视频序列中脉冲噪声的处理制造技术

本发明专利技术涉及含有(“椒盐”、“雪花”或其它类型的)脉冲噪声的视频序列中的数据的处理，其包括应用递归滤波器(S2)对噪声进行滤波，递归滤波器由下式给出：如果y(n)＞z(n

【技术实现步骤摘要】
【国外来华专利技术】视频序列中脉冲噪声的处理
[0001]本专利技术涉及对基于像素的数字图像的视频序列的降噪处理，具体地是用于校正“椒盐(salt
‑
and
‑
pepper)”(或下文的“脉冲噪声”)型的图像噪声。
[0002]然而，可以认为此噪声不会影响“图像背景”，并且因此用于实时估计背景的图像处理会被关注到，其中可能的应用为：
[0003]‑
在存在脉冲噪声(也被称为“椒盐”噪声，其通常被发现于存在放射性辐射的情况下，放射性辐射会影响传感器的图素，被视为对应像素的饱和度)的情况下处理视频序列；
[0004]‑
利用(例如在视频监控中的)对象跟踪检测视频序列中的移动，其中可能移动的相机拍摄添加有移动元素的固定场景与随处移动的对象。为了检测这些事件，一种解决方案由对背景进行估计，并且然后从图像中减去所述背景组成。
[0005]接下来，重点关注灰度图像(每个像素单个值)的情况；通过对三个通道应用相同的计算来立即扩展彩色图像(三个通道：红色、绿色、蓝色)的情况。
[0006]然后考虑图像的像素的情况，对于序列中第n个图像表示为y(n)，对于这种情况跟踪时间演化，而无需随后指定像素的空间坐标。
[0007]在牢记其它先前提到的应用的同时，可以基于给定时刻n的单个像素y(n)的退化模型来处理由于辐射引起的脉冲噪声的情况。此模型偏离居中的加性噪声的常规模型并且可以例如写成：
[0008]y(n)＝x+u(n)，概率1
‑
p
[0009]y(n)＝s，概率p
[0010]x是在无辐射和测量噪声的情况下像素的确切值，
[0011]u(n)是标准偏差σ
u
的常规噪声测量结果(通常是高斯白噪声)，
[0012]s是“受污染(contaminated)”像素的值，通常是饱和度，
[0013]p是辐射“水平(level)”。
[0014]在此实例中写入了由y(n)采取的值的概率密度f
Y
(y)：
[0015][0016]δ(x)是x的狄拉克(Dirac)δ函数。
[0017]这种简单的模型不是唯一可能性。具体地，受污染值并不一定是恒定的，并且辐射并不是唯一的应用。因此，通常对具有以下形式的概率密度的像素值更感兴趣：
[0018]f
Y
(y)＝(1
‑
p)f
U
(y
‑
x)+pf
S
(y)
[0019]其中f
S
(y)是“受污染”像素(或对应于移动目标的那些像素)的分布，
[0020]并且f
U
(y
‑
x)是“未受污染”像素(或对应于固定背景的那些像素)的分布。
[0021]类似于辐射噪声，下文将保留上述术语“受污染”和“未受污染”(即使具有辐射的图像的情况并非唯一可能的应用)。在最常见的椒盐型脉冲噪声的情况下，噪声值既可以很高(白色像素，饱和度)，也可以很低(黑色像素)，对于f
S
(y)，例如对于在0与由像素I
最大
采取的值的最大值之间振荡的噪声像素，这种情况是双峰形状：
[0022][0023]存在用于对此类型的噪声进行滤波的技术。下文详细给出两种主要技术。
[0024]最简单的方法由使用针对每个像素的值的线性时间滤波组成。通常，经常使用滑动平均或线性时间滤波器，如指数遗忘。指数遗忘通过下式定义：
[0025]z(n)＝(1
‑
α)y(n)+αz(n
‑
1)
[0026]其中α管控滤波器的遗忘因子(通常介于0.8与0.99之间)。
[0027]随时间推移，遗忘因子收敛为由y(n)采取的值的平均值y
平均
。如果s是受污染像素的平均值，则得到：
[0028]y
平均
＝x+p(s
‑
x)
[0029]如果辐射水平p高和/或如果未受污染值x的平均值与“受污染”值s相距很远，则此值可能与确切值x基本上不同。例如，对于p＝20％，正常的黑色像素x＝0和灰度为s＝255的饱和度下的受污染值，得到y平均＝51灰度，所述灰度与确切值相比相差约50个灰度。
[0030]在相机正在移动或可以更改缩放因子的情况下，重置滤波器的最后一个输出，以便跟随相机的各种移动或缩放因子的变化。对应的表达式写为：
[0031]z(q，n)＝(1
‑
α).y(q，n)+α.z(T
n
(q)，n
‑
1)
[0032][0033]其中：
[0034]y(q，n)是第n个原始图像的位置q处的像素的值
[0035]z(q，n)是第n个经滤波图像的位置q处的像素的值
[0036]z
处理后
(q，n)是第n个处理后图像的位置q处的像素的值
[0037]T
n
(.)是原始图像n
‑
1与n之间的估计的变换。
[0038]α是滤波器的遗忘因子(通常介于0.98与0.95之间)
[0039]N(q，n)是当将所有像素的输入设定为等于1的恒定图像时来自时间滤波器的输出。
[0040]不太正式地，此滤波等式写为：
[0041]图像
经滤波
＝(1
‑
α).图像
原始
+α.图像
经滤波，先前重置
[0042][0043]此滤波用于消除辐射的影响(图像中的“雪花(snow)”效应)。
[0044]然而，可以示出，如此处理的图像没有确切地收敛到在没有辐射的情况下获得的图像。
[0045]另一种已知的技术是中值滤波器。
[0046]已知有意义的是选择不是朝平均值而是朝由y(n)采取的值的中值收敛的处理。实际上，如果脉冲噪声水平小于50％，则在x+u(t)的分布的支持下定位由y(t)采取的值的中值。
[0047]此中值独立于受污染值s与确切值x之间的偏差。
[0048]在“椒盐”噪声的情况下，此中值等于x。在“受污染”像素仍大于中值的情况下，此中值由下式给出：
[0049][0050]对于实际观察到的污染水平(例如p＜20％)，所述中值是很小的偏差y
med
‑
x＜0.32σ
u
。
[0051]平均值与中值之差如图1中所展示，所述图表示污染水平为20％的像素采取的值的时间演化的实例。
[0052]为了计算随时间的此中值，对于每个像素，通常的处理由计算在滑动时间窗口内获得的中值组成。在每个窗口内，可以例如通过排序算法(对在时间窗口中通过像素采取的M值进行排序，并且然后采取来自中值的值)或根据由窗口中的像素采取的值的直方图计算中值。
[0053]然而，本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.用于处理含有噪声的视频序列中的数据的方法，所述视频序列由一系列图像形成，所述方法的特征在于，所述方法包括应用递归滤波器对噪声进行滤波，递归滤波器以下被称为“符号滤波器”，并且由下式给出：如果y(n)＞z(n
‑
1)，则z(n)＝z(n
‑
1)+Δ如果y(n)＜z(n
‑
1)，则z(n)＝z(n
‑
1)
‑
Δ以及如果y(n)＝z(n
‑
1)，则z(n)＝z(n
‑
1)其中：
‑
y(n)指定在系列的第n个图像中的未通过应用符号滤波器处理的元素；
‑
z(n
‑
1)指定在系列的第(n
‑
1)个图像中对应于y(n)的位置并且通过应用符号滤波器处理的元素；
‑
z(n)指定在系列的第n个图像中对应于y(n)的位置并且通过应用符号滤波器处理的元素，并且
‑
Δ是严格正系数。2.根据权利要求1所述的方法，其特征在于，元素y(n)、z(n
‑
1)和z(n)是具有相同位置的图像像素，其特征在于，来自系列的图像逐像素处理。3.根据前述权利要求中任一项所述的方法，其特征在于，噪声是“椒盐”或“雪花”型脉冲噪声。4.根据前述权利要求中任一项所述的方法，其特征在于，噪声是脉冲噪声，并且由拍摄所述视频序列的相机的传感器接收到的放射性辐射引起。5.根据权利要求1和2中任一项所述的方法，其特征在于，所述视频序列的图像呈现在所关注的背景前面移动的对象，并且其中，在图像中移动的对象被视为噪声。6.根据前述权利要求中任一项所述的方法，其特征在于，系列图像包括图像背景在系列图像中的视移，所述方法的特征在于，所述方法进一步包括：
‑
将所述视移作为输入结合到符号滤波器。7.根据权利要求6结合权利要求2所述的方法，其特征在于，符号滤波器在视移的情况下的应用由下式给出：如果y(q，n)＞z(T
n
(q)，n
‑
1)，则z(q，n)＝z(T
n
(q)，n
‑
1)+Δ如果y(q，n)＜z(T
n
(q)，n
‑
1)，则z(q，n)＝z(T
n
(q)，n
‑
1)
‑
Δ如果y(q，n)＝z(T
n
(q)，n
‑
1)，则z(q，n)＝z(T
n
(q)，n
‑
1)其中z(q，n)是由第n个图像在具有向量坐标...

【专利技术属性】
技术研发人员：尼库拉斯，
申请(专利权)人：法国电力公司，
类型：发明
国别省市：