一种基于固定场景的视频降噪处理方法及装置制造方法及图纸

本发明专利技术公开了一种基于固定场景的视频降噪处理方法及装置，所述方法包括获取一帧视频数据；提取该帧视频数据中的关键分量视频数据，并对该关键分量视频数据进行下采样处理；对下采样后的关键分量视频数据进行背景建模以提取前景区域和背景区域；依据背景区域的当前像素值与前一次背景区域的像素值的差值估算背景区域当前的噪声功率值，如果噪声功率值小于预先设置的降噪处理判断阈值，则不对该关键分量视频数据进行降噪处理；如果噪声功率值大于降噪处理判断阈值，则对该关键分量视频数据的前景区域和背景区域分别进行降噪处理。采用本发明专利技术可以提升视频的主观质量，而且运算量和存储资源较低，易于硬件实现。

【技术实现步骤摘要】
一种基于固定场景的视频降噪处理方法及装置
本专利技术涉及视频监控领域，具体而言，涉及一种基于固定场景的视频降噪处理方法及装置。
技术介绍
目前，在视频监控系统中，一般要求全天24小时进行监控，但是在实际应用中，传感器采集的视频不可避免地存在着噪声，尤其在夜间或者傍晚的低照度环境下，视频中将会出现大量噪声。这些噪声的来源比较多，总结起来主要有：1、前端用以采集视频的传感器引入的噪声；2、在视频传输过程中由于电磁干扰而引入的噪声；3、视频压缩时，量化过程引入的噪声，等。这些噪声的引入，不仅严重降低了视频的主观质量，还会降低编码过程中运动估计中块匹配的精度，从而增加编码码流，不利于视频的传输和存储。通常，在编码前做降噪处理，不仅可以改善图像的质量，还可以提高运动估计中块匹配的精度，从而降低编码码流，是一种必要的前处理操作。视频噪声一般近似为加性高斯噪声，目前，视频降噪算法可以借鉴单幅图像的降噪算法，但是这类算法没有考虑到相邻帧值之间的信息，且同一位置的噪声在连续时间中是随机分布的，所以使用单帧图像的降噪算法将会导致降噪后的视频出现闪烁现象，这类算法称之为空间域降噪，或者帧内降噪。在采用多帧视频图像的降噪算法中，虽可以避免闪烁现象，但需要对运动像素和静止像素分别进行处理，否则对于运动的目标，容易造成运动拖影，而静止像素和运动像素的区分一直是一个难点。同时，这类算法在具体实现中需要存储多帧图像的信息，增加了存储需求，这类算法称之为时间域降噪，或者帧间降噪。除此之外，还有一些基于图像变换的方法，将图像转换到变换域中，如小波、频率域等，这类方法包含大量的浮点运算，实现代价比较高。在中国公开号为CN101540834A，专利技术名称为“去除视频图像噪声的方法和视频编码装置”的专利方案中，其使用一个门限值来判断每个像素是否需要进行降噪处理，凡是大于此门限值的像素才参与降噪处理，否则不做处理，然而其用于判断像素是否降噪的门限值是一个固定的经验值，在具体实施中，由于需要处理在场景多变、光照不同情况下的视频，从而采用该方法会存在降噪误判。同时，在正常光照情况下的视频，如果存在快速运动的目标，也容易被判断为需要进行降噪，从而造成拖影现象。在中国公开号为CN101448077，专利技术名称为“一种自适应视频图像3D降噪方法”的专利方案中，其提出了一种分块的噪声功率估计方法。首先将图像划分为M×M大小的块，分别计算方差，然后取最小的方差值作为该帧的噪声方差。然而该方法需要首先确定块的大小，如果视频场景中存在大量运动像素时，该估计算法将失效。同时，这种基于块划分的处理方法中，会将静止和运动像素划分到同一个块中，从而不利于后续处理。
技术实现思路
为了克服现有的降噪方法其存在的降噪误判的缺陷，本专利技术的目的在于提供一种基于固定场景的视频降噪处理方法及装置。为了达到本专利技术的目的，本专利技术采用以下技术方案实现：一种基于固定场景的视频降噪处理方法，包括：获取一帧视频数据；提取该帧视频数据中的关键分量视频数据，并对该关键分量视频数据进行下采样处理；对下采样后的关键分量视频数据进行背景建模以提取前景区域和背景区域；依据背景区域的当前像素值与前一次背景区域的像素值的差值估算背景区域当前的噪声功率值，如果噪声功率值小于预先设置的降噪处理判断阈值，则不对该关键分量视频数据进行降噪处理；如果噪声功率值大于降噪处理判断阈值，则对该关键分量视频数据的前景区域和背景区域分别进行降噪处理。一种优选实施方式下，对下采样后的关键分量视频数据进行背景建模以提取前景区域和背景区域的方法包括：各个像素点在第n帧中的状态用单高斯分布模型η(Xn,μn,∑n)来表示，其中，μn为像素点在第n帧时的均值，∑n为像素点在第n帧时的协方差，若特征因子大于预先设置的判断阈值T，则判断该像素点为前景像素点；否则认为该像素点的特征值与高斯分布匹配，判断该像素点为背景像素点，其中，所述dn＝In-μn，In为当前像素点的灰度值。一种更为优选地实施方式下，像素点的单高斯分布模型η(Xn,μn,∑n)参照以下数学式进行更新：μn+1=(1-α)μn+αIn；其中，μn为高斯分布的均值，In为当前背景区域中像素点的灰度值，μn+1为更新后背景区域图像的灰度值，α为学习率。一种更为优选地实施方式下，依据背景区域的当前像素值与前一次背景区域的像素值的差值估算背景区域当前的噪声功率值的方法包括：获取背景区域中面积最大的一块矩形背景区域；计算该矩形背景区域的当前像素值与前一次该相同区域的像素值的差值，并依据该差值估算背景区域当前的噪声功率值。一种更为优选地实施方式下，依据矩形背景区域的当前像素值与前一次该相同区域的像素值的差值估算背景区域当前的噪声功率值的方法为：背景区域当前的噪声功率值等于当前像素值与前一次像素值的差值的方差其中，所述差值的方差采用以下数学式进行计算：其中，Y(x,y,k)为M×N大小矩形背景区域第k帧和第k-1帧在点(x,y)处像素值的差值，M和N是矩形背景区域的长和宽，(x，y)是像素的坐标。一种更为优选地实施方式下，当噪声功率值大于降噪处理判断阈值时，则对该关键分量视频数据的前景区域的像素采用时间域的帧间降噪算法进行降噪处理，对该关键分量视频数据的背景区域的像素采用均值滤波算法、双边滤波算法、三维块匹配算法BM3D或数字图像非局部均值算法Non-LocalMeans进行降噪处理。一种基于固定场景的视频降噪处理装置，包括：获取模块，用于获取一帧视频数据；提取与采样模块，用于提取该帧视频数据中的关键分量视频数据，并对该关键分量视频数据进行下采样处理；处理模块，用于对下采样后的关键分量视频数据进行背景建模以提取前景区域和背景区域，以及进一步用于依据背景区域的当前像素值与前一次背景区域的像素值的差值估算背景区域当前的噪声功率值，如果噪声功率值小于预先设置的降噪处理判断阈值，则不对该关键分量视频数据进行降噪处理；如果噪声功率值大于降噪处理判断阈值，则对该关键分量视频数据的前景区域和背景区域分别进行降噪处理。一种优选实施方式下，处理模块对下采样后的关键分量视频数据进行背景建模以提取前景区域和背景区域的方法包括：各个像素点在第n帧中的状态用单高斯分布模型η(Xn,μn,∑n)来表示，其中，μn为像素点在第n帧时的均值，∑n为像素点在第n帧时的协方差，若特征因子大于预先设置的判断阈值T，则判断该像素点为前景像素点；否则认为该像素点的特征值与高斯分布匹配，判断该像素点为背景像素点，其中，所述dn＝In-μn，In为当前像素点的灰度值。一种更为优选地实施方式下，处理模块参照以下数学式对像素点的单高斯分布模型η(Xn,μn,∑n)进行更新：μn+1=(1-α)μn+αIn；其中，μn为高斯分布的均值，In为当前背景区域中像素点的灰度值，μn+1为更新后背景区域图像的灰度值，α为学习率。一种更为优选地实施方式下，处理模块依据背景区域的当前像素值与前一次背景区域的像素值的差值估算背景区域当前的噪声功率值的方法包括：获取背景区域中面积最大的一块矩形背景区域；计算该矩形背景区域的当前像素值与前一次该相同区域的像素值的差值，并依据该差值估算背景区域当前的噪声功率值。一种更为优选地实施方式下，处理模块依据矩形背景区域本文档来自技高网...

【技术保护点】
一种基于固定场景的视频降噪处理方法，其特征在于，包括：获取一帧视频数据；提取该帧视频数据中的关键分量视频数据，并对该关键分量视频数据进行下采样处理；对下采样后的关键分量视频数据进行背景建模以提取前景区域和背景区域；依据背景区域的当前像素值与前一次背景区域的像素值的差值估算背景区域当前的噪声功率值，如果噪声功率值小于预先设置的降噪处理判断阈值，则不对该关键分量视频数据进行降噪处理；如果噪声功率值大于降噪处理判断阈值，则对该关键分量视频数据的前景区域和背景区域分别进行降噪处理。

【技术特征摘要】
1.一种基于固定场景的视频降噪处理方法，其特征在于，包括：获取一帧视频数据；提取该帧视频数据中的关键分量视频数据，并对该关键分量视频数据进行下采样处理，其中，该关键分量为该帧视频数据的Y分量；对下采样后的关键分量视频数据进行背景建模以提取前景区域和背景区域；依据当前背景区域各个像素值与上一帧背景区域中相同位置的像素值的差值估算背景区域当前的噪声功率值，如果噪声功率值小于预先设置的降噪处理判断阈值，则不对该关键分量视频数据进行降噪处理；如果噪声功率值大于降噪处理判断阈值，则对该关键分量视频数据的前景区域和背景区域分别进行降噪处理。2.如权利要求1所述的基于固定场景的视频降噪处理方法，其特征在于，对下采样后的关键分量视频数据进行背景建模以提取前景区域和背景区域的方法包括：各个像素点在第n帧中的状态用单高斯分布模型η(Xn,μn,∑n)来表示，其中，μn为像素点在第n帧时的均值，∑n为像素点在第n帧时的协方差，若特征因子大于预先设置的判断阈值T，则判断该像素点为前景像素点；否则认为该像素点的特征值与高斯分布匹配，判断该像素点为背景像素点，其中，所述dn＝In-μn，In为当前像素点的灰度值。3.如权利要求2所述的基于固定场景的视频降噪处理方法，其特征在于，像素点的单高斯分布模型η(Xn,μn,∑n)参照以下数学式进行更新：μn+1＝(1-α)μn+αIn；其中，μn为高斯分布的均值，In为当前背景区域中像素点的灰度值，μn+1为更新后背景区域图像的灰度值，α为学习率。4.如权利要求1-3任一所述的基于固定场景的视频降噪处理方法，其特征在于，依据当前背景区域各个像素值与上一帧背景区域中相同位置的像素值的差值估算背景区域当前的噪声功率值的方法包括：获取背景区域中面积最大的一块矩形背景区域；计算该矩形背景区域的各个像素值与上一帧该相同区域中相同位置的像素值的差值，并依据该差值估算背景区域当前的噪声功率值。5.如权利要求4任一所述的基于固定场景的视频降噪处理方法，其特征在于，依据矩形背景区域的各个像素值与上一帧该相同区域中相同位置的像素值的差值估算背景区域当前的噪声功率值的方法为：背景区域当前的噪声功率值等于当前矩形背景区域的各个像素值与上一帧该相同区域中相同位置像素值的差值的方差其中，所述差值的方差采用以下数学式进行计算：其中，Y(x,y,k)为M×N大小矩形背景区域第k帧和第k-1帧在点(x,y)处像素值的差值，M和N是矩形背景区域的长和宽，(x,y)是像素的坐标。6.如权利要求1-3任一所述的基于固定场景的视频降噪处理方法，其特征在于，当噪声功率值大于降噪处理判断阈值时，则对该关键分量视频数据的前景区域的像素采用时间域的帧间降噪算法进行降噪处理，对该关键分量视频数据的背景区域的像素采用均值滤波算法、双边滤波算法、三维块匹配算法BM3D或数字图像非局部均值算法Non-LocalMeans进行降噪处理。7.一种基于固定场景的视频降噪处理装置，其特征在于，包括...

【专利技术属性】
技术研发人员：张雪林，邓海波，吴贻刚，朱豪，
申请(专利权)人：深圳中兴力维技术有限公司，
类型：发明
国别省市：