一种视频序列的去噪方法、装置、服务器和存储介质制造方法及图纸

本发明专利技术公开了一种视频序列的去噪方法、装置、服务器和存储介质，该方法包括：分别提取待去噪视频序列中各图像的特征，并构建视频序列特征矩阵；对所述视频序列特征矩阵进行稀疏约束，获得满足稀疏约束条件的稀疏特征；依据所述稀疏特征，将所述待去噪视频序列中各图像拆分为背景图像和运动目标图像进行去噪处理。本发明专利技术通过优化后的稀疏特征准确分离待去噪视频序列中各图像的背景图像与运动目标，根据待去噪视频序列的动态特征对视频进行去噪处理，提高视频序列的去噪效果且不损失运动目标的细节特征，降低运算复杂度以及算法运行时间。通过在较短的时间内实现对视频序列中噪声的消除，使用户获得画质更加清晰且运动细节特征明显的视频序列。

【技术实现步骤摘要】
一种视频序列的去噪方法、装置、服务器和存储介质
本专利技术涉及图像处理
，尤其涉及一种视频序列的去噪方法、装置、服务器和存储介质。
技术介绍
现实中的数字图像在数字化和传输过程中常受到成像设备以及外部环境噪声干扰等影响，均以含噪图像或噪声图像的形式存在。图像去噪的目的是从含噪图像或噪声图像中抑制或消除各种干扰噪声，以为揭示隐藏于图像中的未知信息提供有力保障。目前，现有的图像去噪方法很多。传统的稀疏分解去噪方法的基本思想是：利用过完备的冗余函数字典即过完备原子库来取代传统的正交基函数作为基函数，字典的选择尽可能地符合被逼近图像的结构，字典中的元素称为原子；并根据待分解图像的特点，利用贪婪算法或者自适应追踪算法，从过完备字典中找到具有最佳线性组合的数项原子来表示一个图像。然而，传统的稀疏分解去噪方法需要构建低秩矩阵，不利于图像特征的表达；且主要适用于单帧图像画面，不便于结合运动目标的细节对动态视频序列进行统一去噪。当采用冗余的超完备字典时，根据信号的长度进行离散时需要大量的资源和时间进行字典的生成，且生成的字典原子数量巨大，导致计算复杂以及算法运行时间长等问题，对硬件实现及算法时间提出了较高要求。
技术实现思路
本专利技术实施例提供了一种视频序列的去噪方法、装置、服务器和存储介质，通过优化图像特征准确分离背景图像与运动目标，提高视频序列的去噪效果且不损失运动目标的细节特征，降低运算复杂度。第一方面，本专利技术实施例提供了一种视频序列的去噪方法，包括：分别提取待去噪视频序列中各图像的特征，并构建视频序列特征矩阵；对所述视频序列特征矩阵进行稀疏约束，获得满足稀疏约束条件的稀疏特征；依据所述稀疏特征，将所述待去噪视频序列中各图像拆分为背景图像和运动目标图像进行去噪处理。第二方面，本专利技术实施例提供了一种视频序列的去噪装置，包括：特征提取模块，用于分别提取待去噪视频序列中各图像的特征，并构建视频序列特征矩阵；特征稀疏约束模块，用于对所述视频序列特征矩阵进行稀疏约束，获得满足稀疏约束条件的稀疏特征；视频序列去噪模块，用于依据所述稀疏特征，将所述待去噪视频序列中各图像拆分为背景图像和运动目标图像进行去噪处理。第三方面，本专利技术实施例提供了一种服务器，包括：一个或多个处理器；存储器，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本专利技术任意实施例所述的视频序列的去噪方法。第四方面，本专利技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本专利技术任意实施例所述的视频序列的去噪方法。本专利技术在对待去噪视频序列中各图像的特征进行提取后，将待去噪视频序列中各图像的特征构建为视频序列特征矩阵；并进行稀疏约束得到满足稀疏约束条件的稀疏特征；依据稀疏特征准确地进行背景与运动目标的拆分，从而分别对背景与运动目标进行去噪处理。本专利技术通过优化后的稀疏特征准确分离待去噪视频序列中各图像的背景图像与运动目标，根据待去噪视频序列的动态特征对视频进行去噪处理，提高视频序列的去噪效果且不损失运动目标的细节特征，降低运算复杂度以及算法运行时间。通过在较短的时间内实现对视频序列中噪声的消除，使用户获得画质更加清晰且运动细节特征明显的视频序列。附图说明图1为本专利技术实施例一提供的一种视频序列的去噪方法的流程图；图2为本专利技术实施例二提供的稀疏滤波器训练的流程图；图3为本专利技术实施例三提供的一种视频序列的去噪方法的流程图；图4为本专利技术实施例四提供的一种视频序列的去噪装置的结构示意图；图5为本专利技术实施例五提供的一种服务器的结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。实施例一图1为本专利技术实施例一提供的一种视频序列的去噪方法的流程图，本实施例可适用于视频序列去噪的情况，该方法可由视频序列的去噪装置来执行。该方法具体包括如下步骤：步骤110、分别提取待去噪视频序列中各图像的特征，并构建视频序列特征矩阵。在本专利技术具体实施例中，待去噪视频序列为连续的多帧视频序列，其中可以包含静态的背景图像，也可以包含运动的目标图像。分别提取待去噪视频序列中各图像的特征，图像的特征可以包括但不局限于图像像素点的像素值、图像的轮廓特征以及图像的纹理特征等图像特征，本实施例不对图像特征进行限定。在获取待去噪视频序列中各图像的特征后，将所有图像的特征进行组合，构建为一个完整的视频序列特征矩阵。视频序列特征矩阵的构建公式为：其中，X为根据各图像特征构建的视频序列特征矩阵；h为图像的高，w为图像的宽，R为大小为h×w的矩阵；xi为待去噪视频序列中各图像的特征向量，其矩阵大小不超过Rh×w。步骤120、对视频序列特征矩阵进行稀疏约束，获得满足稀疏约束条件的稀疏特征。在本专利技术的具体实施例中，稀疏约束就是将图像特征输入特定的代价函数中，通过求解满足代价函数的解，即可将特征约束在代价函数限定的稀疏约束条件内。示例性的，对某一特征进行二范数约束，就是将特征约束在了一个半径为|2-ball|的球里面。经过稀疏约束后的特征能够得到很好的优化，特征间的区分性更好，且增加特征含有的信息量，减少特征矩阵的冗余度。优选的，将视频序列特征矩阵输入训练好的稀疏滤波器进行稀疏滤波处理，获得满足稀疏约束条件的稀疏特征。在本实施例中，可以利用稀疏滤波器对特征进行稀疏滤波处理，从而获得满足稀疏约束条件的稀疏特征。其中可以通过采用大量的样本视频序列来训练稀疏滤波器，使其通过训练学习的方式得到参数稳定的稀疏滤波器。或者，调节预设目标权重，并依据预设目标权重和视频序列特征矩阵获得满足稀疏约束条件的稀疏特征。根据人为经验设定特定的目标权重，使得与目标权重乘积后的视频序列特征矩阵中的各个特征满足稀疏约束条件，获得视频序列的稀疏特征。步骤130、依据稀疏特征，将待去噪视频序列中各图像拆分为背景图像和运动目标图像进行去噪处理。在本专利技术具体实施例中，由于稀疏特征为优化后的视频序列特征，因此特征间的区分度更高。在稀疏特征的基础上，对视频序列中各图像的背景图像和运动目标进行拆分，从而结合视频中的运动特征，以不同的去噪水平分别对背景图像和运动目标进行去噪处理。因此，在视频序列去噪的同时，很好的保障了视频中的运动细节，而不会将真实的运动目标视为噪声而一同去除。具体的，可以对稀疏特征进行小波变换，进一步地提高图像特征的区分度；根据小波变换后的特征，提取待去噪视频序列的边缘特征；并以边缘特征为依据，将待去噪视频序列拆分为背景图像和运动目标图像；根据图像中的动态特征，分别对背景图像和运动目标图像进行时域去噪处理；并将时域去噪后的背景图像和运动目标图像融合为完整的图像序列；对融合后的图像序列再次进行空域去噪，获得去除噪声后的图像序列。本实施例的技术方案，在对待去噪视频序列中各图像的特征进行提取后，将待去噪视频序列中各图像的特征构建为图像序列特征矩阵；并进行稀疏约束得到满足稀疏约束条件的稀疏特征；依据稀疏特征准确地进行背景与运动目标的拆分，从而分别对背景与运动目标进行去噪处理。本专利技术通过优化后的稀疏特征准确分本文档来自技高网...

【技术保护点】
1.一种视频序列的去噪方法，其特征在于，包括：分别提取待去噪视频序列中各图像的特征，并构建视频序列特征矩阵；对所述视频序列特征矩阵进行稀疏约束，获得满足稀疏约束条件的稀疏特征；依据所述稀疏特征，将所述待去噪视频序列中各图像拆分为背景图像和运动目标图像进行去噪处理。

【技术特征摘要】
1.一种视频序列的去噪方法，其特征在于，包括：分别提取待去噪视频序列中各图像的特征，并构建视频序列特征矩阵；对所述视频序列特征矩阵进行稀疏约束，获得满足稀疏约束条件的稀疏特征；依据所述稀疏特征，将所述待去噪视频序列中各图像拆分为背景图像和运动目标图像进行去噪处理。2.根据权利要求1所述的方法，其特征在于，所述对所述视频序列特征矩阵进行稀疏约束，获得满足稀疏约束条件的稀疏特征，包括：将所述视频序列特征矩阵输入训练好的稀疏滤波器进行稀疏滤波处理，获得满足稀疏约束条件的稀疏特征；或者，调节预设目标权重，并依据所述预设目标权重和所述视频序列特征矩阵获得满足稀疏约束条件的稀疏特征。3.根据权利要求2所述的方法，其特征在于，训练稀疏滤波器，包括：提取样本视频序列中各图像的特征，并构建样本视频序列特征矩阵；依据所述预设目标权重和所述样本视频序列特征矩阵，获得样本特征向量矩阵；依据预设激活函数对所述样本特征向量矩阵进行激活；对激活后的样本特征向量矩阵进行稀疏约束，获得稀疏滤波器。4.根据权利要求3所述的方法，其特征在于，所述对激活后的样本特征向量矩阵进行稀疏约束，获得稀疏滤波器，包括：分别将激活后的样本特征向量矩阵中的各个特征除以所述样本视频序列下所有样本图像中该类特征的二范数；对样本视频序列中的各图像的各个特征元素进行归一化处理，获得稀疏滤波目标函数；求解使得所述稀疏滤波目标函数满足所述稀疏约束条件的稀疏滤波器参数；依据所述稀疏滤波器参数，获得训练好的稀疏滤波器。5.根据权利要求1所述的方法，其特征在于，所述依据所述稀疏特征，将所述待去噪视频序列中各图像拆分为背景图像和运动目标图像进行去噪处理，包括：对所述稀疏特征进行小波变换；依据小波变换后的稀疏特征，提取所述待去噪视频序列中各图像的边缘特征；依据所述各图像的边缘特征，将所述待去噪视频序列中各图像拆分为背景图像和运动目标图像；分别对所述背景图像和所述运动目标图像进行时域去噪处理。6.根据权利要求5所述的方法，其特征在于，在所述分别对所述背景图像和所述运动目标图像进行时域去噪处理之后，包括：分别将时域去噪后的背景图像和运动目标图像融合为完整的视频图像；对所述融合后的视频图像进行空域去噪，获得去除噪声后的视频序列。7.一种视频序列的去噪装置，其特征在于，包括：特征提取模块，用于分别提取待去噪视频序列中各图像的特征，并构建视频序列特征矩阵；特征稀疏约束模块，用于对所述视频序列特征矩阵进行稀疏约束，获得满足稀疏约束条件的稀疏特征；视频序列去噪模块，用于依据所述稀疏特征，将...

【专利技术属性】
技术研发人员：肖志林，黄哲，
申请(专利权)人：深圳创维RGB电子有限公司，
类型：发明
国别省市：广东,44