[发明专利]一种全景视频降噪与增强方法

说明书

本发明公开了一种全景视频降噪和增强方法。全景视频降噪方法利用当前图像和参考图像，把当前图像分为运动区域和非运动区域，对非运动区域采用帧间递归加权的方法进行降噪，对运动区域采用中值滤波方法进行降噪。全景视频增强方法采用了一种自适应光照补偿的增强方法，引入了全局光照和局部光照参数，可以对低光照，普通光照和高光照图像区域进行自适应的光照补偿，自动调整增强后的图像亮度对比度,并且确保不会引入更大的噪声。两种方法相互结合，可以较好地提高全景视频质量。

技术领域

本发明涉及视频处理领域，具体涉及一种全景视频降噪与增强方法。

背景技术

随着技术的发展，全景视频技术越来越在视频监控，视频会议，虚拟现实等领域得到广泛地应用。全景视频在获取的过程中，受到环境的影响要远大于普通视频。因为全景相机的视角是全方位的，所以全景相机所要面临的光照动态范围要远大于普通相机，当环境中存在强光源的情况下，全景相机因为要压缩更大的光照动态范围，会导致图像中部分区域过暗。当环境光照不足的情况下，会导致视频本身曝光不足，并且引入大量的噪声。因此全景视频的降噪与增强的需求，要远大于普通视频。

为了提高全景视频的质量，可以采用视频降噪和视频增强算法对全景视频进行处理。视频的噪声通常会建模成均值为0的高斯噪声，这种噪声同一像素位置帧间互相独立，帧内不同像素也互相独立。因此可以采用时域和空域降噪方法进行视频降噪。时域降噪利用图像帧间噪声不相关的特点进行降噪，可以采用多帧加权或者递归加权的方法进行多帧降噪，虽然能有效的降低帧间噪声，但是也会导致运动物体拖尾的现象。空域降噪算法利用图像相邻像素的相关性而噪声不相关的特点进行噪声消除，多采用例如高斯滤波，局部平均的低通滤波方法，虽然能有效降低噪声的影响，但是图像的边缘和细节也被模糊。对于视频增强方法，传统的直方图均衡算法可以有效地提高图像的对比度的同时也提高噪声的幅度水平，Retinex算法是一种比较优秀的图像增强算法，但是会对图像中亮度变化剧烈的区域引入光晕，并且引入色彩失真现象。

发明内容

本发明公开了一种全景视频降噪方法和全景视频增强方法。全景视频降噪方法利用参考图像，求取图像中的运动区域，对于非运动区域采用多帧递归加权方法进行降噪，对于运动区域采用帧内中值滤波的方法进行降噪，这样既有效地去除噪声，又提高了运算速度，并且避免了运动区域拖尾的现象。全景视频增强方法采用了一种自适应光照补偿的增强方法，引入了全局光照和局部光照参数，可以对低光照，普通光照和高光照图像和图像区域进行自适应的光照补偿，自动调整增强后的图像亮度对比度，并且确保不会引入更大的噪声。本文提出的视频降噪方法和视频增强方法互相结合，可以极大提高全景视频的质量。

一种全景视频降噪与增强方法，其特征在于：包括以下步骤：

(1)利用参考图像，估计当前图像相对于参考图像的全局运动失量；

(2)利用全局运动失量和参考图像，把当前图像分为运动区域和非运动区域；

(3)对视频中非运动区域进行递归加权降噪，对视频中的运动区域采用中值滤波器进行降噪，并保存降噪后的图像作为下一帧的参考图像；

(4)对降噪后的视频图像利用自适应曝光补偿的图像增强方法进行增强。

上述步骤1中利用当前图像和参考图像的Y通道计算全局SAD，求取当前图像的运动失量：

mv＝argmin(Σ|Y(x+u，y+v)-Y′(x，y)|) (1)

其中，mv为二维运动失量，Y(x，y)为当前图像的Y通道图像，Y’(x，y)为参考图像Y通道图像。

上述步骤2中估计当前图像的运动区域的方法：

(1)如果

|mv.u|+|mv.v|≤Th_mm (2)