摘  要： 針對(duì)監(jiān)控視頻圖像的特點(diǎn)，提出了一種基于時(shí)空聯(lián)合的實(shí)時(shí)視頻降噪算法。該算法通過結(jié)合多幀圖像進(jìn)行運(yùn)動(dòng)檢測(cè)，自適應(yīng)地區(qū)分圖像的運(yùn)動(dòng)區(qū)域和靜止區(qū)域，對(duì)靜止區(qū)域采用時(shí)域加權(quán)均值濾波，對(duì)運(yùn)動(dòng)區(qū)域采用空域ANL濾波。實(shí)驗(yàn)結(jié)果表明，該算法由于準(zhǔn)確地區(qū)分了圖像的運(yùn)動(dòng)區(qū)域和靜止區(qū)域，充分利用了視頻的時(shí)域、空域信息，在不造成運(yùn)動(dòng)拖影的前提下，能夠顯著提高視頻的信噪比和圖像的主觀質(zhì)量，同時(shí)滿足實(shí)時(shí)性要求。
關(guān)鍵詞： 時(shí)空聯(lián)合；運(yùn)動(dòng)檢測(cè)；視頻降噪；ANL算法

    視頻監(jiān)控以其直觀、方便、信息內(nèi)容豐富而廣泛應(yīng)用于安防、監(jiān)控等場(chǎng)合，成為金融、商業(yè)、交通乃至住宅、社區(qū)等領(lǐng)域安全防范的重要手段，為這些行業(yè)的安全防范和環(huán)境監(jiān)控起到了不可忽視的作用。然而受監(jiān)控環(huán)境、光照變化等影響，噪聲一直是實(shí)時(shí)視頻監(jiān)控中不可回避的問題，也成為影響視頻質(zhì)量的重要因素。
　目前視頻降噪的方法主要分為空域降噪法和時(shí)域降噪法兩類?？沼蚪翟敕ㄒ话慊诘屯V波的方法，但在視頻監(jiān)控中，由于空域?yàn)V波沒有充分利用時(shí)域信息，效果并不理想。時(shí)域降噪法既可以有效去除噪聲也可以很好地保護(hù)圖像的細(xì)節(jié)，可是單純的時(shí)域?yàn)V波會(huì)引入運(yùn)動(dòng)拖影現(xiàn)象。參考文獻(xiàn)[1]提出了一種基于運(yùn)動(dòng)補(bǔ)償?shù)臅r(shí)域自適應(yīng)視頻降噪算法，該算法時(shí)間復(fù)雜度相對(duì)較高，而且為了滿足實(shí)時(shí)性，不能結(jié)合多幀數(shù)據(jù)進(jìn)行濾波，只考慮了前一幀數(shù)據(jù)，因而影響了降噪效果。參考文獻(xiàn)[2]提出了結(jié)合運(yùn)動(dòng)檢測(cè)區(qū)分每幀圖像的運(yùn)動(dòng)區(qū)域和非運(yùn)動(dòng)區(qū)域，再分別對(duì)不同的區(qū)域采用不同的濾波策略。這種結(jié)合了時(shí)域、空域的視頻濾波降噪算法充分利用了視頻的時(shí)域、空域信息,能夠避免使用單個(gè)算法的缺點(diǎn)，得到了不錯(cuò)的效果，然而，這種時(shí)空聯(lián)合去噪方法的效果取決于運(yùn)動(dòng)檢測(cè)的精確度。
　針對(duì)監(jiān)控視頻圖像的特點(diǎn)，本文提出了一種基于時(shí)空聯(lián)合的實(shí)時(shí)視頻降噪算法。通過結(jié)合多幀圖像進(jìn)行運(yùn)動(dòng)檢測(cè)，自適應(yīng)地區(qū)分圖像的運(yùn)動(dòng)區(qū)域和靜止區(qū)域，對(duì)靜止區(qū)域采用時(shí)域加權(quán)均值濾波，對(duì)運(yùn)動(dòng)區(qū)域采用空域ANL濾波。實(shí)驗(yàn)結(jié)果表明，該方法能夠顯著提高視頻的信噪比和圖像的主觀質(zhì)量，而且沒有運(yùn)動(dòng)拖影和明顯的細(xì)節(jié)信息丟失，并在視頻監(jiān)控系統(tǒng)中得到了商業(yè)化的應(yīng)用。
1 基于運(yùn)動(dòng)檢測(cè)的時(shí)空聯(lián)合視頻降噪算法
1.1算法流程
　基于運(yùn)動(dòng)檢測(cè)的時(shí)空聯(lián)合視頻降噪流程如圖1所示。

　具體步驟如下：
　(1) 以4像素×4像素大小的宏塊為基本處理單位，進(jìn)行噪聲方差的估計(jì)；
　(2) 結(jié)合噪聲方差設(shè)置運(yùn)動(dòng)檢測(cè)的閾值T;
   (3) 利用宏塊的像素值之和進(jìn)行運(yùn)動(dòng)檢測(cè);
   (4) 針對(duì)不同的區(qū)域，對(duì)運(yùn)動(dòng)區(qū)域進(jìn)行ANL濾波，對(duì)非運(yùn)動(dòng)區(qū)域進(jìn)行時(shí)域均值濾波。
1.2 運(yùn)動(dòng)檢測(cè)算法
　運(yùn)動(dòng)檢測(cè)算法是本算法的核心，它決定整個(gè)算法的性能。運(yùn)動(dòng)檢測(cè)的方法主要有背景差分法、時(shí)間差分法和光流法。光流法計(jì)算復(fù)雜而且抗干擾性差，一般無法做到實(shí)時(shí)處理。幀間差分法只檢測(cè)相對(duì)運(yùn)動(dòng)的物體，因兩幅圖像之間的時(shí)間間隔較短，差分圖像受光線變化影響小，檢測(cè)有效而穩(wěn)定，但該方法存在忽視兩幀間物體重疊部位形成空洞和檢測(cè)出的物體的位置不精確的缺陷。與幀間差分法相比，背景差分法一般能夠提供較完全的特征數(shù)據(jù)，得到較精確的目標(biāo)圖像，但在實(shí)際應(yīng)用中，由于進(jìn)行比較的兩幅圖像攝自不同的時(shí)刻，因此容易受光照變化、風(fēng)等自然因素和其他人為因素的影響，出現(xiàn)許多偽運(yùn)動(dòng)目標(biāo)點(diǎn)，影響目標(biāo)檢測(cè)的效果[3]。
　    在視頻監(jiān)控中，時(shí)域降噪的效果遠(yuǎn)比空域降噪要好，在不造成運(yùn)動(dòng)拖影的前提下應(yīng)以時(shí)域降噪為主，使降噪的效果最優(yōu)，因此運(yùn)動(dòng)檢測(cè)相當(dāng)關(guān)鍵。參考文獻(xiàn)[2]采用幀間差分法，但是參考文獻(xiàn)[2]判斷運(yùn)動(dòng)和靜止塊的準(zhǔn)則是：若當(dāng)前幀的當(dāng)前子塊與前幀對(duì)應(yīng)子塊中超過80%的塊滿足設(shè)定條件，當(dāng)前子塊才被判斷為靜止區(qū)域。這種方法使得很多靜止的區(qū)域被誤判為運(yùn)動(dòng)的區(qū)域，從而降低了去噪的效果，同時(shí)帶來過多的使用空域降噪而引起的在視頻序列應(yīng)用上的閃爍問題。本文提出只要當(dāng)前幀的當(dāng)前子塊與前幀對(duì)應(yīng)子塊中有一個(gè)子塊滿足設(shè)定條件，當(dāng)前子塊就被判斷為靜止區(qū)域，進(jìn)而采用加權(quán)時(shí)域均值濾波[4]。
　　首先將待處理的視頻幀劃分成4像素×4像素的宏塊。宏塊的選取不宜過大也不宜過小，宏塊越大檢測(cè)出來的運(yùn)動(dòng)區(qū)域越不精細(xì)，從而導(dǎo)致運(yùn)動(dòng)的區(qū)域過多,影響降噪的效果。宏塊選取過小會(huì)造成運(yùn)動(dòng)檢測(cè)不準(zhǔn)確，特別是在高噪聲背景下檢測(cè)。這是因?yàn)楸疚臑榱诉M(jìn)一步減少噪聲的干擾，采用宏塊的像素值之和作為設(shè)置運(yùn)動(dòng)檢測(cè)閾值的判斷準(zhǔn)則,這相當(dāng)于做了一次簡單的均值濾波。劃分宏塊后，計(jì)算宏塊的像素值之和，然后進(jìn)行比較，若兩對(duì)應(yīng)宏塊像素值和的差值的平方小于閾值T，則認(rèn)為是靜止?fàn)顟B(tài)。具體的步驟如下(記當(dāng)前幀為k，宏塊的橫坐標(biāo)和縱坐標(biāo)分別為i、j）：

1.4 空域降噪中的ANL算法
　對(duì)于當(dāng)前幀中判定為運(yùn)動(dòng)區(qū)域的塊,采用空域降噪。傳統(tǒng)的空域降噪方法有均值濾波、中值濾波、加權(quán)均值濾波等，這些方法都會(huì)造成明顯的細(xì)節(jié)信息丟失[5]?？沼蚪翟氲乃惴ㄖ校琋on_local means是一種性能優(yōu)良的算法，特別是基于Non_local means的鄰域自適應(yīng)算法(簡稱ANL算法)降噪效果很好[6]，本文采用ANL作為時(shí)空聯(lián)合降噪算法中的空域降噪方法。
　    假設(shè)被噪聲污染的圖像為v={v(x)|x∈I}，則濾波之后的圖像表示為NL[v](x)，對(duì)于每一個(gè)像素x，通過計(jì)算其加權(quán)平均來得到去噪之后的圖像：

    如圖2所示，圖中粗線區(qū)域中心A表示待處理點(diǎn)，其右上方鄰域的點(diǎn)B為要加權(quán)平均的點(diǎn)，即虛線區(qū)域中心像素點(diǎn)，為了計(jì)算此點(diǎn)的權(quán)值，以待處理點(diǎn)A為中心的3×3的矩形窗口和B點(diǎn)為中心的3×3矩形窗口內(nèi)像素點(diǎn)對(duì)應(yīng)相減的平方和，即(1-1′)2+(2-2′)2…來度量權(quán)值。本文采用9×9大小的搜索范圍，相似矩形區(qū)域?yàn)?×3。

2 實(shí)驗(yàn)結(jié)果與分析
　為了說明算法的有效性，本文對(duì)添加了高斯噪聲的bridge-far測(cè)試序列進(jìn)行了仿真實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如圖3所示。
　從圖3(c)和圖3(d)的背景可以發(fā)現(xiàn)圖3(d)的去噪效果比圖3(c)的要好，說明本文提出的運(yùn)動(dòng)檢測(cè)算法對(duì)運(yùn)動(dòng)和靜止區(qū)域的判斷更合理。對(duì)于圖3(e)和圖3(f)兩種空域降噪算法，ANL算法明顯要比空域自適應(yīng)降噪算法好很多。從圖3(g)和圖3(h)中可以看出，本文提出的時(shí)空聯(lián)合降噪算法比參考文獻(xiàn)[3]中的算法更好，而且從快速飛入的小鳥和緩慢前進(jìn)的大船可以看出本算法可

    針對(duì)監(jiān)控視頻圖像的特點(diǎn)，提出了一種基于時(shí)空聯(lián)合的實(shí)時(shí)視頻降噪算法。通過結(jié)合多幀圖像進(jìn)行運(yùn)動(dòng)檢
測(cè)，分別對(duì)非運(yùn)動(dòng)區(qū)域做時(shí)域均值濾和對(duì)運(yùn)動(dòng)區(qū)域做空域ANL濾波。實(shí)驗(yàn)結(jié)果表明,本文提出的降噪算法不僅可以實(shí)時(shí)有效地去除噪聲，而且沒有造成運(yùn)動(dòng)拖影和明顯的細(xì)節(jié)信息丟失。該算法已在視頻監(jiān)控系統(tǒng)中得到商業(yè)化的應(yīng)用。
參考文獻(xiàn)
[1] 李巖,喬彥峰，高豐端，等.一種基于運(yùn)動(dòng)補(bǔ)償?shù)臅r(shí)域自適應(yīng)視頻降噪算法[J].電子器件, 2007,3(5):166-169.
[2] 張文杰.一種基于運(yùn)動(dòng)檢測(cè)的智能視頻序列降噪算法[J].電子工程師,2007,33(12):37-39.
[3] Chen Zihui,Wang Li,Yu Youjian.Algorithm study of motion detection based on background difference and time difference[J]. Journal of Tianjin Institute of Urban Construction 2009,15(4):298-300.
[4] DABOV K, FOI A, EGIAZARIAN K. Video denoising by sparse 3D transform-domain collaborative filtering[A].Proc.15th European Signal Processing Conference. EUSI-PCO 2007, Poznan, Poland, September 2007.
[5] 崔建偉，谷源濤，唐昆. 采用背景提取和自適應(yīng)濾波的視頻降噪算法[J]. 電視技術(shù),2009,30(S2):75-78.
[6] BUADES A,COLL B, MOREL J M. A non-local algorithm for image denoising[A].IEEE Proceeding of Computer Society Conference on Computer Vision and Pattern Recognition. San Diego, USA, 2005,2:60-65.