關(guān)于視頻圖像的增強(qiáng)與去噪技術(shù)的分析

劉安君

摘要：隨著計(jì)算機(jī)技術(shù)、多媒體技術(shù)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(dāng)中獲取信息，一個(gè)重要的因素就是視頻圖像質(zhì)量。在視頻圖像的傳輸當(dāng)中，如果受到噪聲的影響，將會降低視頻圖像質(zhì)量，因此，應(yīng)當(dāng)對視頻圖像進(jìn)行有效的去噪和增強(qiáng)，提升視頻圖像質(zhì)量，進(jìn)而從視頻當(dāng)中獲取更多信息?；诖?，本文主要對視頻圖像的增強(qiáng)，以及相應(yīng)的去噪技術(shù)進(jìn)行了分析。

關(guān)鍵詞：視頻圖像 增強(qiáng) 去噪技術(shù)

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

在當(dāng)今社會中，隨著多媒體技術(shù)的不斷發(fā)展，視頻設(shè)備的應(yīng)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(yīng)用當(dāng)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(dāng)中，由于受到一些因素的影響，很容易降低視頻圖像質(zhì)量，影響人們的信息獲取?；诖?，應(yīng)當(dāng)對視頻圖像進(jìn)行有效的加強(qiáng)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(jī)制

視頻信號需要利用攝像機(jī)進(jìn)行采集，在實(shí)際應(yīng)用中，主要包括CCD攝像機(jī)和CMOS攝像機(jī)等。其中，CCD攝像機(jī)能夠通過鏡頭將圖像聚焦在CCD芯片上，CMOS攝像機(jī)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(jī)相比，CCD攝像機(jī)具有分辨率高、畫面品質(zhì)高等優(yōu)勢，而CMOS攝像機(jī)具有成本低的優(yōu)勢[1]。采集圖像之后，需要進(jìn)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(jìn)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(diào)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(jìn)行轉(zhuǎn)換，從而得到高質(zhì)量的視頻圖像。

2 視頻噪聲的分類及特點(diǎn)

在視頻圖像中，時(shí)常會受到視頻噪聲的影響。根據(jù)不同的產(chǎn)生原因，可將視頻噪聲劃分為內(nèi)部噪聲、外部噪聲等。其中，內(nèi)部噪聲主要是視頻設(shè)備自身的噪聲、設(shè)備電路的噪聲、系統(tǒng)機(jī)械運(yùn)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(jì)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(guān)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(dú)立的關(guān)系。而乘性噪聲通?？梢越茷榧有栽肼曔M(jìn)行處理。視頻噪聲具有很多特點(diǎn)，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(guān)性，同時(shí)還具有迭加性的特點(diǎn)。

3 視頻圖像增強(qiáng)與去噪技術(shù)

3.1 基于對數(shù)變換域

對于視頻空域增強(qiáng)當(dāng)中可能發(fā)生的光暈、灰度級合并、細(xì)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(jìn)行增強(qiáng)處理?；谌祟愐曈X掩蓋效應(yīng)，適當(dāng)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(qiáng)技術(shù)的應(yīng)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(qiáng)算法，得到更加清晰的圖像。同時(shí)，可對醫(yī)學(xué)圖像進(jìn)行增強(qiáng)，使其在仿真、手術(shù)、診斷中發(fā)揮更大的作用[3]。采用空域法對視頻圖像進(jìn)行增強(qiáng)，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(shí)存在灰度級合并、暈環(huán)、細(xì)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(yīng)均衡化之后的圖像，同時(shí)向?qū)?shù)變換域轉(zhuǎn)換，然后進(jìn)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(jī)械物體自然運(yùn)動規(guī)律，以及一些物理學(xué)定律進(jìn)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(jìn)行圖像建模，并對圖像進(jìn)行求導(dǎo)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(shí)刻，像素點(diǎn)x的灰度值變化，只與無窮小臨近域的像素有關(guān)，因而能夠有效適應(yīng)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(jìn)行解決，實(shí)現(xiàn)了圖像處理的穩(wěn)定、高效。在實(shí)際應(yīng)用中，可采用基于四階偏微分方程的方法進(jìn)行去噪，能夠有效解決傳統(tǒng)二階偏微分方程中的塊效應(yīng)。不過在處理椒鹽噪聲的時(shí)候，效果較為有限。此外，利用自適應(yīng)TV模型，能夠?qū)D像邊緣進(jìn)行有效保持，同時(shí)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(jìn)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(zhì)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?qū)ψ匀粓D像高度冗余性加以利用，實(shí)現(xiàn)有效的去噪。不過，NL濾波算法在實(shí)際應(yīng)用中較為復(fù)雜，因此可以利用單高斯背景建模，對幀間冗余信息進(jìn)行提取，并采用幀間濾波處理大量重復(fù)背景信息，使用NL濾波算法處理前景。通過這種方式，能夠?qū)υ肼暦讲钪械鹊囊曨l去噪加以實(shí)現(xiàn)，對于很多成規(guī)視頻設(shè)備的去噪需求，都能夠有效的進(jìn)行滿足。

4 結(jié)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(dāng)中，越來越多的應(yīng)用到視頻圖像，對各類有用信息進(jìn)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(zhì)量。對此，可利用視頻圖像增強(qiáng)與去噪技術(shù)，對其進(jìn)行有效處理，從而提升視頻圖像的質(zhì)量。

參考文獻(xiàn)

[1]方明，李洪娜，雷立宏，梁銘.低照度視頻圖像增強(qiáng)算法綜述[J].長春理工大學(xué)學(xué)報(bào)（自然科學(xué)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(jì)算機(jī)工程與科學(xué)，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(qiáng)算法實(shí)現(xiàn)[J].微型機(jī)與應(yīng)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(shè)計(jì)與實(shí)現(xiàn)[J].電腦與電信，2011，09：36-38+41.