本发明专利技术属于视频数字图像处理技术。针对现有视频图像运动处理方法中存在的误差较大的问题，提供了一种引入全局特征分类的视频图像运动处理方法。引入全局特征分类的视频图像运动处理方法包括如下步骤：提取像素点的局部特征，包括局部运动特征；提取图像的全局特征；依据得到的局部特征和全局特征对像素点进行分类；对得到的类别赋予校正参数；利用得到的校正参数对局部运动特征进行校正。本发明专利技术的另一个目的是提供实现上述引入全局特征分类的视频图像运动处理方法的装置。由于引入了待处理视频图像全局特征对像素点的局部运动特征进行分类，并按不同类别进行针对性的校正，所以采用本发明专利技术的技术方案得到的最终的局部运动特征更为精确。
【技术实现步骤摘要】
本专利技术属于数字图像处理技术，特别涉及视频数字图像运动处理技术。技术背景目前，在视频数字图像运动处理中，通常是针对待处理像素点和/或邻近若 干像素点等局部区域的运动特征及其变化进行处理，图像中全部像素点局部区 域运动特征处理结果的集合构成了图像最后的处理结果。下面以运动自适应算法(Motion Adaptive)为例对这种常用的视频图像运动处理方法进行介绍。运动自适应算法是一种基于运动信息的视频数字图像处理技术，常见于图 像插值、图像去隔行、图像降噪以及图像增强等各种图像处理过程中。运动自 适应算法的基本思想是利用多帧图像对像素点的运动状态进行检测，判断该像 素点倾向于静止或是运动，以此作为进一步运算处理的依据。如果像素点倾向 于静止的状态，那么相邻帧的同一位置的像素点将会具有与当前点相近的特征， 可以作为相对精确的参考信息，该方法被称为帧间(Inter )处理。而如果像素 点倾向于运动的状态，那么相邻帧的同一位置像素点的信息不能作为参考，因 此只能以同一帧的空间相邻像素作为参考信息，即所谓的帧内(Intra)处理。在实际应用中，同一帧图像中各像素点的运动情况各不相同，为了弥补单 一方法所带来的问题，将上述帧间和帧内两种处理算法相结合，以得到最佳的 图像效果。运动自适应算法对两种处理算法的结果进行加权平均，公式为PresiiU = axPimra +( 1— a )xPinter其中，Presult为最终处理结果，Pintra为帧内处理结果，Pinter为帧间处理 结果。即运动自适应权值a越大，即运动越强，则倾向于帧内处理；反之，运 动自适应权值a越小，则倾向于帧间处理。运动自适应权值a由相邻两帧对应 像素点之间差值的绝对值得到，具体的公式如下<formula>formula see original document page 5</formula>其中，P是像素点的亮度值；n是图像的帧按时间顺序的序号；i为像素点所在 图像的行数；j为像素点所在图像的列数。由以上的说明可以看出，这种图像运动处理方法的处理对象是像素点，同 时利用以待处理像素点为中心的周围局部区域的信息作为辅助信息。这种图像 处理方法由于将判断目标局限于一个微观的局部区域，这与人眼对图像的全局 识别方式存在差异，那么当图像受到帧间延迟以及噪声等问题的影响，特别是 在图像中既有运动又有静止的情况下，可能会出现比较大的判断误差，在区域 块的边缘也容易出现块效应。
技术实现思路
本专利技术针对现有视频图像运动处理方法中存在的由于局限于局部区域进行 判断所带来的误差较大的问题，提供了 一种引入全局特征分类的视频图像运动 处理方法。本专利技术的另 一个目的是提供实现上述引入全局特征分类的视频图像运动处 理方法的装置。本专利技术的技术思想是利用待处理视频图像的全局特征信息和像素点的局部 特征信息对像素点特定的局部运动特征信息进行分类，对每一分类赋予校正值， 再利用校正值对像素点特定的局部运动特征信息进行校正，得到更为精确的像 素点局部运动特征信息。本专利技术的技术方案如下引入全局特征分类的视频图像运动处理方法，包括如下步骤A、 获取待处理一见频图像中像素点的局部特征，所述局部特征包括局部运动 特征；B、 获取待处理视频图像全局特征；C、 依据步骤A和步骤B得到的所述局部特征和所述全局特征对待处理视频 图像中像素点进行分类，得到若干类别；D、 对步骤C得到的像素点归属的类别赋予校正参数；E、 利用步骤D得到的校正参数对步骤A得到的若干局部运动特征进行校正，得到最终的局部运动特征。步骤A所述获: 又的局部运动特征包括像素点的运动自适应权值；步骤E所 述的进行校正的局部运动特征为像素点的运动自适应权值，得到像素点的最终 的运动自适应权值。步骤A所述局部运动特征还包括表明像素点场间运动状态的像素点场间运 动特征值，得到场间运动特征值的公式为Motionfield = I (P (n， i-1， j) + P (n, i+1, j)) / 2 - P(n+1， i， j) |;其中，Motionfield为像素点场间运动特征值；P为像素点亮度值；n为图像场 按时间顺序的序号；i为像素点所在图像的行数；j为像素点所在图像的列数。步骤A所述获取的局部特征还包括通过对像素点进行边缘检测而得到的像 素点是否是边缘点的判断值。所述边缘4企测包括如下步骤1) 获取待处理像素点所在场内若干相邻像素点间亮度的差值，所述相邻像 素点的亮度值为确定值；待处理像素点所在场前一场或后一场内对应位置像素 点与相邻像素点间亮度的差值，所述相邻像素点的亮度值为确定值；2) 取l)中获得的差值的最大值与预定值进行比较。 步骤B所述获:f又全局特征包括如下步骤(1) 对待处理视频图像中选定像素点的运动自适应权值进行统计，设定一 个阈值作为界限，分别统计出大于或大于等于阈值的像素点数量Nm和小于或小 于等于阈值的像素点数量Ns;(2) 设定若干个数值区间，求出比值Nm / Ns,确定比值Nm / Ns所属的 数值区间，将比值Nm / Ns所属特定数值区间作为全局特征。获取全局特征步骤(1)所述选定像素点为边缘像素点。步骤C所述分类是指依据得到的全局特征、运动自适应权值、边缘点的判断值以及场间运动特征值作为待处理像素点的分类依据进行分类，得到若干分类类别，将像素点归属于各分类类别。步骤C所述分类的方法为决策树分类法。步骤D中所述校正采用的校正公式为<formula>formula see original document page 8</formula>其中a，为最终的运动自适应值；a为步骤A得到的运动自适应权值；k为步骤 D中的分类参数；f(a，k)为以a和k为变量的二元函数；Clip()是截断函数， 确保输出值在范围[m， n]之间。实现引入全局特征分类的视频图像运动处理方法的装置包括如下单元局 部特征获取单元、全局特征获取单元、分类单元和校正单元；局部特征获取单 元分别与分类单元和校正单元连接；全局特征获取单元分别与局部特征获取单 元和分类单元连接；分类单元还与校正单元连接；所述局部特征获取单元用于 对待处理视频图像中的像素点提取局部特征，所述局部特征包括局部运动特征； 所述全局特征获取单元用于提取待处理视频图像的全局特征；所述分类单元用 于对待处理视频图像中像素点依据全局特征获取单元与局部特征获取单元的结 果进行分类，分类后得到的类别被赋予校正参数；校正单元利用分类单元得到 的校正参数对局部特征获取单元得到的若干局部特征进行校正。所述局部特征获耳又单元包括运动检测单元，所述运动检测单元输出结果到 所述分类单元；运动检测单元得到的结果为待处理像素点的运动自适应权值和 场间运动特征值。所述局部特征获取单元还包括边缘检测单元，所述边缘检测单元输出结果 到所述全局特征获取单元；边缘检测单元得到的结果为待处理像素点是否是边 缘点的判断值。技术效果由于引入了待处理视频图像全局特征对像素点的局部运动特征进行分类， 并按不同类别进行针对性的校正，所以采用本专利技术的技术方案得到的最终的局 部运动特征结果更为精确。由于人眼对图像效果的认知本文档来自技高网...
【技术保护点】
引入全局特征分类的视频图像运动处理方法，其特征在于包括如下步骤：Ａ、获取待处理视频图像中像素点的局部特征，所述局部特征包括局部运动特征；Ｂ、获取待处理视频图像全局特征；Ｃ、依据步骤Ａ和步骤Ｂ得到的所述局部特征和所述全局特征对待处理视频图像中像素点进行分类，得到若干类别；Ｄ、对步骤Ｃ得到的像素点归属的类别赋予校正参数；Ｅ、利用步骤Ｄ得到的校正参数对步骤Ａ得到的若干局部运动特征进行校正，得到最终的局部运动特征。
【技术特征摘要】
1、引入全局特征分类的视频图像运动处理方法，其特征在于包括如下步骤A、获取待处理视频图像中像素点的局部特征，所述局部特征包括局部运动特征；B、获取待处理视频图像全局特征；C、依据步骤A和步骤B得到的所述局部特征和所述全局特征对待处理视频图像中像素点进行分类，得到若干类别；D、对步骤C得到的像素点归属的类别赋予校正参数；E、利用步骤D得到的校正参数对步骤A得到的若干局部运动特征进行校正，得到最终的局部运动特征。2、 根据权利要求1所述的引入全局特征分类的视频图像运动处理方法，其 特征在于步骤A所述获取的局部运动特征包括像素点的运动自适应权值；步骤E 所述的进行校正的局部运动特征为像素点的运动自适应权值，得到像素点的最 终的运动自适应权值。3、 根据权利要求2所述的引入全局特征分类的视频图像运动处理方法，其 特征在于步骤A所述局部运动特征还包括表明像素点场间运动状态的像素点场 间运动特征值，得到场间运动特征值的公式为Motionfield = l(P(n，i-l，j) +P(n, i+l,j)) / 2 - P(n+1, i, j) I; 其中，Motion^d为像素点场间运动特征值；P为像素点亮度值；n为图像场按时 间顺序的序号；i为像素点所在图像的行数；j为像素点所在图像的列数。4、 根据权利要求2或3所述的引入全局特征分类的视频图像运动处理方法， 其特征在于步骤A所述获取的局部特征还包括通过对像素点进行边缘检测而得 到的像素点是否是边缘点的判断值。5、 根据权利要求4所述的引入全局特征分类的视频图像运动处理方法，其 特征在于所述边缘;险测包括如下步骤1)获取待处理像素点所在场内若干相邻像素点间亮度的差值，所述相邻像 素点的亮度值为确定值；待处理像素点所在场前一场或后一场内对应位置像素 点与相邻像素点间亮度的差值，所述相邻像素点的亮度值为确定值；2)取1)中获得的差值的最大值与预定值进行比较。6、 根据权利要求5所述的引入全局特征分类的视频图像运动处理方法，其 特征在于步骤B所述获取全局特征包括如下步骤(1) 对待处理视频图像中选定像素点的运动自适应权值进行统计，设定一 个阈值作为界限，分别统计出大于或大于等于阈值的像素点数量li和小于或小 于等于阈值的像素点数量Ns;(2) 设定若干个数值区间，求出比值N / Ns,确定比值Nm / Ns所属的数 值区间，将比值Nm / Ns所属特定数值区间作为全局特征。7、 根据权利要求6所述的引入全局特征分类的视频图像运动处理方...
【专利技术属性】
技术研发人员：周津，柳崎峰，邓宇，闫建新，熊国清，
申请(专利权)人：宝利微电子系统控股公司，
类型：发明
国别省市：KY[开曼群岛]
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。