_LocalAdaptive×ACDdiffsumabs(n，j，i)；MovingProb(n，j，i)＝M/N；其中，P_NoiseAdaptive表示噪音功率自適應(yīng)系數(shù)，取值范圍是[0，1]；P_LocalAdaptive表示圖像局部自適應(yīng)系數(shù)，取值范圍是[0，1]；步驟8.2、控制運(yùn)動估計因子的值域當(dāng)MovingProb(n，j，i)＞1時，令MovingProb(n，j，i)＝1；當(dāng)MovingProb(n，j，i)＜P_MovingProbMin時，令MovingProb(n，j，i)＝P_MovingProbMin；其中，P_MovingProbMin表示最小的運(yùn)動判斷幾率，取值范圍是[0，1]。
步驟9中，對每個像素點進(jìn)行信號轉(zhuǎn)換的步驟是Aout(n，j，i)＝MovingProb(n，j，i)×Ain(n，j，i)+(1-MovingProb(n，j，i))×Aref(n，j，i)；Cout(n，j，i)＝MovingProb(n，j，i)×Cin(n，j，i)+(1-MovingProb(n，j，i))×Cref(n，j，i)；Dout(n，j，i)＝MovingProb(n，j，i)×Din(n，j，i)+(1-MovingProb(n，j，i))×Dref(n，j，i)。
步驟11中，對序列圖像噪音進(jìn)行更新的步驟是當(dāng)NoisePixelNum＞(P_PicNoiseRatio×Width×Height)時，有NoisePicAver＝NoisePicSum/NoisePixelNum；NoiseSeqAver(n)＝NoiseSeqAver(n)×(P_Lemda)+NoisePicAver×(1-P_Lemda)；其中，P_PicNoiseRatio表示更新序列噪音功率的閾值，取值范圍是[0，0.5]；P_Lemda表示噪音功率估計因子，取值范圍是[0，1]。
本發(fā)明步驟1中，若輸入RGB格式圖像，則圖像的分量信號分別為R、G、B；若輸入YCbCr格式圖像，則圖像的分量信號分別為Y、Cb、Cr；若輸入轉(zhuǎn)化到HSV空間的圖像，則圖像的分量信號分別為H、S、V。
本發(fā)明提供的視頻圖像3D降噪方法，在處理視頻運(yùn)動噪音方面非常有效，通過降低運(yùn)動噪音，可以大大減小觀看視頻圖像時由噪音引起的不舒適感覺。
圖1是本發(fā)明提供的視頻圖像3D降噪方法的流程圖。
具體實施方式以下根據(jù)圖1，以RGB格式的圖像為例，具體說明本發(fā)明的一種較佳實施方式如圖1所示，本發(fā)明提供的視頻圖像3D降噪方法，包含以下步驟步驟1、輸入RGB格式的序列圖像信號；步驟2、初始化視頻序列的參數(shù)；步驟3、對每個像素點的RGB分量信號值，計算局部幀間信號差；步驟4、對每個像素點的RGB分量信號值，計算其局部3×3鄰域內(nèi)的差和；步驟5、對每個像素點的RGB分量信號值，計算其局部3×3鄰域內(nèi)的絕對差和的和；步驟6、對每個像素點，計算RGB分量信號的平均差和的相對偏移，以及各分量信號的最大相對偏移；步驟7、對單幅圖像的噪音進(jìn)行累加統(tǒng)計；
步驟8、計算并控制運(yùn)動估計因子；步驟9、對每個像素點，進(jìn)行信號轉(zhuǎn)換；步驟10、判斷是否對當(dāng)前幀/場的整幅圖像處理完畢，若是，繼續(xù)執(zhí)行步驟11；若否，返回步驟3；步驟11、對序列圖像噪音進(jìn)行更新；步驟12、輸出RGB信號Rout，Gout，Bout，并將Rout，Gout，Bout轉(zhuǎn)存為下一幀/場進(jìn)行圖像降噪的參考幀，返回步驟2，進(jìn)行下一幀/場圖像的降噪處理。
步驟2中，包括以下初始化步驟步驟2.1、初始化視頻序列噪音NoiseSeqAver(n)，其中，n為幀/場序列號，n＝0，1，2……；則令NoiseSeqAver(0)＝0；步驟2.2、每當(dāng)一幀/場開始時，令當(dāng)前幀/場累加噪音NoisePicSum＝0，令當(dāng)前幀/場噪音點個數(shù)NoisePixelNum＝0。
步驟3中，對每個像素點的RGB分量信號值計算局部幀間信號差的步驟是Rdiff(n，j，i)＝Rin(n，j，i)-Rref(n，j，i)；Gdiff(n，j，i)＝Gin(n，j，i)-Gref(n，j，i)；Bdiff(n，j，i)＝Bin(n，j，i)-Bref(n，j，i)；其中，Rin(n，j，i)、Gin(n，j，i)、Bin(n，j，i)分別表示輸入圖像的各個RGB分量信號值；Rref(n，j，i)，Gref(n，j，i)，Bref(n，j，i)表示參考幀的RGB分量信號值；n為幀/場序列號，n＝0，1，2……；j表示圖像像素的行數(shù)，j＝0，1，…，(Width-1)，Width為圖像橫向的像素點數(shù)；i表示圖像像素的列數(shù)，i＝0，1，…，(Height-1)，Height為圖像縱向的像素點數(shù)。
所述的參考幀為上一幀/場的輸出圖像；當(dāng)n等于0時，參考幀無效，直接跳轉(zhuǎn)步驟12，輸出Rin(0，j，i)，Gin(0，j，i)，Bin(0，j，i)。
步驟4中，對每個像素點的RGB分量信號值，計算其局部3×3鄰域內(nèi)的差和的步驟是
Rdiffsum(n,j,i)=Σa=-11Σb=-11[Rdiff(n,j+a,i+b)];]]>Gdiffsum(n,j,i)=Σa=-11Σb=-11[Gdiff(n,j+a,i+b)];]]>Bdiffsum(n,j,i)=Σa=-11Σb=-11[Bdiff(n,j+a,i+b)];]]>其中，a，b為整數(shù)。
步驟5中，包括以下步驟步驟5.1、對每個像素點的RGB分量信號值，計算其局部3×3鄰域內(nèi)的絕對差和Rdiffsumabs(n,j,i)=Σa=-11Σb=-11[abs(Rdiff(n,j+a,i+b))];]]>Gdiffsumabs(n,j,i)=Σa=-11Σb=-11[abs(Gdiff(n,j+a,i+b))];]]>Bdiffsumabs(n,j,i)=Σa=-11Σb=-11[abs(Bdiff(n,j+a,i+b))];]]>其中，a，b為整數(shù)，abs表示求絕對值；步驟5.2、對每個像素點的RGB分量信號值，計算其局部3×3鄰域內(nèi)的絕對差和的和RGBdiffsumabs(n，j，i)＝Rdiffsumabs(n，j，i)+Gdiffsumabs(n，j，i)+Bdiffsumabs(n，j，i)。
步驟6中，包括以下步驟步驟6.1、對每個像素點，計算RGB分量信號的平均差和的相對偏移步驟6.1.1、若Rdiffsumabs(n，j，i)的值不為0，則有Rdeviation(n，j，i)＝abs(Rdiffsum(n，j，i))/Rdiffsumabs(n，j，i)；若Rdiffsumabs(n，j，i)的值等于0，則有Rdeviation(n，j，i)＝0；步驟6.1.2、若Gdiffsumabs(n，j，i)的值不為0，則有Gdeviation(n，j，i)＝abs(Gdiffsum(n，j，i))/Gdiffsumabs(n，j，i)；若Gdiffsumabs(n，j，i)的值等于0，則有Gdeviation(n，j，i)＝0；
步驟6.1.3、若Bdiffsumabs(n，j，i)的值不為0，則有Bdeviation(n，j，i)＝abs(Bdiffsum(n，j，i))/Bdiffsumabs(n，j，i)；若Bdiffsumabs(n，j，i)的值等于0，則有Bdeviation(n，j，i)＝0；步驟6.2、對每個像素點，計算RGB分量信號的最大相對偏移RGBdeviation(n，j，i)＝max(Rdeviation(n，j，i)，Gdeviation(n，j，i)，Bdeviation(n，j，i))。
步驟7中，對單幅圖像的噪音進(jìn)行累加統(tǒng)計的步驟是依次對圖像每個像素點的最大相對偏移值RGBdeviation(n，j，i)進(jìn)行噪音點的閾值判斷當(dāng)RGBdeviation(n，j，i)＜P_DeviationNoiseMax時，進(jìn)行噪音累加，即NoisePicSum＝NoisePicSum+RGBdiffsumabs(n，j，i)；NoisePixelNum＝NoisePixelNum+1；當(dāng)RGBdeviation(n，j，i)＞＝P_DeviationNoiseMax時，則當(dāng)前像素3×3鄰域內(nèi)的絕對差和的和RGBdiffsumabs(n，j，i)不計入噪音累加；其中，P_DeviationNoiseMax為用于判斷噪音點的閾值參數(shù)，其取值范圍是[0，1]，本實施例中，取P_DeviationNoiseMax＝0.25。
步驟8中，包括以下步驟步驟8.1、計算運(yùn)動估計因子MovingProb(n，j，i)M＝RGBdeviation(n，j，i)×(1+P_NoiseAdaptive×NoiseSeqAver(n))；N＝P_LocalAdaptive×RGBdiffsumabs(n，j，i)；MovingProb(n，j，i)＝M/N；其中，P_NoiseAdaptive表示噪音功率自適應(yīng)系數(shù)，取值范圍是[0，1]；P_LocalAdaptive表示圖像局部自適應(yīng)系數(shù)，取值范圍是[0，1]；本實施例中，取P_NoiseAdaptive＝P_LocalAdaptive＝1。
步驟8.2、控制運(yùn)動估計因子的值域當(dāng)MovingProb(n，j，i)＞1時，令MovingProb(n，j，i)＝1；當(dāng)MovingProb(n，j，i)＜P_MovingProbMin時，令MovingProb(n，j，i)＝P_MovingProbMin；其中，P_MovingProbMin表示最小的運(yùn)動判斷幾率，取值范圍是[0，1]；本實施例中，取P_MovingProbMin＝0.5。
步驟9中，對每個像素點進(jìn)行信號轉(zhuǎn)換的步驟是Rout(n，j，i)＝MovingProb(n，j，i)×Rin(n，j，i)+(1-MovingProb(n，j，i))×Rref(n，j，i)；Gout(n，j，i)＝MovingProb(n，j，i)×Gin(n，j，i)+(1-MovingProb(n，j，i))×Gref(n，j，i)；Bout(n，j，i)＝MovingProb(n，j，i)×Bin(n，j，i)+(1-MovingProb(n，j，i))×Bref(n，j，i)。
步驟11中，對序列圖像噪音進(jìn)行更新的步驟是當(dāng)NoisePixelNum＞(P_PicNoiseRatio×Width×Height)時，有NoisePicAver＝NoisePicSum/NoisePixelNum；NoiseSeqAver(n)＝NoiseSeqAver(n)×(P_Lemda)+NoisePicAver×(1-P_Lemda)；其中，P_PicNoiseRatio表示更新序列噪音功率的閾值，取值范圍是[0，0.5]；P_Lemda表示噪音功率估計因子，取值范圍是[0，1]；本實施例中，取P_PicNoiseRatio＝0.1；取P_Lemda＝0.75。
本發(fā)明也適用于YCbCr格式的視頻圖像，其3個分量信號為Y、Cb、Cr，代替上述實施例中的R、G、B三個分量信號，本方法同樣可對YCbCr格式的視頻圖像進(jìn)行3D降噪。
本發(fā)明也適用于轉(zhuǎn)化到HSV空間的視頻圖像，其3個分量信號為H、S、V，代替上述實施例中的R、G、B三個分量信號，本方法同樣可對轉(zhuǎn)化到HSV空間的視頻圖像進(jìn)行3D降噪。
本發(fā)明提供的視頻圖像3D降噪方法，在處理視頻運(yùn)動噪音方面非常有效，通過降低運(yùn)動噪音，可以大大減小觀看視頻圖像時由噪音引起的不舒適感覺。
權(quán)利要求
1.一種視頻圖像3D降噪方法，其特征在于，包括以下步驟步驟1、輸入序列圖像信號；步驟2、初始化視頻序列的參數(shù)；步驟3、對每個像素點的三個亮度和色彩分量信號值，計算局部幀間信號差；步驟4、對每個像素點的三個亮度和色彩分量信號值，計算其局部3×3鄰域內(nèi)的差和；步驟5、對每個像素點的三個亮度和色彩分量信號值，計算其局部3×3鄰域內(nèi)的絕對差和的和；步驟6、對每個像素點，計算三個亮度和色彩分量信號的平均差和的相對偏移，以及各分量信號的最大相對偏移；步驟7、對單幅圖像的噪音進(jìn)行累加統(tǒng)計；步驟8、計算并控制運(yùn)動估計因子；步驟9、對每個像素點，進(jìn)行信號轉(zhuǎn)換，得到輸出信號；步驟10、判斷是否對當(dāng)前幀/場的整幅圖像處理完畢，若是，繼續(xù)執(zhí)行步驟11；若否，返回步驟3；步驟11、對序列圖像噪音進(jìn)行更新；步驟12、輸出圖像分量信號，并將該輸出信號轉(zhuǎn)存為下一幀/場進(jìn)行圖像降噪的參考幀，返回步驟2，進(jìn)行下一幀/場圖像的降噪處理。
2.如權(quán)利要求
1所述的視頻圖像3D降噪方法，其特征在于，步驟2中，包括以下初始化步驟步驟2.1、初始化視頻序列噪音NoiseSeqAver(n)，其中，n為幀/場序列號，n＝0，1，2……；則令NoiseSeqAver(0)＝0；步驟2.2、每當(dāng)一幀/場開始時，令當(dāng)前幀/場累加噪音NoisePicSum＝0，令當(dāng)前幀/場噪音點個數(shù)NoisePixelNum＝0。
3.如權(quán)利要求
1所述的視頻圖像3D降噪方法，其特征在于，步驟3中，對每個像素點的三個亮度和色彩分量信號值計算局部幀間信號差的步驟是Adiff(n，j，i)＝Ain(n，j，i)-Aref(n，j，i)；Cdiff(n，j，i)＝Cin(n，j，i)-Cref(n，j，i)；Ddiff(n，j，i)＝Din(n，j，i)-Dref(n，j，i)；其中，Ain(n，j，i)、Cin(n，j，i)、Din(n，j，i)分別表示輸入圖像的分量信號值；Aref(n，j，i)，Cref(n，j，i)，Dref(n，j，i)表示參考幀的分量信號值；n為幀/場序列號，n＝0，1，2……；j表示圖像像素的行數(shù)，j＝0，1，...，(Width-1)，Width為圖像橫向的像素點數(shù)；i表示圖像像素的列數(shù)，i＝0，1，...，(Height-1)，Height為圖像縱向的像素點數(shù)。
4.如權(quán)利要求
3所述的視頻圖像3D降噪方法，其特征在于，步驟3中，所述的參考幀為上一幀/場的輸出圖像；當(dāng)n等于0時，參考幀無效，直接跳轉(zhuǎn)步驟12，輸出Ain(0，j，i)，Cin(0，j，i)，Din(0，j，i)。
5.如權(quán)利要求
1所述的視頻圖像3D降噪方法，其特征在于，步驟4中，對每個像素點的分量信號值，計算其局部3×3鄰域內(nèi)的差和的步驟是Adiffsum(n,j,i)=Σa=-11Σb=-11[Adiff(n,j+a,i+b)];]]>Cdiffsum(n,j,i)=Σa=-11Σb=-11[Cdiff(n,j+a,i+b)];]]>Ddiffsum(n,j,i)=Σa=-11Σb=-11[Ddiff(n,j+a,i+b)];]]>其中，a，b為整數(shù)。如權(quán)利要求
1所述的視頻圖像3D降噪方法，其特征在于，步驟5中，包括以下步驟步驟5.1、對每個像素點的分量信號值，計算其局部3×3鄰域內(nèi)的絕對差和Adiffsumabs(n,j,i)=Σa=-11Σb=-11[abs(Adiff(n,j+a,i+b))];]]>Cdiffsumabs(n,j,i)=Σa=-11Σb=-11[abs(Cdiff(n,j+a,i+b))];]]>Ddiffsumabs(n,j,i)=Σa=-11Σb=-11[abs(Ddiff(n,j+a,i+b))];]]>其中，a，b為整數(shù)，abs表示求絕對值；步驟5.2、對每個像素點的分量信號值，計算其局部3×3鄰域內(nèi)的絕對差和的和ACDdiffsumabs(n，j，i)＝Adiffsumabs(n，j，i)+Cdiffsumabs(n，j，i)+Ddiffsumabs(n，j，i)。
7.如權(quán)利要求
1所述的視頻圖像3D降噪方法，其特征在于，步驟6中，包括以下步驟步驟6.1、對每個像素點，計算分量信號的平均差和的相對偏移步驟6.1.1、若Adiffsumabs(n，j，i)的值不為0，則有Adeviation(n，j，i)＝abs(Adiffsum(n，j，i))/Adiffsumabs(n，j，i)；若Adiffsumabs(n，j，i)的值等于0，則有Adeviation(n，j，i)＝0；步驟6.1.2、若Cdiffsumabs(n，j，i)的值不為0，則有Cdeviation(n，j，i)＝abs(Cdiffsum(n，j，i))/Cdiffsumabs(n，j，i)；若Cdiffsumabs(n，j，i)的值等于0，則有Cdeviation(n，j，i)＝0；步驟6.1.3、若Ddiffsumabs(n，j，i)的值不為0，則有Ddeviation(n，j，i)＝abs(Ddiffsum(n，j，i))/Ddiffsumabs(n，j，i)；若Ddiffsumabs(n，j，i)的值等于0，則有Ddeviation(n，j，i)＝0；步驟6.2、對每個像素點，計算分量信號的最大相對偏移ACDdeviation(n，j，i)＝max(Adeviation(n，j，i)，Cdeviation(n，j，i)，Ddeviation(n，j，i))。
8.如權(quán)利要求
1所述的視頻圖像3D降噪方法，其特征在于，步驟7中，對單幅圖像的噪音進(jìn)行累加統(tǒng)計的步驟是依次對圖像每個像素點的最大相對偏移值A(chǔ)CDdeviation(n，j，i)進(jìn)行噪音點的閾值判斷當(dāng)ACDdeviation(n，j，i)＜P_DeviationNoiseMax時，進(jìn)行噪音累加NoisePicSum＝NoisePicSum+ACDdiffsumabs(n，j，i)；NoisePixelNum＝NoisePixelNum+1；當(dāng)ACDdeviation(n，j，i)＞＝P_DeviationNoiseMax時，則當(dāng)前像素3×3鄰域內(nèi)的絕對差和的和ACDdiffsumabs(n，j，i)不計入噪音累加；其中，P_DeviationNoiseMax為用于判斷噪音點的閾值參數(shù)，其取值范圍是[0，1]。
9.如權(quán)利要求
1所述的視頻圖像3D降噪方法，其特征在于，步驟8中，包括以下步驟步驟8.1、計算運(yùn)動估計因子MovingProb(n，j，i)M＝RGBdeviation(n，j，i)×(1+P_NoiseAdaptive×NoiseSeqAver(n))；N＝P_LocalAdaptive×ACDdiffsumabs(n，j，i)；MovingProb(n，j，i)＝M/N；其中，P_NoiseAdaptive表示噪音功率自適應(yīng)系數(shù)，取值范圍是[0，1]；P_LocalAdaptive表示圖像局部自適應(yīng)系數(shù)，取值范圍是[0，1]；步驟8.2、控制運(yùn)動估計因子的值域當(dāng)MovingProb(n，j，i)＞1時，令MovingProb(n，j，i)＝1；當(dāng)MovingProb(n，j，i)＜P_MovingProbMin時，令MovingProb(n，j，i)＝P_MovingProbMin；其中，P_MovingProbMin表示最小的運(yùn)動判斷幾率，取值范圍是[0，1]。
10.如權(quán)利要求
1所述的視頻圖像3D降噪方法，其特征在于，步驟9中，對每個像素點進(jìn)行信號轉(zhuǎn)換的步驟是Aout(n，j，i)＝MovingProb(n，j，i)×Ain(n，j，i)+(1-MovingProb(n，j，i))×Aref(n，j，i)；Cout(n，j，i)＝MovingProb(n，j，i)×Cin(n，j，i)+(1-MovingProb(n，j，i))×Cref(n，j，i)；Dout(n，j，i)＝MovingProb(n，j，i)×Din(n，j，i)+(1-MovingProb(n，j，i))×Dref(n，j，i)。
11.如權(quán)利要求
1所述的視頻圖像3D降噪方法，其特征在于，步驟11中，對序列圖像噪音進(jìn)行更新的步驟是當(dāng)NoisePixelNum＞(P_PicNoiseRatio×Width×Height)時，有NoisePicAver＝NoisePicSum/NoisePixelNum；NoiseSeqAver(n)＝NoiseSeqAver(n)×(P_Lemda)+NoisePicAver×(1-P_Lemda)；其中，P_PicNoiseRatio表示更新序列噪音功率的閾值，取值范圍是[0，0.5]；P_Lemda表示噪音功率估計因子，取值范圍是[0，1]。
12.如權(quán)利要求
1所述的視頻圖像3D降噪方法，其特征在于，步驟1中，所述的輸入圖像是RGB格式，圖像的分量信號分別為R、G、B。
13.如權(quán)利要求
1所述的視頻圖像3D降噪方法，其特征在于，步驟1中，所述的輸入圖像是YCbCr格式，圖像的分量信號分別為Y、Cb、Cr。
14.如權(quán)利要求
1所述的視頻圖像3D降噪方法，其特征在于，步驟1中，所述的輸入圖像轉(zhuǎn)化到HSV空間，則圖像的分量信號分別為H、S、V。
專利摘要
一種視頻圖像3D降噪方法，其基于幀間預(yù)測噪音方法，依據(jù)圖像噪音的分布統(tǒng)計規(guī)律，在圖像空間二維和時間一維上同時進(jìn)行估計、預(yù)測和降噪處理，去除或降低該些噪音對圖像的影響，盡可能地還原視頻圖像本來的亮度和色彩。本發(fā)明提供的視頻圖像3D降噪方法，在處理視頻運(yùn)動噪音方面非常有效，通過降低運(yùn)動噪音，可以大大減小觀看視頻圖像時由噪音引起的不舒適感覺。
文檔編號H04N7/32GK1997104SQ200610148134
公開日2007年7月11日 申請日期2006年12月28日
發(fā)明者黃曉東 申請人:上海廣電(集團(tuán))有限公司中央研究院導(dǎo)出引文BiBTeX, EndNote, RefMan