[发明专利]基于人眼视觉特性的视频噪声估计方法

说明书

技术领域

本发明属于视频分析领域及视频监控技术领域，涉及一种基于人眼视觉特性的视频噪声估计方法。

背景技术

随着计算机技术、网络通讯技术、视频监控技术和电子消费品的发展和普及，视频得到了越来越广泛的应用。但是在视频的获取、编码、传输等过程中可能受到各种因素的影响如设备老化、低照度、电源不清洁、编码量化、电磁干扰等，受到不同程度、不同形式的噪声污染，使得视频质量下降，不仅影响了视频的视觉效果，而且对后续的更高级的视频处理也造成了一定程度的影响。可见一种可靠的噪声估计方法对及时评估视频噪声程度，实时监控视频获取、传输设备的性能起着非常有意义的作用。

噪声估计一直以来都是一个比较热门的研究课题，近些年来噪声估计又被应用到视频质量诊断中，用来评估视频的噪声程度，对受噪声严重污染的视频进行报警，通知维修人员需对监控设备进行维修。目前噪声估计方法的流程大同小异，大致的算法流程如图1所示：

这类方法的设计思路简洁，但是在实际应用存在大量的误检和漏检，尤其是对经过编解码的噪声视频，主要原因概括为以下几点：

1、噪声模型假设不合理：不管是学术研究还是工程应用，一般都假设噪声的模型为高斯白噪声，但是在实际应用中一般不存在这么理想在噪声模型，甚至在很多时候噪声的分布不一定是独立的同分布，对经过编解码的噪声尤其是这样，所以这种假设导致了实际应用中出现大量的误检和漏检。

2、平坦区域计算不合理：这类算法一般将方差较小的区域标记为平坦区域，认为这些区域的方差近似噪声的方差，这样假设似乎比较合理。但是仔细研究就会发现这种假设存在两个比较大的漏洞：1）方差小的区域不一定是平坦区域，在纹理区域加入噪声之后不仅会使区域方差变大，也可能使区域方差变小；2）对于存在过暗区域和过曝区域的视频在这些区域噪声的强度会受到截止，导致这些区域的方差比噪声方差小。这两种情况导致噪声估计算法的结果偏低。

3、噪声强度评价不合理：在实际应用中，尤其是当视频的接受端是人眼时（一般情况都是这样），用噪声方差来表示噪声强度往往不符合人眼的视觉感受，因为相同方差的噪声在不同视频中的视觉效果不同。

由此可见一种稳健的符合人眼视觉特性的视频噪声估计方法在视频分析领域和监控领域都是非常有意义的。

发明内容

针对目前视频噪声检测中存在的不足之处，本发明提出了一种基于人眼视觉特征性噪声估计方法，该方法主要是：准备视频库并进行人工标注得到MOS，通过分析视频的亮度分布、视频帧间的物体运动和随机变化确定视频的过暗、过亮区域，提取帧间的非运动变化量作为噪声评价的参考量                                               ，在噪声评价阶段引入恰可感知模型（JND）来衡量噪声的视觉可见程度，用帧间的结构变化程度衡量噪声的视觉效果，同时估计MOS和之间的关系模型。该方法可以有效的解决目前现有方法存在的问题，对非高斯模型的噪声，甚至是非独立同分布的噪声都有比较好的效果，同时评价结果和人眼的视觉效果有很强的相关性。

本发明解决技术问题所采取的技术方案：

步骤1）噪声强度人工标注：准备一个视频库，该视频库包含了不同场景不同噪声程度的视频，每个视频都由多个不同的人对其进行噪声程度主观打分，分值在0到100之间，每个视频的噪声程度平均值MOS为这个视频的噪声程度的人眼主观分数。

步骤2）去噪：为了能更精确定位运动区域，降低噪声对定位的干扰，首先对视频中的每一帧图像做一个去噪处理。

步骤3）运动区域定位：帧间像素变化可分为三种情况：干扰、光线变化或物体运动；步骤2）已经对视频做了去噪处理，所以这里的帧间变化只需要区分物体运动还是光线变化；在相机固定的情况下，当光线发生变化时，局部区域的帧间像素变化存在如公式（1）所示的规律；假设局部光照一致性，对前后帧图像进行像素归一化，如公式（2、3）所示，将归一化后图像和做帧差，分块计算帧差图像的方差，将方差大于阈值的块记为运动区域；

                                   （1）

                                         （2）

                                       （3）