一種基于運動估計的視頻降噪算法

白瑞廣，金湘亮，徐 杰

(湘潭大學材料與光電物理學院，湖南湘潭 411105)

一種基于運動估計的視頻降噪算法

白瑞廣，金湘亮，徐 杰

(湘潭大學材料與光電物理學院，湖南湘潭 411105)

為了有效地去除視頻序列中的噪聲，提高視頻圖像質量，提出了一種基于運動估計的視頻降噪算法。該算法在由視頻序列中的當前幀和前后多幀圖像構建的圖像層中，通過運動估計技術，沿著物體的運動軌跡進行時域幀間濾波。實驗結果顯示，本文提出的算法充分利用了視頻序列的時域信息，可以有效去除視頻序列中的噪聲，同時可以很好地保持視頻圖像的細節。

視頻序列;降噪;運動估計;時域濾波

1 引 言

監控產品的智能化和高清化發展對視頻圖像的質量要求越來越高，而視頻處理系統在視頻采集、壓縮、存儲、傳輸等環節中都面臨著噪聲的干擾［1］。噪聲的存在不但降低了視頻圖像的視覺質量，而且增加了視頻圖像的信息熵，導致碼流增大，不但增加存儲空間和傳輸時間，還會對后續的目標識別、跟蹤等智能化分析等操作造成困難。這就需要在保留視頻信息的前提下對視頻流去除噪聲，提高信噪比，改善視覺效果。

目前視頻圖像的降噪方法大致可以分為變換域濾波，空域濾波和時域濾波［2］。而在視頻應用中，變換域濾波的計算量大，很難滿足系統的實時性需求［3］。視頻信號的空域相關性并不能完全區分視頻信號和噪聲信號，使得空域濾波在去噪的同時會無法避免地模糊視頻圖像的邊緣和紋理。由于視頻信號的連貫性，視頻幀間的時域相關性遠遠大于空域相關性，因此，實際應用中，在去噪方法的選擇上，時域濾波更具有優勢［4］。本文提出一種基于運動估計的視頻降噪算法，克服了視頻圖像在時域上的非平穩特性，提高了視頻圖像的降噪效果。

2 基于運動估計的視頻降噪算法

視頻信號的噪聲主要是高斯噪聲，和視頻信號的幀間相關性不同，幀間同一位置的高斯噪聲存在隨機性，在時域上不具有相關性，而視頻序列每一幀的圖像內容在時域上沿著物體運動軌跡的方向是保持一致的，每幀之間不發生變化。采用對各幀信號求平均的方法可以有效的去除視頻信號中的噪聲，而簡單的時域幀間平均濾波由于運動的存在導致匹配誤差，出現噪聲殘留或鬼影［5］。本文提出的基于運動估計的視頻降噪算法通過運動估計，把當前幀分為一定數量互不重疊的塊，在前后參考幀中按一定的匹配原則和搜索策略找到和當前塊相似的參考塊，即匹配塊，這樣在時域上獲得物體的運動軌跡，沿著物體的運動軌跡過平均來降低噪聲，在一定程度上改善了時域平均在運動幀上的無力，同時通過設定合理的計算邊界，減少匹配失敗或誤差，防止出現“鬼影”現象。

2.1 算法步驟

首先，將當前幀劃分為16×16像素大小的宏塊，以此為基本處理單位。然后根據設定的閾值確定當前幀在前后幀間的搜索邊界，利用運動估計技術在搜索范圍內搜索匹配的參考宏塊，即參考塊，從而確定當前宏塊的運動軌跡。最后，沿著物體的運動軌跡進行幀間濾波即可，算法流程如圖1所示。

圖1 算法流程圖

2.2 運動估計

視頻編碼中，常采用運動估計技術來確定物體的運動軌跡，因此，本文采用基于塊匹配的運動估計來獲取運動軌跡［6］。塊匹配法假設圖像由運動的塊組成，在每一個塊內，各像素的運動可以用同一個運動矢量來表示。匹配準則，搜索策略，宏塊大小劃分，搜索范圍和搜索精度是影響運動估計結果的主要因素。考慮到硬件實現的計算復雜度和算法的實用性，本文的匹配準則使用MAD匹配準則，搜索策略使用三步法。在當前幀中選擇以(i，j)為中心，大小為16×16的宏塊，在搜索范圍內的前后幀中搜索對應此宏塊MAD值最小的最佳匹配塊，當前宏塊和參考宏塊便構成了當前宏塊在時域上的運動軌跡［7］。MAD定義如公式(1)所示:

式中，cij代表當前塊內的像素灰度值;pij代表參考塊內的像素灰度值。

2.3 搜索邊界

本文提出的算法通過設定當前幀內宏塊的匹配準則閾值，擴大了前后幀的搜索范圍，合理地增加參與幀間濾波的幀數，進一步提升去噪效果。

考慮到視頻序列在時域上的連續性，首先，當前幀內的當前塊在前一幀內搜索參考塊，如果二者的MAD值未超過設定的閾值，則繼續向前一幀內搜索參考塊，如果MAD值超過閾值A，或者，當前塊和所有參考塊的MAD值之和超過閾值B，則停止搜索，此幀作為幀間平均濾波的前向邊界。同理，幀間平均濾波的后向邊界也如此確定。這樣，閾值A反映的是輸入噪聲的突變，而閾值B反映的是輸入噪聲的連續變化，兩個閾值的設定保證了幀間濾波邊界的可靠性。通過大量的實驗測試，閾值A和B分別設定為5·σ和10·σ時，去噪的效果達到最優，σ為高斯噪聲的標準差。

2.4 幀間濾波

視頻信號和其噪聲模型描述為:

其中，g(k)為噪聲污染后的視頻序列;f(k)為未受噪聲干擾的視頻序列;n(k)為均值為0、方差為σ2的加性高斯白噪聲。幀間濾波后的視頻序列g'(k)則可表示為:

3 實驗結果分析

為證明算法的有效性，仿真實驗基于2.93 GHz Intel Core2 Duo CPU，1.96 GB內存，Window XP SP3操作系統的PC機，通過Matlab 2013b對CIF格式的標準測試序列進行實驗對比。限于客觀條件，文中只能給出視頻中某一幀的效果圖。文獻［8］提到的IFSM算法利用小波變換對視頻進行降噪處理，去噪效果比較好，但是計算太復雜。時域降噪算法中，文獻［9］中提到的ATF算法利用了視頻信號的時域信息，能較好保留圖像細節，但它的時間軸濾波器結構較為簡單，濾波時只在當前幀的前一幀和后一幀內搜索參考塊，本文在此基礎上對時間軸濾波器進行了改進。圖(1)為對salesman標準測試序列第32幀添加標準差σ=15的高斯白噪聲的實驗結果圖。實際上，在播放連續的視頻序列時，本文算法的視覺效果會更加的突出，不存在拖影、閃爍等現象。

圖2 salesman序列第32幀

本文采用峰值信噪比(PSNR)作為算法效果的客觀評價，如公式(4)所示:

其中，fmax為視頻信號的峰值;通常取 fmax=255，f1(i，j，k)為原視頻序列;f2(i，j，k)為處理后視頻序列;k為視頻序列幀數;m×n為視頻圖像的大小。表1給出了算法對不同測試序列去噪后的平均PSNR值。由于本文算法多次利用了視頻前后序列的相關信息，采用了優化的處理模型，去噪效果明顯好于參考算法。

表1 測試序列去噪后的平均PSNR

4 結論

本文介紹了一種基于運動估計的視頻降噪算法，充分利用視頻序列在時域上的相關性，通過運動估計技術搜索當前幀的宏塊在合理范圍內的前后幀中的參考塊，沿著物體運動的軌跡完成幀間濾波，通過設定合理的計算邊界，在減少運算量的同時避免了匹配失敗造成的鬼影現象。實驗結果表明，本文的算法有效地去除了視頻序列中的高斯噪聲并明顯提升主觀效果。

［1］LIHongsong.Digital video processing［M］.Beijing:Beijing University Of Posts And Telecommunications Press，2006.(in Chinese)

黎洪松.數字視頻處理［M］.北京:北京郵電大學出版社，2006.

［2］JC Brailean，R P Kleihorst，SEfstratiadis，et al.Noise reduction filters for dynamic image sequences:a review［J］.IEEE Transactions on Image Processing，1995，83(9): 1272－1292.

［3］JIHu，LIU Qinlei，ZHENG Yonghang.De-noising of infrared images based on stationary wavelet transform and bayes estimation［J］.Laser＆Infrared，2009，39(6):677－680.(in Chinese)

季虎，劉欽磊，鄭永煌.基于離散平穩小波變換和Bayes估計的紅外圖像去噪方法［J］.激光與紅外，2009，39(6):677－680.

［4］YANG Huixian，WANG Xusi，XIE Penghe，et al.Infrared image denoising based on improved threshold and interscale correlations ofwavelet transform［J］.Acta Automatica Sinica，2011，37(10):1167－1174.(in Chinese)

楊恢先，王緒四，謝鵬鶴，等.改進閾值與尺度間相關的小波紅外圖像去噪［J］.自動化學報，2011，37(10): 1167－1174.

［5］LIZheng，LIU Wenjiang，RONG Mengtian，et al.Implementation and evaluation of BM3D video denoising algorithms［J］.Information Technology，2012，(4):30－32.(in Chinese)

李政，劉文江，戎蒙恬，等.BM3D視頻去噪算法實現與評估［J］.信息技術，2012，(4):30－32.

［6］JM Boyce.Noise reduction of image sequences using adaptive motion compensated frame averaging［C］.Proc.IEEE Int.Conf.Signal Process，1992，3:461－464.

［7］DUBOIS，E Sabri.Noise reduction in image sequences using motion-compensated temporal filtering［J］.IEEE Transactions on Image Processing，1984，32:826－831.

［8］SM Rahman，M O Ahmad，M N Swamy.Video denoising based on inter-frame statisticalmodeling ofwavelet coefficients［J］.IEEE Transactions on Circuits and Systems for Video Tech，2007，17:187－198.

［9］LIYan，QIAOYanfeng，GAO Fengduan，et，al.Adaptive temporal filter based on motion compensation for video noise reduction［J］.Chinese Journal Of Electron Devices，2007，30(5):1666－1669.(in Chinese)

李巖，喬彥峰，高豐端，等.一種基于運動補償的時域自適應視頻降噪算法［J］.電子器件，2007，30(5): 1666－1669.

Video noise reduction based on motion estimation

BAIRui-guang，JIN Xiang-liang，XU-Jie
(Faculty of Materials，Optoelectronics and Physics，Xiangtan University，Xiangtan 411105，China)

For eliminating the noise of video sequence effectively，a video noise reduction algorithm based on motionestimation is proposed.Time-domain filtering is performed along the object trajectory in themap layer which is composed of the current frame and the compensated reference frames of video sequence.The experiment results show that the proposed method can effectively suppress the noise in the video，and keep textures and details well by fully utilizing temporal correlations in video content.

video sequence;noise reduction;motion estimation;time-domain filter

TP391

A

10.3969/j.issn.1001-5078.2014.04.020

1001-5078(2014)04-0443-04

國家自然科學基金重點項目(No.61233010);國家自然科學基金(No.61274043)資助。

白瑞廣(1986－)，男，碩士研究生，研究方向為數字圖像處理和機器視覺。

2013-08-21;

2013-09-22