视频序列中高斯噪声的去除算法研究

摘要

视频序列在获取和传输的过程中往往会因为一些不可控的因素引入噪声,影响人们的主观视觉质量,也给后续视频序列的进一步处理带来困难。研究去除视频序列的噪声已成为图像处理领域的一个热门课题。
　　在单幅图像的去噪方法中,块匹配三维滤波(BlockMatchingand3DFiltering,BM3D)算法将非局部块匹配思想结合到经验维纳滤波中,取得了非常好的去噪效果。基于视频去噪与单幅图像去噪的关联性,将BM3D的思想扩展到视频序列去噪中。对于视频中的每一帧,都划分成有一定重叠度的相同大小的块。依次以每个块为基准,在前后多帧中采用预测搜索算法寻找与该基准块最相似的有限个块并按相似度从大到小排列构成三维“组”,然后对“组”进行基于傅里叶变换的硬阈值滤波,获得该“组”各块的估计,并根据滤波前“组”内块的紧凑度确定“组”估计的权值。当所有的基准块处理完后,对重叠的块估计进行加权平均获得整个视频的基本估计。对视频的基本估计按上述方法重新划一系列的基准块并对各块构造相应的“干净组”。对于每一个“干净组”,从噪声视频的相同位置提取出“噪声组”,使用“干净组”设计经验维纳滤波器并对“噪声组”进行滤波。最后对各组中块的滤波结果进行加权获得视频的最终估计。
　　采用取自标准视频序列库中具有不同特性的4组视频,对其添加不同强度0均值的高斯白噪声进行了仿真实验。实验表明去噪效果良好。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 研究背景与意义

1.2 国内外研究状况

1.3 论文研究内容与组织结构

2 单帧图像去噪算法

2.1 基于单个像素点相似性的图像去噪算法

2.2 基于块结构相似性的图像去噪算法

2.3 经验维纳滤波

2.4 基于块匹配的三维联合滤波图像去噪算法

2.5 图像去噪结果对比

2.6 本章小结

3 基于块匹配的视频序列去噪算法

3.1 NLM视频序列去噪算法

3.2 HQVD视频序列去噪算法

3.3 VBM3D算法

3.4 基于“组”内块紧凑度的BM3D视频序列去噪算法

3.5 本章小结

4 实验与仿真

4.1 实验数据与评判准则

4.2 实验对比

4.3 参数设置分析

4.4 本章小结

5 总结与展望

5.1 全文总结

5.2 展望

致谢

参考文献