本发明专利技术公开了一种固定场景下低信噪比视频的自适应3D降噪方法，将“背景的估计、更新”和“时域滤波”有机的结合了起来，既估计出了实时的背景，又极大地抑制了噪声，获得了十分清晰的背景区域；检测运动目标时，采用分块判决法再次判定运动像素块，计算量小，不需要多余的参数设置，既对运动检测起到了补偿的作用，而且规则的方块又有利于后续的分区处理；背景更新时，将平均帧以相对较大的权系数更新到背景帧中，可以很好地适应光线的实时变化，提高抗干扰能力，且避免了“块闪烁”效应；只更新与背景区域位置对应的宏块，可以保持背景的干净；根据视频序列噪声方差的实时变化来估计二值化的阈值，估计准确，自适应性强。
【技术实现步骤摘要】
本专利技术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。
技术介绍
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。
技术实现思路
有鉴于此，本专利技术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。本专利技术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F1In,将第k帧Fk与后一帧Fk+1的灰度值进行差分，得到N-1个差分图像，令Dk表示第k个帧间差分图像，其中k=l, 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Tk:针对每个帧间差分图像，将其划分成大小为MXM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Dk对应的二值化阈值为T1^alpha1 X δ k ;其中δ k表示第k个帧间差分图像Dk对应的噪声标准差的估计，alpha!取3 4 ;步骤3、将帧间差分图像Dk以Tk为阈值进行二值化，得到二值图像Ok ;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O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backOTig ；步骤4、实时采集视频序列，将当前帧4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DBn ;其中，当n=l时，back为步骤3得到的初始背景图像backOTig ；步骤5、按照步骤2的方法估计二值化阈值Tn，即:以当前背景差分图像DBn为对象，将其划分成大小为MXM的多个方形区域，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当前背景差分图像噪声标准差的估计Sn，则二值化阈值Tn=aIpha2 X δ n，其中 alpha2 取 4 5 ;步骤6、将所述当前背景差分图像DBn以Tn为阈值进行二值化处理，并去除连通域小于10的散点噪声，得到二值化的背景差分图像bwDBn ；步骤7、分块判决法判定运动像素块:将二值化的背景差分图像bwDBn划分成M' XW大小的方形区域，其中为正整数；然后判别每个区域的状态:若M' XW的区域中所有像素点的值均为0，则当前灰度图像4中的该区域判定为背景像素块FBbadt ;否则当前灰度图像fn中的该区域判定为运动像素块FB_ ；步骤8、对步骤7中判定的运动像素块FB_进行空域滤波，填充到当前背景图像back中运动像素块各自所在的位置，得到当前帧的3D降噪图像；步骤9、实时更新当前背景图像，用于下一次的处理:首先，将当前帧fn与其前一帧、后一帧fn+1进行累加平均，得到平均值图像ζ，即；然后，对平均值图像ζ和当前背景图像back对应的像素点加权求和，得到更新后的当前背景图像back，具体为:判断当前灰度图像fn中每一个像素 点属于某个背景像素块FBbadt中的像素点还是属于某个运动像素块FB_中的像素点:如果属于背景像素块FBbadt中的像素点，则平均值图像中该点的权值取为α，当前背景图像中的该点权值取为1-α，α取0.3 0.4 ;如果属于运动像素块FB_中的像素点，则当前背景图像中该点的权值取为1，平均值图像中的该点权值取为O ;步骤10、对于输入的每一帧视频图像，分别进行步骤4至步骤9的处理，得到视频的3D降噪结果。所述步骤2中M的取值由Q/10的商四舍五入得到，其中Q为待处理视频图像所述步骤2中，Blpha1取3。所述步骤3在二值化得到二值图后，再采用连通性检验去除二值图中连通域小于10的散点噪声；最后，对二值图进行先膨胀后腐蚀的形态学处理，以弥补二值图中运动物体的内部空洞。所述步骤5中alpha2取4。所述步骤7中M'取16。所述步骤9中，α取0.35。本专利技术具有如下有益效果:I)将“背景的估计、更新”和“时域滤波”有机的结合了起来，既估计出了实时的背景，又极大地抑制了噪声，获得了十分清晰的背景区域；2)检测运动目标时，采用分块判决法再次判定运动像素块，计算量小，不需要多余的参数设置，既对运动检测起到了补偿的作用，而且规则的方块又有利于后续的分区处理；3)背景更新时，将平均帧以相对较大的权系数更新到背景帧中，可以很好地适应光线的实时变化，提高抗干扰能力，且避免了“块闪烁”效应；只更新与背景区域位置对应的宏块，可以保持背景的干净；根据视频序列噪声方差的实时变化来估计二值化的阈值，估计准确，自适应性强。附图说明图1为本专利技术中背景更新时平均帧与背景帧的加权平均过程图。具体实施例方式下面结合附图并举实施例，对本专利技术进行详细描述。本专利技术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，包括如下步骤:步骤1、采集用于初始背景估计的N帧视频序列广F，将第k帧Fk与后一帧Fk+1的灰度值进行差分本文档来自技高网...
【技术保护点】
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～FN，将第k帧Fk与后一帧Fk+1的灰度值进行差分，得到N?1个差分图像，令Dk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Tk：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Dk对应的二值化阈值为Tk=alpha1×δk；其中δk表示第k个帧间差分图像Dk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Dk以Tk为阈值进行二值化，得到二值图像Ok；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backorig；步骤4、实时采集视频序列，将当前帧fn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DBn；其中，当n=1时，back为步骤3得到的初始背景图像backorig；步骤5、按照步骤2的方法估计二值化阈值Tn，即：以当前背景差分图像DBn为对象，将其划分成大小为M×M的多个方形区域，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当前背景差分图像噪声标准差的估计δn，则二值化阈值Tn=alpha2×δn，其中alpha2取4～5；步骤6、将所述当前背景差分图像DBn以Tn为阈值进行二值化处理，并去除连通域小于10的散点噪声，得到二值化的背景差分图像bwDBn；步骤7、分块判决法判定运动像素块：将二值化的背景差分图像bwDBn划分成M′×M′大小的方形区域，其中M′为正整数；然后判别每个区域的状态：若M′×M′的区域中所有像素点的值均为0，则当前灰度图像fn中的该区域判定为背景像素块FBback；否则当前灰度图像fn中的该区域判定为运动像素块FBmov；步骤8、对步骤7中判定的运动像素块FBmov进行空域滤波，填充到当前背景图像back中运动像素块各自所在的位置，得到当前帧的3D降噪图像；步骤9、实时更新当前背景图像，用于下一次的处理：首先，将当前帧fn与其前一帧fn?1、后一帧fn+1进行累加平均，得到平均值图像即；然后，对平均值图像和当前背景图像back对应的像素点加权求和，得到更新后的当前背景图像back，具体为：判断当前灰度图像fn中每一个像素点属于某个背景像素块FBback中的像素点还是属于某个运动像素块FBmov中的像素点：如果属于背景像素块FBback中的像素点，则平均值图像中该点的权值取为α，当前背景图像中的该点权值取为1?α，α取0.3～0.4；如果属于运动像素块FBmov中的像素点，则当前背景图像中该点的权值取为1，平均值图像中的该点权值取为0；步骤10、对于输入的每一帧视频图像，分别进行步骤4至步骤9的处理，得到视频的3D降噪结果。FDA00002967339500021.jpg,FDA00002967339500022.jpg...
【技术特征摘要】
1.一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 Fn，将第k帧Fk与后一帧Fk+1的灰度值进行差分，得到N-1个差分图像，令Dk表示第k个帧间差分图像，其中k=l，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Tk:针对每个帧间差分图像，将其划分成大小为MXM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Dk对应的二值化阈值为Tk=alphaiX δ k ;其中δ k表示第k个帧间差分图像Dk对应的噪声标准差的估计，alpha!取3 4 ; 步骤3、将帧间差分图像Dk以Tk为阈值进行二值化，得到二值图像Ok ;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O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backOTig ； 步骤4、实时采集视频序列，将当前帧fn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DBn ;其中，当n=l时，back为步骤3得到的初始背景图像backOTig ； 步骤5、按照步骤2的方法估计二值化阈值Tn，即:以当前背景差分图像DBn为对象，将其划分成大小为MXM的多个方形区域，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当前背景差分图像噪声标准差的估计Sn，则二值化阈值Tn=aIpha2 X δ n，其中 alpha2 取 4 5 ; 步骤6、将所述当前背景差分图像DBn以Tn为阈值进行二值化处理，并去除连通域小于10的散点噪声，得到二值化的背景差分图像bwDBn ； 步骤7、分块判决法判定运动像素块: 将二值化的背景差分图像bwDBn划分成M' XW大小的方形区域，其中M'为正整数；然后判别每个区域的...
【专利技术属性】
技术研发人员：徐超，任君，金伟其，宋博，秦姗，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。