[发明专利]一种固定场景下低信噪比视频的自适应3D降噪方法

说明书

技术领域

本发明涉及视频降噪研究领域，具体涉及一种基于背景差分和分块判决的时-空域联合的自适应3D降噪方法。

背景技术

以往的视频图像降噪方法主要有空域滤波、时域滤波和时空域联合滤波。空域滤波虽然能滤除一些噪声，但不利用视频帧间关系，易造成图像细节损失。时域滤波利用视频的帧间相关性，非常适于视频降噪，但更适用于静止的视频处理，否则会产生严重的“拖尾”模糊。

时空域联合滤波（即3D滤波）是目前视频降噪的研究热点。有学者采用先时域滤波、后空域滤波的方法，虽然比单独采用时域滤波的降噪效果更明显，但损失了一定的细节，同时没有解决时域滤波的缺陷，即运动目标会产生“拖尾”模糊；有学者提出一种基于运动检测的智能视频序列降噪算法，通过比较当前帧和参考帧对应块的灰度平均值来判断是否有运动出现，若当前帧与参考帧中对应块有超过80%的块满足条件时，才判定为静止区域，进行时域滤波，否则进行空域滤波，但这会使较多的静止像素误判为运动像素，降低去噪效果；有学者提出基于背景提取的时域滤波和像素域自适应滤波的视频降噪方法，通过背景差分法提取运动区域，并自适应地对运动区域使用不同的空域滤波方法，但这种方法存在以下缺点：a、随时间的推移，背景中会出现新的物体或原有物体消失，背景也会随着外界光线不断变化，参与差分的背景却一沉不变，这就会导致一段时间后便不能有效提取运动区域，造成运动目标的误判，处理后的视频严重失真；b、抗干扰性差，对光线敏感，若图像的局部光线强度发生变化，容易产生严重的“块闪烁”效应。有学者提出基于运动补偿的3D降噪算法，通过运动估计找到前向和后向匹配块，对运动强度小的宏块采用时域滤波，对运动强度大的宏块采用空域的双边滤波，但当镜头不运动时，对每个宏块进行运动估计要耗费大量的时间，处理速度慢，不适于镜头固定场合视频的实时处理。

综上，现有的时空域联合视频降噪方法，往往存在易产生“拖尾”模糊、降噪效果差、对光线敏感、易产生“块闪烁”效应、计算量大、不适合实时视频系统等缺点。所以，如何快速、准确的判断出低信噪比视频中的运动区域，提高算法的抗干扰性，最大程度地提高视频的信噪比，避免“拖尾”模糊和“块闪烁”效应，是视频降噪的关键。

发明内容

有鉴于此，本发明提供了一种固定场景下低信噪比视频的自适应3D降噪方法，能够准确判断运动像素，同时减少运算量，提高背景差分法获得运动像素的抗干扰性；视频的信噪比明显提高，运动物体的边缘和细节得到保留，适合固定场景下数字视频的实时降噪。

本发明的一种固定场景下低信噪比视频的自适应3D降噪方法，其特征在于，包括如下步骤：

步骤1、采集用于初始背景估计的N帧视频图像序列F₁~F_N，将第k帧F_k与后一帧F_k+1的灰度值进行差分，得到N-1个差分图像，令D_k表示第k个帧间差分图像，其中k=1,2,...,N-1，N取30～150；

步骤2、根据视频序列噪声标准差估计二值化阈值T_k：针对每个帧间差分图像，将其划分成大小为M×M的方形区域，其中M为正整数，计算每个方形区域的平均灰度值和标准差，取所有标准差中最小值作为该帧间差分图像噪声标准差的估计，则第k个帧间差分图像D_k对应的二值化阈值为T_k=alpha₁×δ_k；其中δ_k表示第k个帧间差分图像D_k对应的噪声标准差的估计，alpha₁取3～4；

步骤3、将帧间差分图像D_k以T_k为阈值进行二值化，得到二值图像O_k；针对视频图像中的某一个位置的像素点，找到二值图中该位置的像素点值为0的所有二值图，将找到的二值图对应的视频图像中该像素点的灰度值累加求和值，再将该和值除以累加次数，得到该像素点的背景估计值；按照上述方法遍历视频图像的所有像素点，求出所有像素点的背景估计值组成初始背景图像back_orig；

步骤4、实时采集视频序列，将当前帧f_n与当前背景图像back的灰度值进行差分，得到当前背景差分图像DB_n；其中，当n=1时，back为步骤3得到的初始背景图像back_orig；