關于視頻圖像的增強與去噪技術的分析

劉安君

摘要：隨著計算機技術、多媒體技術的發(fā)展，在人們的日常工作中，接觸到的視頻圖像也越來越多。從視頻當中獲取信息，一個重要的因素就是視頻圖像質量。在視頻圖像的傳輸當中，如果受到噪聲的影響，將會降低視頻圖像質量，因此，應當對視頻圖像進行有效的去噪和增強，提升視頻圖像質量，進而從視頻當中獲取更多信息。基于此，本文主要對視頻圖像的增強，以及相應的去噪技術進行了分析。

關鍵詞：視頻圖像 增強 去噪技術

中圖分類號：TP391 文獻標識碼：A 文章編號：1007-9416（2016）12-0243-01

在當今社會中，隨著多媒體技術的不斷發(fā)展，視頻設備的應用越來越廣泛，例如視頻會議、交通電視監(jiān)控系統(tǒng)、軍事偵察監(jiān)視等。而在這些應用當中，清晰的視頻圖像無疑是最為重要的。在視頻圖像的拍攝與傳播當中，由于受到一些因素的影響，很容易降低視頻圖像質量，影響人們的信息獲取。基于此，應當對視頻圖像進行有效的加強和去噪，確保視頻圖像良好的清晰度，從而滿足人們的使用需求。

1 視頻信號的成像機制

視頻信號需要利用攝像機進行采集，在實際應用中，主要包括CCD攝像機和CMOS攝像機等。其中，CCD攝像機能夠通過鏡頭將圖像聚焦在CCD芯片上，CMOS攝像機則主要包括主動式像素傳感器、被動式像素傳感器等類型。兩種攝像機相比，CCD攝像機具有分辨率高、畫面品質高等優(yōu)勢，而CMOS攝像機具有成本低的優(yōu)勢[1]。采集圖像之后，需要進行Bayer圖像彩色重建，基于最臨近插值和雙線性插值，對圖像進行彩色重建，從而得到更加清晰、飽滿的視頻圖像。此后，需要通過白平衡調整，去除光照對物體本身顏色的影響，還原白色。作為人類視覺感知中的重要部分，色彩的重要性不言而喻。因此，視頻圖像需要利用顏色模型進行轉換，從而得到高質量的視頻圖像。

2 視頻噪聲的分類及特點

在視頻圖像中，時常會受到視頻噪聲的影響。根據(jù)不同的產生原因，可將視頻噪聲劃分為內部噪聲、外部噪聲等。其中，內部噪聲主要是視頻設備自身的噪聲、設備電路的噪聲、系統(tǒng)機械運動造成、光電自身屬性噪聲等；外部噪聲則主要是系統(tǒng)外部干擾造成的。根據(jù)視頻噪聲統(tǒng)計性變化，可分為非平穩(wěn)噪聲、平穩(wěn)噪聲[2]。根據(jù)信號與噪聲之間的相關性，則克分為乘性噪聲和加性噪聲。其中，加性噪聲模型可表示為f（x，y）=g（x，y）+v（x，y），其中，g代表輸入圖像，v代表噪聲，二者之間具有相互獨立的關系。而乘性噪聲通常可以近似為加性噪聲進行處理。視頻噪聲具有很多特點，在水平、垂直等方向，噪聲頻率通常不同，其與圖像之間具有相關性，同時還具有迭加性的特點。

3 視頻圖像增強與去噪技術

3.1 基于對數(shù)變換域

對于視頻空域增強當中可能發(fā)生的光暈、灰度級合并、細節(jié)丟失等問題，可采用基于對數(shù)變換域的直方圖方法進行增強處理。基于人類視覺掩蓋效應，適當銳化圖像邊緣，提升圖像對比度，能夠更加有利于人眼觀測圖像。這種圖像增強技術的應用十分廣泛，例如針對指紋采集不清晰的情況，可利用圖像增強算法，得到更加清晰的圖像。同時，可對醫(yī)學圖像進行增強，使其在仿真、手術、診斷中發(fā)揮更大的作用[3]。采用空域法對視頻圖像進行增強，能夠動態(tài)拉伸圖像灰度級分布，使其更加平均。但是此種方法同時存在灰度級合并、暈環(huán)、細節(jié)缺失等問題。對此，可采用基于對數(shù)變幻系數(shù)直方圖的方法，有效解決這些問題。原圖及自適應均衡化之后的圖像，同時向對數(shù)變換域轉換，然后進行直方圖映射，能夠得到更加清晰的視頻圖像。

3.2 基于變分偏微分方程

偏微分方程起初是對流體、機械物體自然運動規(guī)律，以及一些物理學定律進行解釋，其中包含多變量未知數(shù)。在基于偏微分方程的圖像處理中，通常采用連續(xù)二維函數(shù)進行圖像建模，并對圖像進行求導求積分，得到需要的解。在基于偏微分方程的圖像處理中，在t時刻，像素點x的灰度值變化，只與無窮小臨近域的像素有關，因而能夠有效適應圖像局部特征。此外，對于偏微分方程的求解，可利用完備的數(shù)值分析法進行解決，實現(xiàn)了圖像處理的穩(wěn)定、高效。在實際應用中，可采用基于四階偏微分方程的方法進行去噪，能夠有效解決傳統(tǒng)二階偏微分方程中的塊效應。不過在處理椒鹽噪聲的時候，效果較為有限。此外，利用自適應TV模型，能夠對圖像邊緣進行有效保持，同時發(fā)揮出良好去噪的效果。

3.3 基于高斯背景建模及NL濾波

在視頻去噪中，可采用基于單高斯背景建模及NL濾波的算法，對于一般監(jiān)控系統(tǒng)無法直接利用NL濾波處理視頻圖像的問題，能夠進行有效的解決。視頻序列在傳輸過程中，容易受到噪聲的污染，從而影響視頻畫面質量，對于人們通過視頻獲取信息有著不利的影響[4]。NL濾波法作為一種基于像素非局部平均值的算法，能夠對自然圖像高度冗余性加以利用，實現(xiàn)有效的去噪。不過，NL濾波算法在實際應用中較為復雜，因此可以利用單高斯背景建模，對幀間冗余信息進行提取，并采用幀間濾波處理大量重復背景信息，使用NL濾波算法處理前景。通過這種方式，能夠對噪聲方差中等的視頻去噪加以實現(xiàn)，對于很多成規(guī)視頻設備的去噪需求，都能夠有效的進行滿足。

4 結語

隨著科技的發(fā)展，數(shù)字化程度日益提高，因而在人們的日常生活及工作當中，越來越多的應用到視頻圖像，對各類有用信息進行獲取。不過，在視頻圖像的拍攝及信號傳輸過程中，容易受到噪聲的影響而降低視頻圖像質量。對此，可利用視頻圖像增強與去噪技術，對其進行有效處理，從而提升視頻圖像的質量。

參考文獻

[1]方明，李洪娜，雷立宏，梁銘.低照度視頻圖像增強算法綜述[J].長春理工大學學報（自然科學版），2016，03：56-64+69.

[2]羅暉，褚紅亮，王世昌.基于K-SVD的低信噪比WMSN視頻圖像稀疏去噪[J].計算機工程與科學，2014，03：497-501.

[3]施白雪，陳芬，張陳梅，黃逸飛，陳仁濤，湯顓頊.基于TI DM6437的視頻圖像增強算法實現(xiàn)[J].微型機與應用，2014，07：44-47+50.

[4]史宏宇，梅玉.基于G/S模式的視頻監(jiān)控系統(tǒng)圖像去霧處理算法的設計與實現(xiàn)[J].電腦與電信，2011，09：36-38+41.