一种视频去噪的方法和设备技术

本发明专利技术公开了一种视频去噪的方法和设备，用以解决现有技术中在视频去噪后视频感知质量差的问题。本发明专利技术将接收到的待去噪视频分割成多个去噪视频的GOP，并根据去噪视频的GOP的第一质量值确定待去噪视频的第二质量值；根据待去噪视频的第二质量值确定稀疏表示阈值；将稀疏表示阈值和待去噪视频的像素值输入训练联合字典，以对待去噪视频进行稀疏表示去噪；其中，其中，训练联合字典为视频空域训练集和视频时域训练集采用KSVD方法训练的联合字典。由于本发明专利技术不仅对空域噪声进行了去噪处理，还对时域噪声进行了去噪处理，不仅保证了待去噪视频中每帧图像的质量，还保证视频不会产生抖动和闪烁等问题，提升视频的整体感知质量。

A method and equipment of video denoising

【技术实现步骤摘要】
一种视频去噪的方法和设备
本专利技术涉及通信
，特别涉及一种视频去噪的方法和设备。
技术介绍
在视频通信、多媒体通信系统中，高清视频的数据量非常庞大，因此在传输和存储过程中，需要对获取到的视频数据进行编码操作。目前使用的一种国际编码标准有：JPEG(JointPhotographicExpertsGroup，联合图像专家小组)、MPEG(MovingPicturesExpertsGroup，动态图象专家组)、H.264/AVC(AdvancedVideoCoding，高级视频编码)和H265采用BDTC(Block-basedDiscreteCosineTransform，基于块的离散余弦变换)压缩图像和视频。在视频通过上列编码标准进行编码后会产生块效应等噪声，严重影响视频视觉感知。在高清视频通话时，块效应等噪声的影响非常严重，因此需要对编码后的视频进行去块效应等噪声的处理，目前对编码视频的去噪处理包括后处理方法，后处理去噪方法主要是针对视频编码后得到的每帧数据进行去噪处理。且采用后处理去噪的方法主要针对视频的空域视频进行去噪处理，但是在进过后处理去噪后，视频图像模糊，且产生抖动和闪烁等问题。综上，现有技术中在对视频的空域视频去噪后，视频图像模糊，且由于视频存在时域噪声会产生抖动和闪烁的现象，使视频的整体感知质量差。
技术实现思路
本专利技术提供一种视频去噪的方法和设备，用以解决现有技术中在视频去噪后视频感知质量差的问题。第一方面，本专利技术实施例提供一种视频去噪的方法，该方法包括：将接收到的待去噪视频分割成多个去噪视频的GOP(GroupofPicture，画面组)，并根据所述去噪视频的GOP的第一质量值确定所述待去噪视频的第二质量值；根据所述待去噪视频的第二质量值确定稀疏表示阈值；将所述稀疏表示阈值和所述待去噪视频的像素值输入训练联合字典，以对所述待去噪视频进行稀疏表示去噪；其中，所述训练联合字典为视频空域训练集和视频时域训练集采用KSVD(K-meansSingularValueDecomposition，K均值奇异值分解)方法训练的联合字典。上述方法，对接收到的待去噪视频进行去噪处理时，先将接收到的待去噪视频分割成多个去噪视频的GOP，并计算每个去噪视频的GOP的第一质量值，根据计算的第一质量值确定待去噪视频的第二质量值，进而根据第二质量值确定待去噪视频的稀疏表示阈值，将所述待去噪视频的稀疏表示阈值和待去噪视频的像素值输入训练联合字典，对待去噪视频进行稀疏表示去噪，其中训练联合字典是采用KSVD训练方法，对字典空域训练集和字典时域训练集进行训练得到的；由于本专利技术中在对待去噪视频进行处理时，不仅对视频的空域噪声进行了去噪处理，同时对视频的时域噪声进行了去噪处理，因此在保证待去噪视频中每帧图像质量的同时，还保证视频不会产生抖动和闪烁等问题，提升视频的整体感知质量。在一种可能的实现方式中，根据所述去噪视频的GOP的第一质量值确定所述待去噪视频的第二质量值时，采用无参考质量评估方法确定所述待去噪视频中的每个所述去噪视频的GOP的第一质量值；根据确定的多个所述去噪视频的GOP的第一质量值求平均，并将得到的平均值作为待去噪视频的第二质量值。上述方法，采用无参考质量评估方法准确的确定出每个去噪视频的GOP的第一质量值，将确定的多个去噪视频的GOP的第一质量值求平均得到待去噪视频的第二质量值，根据计算第二质量值的方式可以准确的计算出第二质量值。在一种可能的实施方式中，根据所述待去噪视频的第二质量值确定稀疏表示阈值时，根据第二质量值与稀疏表示阈值的对应关系，确定所述待去噪视频的第二质量值对应的稀疏表示阈值。上述方法，在确定待去噪视频的第二质量值的前提下，根据第二质量值与稀疏表示阈值的对应关系，可以准确的确定待去噪视频的稀疏表示阈值。在一种可能的实施方式中，根据下列方式确定第二质量值与稀疏表示阈值的对应关系：确定第一视频训练集中每个第一视频片段的第二质量值；将每个第一视频片段及所述第一视频片段对应的多个稀疏表示阈值输入所述训练联合字典，确定所述训练联合字典输出的每个稀疏表示阈值对应的去噪处理后的第一视频片段；确定所述去噪处理后的每个第一视频片段对应的第三质量值；确定同一个所述去噪处理后的第一视频片段对应的所述第三质量值与所述第二质量值的质量差值；将计算得到的不同所述去噪处理后的第一视频片段的质量差值进行对比，确定所述质量差值最大的所述去噪处理后的第一视频片段对应的第三质量值，并根据第三质量值确定稀疏表示阈值；根据确定的所述稀疏表示阈值及所述去噪处理后的第一视频片段对应的第二质量值，确定第二质量值与稀疏表示阈值的对应关系。上述方法，对视频训练集中的每个第一视频片段都确定出一组包含去噪处理后的第一视频片段的第三质量值与第二质量值之间的差值最大时对应的稀疏表示阈值，及第一视频片段的第二质量值的数据，因此确定出多组数据，根据确定的多组包含所述稀疏表示阈值及所述去噪处理后的第一视频片段对应的第二质量值的数据，确定第二质量值与稀疏表示阈值的对应关系，使确定出的第二质量值与稀疏表示阈值的对应关系更加的准确，进而可以根据所述对应关系在确定第二质量值的情况下，准确的求得需要输入到训练联合字典中的稀疏表示阈值。在一种可能的实施方式中，根据下列方式确定所述训练联合字典：将第二视频训练集中每个第二视频片段分割成M个训练视频的GOP；针对任意一个所述第二视频片段，从所述第二视频片段分割得到的M个所述训练视频的GOP中选取N个所述训练视频的GOP；根据选取的所述训练视频的GOP确定所述字典空域训练集和所述字典时域训练集；将所述字典空域训练集及所述字典时域训练集进行联合处理，确定字典训练数据集；将所述字典训练数据集采用KSVD方法进行训练，确定所述训练联合字典；其中，M和N为正整数，且N小于等于M。上述方法，训练联合字典是字典训练数据集采用KSVD方法进行训练得到的，其中字典训练数据集是由字典空域训练集及所述字典时域训练集进行联合处理得到的，因此采用KSVD方法对模型进行训练时即对空域进行训练，又对时域进行训练，输出的训练联合字典是字典空域训练集及字典时域训练集采用KSVD方法训练确定的，因此在后续使用训练联合字典对待去噪视频进行去噪处理时，既可以对空域噪声进行去噪处理，又可以对时域噪声进行去噪处理。在一种可能的实施方式中，根据选取的所述训练视频的GOP确定所述字典空域训练集时，针对任意一个所述训练视频的GOP，根据训练视频的GOP中的视频帧选取第一视频块；将选取的所述第一视频块中像素点的数量作为行数，及将选取的所述第一视频块的数量作为列数，生成第一数据矩阵，其中所述第一数据矩阵的数据为选取的所述第一视频块的像素值；将生成的第一数据矩阵作为所述字典空域训练集。上述方法，在选取的每个训练视频的GOP中选取第一视频块，将本文档来自技高网...

【技术保护点】
1.一种视频去噪的方法，其特征在于，该方法包括：/n将接收到的待去噪视频分割成多个去噪视频的画面组GOP，并根据所述去噪视频的GOP的第一质量值确定所述待去噪视频的第二质量值；/n根据所述待去噪视频的第二质量值确定稀疏表示阈值；/n将所述稀疏表示阈值和所述待去噪视频的像素值输入训练联合字典，以对所述待去噪视频进行稀疏表示去噪；/n其中，所述训练联合字典为视频空域训练集和视频时域训练集采用K值奇异分解KSVD方法训练的联合字典。/n

【技术特征摘要】
1.一种视频去噪的方法，其特征在于，该方法包括：
将接收到的待去噪视频分割成多个去噪视频的画面组GOP，并根据所述去噪视频的GOP的第一质量值确定所述待去噪视频的第二质量值；
根据所述待去噪视频的第二质量值确定稀疏表示阈值；
将所述稀疏表示阈值和所述待去噪视频的像素值输入训练联合字典，以对所述待去噪视频进行稀疏表示去噪；
其中，所述训练联合字典为视频空域训练集和视频时域训练集采用K值奇异分解KSVD方法训练的联合字典。


2.如权利要求1所述的方法，其特征在于，所述根据所述去噪视频的GOP的第一质量值确定所述待去噪视频的第二质量值，包括：
采用无参考质量评估方法确定所述待去噪视频中的每个所述去噪视频的GOP的第一质量值；
根据确定的多个所述去噪视频的GOP的第一质量值求平均，并将得到的平均值作为待去噪视频的第二质量值。


3.如权利要求1所述的方法，其特征在于，所述根据所述待去噪视频的第二质量值确定稀疏表示阈值，包括：
根据第二质量值与稀疏表示阈值的对应关系，确定所述待去噪视频的第二质量值对应的稀疏表示阈值。


4.如权利要求3所述的方法，其特征在于，根据下列方式确定第二质量值与稀疏表示阈值的对应关系：
确定第一视频训练集中每个第一视频片段的第二质量值；
将每个第一视频片段的像素值及所述第一视频片段对应的多个稀疏表示阈值输入所述训练联合字典，确定所述训练联合字典输出的每个稀疏表示阈值对应的去噪处理后的第一视频片段；
确定所述去噪处理后的每个第一视频片段对应的第三质量值；
确定同一个所述去噪处理后的第一视频片段对应的所述第三质量值与所述第二质量值的质量差值；
将计算得到的不同所述去噪处理后的第一视频片段的质量差值进行对比，确定所述质量差值最大的所述去噪处理后的第一视频片段对应的第三质量值，并根据第三质量值确定稀疏表示阈值；
根据确定的所述稀疏表示阈值及所述去噪处理后的第一视频片段对应的第二质量值，确定第二质量值与稀疏表示阈值的对应关系。


5.如权利要求1所述的方法，其特征在于，根据下列方式确定所述训练联合字典：
将第二视频训练集中每个第二视频片段分割成M个训练视频的GOP；
针对任意一个所述第二视频片段，从所述第二视频片段分割得到的M个所述训练视频的GOP中选取N个所述训练视频的GOP；
根据选取的所述训练视频的GOP确定所述字典空域训练集和所述字典时域训练集；
将所述字典空域训练集及所述字典时域训练集进行联合处理，确定字典训练数据集；
将所述字典训练数据集采用KSVD方法进行训练，确定所述训练联合字典；
其中，M和N为正整数，且N小于等于M。


6.如权利要求5所述的方法，其特征在于，所述根据选取的所述训练视频的GOP确定所述字典空域训练集，包括：
针对任意一个所述训练视频的GOP，根据训练视频的GOP中的视频帧选取第一视频块；
将选取的所述第一视频块中像素点的数量作为行数，及将选取的所述第一视频块的数量作为列数，生成第一数据矩阵，其中所述第一数据矩阵的数据为选取的所述第一视频块的像素值；
将生成的第一数据矩阵作为所述字典空域训练集。


7.如权利要求5所述的方法，其特征在于，所述根据选取的所述训练视频的GOP确定所述字典时域训练集，包括：
针对任意一个所述训练视频的GOP，根据运动估计算法确定所述训练视频的GOP中前后两帧相匹配的第二视频块；
将选取的所述第二视频块中像素点的数量作为行数，及将选取的所述第二视频块的数量作为列数生成第二数据矩阵，其中所述第二数据矩阵的数据为前帧对应的第二视频块的像素值，及前帧对应的第二视频块与后帧对应的第二视频块之间的像素质量差值；
将生成的第二数据矩阵作为所述字典时域训练集。


8.一种视频去噪的设备，其特征在于，该设备包括：处理器以及收发机：
所述处理器用于：将接收到的待去噪视频分割成多个去噪视频的GOP，...

【专利技术属性】
技术研发人员：袁其政，宋钦梅，郭明松，方华，周骏华，李金龙，
申请(专利权)人：中移杭州信息技术有限公司，中国移动通信集团有限公司，
类型：发明
国别省市：浙江;33