[发明专利]一种自适应的视频图像降噪方法及降噪系统

说明书

技术领域

本发明属于图像处理技术。具体涉及一种自适应的视频图像降噪方法及降噪系统。

背景技术

视频图像的生成过程中，光信号需要经过图像传感器感光像素采样转换为模拟电学信号，而后通过放大器以及模数转换器单元得到数字图像信号最终输出，如附图1所示。在一系列的信号处理过程中，不可避免的会引入各种噪声（如高斯、椒盐、均值、伽玛和指数等噪声类型）从而导致视频图像质量的下降，其中以高斯噪声和椒盐噪声最为常见，因此有必要在该过程中有针对性的加入数字降噪处理算法101，以改善图像质量。

数字降噪是指经过模数转换器得到数字信号之后，利用数字后处理电路消除图像噪声的方法。数字降噪处理已经有了一些较为成熟的方法，按原理可分为线性技术和非线性技术。均值滤波属于常见线性处理技术，其对象主要是高斯噪声，但会造成噪声的误扩散。中值滤波是一种非线性滤波方法，该方法对滤除椒盐噪声尤其有效，但是对于图像中的细节信息会产生一定的损失。此外基于图像空间域，降噪方法又分为帧内降噪和帧间降噪两类。对于包含噪声的静止图像，帧内降噪易造成处理后的图像边缘模糊，而帧间降噪（如多帧平均法或时间递归滤波法）能较好的避免这一问题；对于存在运动的噪声图像，帧间降噪可能引起运动边界的模糊以及拖影，帧内降噪则占有一定优势。

上述各种方法针对特定噪声可以得到较高质量的图像，但对复杂的视频场景和噪声处理时采用单一方法则受到一定限制。

发明内容

本发明的目的是，针对视频图像常见的高斯噪声和椒盐噪声问题，根据噪声分类，实现具有选择性自适应机制的图像降噪方法。

实现本发明的技术方案：

一种自适应的视频图像降噪方法，包括如下步骤：

1）对比前一幅已处理图像与当前待处理图像，获得当前待处理图像的噪声特征信息；

2）根据噪声特征信息和运动判定采用自适应算法进行椒盐降噪或高斯降噪图像处理。

所述噪声特征信息为噪声标志和噪声类型，通过噪声功率估计值进行计算分析得到。

具有噪声标志表示图像有噪声，需要进行降噪处理。

噪声类型包括椒盐噪声、高斯噪声和混叠噪声。

所述噪声功率估计值的计算方法为：

A、随机选取当前待处理图像的一个统计区域，在该统计区域中划分出多个基本统计窗口；

B、利用边缘侦测技术判断基本统计窗口的有效性；

C、计算有效基本统计窗口中所有像素的方差获得有效基本统计窗口的噪声功率估计值；

D、将所有有效基本统计窗口的噪声功率估计值汇总得到当前待处理图像的噪声功率估计值。

所述边缘侦测技术是将基本统计窗口进行水平和垂直方向的滤波，再计算各位置点之间的正交梯度值和对角线梯度值，如果正交梯度值和对角线梯度值都小于或等于设定阈值，该基本统计窗口为有效基本统计窗口。

当噪声功率估计值大于设定值的有效基本统计窗口的个数超过设定个数时，当前待处理图像具有噪声标志。

噪声类型的确定方法为：

根据噪声功率估计值计算噪声曲线的峰态系数；

将峰态系数与大小两个阈值进行比较，当峰态系数低于小阈值，确定噪声为高斯噪声；当峰态系数高于大阈值，确定噪声为椒盐噪声；当峰态系数在大小阈值之间，确定噪声为混叠噪声。

根据得到的噪声标志判断和噪声类型分析，并以此为判定依据，自适应算法对待处理图像进行分类，从而选择不同的流程分支和合适的降噪方法进行有针对性的计算。

根据噪声类型和运动判定采用自适应算法进行椒盐降噪或高斯降噪图像处理的方法为：

A、如果噪声类型是椒盐噪声则采用帧内中值滤波的椒盐降噪处理；

B、如果噪声类型是高斯噪声则采用结合运动判定技术的高斯降噪处理；

C、如果噪声类型是混叠噪声则顺序采用帧内中值滤波的椒盐降噪处理和采用结合运动判定技术的高斯降噪处理。

所述结合运动判定技术的高斯降噪处理包括如下步骤：

a、计算运动权值，计算与当前待处理图像相邻的图像对应位置像素的差值，而后对差值进行低通滤波处理，统计整个当前待处理图像获得运动权值；

b、采用运动权值对帧内均值滤波降噪处理和帧间滤波降噪处理进行加权平均。

本发明还提供一种自适应的视频图像降噪系统，包括噪声分析单元、图像缓存单元和噪声处理单元，噪声分析单位从图像缓存单元提取已处理的前一幅图像与当前待处理图像进行对比获得当前待处理图像的噪声特征信息，噪声处理单元根据噪声特征信息进行噪声处理。