[发明专利]一种基于主成分分析的视频噪声估计方法

摘要

本发明提出了一种基于主成分分析的视频噪声估计方法，充分利用视频序列的相关性，在相邻帧图像之间进行相似块的搜索，基于最小代价准则获得相邻帧图像之间的差分图像，消除视频运动的影响，得到初步的弱纹理差分图像；同时，又引入基于视频块的噪声估计，自适应的获取噪声水平参数，并提出正态分布函数作为文中选择弱纹理块的阈值函数，降低计算复杂度；另外还设置明确的迭代指标使得估计的噪声水平更加精确，避免在高噪声水平下的低估现象。本文提出的视频噪声估计算法估计精确，可运用到盲视频去噪领域，具有广阔的应用前景。

主权项

一种基于主成分分析的视频噪声估计方法，其特征在于，包括以下步骤：步骤1，输入含噪视频帧，对当前帧图像与下一帧图像进行块匹配，并分别计算当前帧图像与下一帧图像中每对对应子块的差分图像块，选取匹配效果最佳的一对对应子块的差分图像块作为原始含噪图像；步骤2，计算原始含噪图像的方差，作为初始噪声水平，并利用该初始噪声水平计算初始阈值；步骤3，将当前帧图像的所有子块写成列向量的形式，计算每个子块的梯度矩阵、梯度矩阵对应的梯度协方差矩阵以及梯度协方差矩阵的最大特征值；步骤4，选取梯度协方差矩阵的最大特征值小于初始阈值的子块，标记为弱纹理图像块；步骤5，将所有弱纹理图像块组成一个大的数据矩阵，并计算数据矩阵对应的协方差矩阵；步骤6，对协方差矩阵做特征分解，得到其所有的特征值，将最小的特征值作为噪声水平的估计值，并利用该噪声水平的估计值计算阈值；步骤7，计算每个弱纹理图像块对应的梯度矩阵、梯度矩阵对应的协方差矩阵以及协方差矩阵的最大特征值；步骤8，选取梯度协方差矩阵的最大特征值小于阈值的弱纹理图像块，重复步骤5至步骤7，直至达到预设迭代指标时停止。